La I+D de IA de Anthropic Claude alcanza el 26%, pero los humanos siguen al mando
Anthropic afirma que Claude ya lidera el 26% de su investigación y desarrollo internos de IA, aunque no realiza de forma totalmente autónoma ninguno de los trabajos medidos. La cifra de I+D de IA de Anthropic Claude describe tareas completadas principalmente a partir de una instrucción de alto nivel, con personas supervisando, corrigiendo y aprobando el resultado.
Esa distinción hace que la revelación sea más significativa, no menos. Claude ya no se limita a responder preguntas de investigadores ni a generar fragmentos de código aislados. Cada vez realiza porciones interconectadas del trabajo utilizado para desarrollar sistemas de IA posteriores.
El hallazgo también crea una tensión dentro de la posición pública de Anthropic. La empresa quiere que los laboratorios de frontera revelen más información sobre la aceleración del desarrollo y coordinen sus esfuerzos en torno a la seguridad. Al mismo tiempo, sus propios sistemas están ayudando a acelerar ese desarrollo.
Por tanto, la cuestión central no es si Claude está diseñando de forma independiente a su sucesor. Anthropic afirma que no lo está haciendo. La pregunta es si la supervisión humana puede escalar tan rápido como la investigación automatizada que debe evaluar.
Qué mide realmente la I+D de IA de Anthropic Claude
La cifra del 26% mide el liderazgo supervisado en distintas tareas, no un laboratorio de IA autónomo.
Anthropic reveló el número en un informe del 17 de septiembre sobre la medición del desarrollo dentro de laboratorios de IA de frontera. La empresa publicó tres indicadores propuestos que abarcan la investigación liderada por IA, la supervisión de agentes y la asignación de recursos computacionales.
Sus mediciones de desarrollo sitúan las tareas de investigación en una escala de automatización de seis niveles. La escala va desde la ausencia de participación significativa de IA hasta el trabajo completado sin intervención humana.
En el nivel tres, denominado “colabora”, la IA realiza grandes partes de una tarea bajo una estrecha dirección humana. Una persona sigue tomando decisiones clave e integrando el trabajo resultante.
En el nivel cuatro, denominado “lidera”, la IA completa la mayor parte de una tarea a partir de una solicitud de alto nivel. Los humanos supervisan el proceso, lo redirigen cuando es necesario y aprueban el resultado final.
Anthropic afirma que Claude alcanzó al menos el nivel de liderazgo en el 26% del trabajo medido de investigación y desarrollo de IA en agosto de 2026. Esa proporción era inferior al 1% en febrero, según el informe de la empresa.
Más del 90% del trabajo medido alcanzó al menos el nivel de colaboración. Esa cifra más amplia incluye el 26% clasificado como liderado por IA, por lo que ambas cifras no deben sumarse.
La empresa afirma que ninguna categoría medida alcanzó el nivel cinco, que representa trabajo de extremo a extremo con poca o ninguna participación humana. Por tanto, Claude sigue formando parte de un sistema de desarrollo dirigido por humanos.
El índice subyacente busca medir más que el uso de herramientas. Pregunta quién ejecuta la tarea, quién decide la dirección y cuánta intervención sigue siendo necesaria.
Este enfoque distingue el control significativo del flujo de trabajo de estadísticas más simples, como el volumen de código generado. Un modelo puede producir una gran cantidad de código mientras deja las decisiones de arquitectura, evaluación y despliegue en manos de personas.
Anthropic construyó su catálogo de tareas examinando registros internos, incluida documentación de la empresa y comunicaciones laborales. Después organizó las actividades en una jerarquía que abarca responsabilidades de investigación e ingeniería.
La empresa utilizó IA para clasificar tareas y también pidió a empleados que evaluaran el trabajo dentro de sus áreas. Estas valoraciones se ponderaron según el tiempo estimado del personal, dando mayor influencia a las categorías de trabajo más grandes.
Este método ofrece una visión inusualmente detallada de un laboratorio. No proporciona un referente sectorial verificado de manera independiente.
Las definiciones también implican criterios subjetivos. Una tarea etiquetada como “liderada” podría seguir requiriendo una revisión humana sustancial, contexto especializado o varios ciclos de corrección antes de que su resultado sea útil.
Por eso importa la redacción precisa. La medición de I+D de IA de Anthropic Claude muestra un cambio rápido en la división del trabajo. No demuestra que Claude comprenda o controle todo el proceso de desarrollo de modelos.
Incluso con esa limitación, el aumento informado exige atención. Pasar de prácticamente ningún trabajo liderado por IA al 26% en pocos meses sugiere que el sistema interno de producción del laboratorio está cambiando más rápido que su estructura de personal.
El resultado introduce la tensión central del artículo. La capacidad de investigación puede expandirse mediante software, mientras que la supervisión fiable sigue dependiendo de personas con tiempo y atención limitados.
Una investigación más rápida presiona la revisión humana
Automatizar la ejecución genera más experimentos, código y propuestas para que los humanos inspeccionen, convirtiendo la revisión en el siguiente cuello de botella crítico.
Tradicionalmente, los laboratorios de IA escalan la investigación contratando especialistas y añadiendo capacidad computacional. Los sistemas agénticos introducen otra vía al permitir que los equipos existentes ejecuten más trabajo en paralelo.
Un agente de IA es un modelo conectado a herramientas, memoria y un ciclo de ejecución. Puede abordar tareas de varios pasos en lugar de limitarse a responder una sola instrucción.
Anthropic informa que alrededor de 30.000 agentes realizaban trabajo de investigación e ingeniería dentro de la empresa en cualquier momento dado durante su período de medición. Esa cifra describe procesos de software simultáneos, no investigadores autónomos independientes.
La empresa afirma que las acciones de los agentes pasan por supervisión en línea antes de ejecutarse. También informa que sistemas fuera de línea revisan esas acciones posteriormente.
Esta configuración puede ampliar la cantidad de trabajo que un equipo humano inicia. También puede multiplicar el número de decisiones, resultados intermedios y comportamientos inusuales que los sistemas de supervisión deben procesar.
Anthropic informó de más de mil millones de decisiones de agentes durante agosto. Su sistema de supervisión bloqueó aproximadamente una decisión de cada 47.000, según la medición interna de la empresa.
Una baja tasa de intervención admite varias interpretaciones posibles. La mayoría de las acciones podrían ser rutinarias y aceptables, o los monitores podrían estar aplicando criterios de bloqueo estrechos. La tasa publicada por sí sola no permite distinguir entre esas explicaciones.
La empresa reconoce que la supervisión de agentes sigue siendo una disciplina emergente. Su informe afirma que Anthropic ha operado estos sistemas de supervisión durante meses, no años.
Ese historial operativo limitado importa porque los fallos en entornos de investigación no siempre son evidentes. Un error de programación puede provocar el fallo de una prueba, pero una premisa experimental defectuosa puede producir resultados plausibles.
Los revisores humanos deben evaluar más que si una salida funciona. Deben comprobar los supuestos, los métodos, las implicaciones de seguridad y si un resultado aparentemente exitoso responde a la pregunta prevista.
Anthropic ha descrito por separado la revisión humana de código como una limitación creciente. En su discusión sobre la mejora recursiva, la empresa afirma que el aumento de la producción de código ha desplazado la presión hacia la revisión.
Este es un ejemplo de la ley de Amdahl, que establece que la velocidad global de un sistema sigue limitada por su componente más lento. Acelerar la generación de código no puede eliminar las demoras en validación, coordinación o criterio.
La misma limitación se aplica más allá del código. Los agentes pueden proponer muchos experimentos, pero los laboratorios aún deben seleccionar ideas útiles, asignar recursos computacionales e interpretar resultados contradictorios.
Eso cambia lo que significa “productividad” dentro de un laboratorio de frontera. Los investigadores pueden dedicar menos tiempo a escribir implementaciones individuales y más a definir tareas, comprobar pruebas y gestionar trabajadores automatizados.
Estas responsabilidades requieren sistemas y habilidades diferentes. Los equipos necesitan registros trazables, responsabilidades claras y formas fiables de recuperar el contexto detrás de la decisión de un agente.
Una base de conocimiento de IA consultable puede ayudar a los equipos habituales a preservar ese contexto. Los laboratorios de frontera necesitan versiones considerablemente más estrictas, con controles de acceso, supervisión y registros reproducibles.
La presión se extiende fuera de Anthropic. Si los agentes supervisados permiten que un laboratorio pruebe más ideas, los rivales tienen incentivos para aumentar su propio uso de investigación automatizada.
OpenAI, Google DeepMind y otros desarrolladores de frontera no necesitan adoptar el índice exacto de Anthropic para sentir esa presión competitiva. Aun así, deben decidir cuánto trabajo de desarrollo delegar y revelar.
La respuesta forzada es tanto técnica como institucional. Los competidores necesitan agentes más capaces, pero también pruebas creíbles de que sus sistemas de evaluación pueden mantener el ritmo.
Esa carrera no se decidirá por la mayor cantidad de agentes. La ventaja más importante corresponderá a los laboratorios que conviertan el trabajo paralelo en mejoras fiables de los modelos sin desbordar la supervisión humana.
La verdadera competencia es entre aceleración y verificabilidad
La revelación de Anthropic muestra que el desarrollo asistido por IA se está acelerando antes de que los actores externos dispongan de métodos comunes para verificar su velocidad o seguridad.
El conflicto principal no es Claude contra otro chatbot. Es la capacidad de investigación automatizada frente a la capacidad de los humanos y las instituciones para verificarla.
El marco de medición de Anthropic se basa en parte en una taxonomía de automatización desarrollada por Epoch AI. Ese trabajo divide la participación de la IA en seis niveles y los aplica a tareas de investigación.
La taxonomía de automatización de Epoch también enfatiza la incertidumbre. Sus autores describen las valoraciones como subjetivas e invitan a seguir trabajando en las definiciones y la validación de tareas.
La subjetividad no vuelve inútil al índice. Significa que los lectores deben tratar el 26% como una estimación interna estructurada, no como una puntuación de rendimiento universalmente comparable.
Un laboratorio puede definir tareas con distintos niveles de detalle. “Ejecutar una evaluación” podría contar como una tarea, mientras que otro marco separa la configuración, la ejecución, el análisis y la elaboración de informes.
Estas decisiones afectan a la proporción resultante de automatización. Las tareas amplias dan más peso a la planificación humana, mientras que las tareas estrechas pueden enfatizar los pasos que completa un agente.
La ponderación por tiempo del personal introduce otro criterio subjetivo. La asignación histórica de trabajo puede no reflejar qué tareas son estratégicamente importantes o qué errores generan el mayor riesgo.
El marco también utiliza IA dentro del proceso de medición. Anthropic afirma que las clasificaciones generadas por modelos se compararon con evaluaciones de empleados familiarizados con el trabajo pertinente.
Esa verificación cruzada es útil, pero no elimina toda circularidad. La empresa utiliza Claude para ayudar a clasificar cuánto contribuye Claude dentro de la empresa.
Por tanto, la evaluación independiente es esencial. Anthropic afirma que planea incorporar evaluadores externos y darles un acceso comparable al de los equipos internos de riesgo.
Ese acceso iría más allá de revisar demostraciones públicas o resultados de pruebas seleccionados. Los evaluadores necesitarían suficiente visibilidad para inspeccionar definiciones, muestras, registros y procedimientos de clasificación.
Anthropic ha anunciado una asociación de evaluación relacionada con Accenture. La empresa describe el acuerdo como un paso hacia la incorporación de evaluadores independientes más cerca de los sistemas y datos internos.
El valor de ese modelo dependerá de la autoridad y la libertad para informar. Un evaluador necesita acceso a pruebas incómodas, no solo a material preparado para su revisión.
La publicación periódica también importa. Una única instantánea de agosto establece una línea de base, pero no puede mostrar si el aumento continúa, se ralentiza o se revierte.
Informes comparables de otros laboratorios añadirían otra capa de evidencia. Sin ellos, nadie puede determinar si Anthropic está excepcionalmente automatizada o simplemente es excepcionalmente transparente.
Los incentivos competitivos complican esa comparación. Un laboratorio podría querer promocionar la aceleración de su investigación ante inversores y posibles contrataciones, al tiempo que limita detalles que ayuden a sus rivales.
Los incentivos de seguridad pueden apuntar en la dirección opuesta. Revelar una automatización rápida podría reforzar los argumentos a favor de la regulación, límites coordinados o evaluaciones externas obligatorias.
Anthropic intenta abiertamente sostener ambas posiciones. Presenta un desarrollo interno más rápido como evidencia de capacidad y como una razón para una mayor visibilidad pública.
Esa es la inversión central. La empresa que construye sistemas más rápidos también sostiene que la sociedad necesita mejores herramientas para vigilar la aceleración.
La tensión no vuelve contradictoria la divulgación. Hace que la calidad de las mediciones propuestas sea fundamental para la credibilidad de Anthropic.
Si el índice se vuelve reproducible y se audita de manera independiente, puede ayudar a los gobiernos a identificar cambios significativos antes de que aparezca la autonomía plena. Si sigue basándose en autoinformes, corre el riesgo de convertirse en otro indicador corporativo de progreso.
La cobertura inicial destaca correctamente la diferencia entre liderazgo y autonomía. Esa distinción debería seguir siendo visible mientras circula la cifra principal.
La cifra de I+D de IA de Anthropic Claude resulta más útil como medida de los límites cambiantes de los flujos de trabajo. Es menos útil como cuenta regresiva hacia una explosión de inteligencia.
Una tendencia verificada aún podría convertirse en una señal de alerta temprana. El desafío es establecer esa verificación antes de que la competencia estratégica haga más difícil la transparencia.
Lo que la cifra del 26% no demuestra
El papel creciente de Claude no demuestra que pueda elegir de forma independiente direcciones de investigación valiosas ni validar con seguridad sus propias conclusiones.
El riesgo más evidente es interpretar en exceso la palabra «lidera». En la escala de Anthropic, el liderazgo todavía incluye supervisión, corrección y aprobación humanas.
Esas actividades pueden abarcar las partes más difíciles de la investigación. Elegir una pregunta prometedora, reconocer un resultado engañoso y decidir si la evidencia es suficiente siguen siendo juicios trascendentales.
Un agente podría ejecutar la mayoría de los pasos visibles mientras depende de una persona para la decisión que determina si el trabajo importa. Un porcentaje basado en la finalización de tareas puede subestimar esa dependencia.
El índice también abarca trabajo dentro de una sola empresa. Las herramientas, la documentación, las prácticas del personal y el acceso a modelos de Anthropic difieren de los de universidades u otros laboratorios.
Claude puede rendir especialmente bien en un entorno diseñado en torno a Claude. Esa ventaja dice algo sobre la integración vertical, pero menos sobre la autonomía general en investigación.
Otra incertidumbre se refiere a la correlación de errores. Miles de agentes que utilizan modelos relacionados pueden repetir la misma suposición, patrón de código o debilidad de evaluación.
El paralelismo no garantiza un razonamiento independiente. Puede reproducir un punto ciego en muchas líneas de trabajo más rápido de lo que lo haría un pequeño equipo humano.
Anthropic afirma que sus agentes tienen identidades persistentes y se comunican mediante sistemas compartidos. Estas características favorecen la trazabilidad y permiten a los agentes examinar las afirmaciones de los demás.
Sin embargo, la arquitectura y el entrenamiento compartidos aún pueden generar fallos correlacionados. La revisión entre agentes no equivale a la revisión de un modelo independiente, un experto humano o una institución externa.
La supervisión crea su propio problema de medición. Un sistema puede bloquear patrones conocidos, pero los fallos novedosos podrían no coincidir con las reglas de detección existentes.
Anthropic reconoce abiertamente esta limitación. La empresa afirma que no puede tener la certeza de que la supervisión actual capture todos los comportamientos relevantes en toda la actividad de sus agentes.
La asignación de cómputo plantea otra cuestión. Anthropic midió cuánto cómputo de investigación respaldó el trabajo de seguridad durante un periodo de una semana en julio.
La empresa informa que alrededor del 6% del cómputo de investigación y desarrollo de IA se destinó a la seguridad. La proporción alcanzó alrededor del 12% dentro del cómputo utilizado específicamente para investigación de IA impulsada por IA.
Anthropic califica estas estimaciones de conservadoras y advierte que el cómputo es un indicador imperfecto. El trabajo de seguridad puede requerir un análisis humano extenso sin consumir grandes cantidades de procesamiento.
Por tanto, estas cifras no deberían convertirse en una simple puntuación de seguridad. Es mejor tratarlas como señales operativas que adquieren significado cuando se siguen de forma consistente.
Las definiciones volverán a importar. La investigación sobre interpretabilidad, las herramientas de supervisión y las evaluaciones de capacidades pueden respaldar la seguridad al tiempo que mejoran los productos o la velocidad de desarrollo.
Anthropic afirma que el trabajo que hacía avanzar por igual la seguridad y las capacidades se contabilizaba como desarrollo de investigación, en lugar de como seguridad. Otro laboratorio podría elegir un límite más generoso.
Los revisores externos deberían poner a prueba esos límites. De lo contrario, los cambios de categorización pueden parecer cambios en la inversión en seguridad incluso cuando las operaciones se mantienen similares.
El argumento más amplio de la empresa sobre la mejora recursiva también merece cautela. Una programación y experimentación más rápidas pueden acelerar el desarrollo sin producir un sistema autodirigido que diseñe a su sucesor.
La investigación contiene cuellos de botella fuera de la ejecución de modelos. La disponibilidad de hardware, los datos de entrenamiento, la infraestructura física, las decisiones organizativas y el tiempo de evaluación pueden limitar el progreso.
La aprobación humana no es un detalle técnico menor. Actualmente es la línea que separa la categoría de liderazgo reportada por Anthropic de la autonomía plena.
El resultado del 26% se vuelve más preocupante solo si la carga de supervisión disminuye mientras aumenta la complejidad de las tareas. Se vuelve menos preocupante si una mejor supervisión y las auditorías independientes crecen al mismo ritmo.
Por eso la interpretación más precisa sigue siendo acotada. Según se informa, Claude ha asumido la responsabilidad de porciones mayores del flujo de desarrollo de Anthropic, bajo control humano continuo.
La divulgación aporta evidencia de aceleración. No demuestra auto-mejora, juicio científico independiente ni control fiable a mayor escala.
El papel más amplio de Claude cambia la economía del desarrollo de IA
El efecto inmediato es el apalancamiento organizativo, ya que un equipo de investigación puede iniciar más ingeniería y experimentación sin un crecimiento equivalente de la plantilla.
El desarrollo de modelos de frontera ya requiere grandes clústeres de cómputo, investigadores especializados y una amplia infraestructura de datos. Los agentes de IA añaden una capa de trabajo de software sobre esos recursos fijos.
Esa capa puede reducir el tiempo necesario para implementar experimentos, reparar sistemas de evaluación, analizar resultados y preparar documentación técnica.
La ventaja puede acumularse. Mejores modelos asisten a los investigadores, esos investigadores mejoran modelos posteriores y los sistemas más nuevos se convierten en asistentes más capaces.
La acumulación no requiere autonomía plena. Solo exige que la asistencia reduzca suficiente tiempo de desarrollo para que cada generación llegue más rápido o incluya más ideas probadas.
El cambio reportado por Anthropic de menos del 1% al 26% ofrece un indicador interno concreto de este mecanismo. Sin embargo, la medición no revela la mejora resultante en la calidad del modelo.
Un laboratorio puede completar más tareas sin tomar decisiones proporcionalmente mejores. Más experimentos pueden generar ruido, trabajo repetido u obligaciones adicionales de revisión.
Por tanto, la ventaja empresarial depende de la eficiencia de conversión. Las empresas deben transformar la producción de los agentes en resultados de investigación fiables, no solo en mayores recuentos de actividad.
Este requisito favorece a las organizaciones con sólidos sistemas internos de datos. Los agentes necesitan acceso al código, el historial experimental, la documentación y la retroalimentación, respetando al mismo tiempo los límites de seguridad.
También favorece a los laboratorios que pueden permitirse un uso intensivo de inferencia. Ejecutar miles de agentes de forma continua requiere capacidad de cómputo más allá del entrenamiento final de un modelo de frontera.
Eso conecta la historia de Anthropic con la carrera más amplia por la infraestructura. La financiación, la construcción de centros de datos, el suministro de chips y la disponibilidad de electricidad determinan hasta dónde pueden escalar los laboratorios la investigación automatizada.
Estas limitaciones explican por qué los proveedores de capital y las empresas de infraestructura siguen siendo centrales en la competencia de IA. Una investigación de software más rápida aumenta la demanda de los sistemas físicos que la sustentan.
Sin embargo, la infraestructura por sí sola no decide la carrera. Un laboratorio que no puede validar el trabajo de los agentes podría gastar más cómputo mientras produce avances menos fiables.
Es probable que también cambie el modelo organizativo. Los investigadores pasan a ser directores de carteras que contienen experimentos, agentes, evaluadores y sistemas de supervisión.
El trabajo técnico de nivel inicial puede cambiar primero porque los agentes actuales pueden abordar tareas de implementación acotadas. El criterio de los perfiles sénior puede volverse más valioso a medida que aumenta el volumen de trabajo generado.
Este cambio crea un problema de formación. Tradicionalmente, los investigadores junior desarrollan criterio realizando el trabajo detallado que los agentes completan cada vez más.
Los laboratorios necesitarán nuevas formas de enseñar depuración, diseño experimental y análisis de fallos. De lo contrario, corren el riesgo de debilitar la futura reserva de personas cualificadas para supervisar sistemas avanzados.
El efecto puede llegar a los equipos de software empresarial antes de que aparezca la investigación autónoma. Las empresas ya utilizan agentes de programación para escribir pruebas, actualizar dependencias e inspeccionar repositorios.
La divulgación de Anthropic sugiere que la versión de frontera de este flujo de trabajo se está expandiendo hacia evaluaciones de modelos e ingeniería de investigación. Estas tareas presentan mayor incertidumbre que el desarrollo rutinario de aplicaciones.
Las empresas no deberían copiar el porcentaje principal como objetivo de productividad. Deberían identificar qué tareas pueden realizar los agentes, qué revisión sigue siendo necesaria y cómo se detectan los errores.
Una métrica operativa útil no es simplemente la proporción de producción generada por IA. Es la proporción aceptada tras la revisión, la carga de corrección y la gravedad de los errores que se escapan.
La misma lógica debería aplicarse a los laboratorios de frontera. Un índice de automatización se vuelve más informativo cuando se combina con evidencia sobre fiabilidad, calidad de la investigación y tiempo de revisión humana.
El marco de Anthropic inicia esa conversación, pero no la completa. Las cifras actuales describen participación y control, no el valor o riesgo completo del trabajo resultante.
Tres señales mostrarán si el cambio es real
La próxima prueba es si Anthropic puede verificar la tendencia, mantener el control humano y provocar divulgaciones comparables de laboratorios competidores.
La primera señal es la próxima publicación del índice de automatización de Anthropic. Una actualización consistente debería utilizar definiciones estables de tareas y explicar cualquier cambio metodológico.
Si la proporción liderada por IA aumenta mientras disminuye la intervención humana, la tesis de la aceleración se vuelve más sólida. Si las definiciones cambian de forma sustancial, las comparaciones con agosto se debilitarán.
Los lectores también deberían observar la distribución bajo la cifra principal. La automatización concentrada en programación tiene implicaciones distintas de la automatización en la planificación de investigación, el diseño de evaluaciones y las decisiones estratégicas.
La segunda señal es un acceso significativo de terceros. Anthropic ha afirmado que los evaluadores externos recibirán una visibilidad comparable a la de los equipos internos de riesgo.
Una evaluación creíble debería abordar el muestreo, los límites de las tareas, el comportamiento de los clasificadores, la cobertura de supervisión y los desacuerdos entre las valoraciones humanas y las del modelo. Los hallazgos públicos deberían incluir limitaciones.
La verificación independiente reforzaría la afirmación de Anthropic de que estas mediciones pueden respaldar la gobernanza. Informes restringidos o promocionales dejarían intacta la brecha central de evidencia.
La tercera señal es una respuesta de otros laboratorios de frontera. OpenAI y Google DeepMind podrían publicar información comparable o explicar por qué el marco de Anthropic no se ajusta a su trabajo.
Las cifras comparables mostrarían si la investigación liderada por IA se ha convertido en un modelo operativo para toda la industria. El silencio dejaría incierta la posición relativa de Anthropic.
Los reguladores también podrían empezar a solicitar estos indicadores. Su interés convertiría una divulgación experimental en un posible estándar de reporte para los desarrolladores de IA de frontera.
El programa original de Bloomberg situó el hallazgo de Anthropic dentro de un debate más amplio sobre la financiación y la infraestructura de la IA. Ese contexto es importante porque la investigación automatizada sigue dependiendo de capital, chips, energía y centros de datos.
Sin embargo, la limitación más trascendental podría acabar siendo la verificación, más que la capacidad bruta. Los laboratorios pueden lanzar más agentes con mayor rapidez de la que las instituciones pueden desarrollar prácticas de supervisión fiables.
Para los desarrolladores, los compradores empresariales y los trabajadores del conocimiento, la cuestión práctica ya es evidente. ¿Cuánto trabajo debería realizar un agente antes de que una persona tenga que revisar sus supuestos y pruebas?
No considere el 26 % de Anthropic como prueba de que los investigadores humanos se están volviendo innecesarios. Considérelo una advertencia de que la supervisión se está convirtiendo en una función central de la ingeniería.
Siga la próxima actualización de I+D de Anthropic Claude AI, la independencia de sus evaluadores y si sus rivales publican cifras comparables. En conjunto, esas señales mostrarán si una supervisión transparente puede seguir el ritmo del descubrimiento automatizado.
