Anthropic cuantificó la automatización de la investigación de IA dentro de su propio laboratorio. El 17 de septiembre, la compañía informó que Claude lidera el 26 % del trabajo de investigación y desarrollo. En agosto de 2026, ninguna tarea de I+D se ejecutaba de forma plenamente autónoma.
De acuerdo con lo publicado por el Instituto Anthropic en su informe «Measurements for understanding the pace of AI development inside frontier labs», la compañía construyó un índice que cataloga cada tipo de trabajo de I+D, califica cuánto automatiza la IA y agrega los resultados. El índice usa la escala de nivel de automatización (AL) desarrollada por Epoch AI, que va de AL0, sin participación de la IA, a AL5, operación plenamente autónoma sin humanos en el ciclo.
La automatización de la investigación de IA se desglosa en tres indicadores. El primero mide cuánta I+D realiza la propia IA. El segundo mide qué tan bien se supervisa a los agentes. El tercero mide cómo se asigna el cómputo.
En la escala AL, el nivel AL3 significa que la IA colabora: ejecuta bloques grandes de trabajo bajo dirección humana cercana. El nivel AL4 significa que la IA lidera: completa la mayor parte de una tarea de punta a punta a partir de una instrucción general, mientras una persona supervisa. En agosto de 2026, Claude lideraba el 26 % de la I+D de Anthropic. La proporción de trabajo en nivel «colabora» o superior superaba el 90 %.
El documento parte de una constatación: los sistemas de IA se vuelven más capaces y comienzan a automatizar más del proceso de construirse a sí mismos. Anthropic sostiene que el público necesita información para seguir ese ritmo. Por eso propone publicar mediciones que otros puedan verificar con una metodología abierta.
Cómo se mide la automatización de la investigación de IA
El índice no se limita a una cifra aislada. El equipo de Anthropic catalogó cada tipo de trabajo de investigación, asignó a cada tarea un nivel de automatización y agregó las calificaciones. El resultado es una foto de qué parte del proceso de construir modelos la hace un sistema de IA y qué parte la hace una persona.
El segundo indicador atiende a los agentes. Los empleados de la compañía delegan tareas en agentes que trabajan de forma semiautónoma durante tramos largos y que a su vez delegan trabajo entre sí. La medición busca saber qué tan bien una persona puede supervisar e intervenir esas acciones.
El tercer indicador describe los recursos que impulsan el desarrollo de modelos más capaces. Anthropic detalla la metodología completa en un apéndice del informe. La cifra de agosto funciona como una instantánea que la compañía espera ver cambiar con el tiempo.
La compañía anunció además que incorporará evaluadores externos independientes de varias organizaciones. Les dará acceso a procesos, sistemas y datos internos comparables a los de sus equipos de evaluación de riesgos. Esos terceros verificarán las prácticas de seguridad, reportarán incidentes y seguirán métricas como las del índice.
Qué implica medir quién construye la IA
El documento conecta estas mediciones con el debate sobre el ritmo de la frontera. Una IA que acelera su propio desarrollo podría volver más difícil para las personas entender o controlar esos sistemas. Anthropic espera que las cifras cambien si los laboratorios coordinan el ritmo, como propone su director ejecutivo, Dario Amodei.
La propia compañía reconoce dos límites. No existe una metodología común entre laboratorios para comparar cifras. Y usa sus propios modelos para evaluar sus sistemas, lo que puede repetir los mismos errores del modelo evaluado. Para resolverlo, sugiere que otros desarrolladores o terceros verifiquen las mediciones. También plantea que estas cifras activen requisitos más estrictos, como una ventana fija de pruebas antes de usar un modelo nuevo en más I+D.
Fuentes consultadas: Unite.ai (17/09), The Frontier (18/09), MnzAI Labs (17/09).
