Anthropic publicó alrededor del 17 de septiembre de 2026 —con eco mediático el 18 en Reuters, NBC y Euronews— un paquete de mediciones internas para que el público juzgue qué tan rápido la IA construye la siguiente generación de sí misma. El dato estrella: a agosto de 2026, Claude «lidera» el 26% del trabajo de investigación y desarrollo de IA de la compañía, según una escala de automatización de Epoch AI, frente a menos del 1% en febrero y cerca del 1% en marzo según relatos periodísticos concurrentes.
«Liderar», en la definición que Anthropic adopta (nivel AL4 de Epoch), significa que el modelo puede completar la mayor parte de una tarea de extremo a extremo a partir de un prompt de alto nivel, con supervisión humana. No implica autonomía plena: la compañía afirma explícitamente que Claude no opera de forma totalmente autónoma (AL5) en ningún subconjunto medido de la I+D. Más del 90% del trabajo está al menos en el nivel de colaboración (AL3 o superior), lo que dibuja un laboratorio ya profundamente hibridado.
El índice Anthropic R&D Automation Index se construyó catalogando tareas de I+D a partir de registros internos (Slack y documentación), organizándolas en un árbol congelado de cientos de nodos —542 en total, 378 hojas— y pesando categorías por tiempo de persona. Claude investigó evidencia y un juez Claude asignó niveles; el acuerdo modelo-humano exacto rondó el 59%, y en el 97% de los casos las calificaciones estuvieron a un nivel de distancia. Anthropic ofrece esas cifras como transparencia metodológica, no como verdad absoluta incontestable.
El segundo bloque de mediciones cubre la supervisión de agentes. En la plataforma interna más usada había aproximadamente 30.000 agentes de investigación e ingeniería concurrentes en agosto de 2026. Monitores en línea cubren el 100% de las acciones antes de ejecutarlas; monitores fuera de línea ingieren el 100% después. Sobre más de mil millones de decisiones analizadas, alrededor del 0,002% —cerca de 1 de cada 47.000— fueron bloqueadas por el monitor en línea, un ratio bajo que Anthropic interpreta como rareza de mal comportamiento individual a escala actual.
El tercer bloque mira la asignación de cómputo. En una semana de julio (13–20), Anthropic estima de forma deliberadamente conservadora que alrededor del 6% del cómputo de I+D de IA fue a trabajo de seguridad, y alrededor del 12% del cómputo de I+D impulsada por IA. Trabajo que avanza capacidades y seguridad por igual no se contó como seguridad, lo que baja el numerador a propósito y anticipa disputas de definición entre labs y reguladores.
Dario Amodei ha pedido ritmar el avance de capacidades y reducir la brecha entre lo que saben los labs y lo que sabe el público. Anthropic presenta estas métricas como complemento de los informes de riesgo de su Responsible Scaling Policy y de propuestas como el Advanced AI Framework. La empresa dice que planea integrar evaluadores independientes de terceros con acceso comparable al de equipos internos de riesgo, un paso que, si se concreta, convertiría el snapshot de agosto en serie verificable.
Para inversores y compradores enterprise, el 26% es a la vez señal de productividad y de dependencia. Si Claude lidera un cuarto de la I+D, el ciclo de producto se acelera —y también el riesgo de que errores correlacionados se propaguen cuando el «juez» y el sistema evaluado comparten familia de modelos. Anthropic lo admite al pedir verificación cruzada entre labs o por terceros con guardrails que limiten el intercambio de datos competitivos sensibles.
Críticos del slowdown —desde Mistral hasta voces académicas europeas— leerán el anuncio como marketing de transparencia selectiva: se publica lo que refuerza la narrativa de liderazgo responsable, pero no necesariamente las hojas de ruta competitivas. Aun así, pocos labs fronterizos han ofrecido un índice de automatización de I+D tan granular en público, y esa rareza otorga peso político al paquete aunque no cierre el debate sobre captura regulatoria.
La proximidad a la mejora recursiva (RSI) sigue sin cuantificarse con un «faltan X meses». Anthropic insiste en que compartir métricas ayuda a saber cuán cerca está el mundo de un modelo que construya autónomamente a su sucesor. El salto de aproximadamente 0% a 26% en medio año es, por sí solo, el argumento empírico más citado en la cobertura de septiembre y el que más tensión introduce en mesas de política.
Gobiernos que diseñan umbrales de notificación o ventanas de prueba pre-despliegue pueden anclar reglas a niveles AL publicados con metodología común. Sin esa convergencia, cada lab inventará su propia escala y la comparación internacional se volverá teatro. Epoch AI aporta el vocabulario compartido; falta adopción cruzada por parte de OpenAI, Google DeepMind y otros actores fronterizos relevantes.
Neural Pulse interpreta el paquete como el intento más concreto hasta la fecha de convertir el debate abstracto sobre RSI en series temporales auditables: 26% de liderazgo Claude, más del 90% de colaboración, cerca de 30.000 agentes, un bloqueo por cada 47.000 decisiones y alrededor de 6%/12% de cómputo de seguridad. El valor estará en la regularidad de las actualizaciones y en si otros labs publican tablas comparables —no en un solo snapshot de agosto.
Equipos de cumplimiento corporativo ya preguntan cómo mapear el índice a controles de proveedores: ¿exige un contrato que el proveedor declare el porcentaje de I+D liderado por IA? ¿Se audita el monitor de agentes? Esas cláusulas, si se popularizan en 2026–2027, convertirían la transparencia voluntaria de Anthropic en estándar de compra para grandes cuentas reguladas.
La comunidad de evals independientes pedirá acceso a muestras del árbol de tareas y a las rúbricas del juez. Sin eso, el 26% permanece como cifra de blog bien documentada pero no reproducible desde fuera. Anthropic promete camino hacia verificación externa; el calendario concreto será la próxima prueba de credibilidad ante periodistas técnicos y legisladores.
En paralelo, el anuncio dialoga con la expectativa reportada de un posible IPO posterior en 2026: los mercados leerán estas métricas como proxy de moat técnico y de riesgo regulatorio. Transparencia y narrativa de oferta pública no son opuestas; a menudo se refuerzan cuando el emisor quiere parecer gobernable ante inversores institucionales que exigen controles medibles.
Metodológicamente, el árbol congelado de julio de 2026 evita que el índice crezca solo porque aparecen tareas nuevas que los humanos aún no automatizan; Anthropic incluso construyó una canasta alternativa de enero y no vio un aumento claro de tareas «novedosas» entre febrero y julio. Esa estabilidad del basket refuerza la lectura de que el 26% mide automatización de trabajo ya existente, no magia contable. Aun así, la compañía planea reconstruir periódicamente el basket y reversionar números publicados cuando haga falta.
La analogía de niveles AL3/AL4/AL5 con el arreglo de un pipeline de datos nocturno —Claude colabora bajo dirección estrecha, lidera con supervisión ligera, o sería plenamente autónomo incluyendo el deploy— humaniza la escala Epoch para audiencias no técnicas. Ese pedagogía importa: sin ejemplos concretos, «26% lidera» suena a marketing vacío. Con ejemplos, legisladores pueden preguntar en qué nodo del árbol está el cuello de botella humano.
