Una auditoría externa pone cifra a la velocidad de Anthropic
La organización de evaluación METR publicó el 5 de noviembre de 2026 un informe independiente sobre la aceleración de la investigación y el desarrollo en inteligencia artificial dentro de Anthropic, la empresa creadora de la familia de modelos Claude. El trabajo, encargado y financiado por la propia Anthropic, se desarrolló entre el 12 de agosto y el 29 de octubre, unas once semanas en las que el equipo evaluador tuvo acceso a métricas internas de la compañía. La conclusión central es tan sencilla de enunciar como difícil de digerir: según METR, Anthropic estaría mejorando sus modelos aproximadamente al doble de ritmo que antes, y la mayor parte de ese impulso procedería del uso que la empresa hace de su propia IA para investigar.
La cifra principal es una aceleración de 1,9x desde octubre de 2025, medida con la versión interna que Anthropic mantiene del índice de capacidades de Epoch, conocido por sus siglas AECI. El intervalo de confianza del 95 % va de 1,5x a 2,8x, y METR amplía el rango plausible hasta una horquilla de 1,3x a 3x. La propia organización subraya que la incertidumbre es alta. Aun así, el informe es probablemente el intento más detallado hasta la fecha de medir, desde fuera, un fenómeno que hasta ahora se discutía sobre todo en términos especulativos: la posibilidad de que la IA empiece a acelerar su propio desarrollo.
La publicación llega en una semana especialmente cargada para Anthropic. El 9 de noviembre la compañía lanzó Claude Fable 5.2 y Mythos 5.2, sus nuevos modelos, y en paralelo avanza su proceso para salir a bolsa. El contexto convierte el informe en algo más que un documento técnico: es una pieza que inversores, reguladores, competidores y desarrolladores leerán con intereses muy distintos.
Qué es METR y por qué su opinión pesa
METR, acrónimo de Model Evaluation and Threat Research, es una organización sin ánimo de lucro dedicada a evaluar las capacidades de los sistemas de IA más avanzados, con especial atención a aquellas que podrían suponer riesgos graves. Nació como un equipo de evaluaciones vinculado al ecosistema de investigación en alineamiento y se ha consolidado como uno de los evaluadores externos a los que recurren los grandes laboratorios antes o después de lanzar modelos de frontera.
Su trabajo más conocido gira en torno a la capacidad de los modelos para completar tareas largas y autónomas, especialmente de ingeniería de software y de investigación en aprendizaje automático. Esa línea de trabajo encaja de forma natural con el encargo de Anthropic: si se quiere saber si la IA está acelerando la investigación en IA, hace falta un evaluador que entienda tanto los modelos como el día a día de los equipos que los entrenan.
El valor de una evaluación independiente de METR reside precisamente en que no es Anthropic quien certifica sus propios avances. Sin embargo, el informe deja claro que la independencia tiene matices. La evaluación se realizó bajo contrato con la empresa, el personal de METR trabajó en dispositivos de Anthropic y, según se ha informado, partes de los datos que la organización consideró más relevantes aparecen redactadas en la versión pública. Son condiciones habituales en auditorías de este tipo, pero condicionan la capacidad de terceros para revisar el razonamiento completo.
Por qué preocupa y entusiasma la automatización de la I+D
Para entender la relevancia del informe hay que situarlo en uno de los debates centrales del sector. Desde hace años, investigadores y laboratorios discuten un escenario en el que los propios sistemas de IA contribuyen de forma creciente a diseñar, entrenar y depurar a sus sucesores. Si cada generación de modelos ayuda a construir la siguiente más deprisa, el ritmo de progreso podría dejar de ser lineal y volverse acumulativo.
Para quienes ven en la IA una herramienta de progreso científico, la automatización de la investigación en IA es una promesa: más experimentos por semana, menos tiempo perdido en tareas repetitivas, ciclos de iteración más cortos y, en último término, modelos más útiles en menos tiempo. Para quienes se centran en la seguridad, es una señal de alerta. Un progreso más rápido reduce el margen para evaluar riesgos, diseñar salvaguardas y adaptar la regulación. Además, si los humanos supervisan una fracción cada vez menor del proceso, resulta más difícil detectar comportamientos no deseados antes de que se consoliden.
Ambas lecturas comparten una premisa: medir esa aceleración es imprescindible. Sin datos, el debate se mueve entre la intuición y la retórica. El informe de METR no resuelve la cuestión, pero aporta un primer número con su metodología y sus márgenes de error, algo que hasta ahora faltaba.
La política de escalado responsable como marco
El encargo no surge de la nada. Anthropic opera bajo su Política de Escalado Responsable, un marco interno que define umbrales de capacidad a partir de los cuales la empresa se compromete a aplicar medidas de seguridad más estrictas. Entre esos umbrales figuran algunos relacionados con la capacidad de la IA para llevar a cabo investigación y desarrollo de forma autónoma, ya que se consideran indicadores tempranos de un posible salto en el ritmo de progreso.
Uno de esos hitos es el llamado umbral de sustitución completa (Full Substitution Threshold), que en esencia describe un punto en el que la IA podría reemplazar de forma sustancial el trabajo de los investigadores humanos en el desarrollo de modelos. Cruzarlo activaría, dentro de la política de escalado responsable de Anthropic, obligaciones adicionales de seguridad. METR coincide con la empresa en que ese umbral no se ha cruzado. Es decir, la IA está ayudando mucho, según el informe, pero no está sustituyendo el trabajo de los equipos humanos.
Este punto es importante para interpretar los titulares. Una aceleración de 1,9x no implica que los modelos ya investiguen solos. Implica que la combinación de investigadores humanos y herramientas de IA está produciendo mejoras de capacidad a un ritmo que, según las estimaciones de METR, casi duplica el anterior.
Cómo se midió la aceleración
La pregunta que METR intentaba responder es engañosamente simple: ¿avanza Anthropic más deprisa que antes y, si es así, cuánto se debe a la IA? Responderla exige primero definir qué significa avanzar. El informe opta por medir la velocidad de mejora en un índice de capacidades, no el nivel absoluto de los modelos.
El instrumento central es el AECI, la versión interna de Anthropic del índice de capacidades desarrollado por Epoch, una organización de investigación que sigue la evolución de la IA. Este tipo de índices agrega el rendimiento en múltiples pruebas para obtener una medida única de capacidad general. Con ese índice, METR compara la pendiente de mejora antes y después de octubre de 2025. Si la curva sube casi el doble de rápido en el periodo reciente, la aceleración estimada se acerca a 2x. Esa es, en esencia, la lógica detrás del 1,9x.
Para no depender de una sola vara de medir, METR probó métodos alternativos. Los resultados oscilaron entre 1,1x y 2,9x, una dispersión notable que explica por qué la organización insiste en la incertidumbre. Según METR, la estimación principal se mantiene razonablemente estable ante la mayoría de las decisiones metodológicas, pero el abanico de resultados muestra que el número final depende en parte de cómo se mire.
El equipo también examinó otros datos internos facilitados por la empresa: métricas de preentrenamiento y de aprendizaje por refuerzo, uso de capacidad de cómputo, plantilla, gasto en inferencia, encuestas internas y alrededor de quince entrevistas con personal de Anthropic. El trabajo equivalió a unas 2,5 personas a tiempo completo durante las once semanas. METR no tuvo acceso para consultar directamente los modelos no publicados de la compañía, una limitación que la propia organización reconoce y que, según señala, una evaluación con acceso equivalente al de un empleado permitiría superar.
De cuánto viene de la propia IA
Medir la aceleración es solo la mitad del problema. La otra mitad consiste en explicarla. Un laboratorio puede avanzar más rápido por muchas razones: más cómputo, más personal, mejores datos, una arquitectura más eficiente o una reorganización interna. Atribuir el salto a la IA exige separar esos factores.
METR concluye que quizá un 80 % de la aceleración actual se debe a que los investigadores de Anthropic utilizan sistemas de IA directamente en el proceso de investigación y desarrollo. El informe presenta esta cifra con cautela y reconoce que no encontró consenso entre el personal de la empresa sobre el peso exacto de ese factor. Aun así, la estimación apunta en una dirección clara: el motor principal no sería solo más dinero o más chips, sino el propio uso de la herramienta que la compañía fabrica.
En la práctica, esto encaja con lo que muchos desarrolladores experimentan a menor escala. Herramientas de asistencia al código y agentes capaces de ejecutar tareas de varios pasos se han convertido en parte del flujo de trabajo cotidiano. Quien ha probado a programar con agentes de IA en Claude Code conoce la sensación de delegar la escritura de pruebas, la refactorización o la exploración de una base de código desconocida. Trasladado a un laboratorio con miles de experimentos en marcha, ese efecto puede multiplicarse.
METR añade otra observación relevante: no encontró un cuello de botella claro que vaya a frenar esta aceleración durante el próximo año. Eso no equivale a predecir que el ritmo se mantendrá, pero sí descarta, con la información disponible, que haya un freno evidente a la vista, como una escasez inminente de datos o de capacidad de cómputo que lo detenga por sí sola.
Lo que el 1,9x no significa
Una de las aclaraciones más importantes del informe es también la más fácil de pasar por alto. La cifra de 1,9x mide la velocidad a la que mejoran los modelos, no su nivel. No significa que los modelos actuales de Anthropic sean el doble de capaces que los de hace un año, ni que resuelvan el doble de problemas, ni que trabajen el doble de rápido.
La analogía más útil es la de un vehículo que acelera. Saber que ahora gana velocidad casi el doble de deprisa que antes no dice cuál es su velocidad actual, solo que el ritmo de cambio ha aumentado. Para quien sigue el sector, lo relevante es que, si la tendencia se mantuviera, los saltos de capacidad entre una generación de modelos y la siguiente se producirían en menos tiempo del que se venía observando.
Esta distinción importa también para interpretar las comparaciones. Una empresa puede acelerar mucho partiendo de una posición rezagada y, aun así, no superar a sus competidores. Y al revés: un laboratorio líder puede mantener su ventaja con una aceleración más moderada.
El contraste con los laboratorios rivales
Precisamente esa matización aparece en uno de los resultados más llamativos del informe. Cuando METR utilizó una versión del índice que incluye modelos de laboratorios competidores, la aceleración estimada de Anthropic se redujo a aproximadamente 1,4x. La diferencia con el 1,9x principal es considerable.
METR atribuye esa brecha, en parte, a que Anthropic partía de una posición más débil a principios de 2025. Si una empresa está por detrás y recupera terreno, su curva puede parecer muy empinada cuando se mide solo contra su propio historial, pero menos espectacular cuando se compara con el conjunto del sector. Dicho de otro modo, una parte de lo que parece aceleración podría ser recuperación.
Este resultado no invalida la cifra principal, pero obliga a leerla con cuidado. También plantea una pregunta que el informe no puede responder: si otros laboratorios están experimentando aceleraciones similares gracias a sus propias herramientas de IA. METR evaluó a Anthropic, no al resto de la industria, y no existe por ahora un estudio comparable con acceso interno a los competidores. Cualquier conclusión sobre la aceleración de la I+D en IA a escala de todo el sector requeriría evaluaciones equivalentes en otras compañías.
La brecha entre lo percibido y lo medido
Otro hallazgo que ha llamado la atención es la diferencia entre la percepción del personal y los datos. Según el informe, los empleados de Anthropic autoinformaron una mejora de productividad de unas 12 veces gracias al uso de IA. El rendimiento medido, sin embargo, se sitúa en torno a 2x.
METR consideró esa autoevaluación una evidencia muy débil. La distancia entre ambas cifras no implica necesariamente que el personal exagere de forma deliberada. Hay varias explicaciones posibles. Una persona puede sentir que hace en una hora lo que antes le llevaba doce, pero la productividad de un laboratorio no depende solo de la velocidad individual: los experimentos necesitan cómputo, las ideas deben validarse, los resultados tienen que revisarse y las decisiones requieren coordinación. Acelerar una pieza de la cadena no acelera la cadena entera en la misma proporción.
Además, es posible que las tareas que más se aceleran con IA no sean las que más contribuyen al progreso final. Escribir código de evaluación o preparar datos puede volverse mucho más rápido, pero si el factor limitante es el tiempo de entrenamiento o la calidad de las ideas de investigación, la ganancia global será menor. Para los equipos técnicos de cualquier empresa, esta brecha es una lección directa sobre la productividad de los desarrolladores con IA en cualquier organización: la percepción subjetiva tiende a sobrestimar el efecto agregado, y solo la medición sistemática permite saber cuánto se gana realmente.
Límites y críticas posibles
El propio informe es explícito sobre sus limitaciones, y conviene repasarlas para entender el alcance real de sus conclusiones.
La primera es la incertidumbre estadística. Un intervalo de confianza que va de 1,5x a 2,8x, y un rango plausible que llega de 1,3x a 3x, deja espacio para lecturas muy distintas. En el extremo inferior, la aceleración sería significativa pero moderada; en el superior, el ritmo de progreso se habría triplicado.
La segunda es la dependencia de un índice interno. El AECI es la versión de Anthropic del índice de Epoch, y su construcción influye en el resultado. Los métodos alternativos, que arrojaron cifras entre 1,1x y 2,9x, muestran que la elección del instrumento no es neutra.
La tercera es la transparencia. Según se ha informado, partes de los datos clave aparecen redactadas por la empresa, lo que impide a investigadores externos reproducir o cuestionar ciertos pasos del análisis. Este tipo de restricciones es comprensible por motivos comerciales o de seguridad, pero limita la verificabilidad, que es precisamente uno de los objetivos de una auditoría externa.
La cuarta es la relación contractual. Que Anthropic haya encargado y facilitado la evaluación es positivo desde el punto de vista de la apertura, pero también implica que la empresa decidió qué información compartir. METR no pudo interactuar directamente con modelos no publicados y basó buena parte de su análisis en métricas proporcionadas por la compañía y en entrevistas con su personal.
Por último, la atribución del 80 % al uso de IA es, según la propia METR, una estimación con mucha incertidumbre y sin consenso interno. Separar el efecto de la IA del efecto del mayor cómputo o de una plantilla más numerosa es metodológicamente complejo, y el informe no pretende haberlo resuelto de forma definitiva.
Ninguna de estas limitaciones convierte el informe en irrelevante. Lo que hacen es situarlo en su lugar: una estimación seria, con métodos explícitos, de un fenómeno difícil de medir, pero no una prueba concluyente.
Qué supone para los desarrolladores
Para la comunidad de programadores, el informe tiene implicaciones que van más allá del debate sobre seguridad. La primera es práctica: si los laboratorios mejoran sus modelos más deprisa, el ciclo de actualización de herramientas también se acorta. Las capacidades que hoy parecen experimentales pueden convertirse en estándar en pocos meses, y las integraciones construidas sobre un modelo concreto pueden quedarse obsoletas antes de lo previsto.
Esto obliga a diseñar sistemas más modulares, en los que el modelo de lenguaje sea un componente sustituible y no una dependencia rígida. También refuerza la importancia de contar con baterías de evaluación propias: si un equipo no puede medir con sus propios casos de uso si un modelo nuevo es mejor o peor que el anterior, cada actualización se convierte en una apuesta.
La segunda implicación tiene que ver con la forma de trabajar. El hecho de que Anthropic atribuya una parte tan grande de su aceleración al uso interno de IA confirma que los agentes de programación y los asistentes de investigación ya no son un complemento marginal en los equipos punteros. Para los desarrolladores, dominar estas herramientas, saber cuándo delegar y cuándo revisar a fondo, y entender sus fallos típicos se está convirtiendo en una competencia profesional central.
La tercera es una advertencia. La brecha entre la productividad percibida de 12x y la medida de 2x sugiere que las organizaciones deberían desconfiar de las métricas basadas en encuestas. Un equipo puede sentirse mucho más rápido y, sin embargo, entregar resultados solo moderadamente mejores si los cuellos de botella están en la revisión de código, en la integración, en las pruebas o en la toma de decisiones. Medir tiempos de entrega, tasas de defectos y calidad del producto sigue siendo imprescindible.
Por último, el informe alimenta una conversación sobre el futuro del empleo técnico. Que no se haya cruzado el umbral de sustitución completa indica que, según METR y Anthropic, los investigadores humanos siguen siendo necesarios. Pero la tendencia apunta a un papel cada vez más orientado a dirigir, verificar y combinar el trabajo de sistemas automatizados.
Implicaciones para la industria y la regulación
Para el conjunto del sector, el informe establece un precedente metodológico. Hasta ahora, las evaluaciones externas de modelos se centraban sobre todo en capacidades peligrosas concretas, como la asistencia en ciberataques o en la creación de armas biológicas. Medir la aceleración del propio proceso de desarrollo es un tipo de evaluación distinto, más cercano a una auditoría organizativa que a una prueba de producto.
Si este enfoque se generaliza, podría convertirse en una herramienta útil para reguladores y responsables políticos. Saber a qué velocidad avanzan los laboratorios permite anticipar cuándo podrían alcanzarse capacidades de mayor riesgo y ajustar los plazos de las medidas de supervisión. Al mismo tiempo, el caso de Anthropic muestra las dificultades: acceso limitado, datos redactados y una relación contractual que condiciona el alcance de la auditoría.
El contexto financiero añade otra capa. La presentación de el S-1 de Anthropic para salir a bolsa sitúa a la empresa bajo un escrutinio inédito por parte de inversores y supervisores de mercado. Un informe que habla de duplicar el ritmo de mejora puede leerse como un argumento de competitividad, pero también como un recordatorio de los riesgos que la propia compañía declara gestionar mediante su política de escalado responsable. La forma en que Anthropic comunique estos resultados en su relación con el mercado será observada con atención.
Para los laboratorios competidores, el informe plantea una pregunta incómoda. Si Anthropic ha aceptado una evaluación de este tipo, la presión para que otros hagan lo mismo podría aumentar, especialmente si la aceleración por uso interno de IA se confirma como una tendencia general del sector.
La situación actual
A fecha de 14 de noviembre de 2026, el informe de METR lleva poco más de una semana publicado y ha abierto un intenso debate en la comunidad de investigación sobre IA. Anthropic acaba de lanzar Claude Fable 5.2 y Claude Mythos 5.2, y continúa con el proceso derivado de su documento S-1 para su salida a bolsa.
No consta que otros laboratorios de frontera hayan publicado evaluaciones independientes equivalentes sobre la aceleración de su propia investigación. Tampoco hay, por ahora, una revisión externa completa del informe de METR que permita contrastar sus cifras, en parte por las redacciones de datos señaladas. METR ya había publicado en septiembre una evaluación de Claude Opus 5.5 con una estimación preliminar más modesta sobre la aceleración, y el nuevo informe, con más acceso y más tiempo de análisis, eleva esa cifra.
Según METR, no existe un obstáculo evidente que vaya a frenar la aceleración en el próximo año, y tanto la organización como Anthropic coinciden en que el umbral de sustitución completa sigue sin cruzarse. Las próximas evaluaciones, y la evolución de los modelos que lleguen en los meses siguientes, servirán para comprobar si el ritmo estimado se sostiene, se modera o se intensifica.
Lecciones de una medición difícil
Más allá de la cifra concreta, el informe deja varias enseñanzas. La primera es que medir el progreso de la IA requiere instrumentos explícitos y transparentes. La diferencia entre el 1,9x del índice interno y el 1,4x del índice que incluye a los rivales demuestra que la elección del punto de referencia cambia el relato.
La segunda es que la percepción no sustituye a la medición. La distancia entre el 12x autoinformado y el 2x medido es una advertencia aplicable a cualquier empresa que esté incorporando IA a sus procesos.
La tercera es que la cooperación entre laboratorios y evaluadores externos es valiosa, pero tiene límites estructurales. Sin acceso pleno a los modelos y con datos redactados, cualquier auditoría ofrece una imagen parcial. Mejorar esas condiciones será clave si la sociedad quiere confiar en este tipo de estudios para tomar decisiones.
La cuarta es que la autoaceleración de la IA ha pasado de ser una hipótesis teórica a un fenómeno que, al menos en un laboratorio, puede cuantificarse con márgenes de error razonables. Eso no cierra el debate, pero lo traslada a un terreno más empírico.
Conclusiones
El informe de METR sobre Anthropic ofrece la estimación externa más detallada hasta la fecha de cuánto está acelerando la IA su propio desarrollo. Según la organización, Anthropic mejora sus modelos a un ritmo aproximadamente 1,9 veces superior al de octubre de 2025, con un intervalo de confianza del 95 % de 1,5x a 2,8x, y en torno al 80 % de esa aceleración se debería al uso de IA en la propia investigación. METR no detecta un freno claro para el próximo año y coincide con Anthropic en que el umbral de sustitución completa no se ha alcanzado.
Las cifras deben leerse con cautela. Miden velocidad de mejora y no nivel de capacidad, dependen de un índice interno, presentan una dispersión amplia según el método y se apoyan en datos parcialmente redactados. La comparación con laboratorios rivales reduce la aceleración a cerca de 1,4x, y la productividad autoinformada por el personal, de 12x, quedó descartada por METR como evidencia fiable.
Aun con esas limitaciones, el estudio marca un punto de inflexión en la forma de discutir el progreso de la inteligencia artificial. Para los desarrolladores, refuerza la necesidad de construir sistemas adaptables y de medir con rigor el impacto de las herramientas de IA. Para la industria y los reguladores, abre la puerta a un nuevo tipo de auditoría centrada en el ritmo de avance. Y para Anthropic, en plena salida a bolsa y con nuevos modelos en el mercado, supone tanto un argumento de fortaleza como un compromiso público de seguir sometiendo su progreso al escrutinio externo.