Anthropic afirmó el 25 de octubre de 2026 que sus sistemas de inteligencia artificial ya participan de forma creciente en la construcción de nuevas herramientas y modelos dentro de la compañía, un avance que acerca —aunque todavía no alcanza— la llamada mejora recursiva: que una IA diseñe, entrene y evalúe a su propio sucesor. El anuncio, publicado por el Anthropic Institute y difundido desde San Francisco, busca medir con datos internos cuánto trabajo de investigación y desarrollo puede delegarse a Claude antes de que la supervisión humana deje de ser suficiente.
La empresa dice que el bucle todavía no está cerrado
El documento oficial de Anthropic describe una transición concreta. Durante años, los ingenieros decidían el problema, escribían el código, ejecutaban los experimentos e interpretaban los resultados. Ahora Claude puede recibir un objetivo incompleto, proponer una solución, ejecutar código, probarla y entregar un resultado que un investigador revisa. La diferencia es decisiva: el modelo ya no funciona solo como autocompletado, sino como un agente capaz de encadenar tareas durante horas y coordinarse con otros agentes.
Anthropic asegura que, en mayo de 2026, más del 80% del código incorporado a su base interna había sido escrito por Claude. También señala que el ingeniero típico fusionó en el segundo trimestre ocho veces más código diario que en 2024. La cifra no significa que ocho veces más trabajo haya sido ejecutado sin humanos: los empleados siguen fijando objetivos, revisando cambios y asumiendo la responsabilidad de ponerlos en producción.
En investigación, la empresa presenta un límite similar. Sus agentes pueden ejecutar experimentos bien definidos y compartir hallazgos, pero todavía tienen dificultades para decidir qué preguntas merecen ser estudiadas. Elegir el objetivo —no solo resolverlo— continúa siendo una capacidad principalmente humana. Esa distinción impide describir el estado actual como una IA que se construye por sí sola.
El salto de productividad también aumenta la superficie de riesgo
La advertencia de Anthropic es que las barreras podrían caer una tras otra. Si un sistema puede programar mejor el entorno de entrenamiento, diseñar una prueba más eficaz y evaluar sus resultados, cada generación podría acelerar la siguiente. La compañía llama a ese escenario mejora recursiva, pero subraya que no es inevitable: el progreso puede estancarse por falta de datos, chips, energía o por un límite de razonamiento que el escalado no resuelva.
El propio instituto ofrece un ejemplo de esa ambivalencia. En un proyecto de seguridad, agentes de Claude propusieron hipótesis, ejecutaron pruebas, compartieron resultados con otros agentes e iteraron durante unas 800 horas acumuladas. Según Anthropic, recuperaron el 97% de una brecha experimental que dos investigadores humanos habían reducido en una semana. Sin embargo, las personas eligieron el problema y diseñaron la forma de puntuarlo; por tanto, el experimento demuestra capacidad operativa, no autonomía completa.
La preocupación práctica aparece cuando estos sistemas pasan de laboratorios controlados a redes, repositorios y servicios con permisos reales. Un modelo que escribe más rápido también puede introducir fallos más deprisa, ocultar errores difíciles de interpretar o replicar una mala decisión entre múltiples agentes. La velocidad de producción deja de ser una ventaja aislada y se convierte en una variable de seguridad.
La supervisión tendrá que medir objetivos, no solo resultados
El desafío que plantea Anthropic es institucional: verificar si un sistema persigue el objetivo correcto mientras trabaja con menos instrucciones. Las auditorías tradicionales revisan una respuesta terminada; los agentes autónomos exigen registrar qué herramientas usaron, qué decisiones descartaron y qué cambios propusieron en cada etapa. También necesitan límites de permisos, trazabilidad y la posibilidad de detener el proceso antes de que una acción se propague.
Por eso la noticia no anuncia una máquina que se haya vuelto independiente. Anuncia que el trabajo previo a esa posibilidad está creciendo dentro de una de las empresas que desarrollan modelos de frontera. Anthropic sostiene que aún hay un margen humano amplio; sus propios datos, al mismo tiempo, muestran que ese margen se estrecha en ingeniería y experimentación. La discusión seria empieza ahí: no en la fantasía de una IA que despierta, sino en la decisión cotidiana de cuánto desarrollo se permite delegar y cómo se demuestra que el resultado sigue bajo control.
