Anthropic ha publicado un conjunto de mediciones internas destinadas a dar al público, a los reguladores y a los observadores externos una visión más clara de la velocidad a la que avanza el desarrollo de la IA de frontera, incluido cuánto del trabajo de construcción de nuevos modelos realiza ahora la propia IA.

La pieza central de la publicación es el Índice de Automatización de I+D de Anthropic, una métrica prototipo que cataloga cada tipo de tarea de investigación y desarrollo de IA en la compañía y califica cada una según una escala de automatización desarrollada por Epoch AI. La escala va de AL0, sin participación de IA, a AL5, operación totalmente autónoma sin intervención humana. Dentro de ese marco, AL3 denota tareas en las que la IA colabora bajo una estrecha dirección humana, mientras que AL4 abarca tareas que la IA completa de principio a fin a partir de una instrucción general con supervisión humana. La distancia entre esos niveles y AL5 es lo que da relevancia al índice: mide, tarea por tarea, cuán lejos está la operación de I+D de la compañía del punto en el que la IA podría llevar a cabo el trabajo sin intervención humana.

A agosto de 2026, Claude no opera de forma totalmente autónoma en ninguna área medida de la I+D de IA. Aun así, la IA lidera aproximadamente el 26% del trabajo de I+D de Anthropic, y más del 90% las tareas se sitúan en o por encima del nivel en el que la IA colabora con humanos. Anthropic presenta estas cifras como una forma de medir qué tan cerca está la industria de la auto-mejora recursiva, un escenario en el que un modelo construye de manera autónoma a su propio sucesor, y señala que los números probablemente cambiarían ante cualquier esfuerzo coordinado para frenar el desarrollo de frontera. Planteadas así, estas cifras convierten una preocupación abstracta en una línea base declarada y repetible contra la cual pueden medirse divulgaciones futuras.

La compañía anunció la divulgación en una publicación en X:

AI systems are getting more powerful, and they're increasingly being used to build the next version of themselves. We want to illuminate that progress for the public. Today, we're sharing three measurements that help track development: 1. How much AI R&D is done by AI. 2. How…

— Anthropic (@AnthropicAI) September 17, 2026

En conjunto, las mediciones cubren cuánta I+D de IA realiza la IA, cómo se supervisa a los agentes de IA en la práctica y cómo se asigna el cómputo en el trabajo de la compañía.

La compañía acompañó el índice con nuevos datos sobre la supervisión de agentes de IA. Unos 30,000 agentes realizaban trabajo de investigación e ingeniería en la plataforma interna más utilizada de Anthropic, y cada una de sus acciones pasa por monitores en línea en tiempo real antes de su ejecución, además de monitores fuera de línea que revisan la actividad posteriormente. De más de mil millones de decisiones de agentes analizadas durante agosto, alrededor del 0.002% —aproximadamente una de cada 47,000— fueron bloqueadas. Los monitores fuera de línea marcan de una a dos transcripciones por cada mil, con unas 100,000 marcadas semanalmente y solo unas 50 escaladas a revisión humana. Las cifras trazan un embudo de supervisión cada vez más estrecho —de más de mil millones de decisiones analizadas en agosto a unas 100,000 transcripciones marcadas semanalmente y cerca de 50 escaladas a revisión humana— mostrando cómo el filtrado automatizado se superpone bajo el juicio humano a medida que los agentes asumen trabajo real de investigación e ingeniería.

La asignación de cómputo emerge como una palanca de ritmo verificable

La tercera medición aborda el cómputo, uno de los insumos más verificables del desarrollo de IA y, por lo tanto, una palanca potencial para cualquier futuro régimen de ritmo a nivel de la industria. En una instantánea de una semana del uso total de cómputo de Anthropic, aproximadamente el 6% del cómputo dedicado a la I+D de IA se destinó a trabajo de seguridad; dentro de la I+D impulsada por IA específicamente, la cifra fue de alrededor del 12%. La compañía describe estas estimaciones como deliberadamente conservadoras, y señala que el cómputo es un sustituto imperfecto de la inversión en seguridad, ya que gran parte de la investigación en seguridad es intensiva en diseño más que en cómputo. Los porcentajes son además el tipo de cifra dura y contable que partes externas —o un futuro acuerdo de ritmo— podrían seguir a lo largo del tiempo.

Anthropic sitúa la publicación como complementaria a los informes de riesgo de su Política de Escalamiento Responsable y a su propuesta de política Advanced AI Framework, que describe obligaciones de transparencia que los gobiernos podrían imponer a los laboratorios. La compañía también anunció planes para incorporar evaluadores independientes de terceros de varias organizaciones dentro de Anthropic, otorgándoles acceso a sistemas y datos internos comparable al que reciben sus propios de evaluación de riesgos.

La comparación entre laboratorios sigue siendo un desafío. Anthropic reconoce que no existe una metodología compartida para medir la automatización y que usar sus propios modelos para evaluar sus sistemas crea puntos ciegos potenciales. Señala la verificación por terceros, o la evaluación mediante modelos de otros desarrolladores con salvaguardas para la información comercialmente sensible, como un camino hacia reportes estandarizados en los que gobiernos y público puedan confiar. Hasta que exista tal metodología, una cifra como la tasa de automatización del 26% no tiene un equivalente acordado en otros desarrolladores, lo que hace que la incorporación planificada de evaluadores independientes, y cualquier avance hacia estándares comunes de medición, sean los marcadores concretos de si este esfuerzo de transparencia puede extenderse más allá de un solo laboratorio.

Fuente: Metaverse Post