Construir un lenguaje con Claude Code: lecciones

Cuando un ingeniero frontend le pide a una IA que construya un lenguaje de programación

Hay experimentos que te hacen replantearte qué significa programar. Eso es exactamente lo que hizo Ankur Sethi, ingeniero frontend independiente radicado en Bangalore, India, cuando decidió construir un lenguaje de programación completo llamado Cutlet utilizando exclusivamente Claude Code, la herramienta de codificación agéntica de Anthropic. El resultado no es solo un lenguaje funcional: es una hoja de ruta práctica para entender cómo la programación asistida por IA puede transformar el trabajo de cualquier founder técnico.

¿Qué es Claude Code y por qué es relevante para founders?

Claude Code es el entorno de desarrollo agéntico de Anthropic, disponible desde terminal, web y móvil. A diferencia de los copilots tradicionales que sugieren líneas de código, Claude Code actúa como un agente autónomo: planifica, escribe, ejecuta, depura e itera sobre proyectos completos manteniendo contexto a lo largo de sesiones extendidas.

Sus capacidades más relevantes para equipos técnicos incluyen:

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

Ejecución paralela de tareas: puede correr múltiples pruebas o scripts de forma simultánea desde el navegador.
Subagentes con memoria: soporta niveles de memoria por usuario, proyecto y contexto local, permitiendo flujos de trabajo multi-repositorio.
Orquestación de herramientas por código: en lugar de llamadas en lenguaje natural (lentas y propensas a errores), Claude Code puede escribir Python para ejecutar múltiples herramientas con lógica condicional.
Rendimiento de referencia: los modelos Claude Sonnet 4.5 y Claude Opus 4.5 alcanzan entre el 77% y el 80.9% en SWE-bench Verified, uno de los benchmarks más exigentes de ingeniería de software automatizada.

Estos atributos lo convierten en una herramienta especialmente útil para equipos pequeños —como los de una startup— donde un solo desarrollador o un equipo reducido necesita moverse rápido sin sacrificar calidad.

La metodología detrás de Cutlet: construir un entorno donde la IA pueda operar sola

El insight más valioso del proyecto de Sethi no es el lenguaje en sí, sino la infraestructura que diseñó para que Claude Code pudiera trabajar de forma autónoma y confiable. Este es el núcleo del enfoque que llama agentic engineering.

1. Un andamio de herramientas como red de seguridad

Antes de escribir una sola línea de lógica del lenguaje, Sethi configuró un entorno robusto que incluía:

Pruebas automatizadas que validaban el comportamiento del compilador en cada iteración.
Linters y analizadores estáticos que detectaban errores de estilo o semántica antes de que se propagaran.
Herramientas de análisis de código que permitían al agente evaluar su propio output y corregir sin intervención humana.

La clave está en que Claude Code puede usar estas herramientas de forma programática: no solo lee los resultados, sino que los interpreta y ajusta su siguiente acción. Esto es lo que diferencia un agente de un chatbot de código.

2. Prompting orientado a tareas largas

Construir un lenguaje de programación no es una tarea de una sola sesión. Sethi trabajó con sesiones de contexto extendido, aprovechando la capacidad de Claude Code para mantener estado durante horas —en algunos casos más de 30 horas continuas de trabajo agéntico según los benchmarks publicados por Anthropic. La estrategia consistió en descomponer el proyecto en módulos claramente definidos: lexer, parser, evaluador, sistema de tipos, errores. Cada módulo tenía su propio conjunto de pruebas, lo que permitía al agente avanzar con confianza.

3. El rol del humano: arquitecto, no codificador

En este nuevo paradigma, el ingeniero no escribe código línea a línea. En cambio, define la arquitectura, toma decisiones de diseño de alto nivel, revisa los planes que propone el agente y valida los resultados finales. Es un cambio profundo de rol que exige otras habilidades: pensamiento sistémico, criterio de ingeniería y capacidad de dar feedback preciso a la IA.

Retos psicológicos del desarrollo agéntico

Uno de los aspectos más honestos del relato de Sethi son las fricciones psicológicas que emerge al trabajar con agentes de IA en proyectos complejos:

Pérdida de control percibida: cuando el agente toma decisiones de implementación autónomamente, el desarrollador puede sentir que no entiende completamente su propio codebase.
Confianza calibrada: hay una tensión constante entre dejar al agente avanzar (eficiencia) e intervenir para corregir (calidad). Aprender cuándo confiar y cuándo frenar es una habilidad nueva.
Reencuadre de la identidad profesional: los ingenieros acostumbrados a medir su valor por las líneas de código que escriben deben redefinir qué significa ser un buen desarrollador en la era agéntica.

Estos retos no son menores. Para founders que lideran equipos técnicos, entender estas dinámicas es clave para adoptar herramientas de IA sin generar fricción cultural en el equipo.

Implicaciones para founders técnicos: lo que realmente cambia

El experimento de Sethi ilustra una tendencia que empresas como Manus, Canva y Databricks ya están adoptando en producción con Claude Code. El patrón es consistente:

Reducción del time-to-prototype: tareas que antes requerían semanas pueden ejecutarse en días cuando el agente gestiona la implementación.
Equipos más pequeños, mayor output: un solo ingeniero con dominio de herramientas agénticas puede producir lo que antes requería un equipo de tres o cuatro.
Nueva curva de aprendizaje: el cuello de botella ya no es saber escribir código, sino saber dirigir a un agente que lo escribe.

Para una startup en etapa temprana, esto tiene implicaciones directas en runway, velocidad de iteración y contratación. No se trata de reemplazar ingenieros, sino de amplificar su capacidad de impacto.

Recursos para profundizar

Si quieres experimentar con este enfoque, estos son los puntos de partida más relevantes:

El artículo original de Ankur Sethi incluye el código fuente de Cutlet y documentación técnica del proceso.
Anthropic publicó su metodología de advanced tool use para entender cómo Claude Code orquesta herramientas de forma programática.
El evento Code with Claude 2025 de Anthropic ofrece workshops prácticos sobre prompting para agentes, MCP y arquitecturas multi-agente.

Conclusión

El proyecto Cutlet de Ankur Sethi es mucho más que un experimento técnico curioso. Es una demostración práctica de que la ingeniería agéntica ya es una realidad operativa, no una promesa futura. La clave no está en la herramienta —Claude Code o cualquier otra—, sino en el método: construir el entorno correcto, definir tareas con claridad, y asumir un nuevo rol como arquitecto que guía a la IA en lugar de reemplazarla.

Para los founders del ecosistema tech hispano, el mensaje es claro: el momento de experimentar con estas metodologías es ahora. Los que aprendan a dirigir agentes de IA hoy estarán construyendo una ventaja competitiva que se compone con el tiempo.

Descubre cómo otros founders están implementando IA y automatización para escalar sus productos. Únete gratis a la comunidad de Ecosistema Startup.

Aprender con founders