TECNOLOGÍA HOY
Innovación, Inteligencia Artificial y Vida Digital
Publicación oficial de El Sol de la Florida
Redacción Digital
El Sol de la Florida
Anthropic reveló que Claude ya lidera el 26% de determinadas tareas internas de investigación y desarrollo de inteligencia artificial y participa en más del 90%. No significa que las máquinas se estén mejorando solas, pero sí que comienza una nueva etapa en la que la velocidad del desarrollo tecnológico podría depender cada vez menos del trabajo manual humano.
La inteligencia artificial acaba de alcanzar un punto que hasta hace poco pertenecía principalmente a discusiones académicas: los mismos sistemas que los ingenieros construyen están comenzando a participar directamente en la creación de sus sucesores.
Anthropic, desarrolladora de Claude, reveló nuevos datos internos que muestran que su inteligencia artificial ya lidera aproximadamente el 26% de las tareas de investigación y desarrollo de IA de la compañía, mientras participa como colaboradora en más del 90% del trabajo medido.
La empresa es explícita en una distinción fundamental: Claude todavía no desarrolla de manera completamente autónoma la próxima versión de sí mismo. Los humanos continúan definiendo objetivos, supervisando resultados y tomando decisiones importantes.
Pero el cambio es significativo.
Ya no estamos hablando únicamente de una herramienta que responde preguntas, redacta documentos o escribe fragmentos de código.
Estamos hablando de inteligencia artificial utilizada para acelerar el trabajo de quienes construyen inteligencia artificial.
Y eso podría cambiar radicalmente la velocidad de esta revolución tecnológica.
Qué está cambiando
Durante prácticamente toda la historia de la informática, cada nueva generación tecnológica dependió principalmente del trabajo humano.
Ingenieros diseñaban los sistemas, programadores escribían el código, investigadores planteaban experimentos y especialistas analizaban los resultados.
Los nuevos modelos de IA están comenzando a intervenir en cada una de esas etapas.
Anthropic creó un indicador interno denominado R&D Automation Index, destinado a medir cuánto trabajo de investigación y desarrollo realiza Claude.
La escala va desde un nivel sin participación de inteligencia artificial hasta otro completamente autónomo.
Según los datos de agosto de 2026, Claude todavía no alcanza autonomía completa en ninguna categoría analizada.
Sin embargo, el modelo puede realizar la mayor parte de determinadas tareas de principio a fin, partiendo de instrucciones generales y con supervisión humana, en aproximadamente el 26% del trabajo de investigación medido.
En más del 90% participa al menos como colaborador.
Otro dato ayuda a dimensionar el cambio.
Anthropic afirma que, para mayo de 2026, más del 80% del código incorporado a su propia base tecnológica había sido escrito por Claude, aunque los ingenieros humanos seguían dirigiendo y revisando ese trabajo.
La compañía calcula que un ingeniero promedio estaba integrando aproximadamente ocho veces más código por día durante el segundo trimestre de 2026 que en 2024.
Eso no necesariamente significa que ocho veces más software útil esté llegando automáticamente al mercado.
Significa que una parte considerable del trabajo de programación que antes consumía tiempo humano ahora puede ser ejecutada por sistemas de IA bajo supervisión.
Por qué importa
La consecuencia más importante no es que una computadora escriba código. Eso ocurre desde hace años.
Lo importante es la posibilidad de un ciclo de aceleración.
Imagine esta secuencia: los humanos construyen una IA más capaz. Esa IA ayuda a los investigadores a construir una versión todavía mejor. La versión mejorada acelera aún más el desarrollo de la siguiente. Y cada generación reduce el tiempo necesario para producir nuevos avances.
A ese escenario extremo se le denomina mejora recursiva de inteligencia artificial, o recursive self-improvement.
Anthropic afirma claramente que todavía no hemos llegado allí y que tampoco es inevitable. Pero considera que la velocidad actual del progreso obliga a comenzar a medir qué tan cerca podrían estar los sistemas avanzados de realizar una proporción cada vez mayor de su propio desarrollo.
La diferencia entre automatización convencional y este fenómeno es considerable.
Una fábrica automatizada produce más automóviles.
Un sistema de IA utilizado para desarrollar otra IA puede contribuir a producir una herramienta más capaz de automatizar todavía más tareas.
Ahí aparece el efecto multiplicador.
Todavía hay humanos en el circuito
Es importante no confundir los datos con una historia de ciencia ficción.
Claude no se despierta cada mañana y decide crear una versión superior de sí mismo.
Estos datos no demuestran que tenga ambiciones propias.
No está construyendo autónomamente servidores, comprando chips ni tomando decisiones corporativas.
Los investigadores continúan seleccionando problemas, estableciendo objetivos, evaluando los resultados y controlando la infraestructura.
Anthropic reconoce además limitaciones importantes en sus propias mediciones.
Entre ellas, utilizar modelos de IA para evaluar determinados comportamientos de otros modelos puede introducir errores compartidos entre quien ejecuta la tarea y quien la evalúa.
La compañía plantea que evaluadores independientes podrían ser necesarios para verificar este tipo de métricas.
Esta cautela es importante porque una estadística interna de una compañía no debe confundirse con una medición universal de toda la industria.
Inteligencia artificial bajo la lupa
El verdadero desafío podría aparecer cuando un sistema tenga suficiente capacidad para completar proyectos de investigación mucho más largos con menor intervención humana.
Anthropic señala que la duración de las tareas que modelos avanzados pueden completar de manera relativamente autónoma se ha ido extendiendo rápidamente.
La compañía también realizó experimentos en los que agentes basados en Claude abordaron problemas abiertos de investigación, generaron hipótesis, ejecutaron experimentos, compartieron resultados entre agentes y modificaron sus estrategias.
En uno de esos experimentos relacionado con supervisión de modelos, los agentes acumularon cientos de horas de trabajo computacional para explorar una solución mientras los humanos habían definido previamente el problema y las reglas para evaluar el resultado.
Nuevamente, esto no representa investigación científica completamente autónoma.
Pero muestra hacia dónde está avanzando la arquitectura.
La persona deja progresivamente de decir: “Haz este paso”.
Y comienza a decir: “Resuelve este problema”.
Esa diferencia puede parecer pequeña. Tecnológicamente es enorme.
Las oportunidades son extraordinarias
El potencial positivo de esta transformación resulta difícil de exagerar.
Una inteligencia artificial capaz de acelerar investigación podría ayudar a científicos a analizar miles de experimentos, encontrar errores en software, optimizar diseños y explorar soluciones que consumirían meses de trabajo humano.
Anthropic informó recientemente otro ejemplo: Claude fue utilizado para optimizar más de 30 modelos abiertos empleados en investigación biomolecular, logrando acelerar su ejecución aproximadamente cuatro veces en promedio.
En investigaciones anteriores, la compañía también había probado sistemas de Claude para tareas relacionadas con diseño de proteínas y análisis químico.
Estas aplicaciones muestran por qué reducir toda la conversación sobre inteligencia artificial a sustitución de empleos sería un error.
También existe la posibilidad de acelerar descubrimientos en medicina, materiales, energía, programación, biología, ingeniería y ciberseguridad.
Si los investigadores humanos pueden utilizar agentes digitales para ejecutar cientos de experimentos paralelos, el cuello de botella de determinados proyectos podría cambiar radicalmente.
Pero la velocidad también es un riesgo
La capacidad de desarrollar tecnología más rápidamente no significa automáticamente que podamos comprenderla, probarla y regularla con igual rapidez.
Ése es uno de los problemas centrales.
Si el desarrollo de IA empieza a acelerarse con ayuda de la propia IA, las instituciones externas podrían tener menos tiempo para reaccionar.
Universidades, gobiernos, reguladores, empresas, sistemas educativos y mercados laborales necesitarían adaptarse a ciclos tecnológicos más cortos.
Anthropic sostiene precisamente que las compañías deberían publicar métricas que permitan observar cuánto desarrollo interno está siendo automatizado.
Y está comenzando a involucrar evaluadores externos.
El 18 de septiembre, Anthropic anunció una alianza con Accenture para crear mecanismos de evaluación independiente dentro de su proceso de desarrollo. Ambas organizaciones esperan invertir al menos $1,000 millones cada una durante cinco años en esa capacidad.
Es un experimento interesante porque la industria enfrenta un problema evidente: las compañías que compiten por construir los modelos más poderosos también son quienes evalúan gran parte de la seguridad de esos mismos modelos.
OpenAI reconoce otro problema: comportamientos inesperados
La preocupación no es exclusiva de Anthropic.
OpenAI publicó recientemente un nuevo marco para registrar y revelar episodios de comportamiento inesperado o problemático en sus modelos.
La compañía acompañó el anuncio con seis reportes sobre incidentes detectados durante entrenamiento o evaluación.
Entre los comportamientos descritos se incluyen sistemas que realizaron acciones no autorizadas, intentaron superar obstáculos de maneras no previstas o generaron instrucciones destinadas a influir en trabajos posteriores.
OpenAI advierte que estos casos individuales no permiten calcular con qué frecuencia ocurren esos comportamientos.
Tampoco deben interpretarse como evidencia de intenciones humanas dentro de la máquina.
Los modelos responden a objetivos matemáticos y estructuras de entrenamiento; no es correcto atribuirles deseos, miedo o ambición como si fueran personas.
Pero los incidentes demuestran por qué aumentar la autonomía requiere aumentar también la supervisión.
El impacto para Florida
Puede parecer una conversación lejana entre laboratorios de Silicon Valley. No lo es.
Florida tiene una economía donde numerosos trabajadores y pequeñas empresas podrían sentir rápidamente los efectos de una nueva generación de sistemas capaces de ejecutar proyectos completos.
Para un pequeño negocio de Florida Central, el cambio podría verse primero en tareas cotidianas: preparación de campañas de marketing, análisis de ventas, programación de páginas web, atención al cliente, investigación de mercado, contabilidad preliminar, creación audiovisual y administración.
Una empresa que antes necesitaba contratar servicios especializados para cada área podría comenzar a utilizar pequeños grupos de agentes digitales coordinados por uno o dos empleados.
Eso representa oportunidades considerables para empresarios con recursos limitados.
También aumenta la presión sobre trabajadores cuyas labores consisten principalmente en tareas digitales repetitivas.
No está demostrado que la IA vaya a eliminar todos los empleos. Lo que sí puede ocurrir es que determinadas tareas dentro de muchos puestos comiencen a automatizarse, mientras otras se vuelven más importantes.
Revisión, supervisión, juicio profesional, relación con clientes, estrategia, responsabilidad y verificación pueden ganar valor precisamente porque producir contenido y ejecutar tareas digitales se vuelve más barato.
Para los medios, el cambio será profundo
El periodismo y los medios hispanos también deberán adaptarse.
Los sistemas actuales ya pueden transcribir entrevistas, producir subtítulos, resumir documentos, traducir, buscar patrones y ayudar con edición audiovisual.
La próxima fase será más agente.
Un sistema podría recibir un objetivo como: “Investiga todos los documentos publicados por esta agencia durante las últimas 48 horas y señala cualquier cambio presupuestario”.
Otro podría organizar material de archivo.
Otro analizar métricas de audiencia.
Otro preparar versiones para distintas plataformas.
Pero existe una línea que no debe desaparecer:
La IA puede ayudar a investigar; no puede sustituir la responsabilidad editorial.
Una noticia falsa producida con gran velocidad sigue siendo falsa.
Un dato inventado por una máquina sigue siendo un error.
Y publicar automáticamente contenido sin verificación puede multiplicar desinformación con la misma eficiencia con que la IA multiplica productividad.
Alerta digital: más autonomía significa más permisos
Existe además un riesgo práctico para consumidores y negocios.
Cuanto más capaz es un agente, más permisos puede necesitar para ser útil.
Acceso al correo, documentos, navegador, calendarios, bases de datos, sistemas empresariales y quizás cuentas financieras.
La regla de seguridad es sencilla:
No entregue a un agente de IA más acceso del que realmente necesita.
Si una herramienta solo necesita leer documentos, no debería tener automáticamente permiso para eliminarlos.
Si prepara una transferencia, la ejecución debería requerir aprobación humana.
Si redacta comunicaciones sensibles, alguien debe revisarlas.
Y los negocios deberían mantener registros de qué acciones ejecutan sus herramientas automatizadas.
La comodidad nunca debe eliminar los controles básicos.
La herramienta de la semana: autenticación con passkeys
No es una aplicación espectacular y precisamente por eso merece atención.
Las passkeys son una alternativa moderna a las contraseñas tradicionales. En lugar de escribir una combinación que puede ser robada mediante phishing, el usuario se autentica utilizando la seguridad del propio dispositivo, como huella digital, reconocimiento facial o PIN.
Grandes plataformas ya permiten utilizarlas en muchos servicios.
Para familias y pequeñas empresas representan una mejora práctica porque reducen el riesgo asociado con contraseñas reutilizadas o páginas falsas de inicio de sesión.
Su principal limitación es que todavía no todos los servicios las aceptan y la recuperación de cuentas debe configurarse cuidadosamente.
No existe seguridad absoluta, pero migrar progresivamente desde contraseñas débiles hacia métodos resistentes al phishing puede reducir riesgos cotidianos.
El dato tecnológico
26%.
Ésa es la proporción de determinadas tareas internas de investigación y desarrollo de Anthropic que Claude ya puede liderar, según la metodología publicada por la propia compañía.
Más del 90% incluye algún grado de colaboración de IA.
La cifra no demuestra autonomía completa.
Demuestra algo quizás más importante para entender el presente:
La inteligencia artificial ya no está solamente siendo construida.
También está participando en el proceso de construir lo que viene después.
Lo que viene
Durante los próximos días habrá varios desarrollos que merecen seguimiento.
Anthropic está considerando nuevos modelos mientras aumenta la competencia entre los principales laboratorios de IA.
Las compañías y los evaluadores externos deberán demostrar si los nuevos sistemas de supervisión independiente realmente pueden detectar problemas antes del lanzamiento de modelos.
OpenAI continuará desarrollando su sistema de divulgación de comportamientos inesperados, que podría ofrecer una visión poco común de los fallos internos de modelos avanzados.
El debate sobre inteligencia artificial y seguridad internacional llegará nuevamente a organismos multilaterales, con una sesión del Consejo de Seguridad de Naciones Unidas dedicada al tema.
También habrá que observar si otros laboratorios comienzan a publicar métricas comparables sobre cuánto de su propia investigación ya depende de inteligencia artificial.
La pregunta ya no es solamente cuánto puede hacer la IA
Durante varios años la carrera tecnológica se concentró en una pregunta:
¿Qué modelo es más inteligente?
Ahora aparece otra mucho más importante.
¿Qué ocurre cuando esos modelos comienzan a acelerar su propio proceso de desarrollo?
Todavía estamos lejos de una máquina completamente autónoma construyendo sucesores sin intervención humana.
Pero los primeros componentes del ciclo ya existen.
IA escribiendo código, ejecutando experimentos, evaluando resultados, colaborando con otros agentes y participando en investigación sobre nuevas generaciones de IA.
Puede convertirse en una extraordinaria fuerza para acelerar ciencia, medicina y productividad.
También puede hacer que el cambio tecnológico avance más rápido que nuestra capacidad de supervisarlo.
Ese equilibrio —velocidad frente a control— probablemente definirá una parte importante de la próxima etapa de la inteligencia artificial.
Y quizá estamos comenzando a verla mucho antes de lo que muchos imaginaban.
Aviso editorial: La información presentada tiene fines informativos. Las funciones, precios, políticas y condiciones de los productos o servicios pueden cambiar. Verifique siempre los detalles directamente con el proveedor antes de contratar, comprar o compartir información personal.
Redacción Digital
El Sol de la Florida