Qué propone el equipo de Claude Code para revisar código
Addy Osmani, Morgan Westlee Lunt y Qing Wang, del equipo de Claude Code en Anthropic, publicaron una idea que incomoda a cualquier equipo de ingeniería: preguntar «¿leyó un humano el código?» es un proxy impreciso. La pregunta que sí sirve, escriben, es otra: «¿qué puede salir mal con este cambio y qué verificación —automática o humana— es la correcta para atraparlo?».
Simon Willison recogió esa cita en su blog el 16 de octubre. El cambio no es de vocabulario: mueve el momento en que ocurre la revisión y redefine quién hace qué dentro del equipo.
De puerta al final del camino a corrector ortográfico continuo
Antes, la revisión era una puerta al final de la ruta: escribías el código, abrías un pull request y esperabas a un colega. Ahora, según los autores, la revisión corre de forma continua, más parecida a un corrector ortográfico mientras escribes.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasLa consecuencia práctica es que la mayoría de los cambios ya pasaron por Claude al menos una vez antes de que un humano los mire. Eso atrapa los errores rutinarios y reserva la atención del equipo para preguntas de más nivel y para el escrutinio fino.
Para un founder, el punto es este: el revisor humano deja de ser el primer filtro y pasa a ser el segundo. Ese cambio de rol es el que libera —o desperdicia— horas de ingeniería cada semana.
Los números que Anthropic pone sobre la mesa
Anthropic no se quedó en la filosofía. Según Unite.AI, la compañía puso Code Review —su sistema multiagente de revisión de pull requests— en disponibilidad general para planes Team y Enterprise el 15 de octubre de 2026, con créditos promocionales de entre US$10.000 y US$50.000 para empresas elegibles.
Los datos que reporta la propia Anthropic, recogidos por Unite.AI:
- La mayoría de las revisiones terminan unas 3 veces más rápido que en la vista previa: de unos 20 minutos a 6–10 minutos.
- Antes de Code Review, el 16% de sus pull requests recibía comentarios sustantivos. Después, el 54%.
- En pull requests con más de 1.000 líneas modificadas, el 84% recibió hallazgos, con un promedio de 7,5 problemas por revisión.
- En pull requests de menos de 50 líneas, ese porcentaje baja al 31%, con 0,5 problemas promedio.
- Los ingenieros marcaron como incorrectos menos del 1% de los hallazgos.
El diseño importa tanto como las cifras: la revisión deja comentarios en línea, un resumen y un check run (el chequeo que aparece asociado al pull request), pero nunca aprueba ni bloquea el pull request. La decisión de merge sigue siendo del equipo. Cuando no encuentra nada, lo dice explícitamente en lugar de callar.
La escala detrás de todo esto explica la urgencia. Según The Next Web, Anthropic afirma que Claude escribe el 80% de su propio código, y TechSpot reporta que la empresa promediaba 2.500 cambios de código fusionados por día en mayo, una cifra que superó los 30.000 en septiembre. Ese volumen la llevó a reemplazar Git por un sistema propio llamado Scion, construido por un equipo de siete personas en cinco meses.
El cuello de botella no desaparece: se mueve
Aquí está la parte que ningún founder debería ignorar. Un working paper de Harvard de Fiona Chen y James Stratton, difundido por Ars Technica y Forkast, analizó datos de la plataforma Jellyfish sobre 718 empresas y más de 725.000 trabajadores entre 2021 y 2026.
El resultado: los agentes de IA aumentaron el código producido un 30%, los commits un 20% y los pull requests un 23%. Pero la resolución de issues y epics en Jira no cambió de forma estadísticamente significativa.
¿Por qué? Porque el trabajo se acumuló en la revisión. Los tiempos de review subieron 49% (unos 3,45 días más), la proporción de pull requests que requieren revisiones casi se duplicó y los comentarios por request crecieron 35%. Además, un 14% más de trabajadores terminó metido en el proceso de revisión.
El detalle más incómodo: el 80% de las empresas usa herramientas de revisión asistidas por IA, pero solo alrededor del 23% de los comentarios de revisión los genera realmente la IA, según el mismo estudio.
¿Qué significa esto para tu startup?
Si tu equipo tiene entre 5 y 30 ingenieros, el cuello de botella tiene nombre y apellido: el senior que revisa. Acelerar la escritura de código sin tocar la revisión no aumenta el producto, solo mueve la pila de trabajo de un lugar a otro.
Tres acciones concretas que puedes implementar esta semana:
- Define qué verifica cada control. Antes de sumar agentes, escribe qué debe atrapar un linter, qué un test, qué un chequeo de tipos y qué solo un humano puede juzgar. Anthropic usa archivos de guía como REVIEW.md y CLAUDE.md para ajustar qué se marca en cada repositorio, y lee esas reglas desde la rama base, nunca desde los cambios del propio pull request.
- Mide la cola de revisión, no el volumen de código. Tiempo hasta la primera revisión, porcentaje de pull requests que necesitan cambios y comentarios por request. Son las tres métricas que el estudio de Harvard encontró deterioradas. Si no las mides antes de adoptar agentes, no vas a poder demostrar nada después.
- Mantén la decisión de merge en el equipo. Que un agente comente y priorice por severidad está bien; que apruebe o bloquee, no. La documentación de Anthropic advierte que el sistema puede omitir bugs y vulnerabilidades, y que una revisión sin hallazgos no significa que el código sea seguro.
El costo y los riesgos que no salen en la promesa comercial
Durante la vista previa, las revisiones se facturaban por tokens y promediaban US$15–25 por revisión, escalando con el tamaño y la complejidad del pull request, según Unite.AI. Para un equipo chico, ese número es la diferencia entre automatizar todo y automatizar solo lo que importa.
También hay superficie de ataque. The Next Web recuerda que en junio un investigador mostró que la acción de Claude Code de Anthropic tenía una falla de prompt injection que entregaba un token de instalación con acceso de escritura. Anthropic corrigió el bypass central en cuatro días, calificó los problemas con 7,8 y pagó una recompensa de US$4.800.
Y la competencia ya está dentro de Europa: CodeRabbit levantó US$143 millones en una ronda co-liderada por Atomico, corre dos millones de revisiones por semana para 17.000 clientes —entre ellos BMW y Adyen— y está duplicando su plantilla europea, según The Next Web.
Conclusión
La idea de Osmani, Lunt y Wang es simple y difícil de ejecutar: dejar de preguntar si un humano leyó el código y empezar a preguntar qué control corresponde a cada riesgo. La IA hace que escribir sea barato; revisar sigue siendo caro.
Para un equipo hispanohablante con recursos limitados, la lectura correcta no es «compra la herramienta», sino «rediseña el proceso antes de escalar el volumen». Automatiza lo rutinario, instrumenta la cola de revisión y reserva a tus seniors para lo que solo ellos pueden ver.
Fuentes
- Simon Willison — Quoting Addy Osmani, Morgan Westlee Lunt, and Qing Wang (fuente original)
- How the Claude Code team does code review
- Unite.AI — Anthropic Makes Code Review for Claude Code Generally Available
- The Next Web — Anthropic makes Code Review generally available, with $50,000 in credits attached
- Ars Technica — AI coding agents generate more code, but not more software
- Forkast — AI Coding Agents Write 30% More Code – and Resolve Zero Additional Issues, Harvard Study Finds
- TechSpot — Anthropic ditched Git for its own version control system
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
