Anthropic quiere salir a bolsa a finales de este año mientras pide al mundo que estudie cómo frenar la inteligencia artificial más avanzada.
La paradoja no es menor. El 5 de junio, la compañía reclamó que exista “la opción de ralentizar o pausar temporalmente el desarrollo de la IA de vanguardia”, justo cuando sus propias herramientas ya hacen una parte creciente del trabajo que antes recaía en ingenieros humanos.
Claude ya escribe buena parte del código
En febrero de 2025 llegó Claude Code, el agente de ingeniería de software de Anthropic. Desde entonces, la proporción de código publicado por la empresa y escrito por Claude pasó de un entorno del 3 % a más de cuatro quintas partes en mayo.
Más de cuatro quintas partes del código publicado en mayo salió de Claude.
Esa cifra importa por lo que sugiere sobre el ritmo del cambio. Una máquina ya no solo ayuda a programar, también participa de forma masiva en la construcción de los sistemas que vendrán después.
Las tareas ya duran más de una jornada laboral
METR detectó a principios de 2025 que los modelos de Anthropic resolvían tareas equivalentes a algo menos de una hora de trabajo humano. Los sistemas más recientes ya completan encargos que exigirían más de una jornada laboral.
No hablamos solo de escribir texto o corregir errores aislados. Los modelos de IA pueden ejecutar tareas de diseño de experimentos, pruebas en simulación y optimización en unos 30 minutos.
Ahí aparece la tensión de fondo. Si una misma herramienta acorta el trabajo técnico y alarga la autonomía de las tareas que puede asumir, la frontera entre asistente y sustituto empieza a moverse más deprisa de lo que la discusión pública suele admitir.
Jack Clark sitúa 2028 en el centro del debate
Jack Clark, cofundador de Anthropic, plantea uno de los escenarios más incómodos de esta carrera tecnológica.
"Lo que a muchos les puede parecer una historia fantasiosa podría ser, en realidad, una tendencia auténtica" - Jack Clark, cofundador de Anthropic
Clark cree que hay un 60 % de probabilidades de que, para finales de 2028, un sistema de IA pueda crear a su propio sucesor sin intervención humana. Esa idea encaja con un debate que ya había asomado en la IA autónoma, donde la mejora técnica empieza a parecerse a un circuito que se alimenta a sí mismo.
El informe publicado en enero por el Centre for Security and Emerging Technology de la Universidad de Georgetown empuja esa hipótesis aún más lejos. Su cálculo apunta que, a medida que aumente la proporción de investigación y desarrollo en IA realizada por sistemas de IA, la mejora de productividad frente a la investigación hecha solo por humanos podría multiplicarse por diez, luego por cien y después por mil.
Además, ese mismo informe advierte que los cuellos de botella que hoy limitan ese salto podrían superarse pronto. También sostiene que los sistemas creados mediante automejora recursiva plantean riesgos extremos y que hay motivos de sobra para tomar medidas preparatorias desde ahora.
Google y Karpathy enseñan que el reloj corre más rápido
Mientras se discute ese horizonte, otros ejemplos ya muestran la velocidad del presente. AlphaEvolve, de Google DeepMind, empezó en mayo de 2025 a diseñar algoritmos, con un ahorro del 0,7 % de la potencia informática global de la compañía y una aceleración del 1 % en el entrenamiento de Gemini.
Andrej Karpathy, investigador independiente y actualmente empleado de Anthropic, rebajó el entrenamiento de un chatbot similar a GPT-2 desde 168 horas en 32 chips hasta tres horas con un ordenador de ocho unidades de procesamiento gráfico. En marzo delegó la aceleración en el agente de IA Autoresearch y redujo el tiempo a una hora y 48 minutos en dos días, y a una hora y 39 minutos cinco días después.
"No toqué nada" - Andrej Karpathy, investigador independiente y actualmente empleado de Anthropic
Más tarde, Karpathy resumió el efecto acumulado con otra frase breve y elocuente.
"Se acumulan y, efectivamente, mejoraron Nanochat" - Andrej Karpathy, investigador independiente y actualmente empleado de Anthropic
Su caso funciona casi como una maqueta a escala de lo que inquieta a los investigadores. Si entrenar un sistema parecido a GPT-2, presentado por OpenAI en 2019, cae de 168 horas a poco más de una hora y media, la distancia entre una mejora puntual y una cascada de mejoras deja de parecer teórica. Algo parecido ya se veía en el código escrito por Claude, donde la automatización avanza sobre el propio proceso de desarrollo.
El freno que pide Anthropic también tiene límites materiales
Hace tres años, Max Tegmark encabezó un llamamiento para pausar el desarrollo mundial de la IA al considerar que la creación de GPT-4 equivalía a emprender ese viaje con los ojos vendados. Ahora, en un programa de vídeo, Tegmark llevó la imagen más lejos y dijo que avanzar sin supervisión sería una catástrofe segura si el conductor se negara a abrir los ojos.
Helen Toner, directora ejecutiva interina del Centre for Security and Emerging Technology y autora principal del informe, introduce un matiz menos vistoso pero igual de importante. A su juicio, el uso de la IA por parte de los consumidores puede ralentizar la investigación y desarrollo basada en IA por la distribución limitada de la capacidad de los centros de datos.
Ese es el detalle que complica cualquier relato lineal sobre aceleración total. Anthropic pide un freno global al mismo tiempo que Claude escribe más de cuatro quintas partes de su código y que Jack Clark sitúa en 2028 una probabilidad del 60 % para la aparición de una IA capaz de crear a su propio sucesor.