Anthropic: Claude lidera el 26% del desarrollo de sus propios modelos

Claude pasa de cero a liderar una de cada cuatro tareas de I+D en seis meses

En febrero de 2026, Claude no lideraba ninguna de las tareas que Anthropic utiliza para medir el trabajo técnico detrás de la construcción de sus modelos. Seis meses después, el sistema ya lidera el 26 % de esas tareas de investigación y desarrollo, según datos publicados por la propia compañía. La diferencia entre ese 0 % inicial y el 26 % actual no es un ajuste incremental: es la velocidad a la que un laboratorio frontera está dejando que su propia IA escriba el siguiente capítulo de la IA.

La métrica importa porque separa dos cosas que suelen mezclarse. Anthropic aclara que Claude participa de algún modo en cerca del 90 % de las tareas de I+D, pero "participar" no es lo mismo que "liderar". El 26 % representa los casos en los que el modelo ejecuta el trabajo de punta a punta, sin que un investigador tenga que empujarlo paso a paso. El 64 % restante es colaboración, asistencia o ejecución parcial bajo supervisión humana directa.

Qué significa el salto del 0 % al 26 % para la industria

El número pone nombre a una transición que hasta ahora era mostly retórica: la IA ya no solo ayuda a construir IA, sino que cada vez más la construye por sí misma. Anthropic lo enmarca como un primer paso para estudiar un escenario conocido como mejora recursiva, en el que un sistema contribuye a diseñar, entrenar y evaluar versiones posteriores de sí mismo.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La compañía sostiene que todavía no estamos ahí: los investigadores siguen marcando objetivos, validando resultados y supervisando etapas críticas. Pero la trayectoria es la que preocupa — o entusiasma, según el lector. En seis meses, la frontera entre "herramienta" y "colega técnico" se movió varios casilleros dentro de uno de los tres laboratorios más avanzados del mundo.

Para poner la cifra en contexto, TIME reportó que los ingresos anualizados de Anthropic ya superan los US$ 65.000 millones, frente a aproximadamente US$ 40.000 millones de OpenAI, según datos recogidos por eWeek. Es decir, el laboratorio que más rápido está automatizando su propio pipeline de I+D es, al mismo tiempo, el que más rápido está creciendo comercialmente. La pregunta para el resto de la industria no es si la tendencia continúa, sino quién puede costear el compute para seguirle el ritmo.

Anthropic ya opera con 30.000 agentes internos

Detrás del 26 % hay una flota: Anthropic cuenta con alrededor de 30.000 agentes de IA destinados a tareas de investigación e ingeniería. No son chatbots esperando una pregunta: son sistemas que ejecutan trabajos delegados, encadenan herramientas y entregan resultados que un humano revisa.

La compañía también publicó un dato que rara vez se airea: aproximadamente el 6 % de su capacidad de cómputo dedicada a I+D se destina a tareas relacionadas con la seguridad de los modelos. Es un porcentaje bajo en términos absolutos, pero relevante porque aparece justo cuando la autonomía crece. Cuanto más capaz es un sistema de ejecutar tareas por sí mismo, mayor es la superficie que hay que vigilar.

Qué dice esto sobre el estado real de los agentes de IA

La foto de Anthropic contrasta con lo que vive la mayoría de las empresas que están intentando desplegar agentes. Según datos recogidos por itWire de fuentes como Fiddler AI y Hypersense Software:

Entre el 70 % y el 95 % de los agentes de IA fallan en producción, dependiendo de la complejidad de la tarea.
Solo el 11 % de las empresas que exploran agentes de IA los ha desplegado realmente en producción.
Gartner estima que más del 40 % de los proyectos de IA agéntica se cancelarán antes de fines de 2027 por costos y valor poco claro.
S&P Global encontró que el 42 % de las compañías abandonó la mayoría de sus iniciativas de IA en 2025, frente al 17 % en 2024.
El 53 % de las organizaciones ya tuvo agentes que excedieron los permisos previstos, y el 47 % enfrentó un incidente de seguridad relacionado en los últimos 12 meses, según miniOrange.

La distancia entre el 26 % de Anthropic y el 11 % del resto del mercado no es una diferencia de grado: es una diferencia de infraestructura, talento y capital. El laboratorio puede permitirse operar a esa escala porque controla el modelo, el compute y el pipeline. Una startup SaaS promedio no tiene ninguna de las tres.

Qué significa esto para tu startup

El dato de Anthropic es una señal competitiva, no una receta. Aun así, hay tres lecturas prácticas para founders que están construyendo o adoptando agentes:

Mide cuánto trabajo técnico puede hacer tu IA sin que un humano lo empuje. La métrica que Anthropic publica — porcentaje de tareas lideradas de extremo a extremo — es más útil que "horas ahorradas" o "prompts ejecutados". Empieza a separar tareas donde el agente ejecuta vs. tareas donde asiste. La pendiente de esa curva en seis meses te dice más que cualquier demo.
No confundas participación con autonomía. Si tu sistema "participa" en el 90 % de los flujos pero solo lidera el 5 %, tienes una herramienta sofisticada, no un agente. Rediseñar el ratio es lo que separa una consultora que usa IA de una compañía que es IA.
Trata la seguridad como parte del compute, no como un añadido. Anthropic destina un 6 % específico de cómputo a seguridad. Si estás desplegando agentes con permisos sobre datos o sistemas, asigna un porcentaje análogo de tu capacidad — ya sea de cómputo, de revisión humana o de observabilidad — a controles. El 53 % de organizaciones que ya vio agentes exceder permisos no está en una hipótesis.

El contexto competitivo: Meta, OpenAI y la carrera por el coding agent

La conversación sobre agentes no ocurre en el vacío. En agosto de 2026, Meta presentó Muse Code, su primer coding agent, posicionándolo explícitamente contra Claude y el Codex de OpenAI, según reportó CNBC. Alexandr Wang, jefe de Meta Superintelligence Labs, destacó que el modeloMuse Spark 1.2 y Muse Code fueron entrenados juntos para mejorar el rendimiento en tareas de ingeniería de software.

Meta está diferenciándose por precio más que por capacidad: Wang aseguró que el tier más económico de Muse Code es "más de 10 veces más barato" que el nivel de pago por uso, a costa de que los desarrolladores opten por compartir datos para mejorar el modelo. Es la estrategia opuesta a la de Anthropic, que según eWeek se prepara para una salida a bolsa "tan pronto como en septiembre" y apila compute y talento para sostener su ventaja.

Mientras tanto, OpenAI atraviesa una reorganización interna significativa: 14 salidas ejecutivas en 2026 según Business Insider, una congelación parcial de su mayor run de reinforcement learning planeado, y un plan de gasto en compute de aproximadamente US$ 750.000 millones hasta 2030, de acuerdo con datos recogidos por eWeek. La misma compañía que definió la categoría ahora está persiguiendo a Anthropic en coding agents mientras intenta reconstruir su narrativa de seguridad.

¿Estamos más cerca de la mejora recursiva?

Anthropic pide cautela con la interpretación del 26 %. El escenario de mejora recursiva — IA diseñando, entrenando y evaluando la próxima generación de IA sin intervención humana — todavía no llegó. Claude necesita supervisión humana explícita, los investigadores definen los objetivos y ninguna versión del modelo está reescribiendo su propio pipeline de manera independiente.

Pero la pendiente es empinada. Si entre febrero y septiembre el salto fue de 0 % a 26 %, la pregunta para los próximos doce meses no es si el porcentaje sube, sino cuánto. Y cuando la IA que entrena a la IA siguiente lo haga con la mitad o más del trabajo en sus manos, las decisiones sobre seguridad, objetivos y validación dejan de ser un problema de ingeniería y pasan a ser un problema de governance corporativo.

Para una startup hispanohablante que está construyendo sobre estos modelos, la implicación inmediata es menos filosófica: el costo y la velocidad del estado del arte van a seguir moviéndose más rápido que tu roadmap. La ventaja competitiva no va a estar en acceder a la mejor IA — todos accederán — sino en saber qué tareas laborales delegarle, cuáles mantener bajo control humano y cómo medirlo.