Claude escribe el 80% del código de Anthropic. El revisor también es Claude

A mayo de 2026, más del 80% del código que Anthropic integra en su codebase lo escribió Claude. Lo dice la propia empresa en When AI builds itself. Antes de que Claude Code saliera en research preview, en febrero de 2025, esa cifra era de un dígito bajo. El ingeniero dirige y revisa. Ya no se pasa el día tecleando.

VentureBeat corroboró el 4 de junio de 2026 las dos cifras de volumen: ese 80% en producción y un 8x de código por ingeniero frente a la línea base de 2021-2025. Coinciden ahí. El resto del circuito, quién lee el diff, quién dice que la sesión fue un éxito, de dónde sale el "vamos más rápido", sale solo del texto de Anthropic.

La tarea que se ha delegado no es hacer el trabajo. Es juzgar si el trabajo está bien hecho. Y ese juez, hoy, es el mismo modelo que acaba de escribir el parche.

El circuito: escribe, lee, se pone nota

Claude propone el cambio. Un revisor automatizado de Claude lee cada cambio propuesto antes de mergear. En las tareas más abiertas, un juez Claude decide si la sesión tuvo éxito. Cuando quieren estimar cuánto rinde la gente con el modelo, preguntan a los empleados. Cada capa que debería independizar la medida vuelve a pasar por el mismo sistema.

El revisor no es un adorno: Anthropic lo pone delante del merge. En un análisis retrospectivo estimó que habría detectado aproximadamente un tercio de los bugs detrás de incidentes pasados de claude.ai, antes de llegar a producción. Un tercio. Los otros modos de fallo le eran invisibles.

Si el cuello de botella se ha movido de escribir a revisar, buena parte de lo que ya les explotó en producción sigue sin portero. Decirle TDD al agente no lo hace verificador: el control de calidad que firma el mismo sistema que genera el diff es un filtro, no un árbitro.

Dónde sí aplasta

En abril de 2026 Claude envió más de 800 fixes que redujeron una clase de errores de API en un factor de mil. El ingeniero que lo supervisó estimó que un humano habría tardado cuatro años: nadie aguanta tanto contexto ajeno en la cabeza a la vez. Eso es estrecho y es real. Una clase de error. Un volumen de parches que un humano no puede sostener. Hay trabajo de ingeniería que el modelo barre porque cabe en contexto y se parece a sí mismo mil veces.

En las tareas más abiertas de Anthropic, sin especificación clara de qué aspecto tiene la solución, la tasa de éxito de Claude llegó al 76% en mayo de 2026. Son 50 puntos más que seis meses antes. El éxito lo determina un juez Claude, no una métrica externa. El porcentaje que usa la empresa para decir que cada vez se defiende mejor en lo mal especificado lo pone el propio modelo. No hay un banco de pruebas de fuera en esa cifra. El 76% mide acuerdo consigo mismo.

Ese mismo abril publicaron la primera demo de agentes Claude dirigiendo investigación abierta de punta a punta: recuperaron el 97% de la brecha entre un modelo débil y uno fuerte. Dos humanos, en el mismo diseño, recuperaron el 23%. Costó unas 800 horas y alrededor de 18.000 dólares de cómputo. Anthropic pone los matices encima de la mesa: no transfirió a modelos de producción, y los humanos eligieron el problema y la rúbrica. El agente recorre un mapa que alguien le ha dibujado.

El 8x, el 4x y lo que la gente cree que escribe Claude

Anthropic afirma que sus ingenieros shippean de media 8 veces más código por trimestre que durante 2021-2025. Lo apoya en datos internos que no había publicado, más benchmarks públicos. VentureBeat da por buena esa multiplicación. Líneas que entran al codebase no son trabajo terminado. Nadie ha puesto delante un contador independiente de "esto resolvió el problema y no lo reabrió". En las fuentes consultadas no consta auditoría de esas metodologías internas.

La encuesta es más honesta, y por eso duele más. Entre 130 empleados de investigación, el encuestado mediano estimó producir unas 4 veces más output con Mythos Preview que sin ningún modelo de IA. Fue en marzo de 2026. Anthropic, en el mismo texto, matiza que el uplift real probablemente fue algo menor y que la métrica es una estimación subjetiva. Preguntar al que usa la herramienta cuánto rinde es un dato de clima, no de fábrica. Quien cite el 4x como productividad medida está vendiendo el PowerPoint.

Sobre calidad del código, Anthropic no cierra filas. Según muchos empleados, sin consenso total, el código de Claude era peor que el humano a finales de 2025, está hoy en paridad aproximada y esperan que sea estrictamente mejor dentro de un año. Esperan. No es.

El recorte del rol humano, en cambio, lo formula con claridad. Claude ya puede resolver problemas de ingeniería mal especificados: el humano da la meta, no el método. E iguala o supera a humanos ejecutando experimentos bien especificados. Las brechas gordas siguen en el juicio y en la elección de objetivos. El teclado se ha movido. El criterio, no.

Lo que Anthropic dice que esto no es

Anthropic define recursive self-improvement como un sistema de IA capaz de diseñar y desarrollar de forma totalmente autónoma a su propio sucesor. Afirma que aún no está ahí. Que no es inevitable. Y que podría llegar antes de lo que las instituciones están preparadas.

Aún no está ahí. No es inevitable. Podría llegar antes de que nadie tenga un verificador que no sea el propio modelo.

El titular When AI builds itself vende el vértigo. El cuerpo describe otra cosa: han industrializado la primera pasada. El borrador y el primer filtro. El segundo, el que caza los dos tercios que el revisor no ve, el que elige el objetivo, el que no se puntúa a sí mismo, sigue siendo el agujero, y ellos lo dicen.

Un loop que se juzga a sí mismo puede entregar volumen medible. Ochocientos fixes. Ocho veces más código. Un 76% que firma un juez interno. Falta el sucesor autónomo. Sobran borradores con el control de calidad en el mismo silo. Los datos internos que maneja el texto llegan hasta mayo y junio de 2026. No los trates como foto de septiembre.

Preguntas frecuentes

¿Claude escribe el 80% del código de Anthropic?

Sí. Anthropic afirma que a mayo de 2026 más del 80% del código que integra en su codebase lo escribió Claude; antes de Claude Code, en febrero de 2025, era un dígito bajo. VentureBeat corroboró esa cifra el 4 de junio de 2026. El ingeniero dirige y revisa en lugar de teclear.

¿Anthropic ha logrado recursive self-improvement?

No. Anthropic lo define como un sistema capaz de diseñar y desarrollar de forma totalmente autónoma a su propio sucesor, y afirma que aún no está ahí ni es inevitable. Lo que describe es un pipeline donde Claude escribe, un Claude revisa el merge y otro Claude puntúa el éxito de la sesión.

¿El revisor automático de Claude pilla los bugs de producción?

En el análisis retrospectivo de Anthropic, el revisor habría detectado aproximadamente un tercio de los bugs detrás de incidentes pasados de claude.ai. Los otros dos tercios de esos modos de fallo no los habría cazado. El revisor lee cada cambio antes del merge; no es un verificador completo.

¿Los ingenieros de Anthropic producen 8 veces más?

Anthropic dice que shippean de media 8 veces más código por trimestre que en 2021-2025, y VentureBeat corroboró esa cifra. No equivale a productividad real medida por fuera: es volumen de código. La encuesta interna de marzo de 2026 (unas 4 veces más output) es subjetiva y la propia empresa la rebaja.