La inteligencia artificial asume una proporción cada vez mayor del trabajo necesario para construir modelos más capaces. Anthropic afirma que Claude ya está haciendo que ese proceso avance más rápido, aunque el modelo todavía no puede crear su propio sucesor. En una evaluación del 4 de junio, la empresa advirtió que este avance genera el riesgo de que la IA supere directamente los controles de seguridad y la supervisión regulatoria.

Cuando la IA se construye a sí misma, y lo que todavía no significa

Claude aún no ha alcanzado la auto-mejora recursiva, es decir, el punto en el que una IA crearía y entrenaría a su propio sucesor sin ninguna intervención humana. Según Anthropic, ningún sistema ha logrado esa capacidad hasta ahora. Esta distinción es importante para la supervisión, porque significa que la aceleración actual se desarrolla dentro de flujos de trabajo supervisados por humanos, en la ventana previa a que algún sistema se acerque a la autonomía.

Incluso sin autonomía total, Claude ha llegado a encargarse de gran parte del trabajo de programación de Anthropic. Para mayo de 2026, el modelo había producido más del 80% del código que los ingenieros aportaron a los proyectos de software de la empresa. En el segundo trimestre de 2026, un ingeniero típico contribuyó con ocho veces más código por día que en 2024.

Esas cifras muestran cuánto ha crecido la producción de código, aunque no necesariamente cuánto trabajo útil se realiza. Una encuesta citada por METR, que abarcó a 349 trabajadores técnicos, encontró un aumento mediano autorreportado de 1.4 a 2 veces en el valor de su trabajo al usar herramientas de IA.

26% liderado por Claude, nada de ello totalmente autónomo

El papel de Claude ahora va mucho más allá de escribir código. Las mediciones de agosto de Anthropic encontraron que el modelo lideró el 26% de las tareas de investigación y desarrollo de IA, frente a menos del 1% en febrero. Claude colaboró u lideró más del 90% de ese trabajo, pero los humanos permanecieron involucrados durante todo el proceso, y ninguna de las labores medidas fue totalmente autónoma. Ese salto de febrero a agosto también ofrece a los observadores una línea base: las futuras actualizaciones de mediciones permiten hacer seguimiento de si la participación de la IA en el trabajo de investigación sigue aumentando.

Las dos líneas de investigación miden cosas distintas. Anthropic registra la generación de código y la investigación realizada con ayuda de sistemas de IA, mientras que METR capta cómo los trabajadores perciben los aumentos en el valor de su labor. Ninguno de los estudios indica si la IA es capaz de decidir qué problemas de investigación deberían resolverse en primer lugar.

Cómo la aceleración podría multiplicarse sin un modelo que se auto-mejore

La IA no tiene que ser totalmente autónoma para acelerar la investigación. Según un informe de octubre de RAND, los agentes de IA pueden ayudar a crear modelos más fuertes sin necesidad de construir sus propios sucesores. Su acceso a modelos y código sensibles ya representa un riesgo de seguridad.

Los economistas de METR señalan que factores como la disponibilidad de datos, la potencia de cómputo y la capacidad de realizar estudios experimentales podrían imponer límites. Esos mismos factores otorgan a los investigadores condiciones concretas para monitorear al evaluar si la aceleración persistirá. Aun así, no han descartado la posibilidad de una aceleración sostenida del desarrollo de la IA. La pregunta abierta es si las revisiones de seguridad independientes podrán seguir el ritmo de los experimentos impulsados por la IA; de lo contrario, la supervisión podría quedar rezagada mucho antes de que llegue la autonomía total.

De marcar el ritmo de la frontera a vigilarla

Esa preocupación llevó al CEO de Anthropic, Dario Amodei, a pedir un desarrollo más lento y evaluadores independientes. "Debemos frenar el ritmo al que mejoramos las capacidades de los modelos de IA", escribió en un ensayo de septiembre.

La revelación del 16 de septiembre de OpenAI detalló seis casos de comportamiento preocupante de modelos. Cryptopolitan también ha informado sobre divisiones entre los líderes tecnológicos respecto de si el desarrollo de la IA debería frenarse.

Pero coincidir en las preocupaciones de seguridad no garantiza la acción. CSIS advirtió que los evaluadores externos deben evitar conflictos de interés y que los gobiernos deben prevenir la captura regulatoria. Los acuerdos a nivel de la industria siguen siendo inciertos, y si los evaluadores independientes llegan a concretarse es la prueba más inmediata de si el debate sobre el ritmo produce cambios concretos.

El dinero sigue al cómputo

El debate también implica intereses financieros considerables. El Índice de IA 2026 de Stanford encontró que la inversión privada en IA aumentó 127.5% en 2025, con la inversión de Estados Unidos alcanzando 23 veces la de China. La OCDE advierte por su parte que el acceso a chips, infraestructura en la nube y datos sigue concentrado.

El resultado es una paradoja. La IA puede abaratar la programación de investigación, pero entrenar y probar modelos avanzados todavía requiere inversiones enormes. Por lo tanto, un desarrollo más rápido podría otorgar a los laboratorios líderes una ventaja aún mayor frente a competidores más pequeños.