Anthropic admite que sus agentes esperan a los humanos el 80% del tiempo: el cuello de botella ya somos nosotros

Por Fast Company · 19 de octubre de 2026.

Anthropic ha publicado un informe sobre el impacto de la IA en su propia plantilla. Según la compañía, sus agentes Claude pasan el 80% del tiempo de sesión esperando indicaciones humanas, en lugar de trabajar de forma activa. Anthropic atribuye a ese hecho los cuellos de botella de productividad que detecta.

La empresa afirma que el uso interno de Claude se traduce en «más código por persona, más ventas cerradas por comercial y más contratos procesados». También sostiene que sus tendencias internas «podrían ser un indicador adelantado» de cómo cambiarán la organización del trabajo, la contratación y la demanda laboral en toda la economía. Según Fast Company, eso apunta a menos puestos de entrada y a una fuerza laboral dedicada a supervisar agentes.

El dato humano es el más llamativo. En una encuesta de abril de 2026, el 75% de los empleados dijo que los procesos de trabajo de la empresa les hacen productivos. Además, en una pregunta abierta, el 20% describió que su rol ha pasado «de hacer el trabajo a gestionar Claudes». Un empleado comparó la tarea con cuidar niños: cada agente reclama atención con la misma urgencia, sin distinguir un problema trivial de uno grave («necesito que me abras el zumo» frente a «me he cortado un dedo»).

El artículo recuerda que el informe llega semanas después de que un empleado dimitiera acusando a la compañía de correr hacia una «superinteligencia automejorable». Es una acusación de esa persona, que Anthropic no ha confirmado en el material que manejamos.

**Nuestra lectura.** La cifra del 80% es menos paradójica de lo que parece. Si un agente trabaja en minutos lo que a una persona le llevaría horas, es normal que pase la mayor parte del tiempo parado esperando decisiones. Eso no demuestra que el humano estorbe. Muestra que el valor se desplaza hacia decidir qué importa, en qué orden y con qué criterio. Y ahí está el problema que cuenta el empleado: los agentes aún no saben priorizar.

Hay que leer el informe con cautela. Es una empresa que vende estas herramientas midiendo su propio éxito, con una muestra de plantilla muy cualificada. En general, extrapolar de un laboratorio de IA al resto de la economía exige prudencia: el empleado medio de una aseguradora o de un bufete no tiene la misma autonomía ni las mismas herramientas.

Aun así, el patrón encaja con lo que venimos defendiendo sobre empleo: lo administrativo y repetitivo es lo más expuesto, y lo que sobrevive es el criterio. La parte incómoda, a corto plazo, es el peldaño de entrada. Si los agentes absorben las tareas junior, ¿cómo se forma quien después debe supervisarlos? Esa es la pregunta que empresas y sistemas educativos deberían responder ya.

A largo plazo, la lectura sigue siendo constructiva. Gestionar agentes mal calibrados es una fase transitoria: a medida que mejoren en priorizar y en pedir ayuda solo cuando importa, el 80% de espera bajará y la supervisión será más ligera. Lo que hoy se siente como «cuidar niños» es el coste de aprender a delegar en una tecnología inmadura, y es un coste razonable si el destino es liberar tiempo humano para lo que de verdad nos interesa.