Anthropic dice que su IA construye su reemplazo (y la cifra sorprende)
Anthropic midió cuánto de su I+D ya hace su IA. Qué cambió, por qué importa y cómo evaluarlo en tu empresa.
Introducción
Anthropic y la IA que mide su propio trabajo ponen sobre la mesa una idea simple pero relevante para cualquier empresa: no basta con “usar IA”, también hay que saber qué parte del trabajo ya está haciendo. En su reporte propio, Anthropic mide cuánto de su investigación y desarrollo realiza su propia IA, y ese dato cambia la conversación de la intuición a la medición.
Qué cambió en el reporte
Anthropic publicó el 17 de septiembre de 2026 un reporte interno sobre su investigación y desarrollo. El foco no es una promesa abstracta, sino una métrica concreta: qué porcentaje del trabajo ya ejecuta su IA. Según el propio reporte, la cifra pasó de menos del 1% en febrero a un porcentaje mucho mayor en agosto. La empresa también reconoce, con números, que todavía existen límites claros.
Por qué importa para el negocio
Cuando una organización mide cuánto trabajo ya hace la IA, deja de discutir solo percepciones y empieza a tomar decisiones con base en evidencia. Eso importa para priorizar inversiones, identificar procesos repetitivos y distinguir entre tareas que la IA puede apoyar y tareas que aún requieren supervisión humana. En un negocio, esta lógica puede aplicarse a ventas, soporte o finanzas: no para reemplazar de inmediato, sino para entender dónde hay oportunidad real de automatización parcial o asistencia.
Qué significa “medir” en la práctica
La propuesta de Anthropic es también un marco de evaluación. Si una empresa quiere saber si la IA aporta valor, puede definir por área qué porcentaje de tareas ya realiza la tecnología. Por ejemplo, en soporte podría medir clasificación de tickets; en ventas, redacción de borradores; en finanzas, preparación inicial de reportes. La clave es separar tareas completas de tareas asistidas y revisar qué parte sigue dependiendo de revisión humana.
Límites y riesgos
El propio reporte sugiere cautela: que la IA haga más no significa que haga todo bien ni que pueda operar sin control. También hay riesgo de medir mal si no se define con claridad qué cuenta como “hecho por IA”. Una métrica ambigua puede exagerar avances o esconder dependencias críticas. Por eso conviene revisar calidad, supervisión, trazabilidad y excepciones antes de sacar conclusiones.
Checklist de evaluación
- Definir una métrica por área.
- Separar tareas automatizadas de tareas asistidas.
- Identificar dónde la IA todavía no llega.
- Revisar calidad y necesidad de supervisión.
- Comparar el dato con objetivos operativos reales.
¿Cómo aplicarlo en tu empresa?
Empieza por una medición simple: qué porcentaje de tareas ya hace la IA en cada área. Luego compara ese dato con el valor de negocio, los riesgos y la necesidad de control humano. Ese diagnóstico de IA es el punto de partida para decidir dónde escalar, dónde ajustar y dónde no conviene avanzar todavía.