Anthropic atribuye a Claude más del 90 % de sus aportes de código

Si una pyme está valorando pagar una herramienta de inteligencia artificial para programar, el dato de Anthropic llama la atención: la compañía asegura que Claude escribió más del 90 % de sus contribuciones al código en septiembre. Pero ese porcentaje no dice cuánto dinero ahorró ni cuánto trabajo requirió revisar. Para calcularlo en euros, cada empresa necesita comparar las horas de desarrollo y revisión con el coste de la herramienta.

¿Qué ha dicho Anthropic sobre el código escrito por Claude?

En la versión actualizada del folleto de su salida a bolsa, Anthropic señaló que más del 90 % de las contribuciones al código de la compañía en septiembre fueron escritas por Claude. La empresa también afirmó que el volumen medio diario de código aportado a su base por ingeniero, durante los tres meses terminados el 30 de septiembre de 2026, fue más de 45 veces el volumen medio diario del año terminado el 31 de diciembre de 2024.

La comparación describe el ritmo de producción de código dentro de Anthropic. No permite concluir, por sí sola, que cada línea generada sea útil, que el trabajo humano desaparezca o que una empresa externa vaya a multiplicar su productividad en la misma proporción. Tampoco ofrece un coste de licencia, una tarifa salarial ni una cifra de ahorro neto.

La compañía añadió que sus estimaciones y expectativas sobre modelos futuros —no los actuales— apuntan a que podría acercarse de forma inminente a lo que su Política de Escalado Responsable define como «progreso drásticamente acelerado atribuible a la IA». Anthropic relaciona esa posibilidad con riesgos para la seguridad y con la dificultad de medir el avance cuando los datos de evaluación llegan con retraso.

¿Cuánto ahorro neto obtengo al usar IA para programar después de revisar el código?

La respuesta depende de las horas que realmente se ahorren, del tiempo que se dedique a comprobar el resultado y del precio de la herramienta. Una forma sencilla de estimarlo es traducir cada bloque de trabajo a euros y restar los costes nuevos al tiempo liberado. Si la revisión requiere más horas de las previstas, el beneficio puede reducirse o desaparecer.

Para hacer el cálculo, la empresa puede anotar cuántas horas habría empleado en desarrollar una tarea sin IA, cuántas emplea con asistencia, cuánto tiempo dedica a revisar y corregir, y cuál es el coste de la herramienta en el mismo periodo. Si utiliza un coste horario interno, conviene aplicar el mismo valor a las horas de desarrollo y de revisión para que la comparación sea consistente.

Fórmula orientativa: ahorro neto = (horas de desarrollo ahorradas × coste por hora) − (horas de revisión y corrección × coste por hora) − coste de la herramienta. El resultado es una estimación para el periodo elegido; no equivale automáticamente a una reducción de gastos contables, porque las horas liberadas pueden destinarse a otras tareas.

Ejemplo ilustrativo: supongamos que una pyme calcula que una tarea requiere 10 horas sin IA y 6 horas con ella. Si revisar el código añade 2 horas y la empresa asigna, solo para este ejemplo, un coste interno de 30 euros por hora, el ahorro de tiempo neto sería de 2 horas, equivalentes a 60 euros. A ese importe todavía habría que restarle el coste de la herramienta imputable a la tarea. Las horas y el coste horario son supuestos del ejemplo, no datos publicados por Anthropic.

El simulador interactivo de esta página permite comparar en euros las horas de desarrollo, las de revisión y el coste de la herramienta con los datos de cada empresa. También puedes consultar otras calculadoras de Diario Económico. Para que el resultado sirva para decidir, es mejor medir tareas comparables y utilizar el mismo criterio de coste horario en cada prueba.

¿Por qué el porcentaje de código no equivale a productividad?

Contar contribuciones escritas por una IA no indica cuánto trabajo evita, ni qué proporción del resultado llega a producción sin cambios. El dato tampoco recoge por sí mismo el tiempo dedicado a instrucciones, pruebas, revisión, depuración o integración. La propia nota de Anthropic insiste en que la evolución de los modelos sigue conducida por humanos, aunque Claude participe en la codificación.

Para una pyme, una evaluación útil empieza por observar el ciclo entero de una tarea: cuánto se tarda en obtener una primera versión, cuánto trabajo hace falta para comprobarla y cuánto cuesta mantenerla. Una función generada deprisa puede exigir una revisión cuidadosa. En software que gestiona información sensible o procesos críticos, la supervisión humana también forma parte del trabajo, aunque sea difícil resumirla en una métrica única.

La utilidad económica, por tanto, debe comprobarse con datos propios. Se puede comparar el tiempo total de varias tareas semejantes con y sin IA e incorporar el precio real de la herramienta durante ese periodo. El volumen de código producido ayuda a describir la actividad; la diferencia entre el coste del proceso anterior y el actual es la que permite estimar un ahorro.

¿Qué riesgos destaca Anthropic al acelerar el desarrollo?

Anthropic advierte de que sus modelos podrían mejorar más deprisa que su capacidad para medirlos y evaluarlos. Como parte de los datos de evaluación llega con retraso, la empresa teme no identificar una aceleración significativa hasta que ya se haya producido. En ese contexto menciona la automejora recursiva: la posibilidad de que un sistema diseñe y desarrolle de forma autónoma a su sucesor.

La compañía añadió que no prevé poder usar Claude de forma segura para diseñar y construir, con autonomía total y sin supervisión o comprensión humana significativa, sucesivas generaciones de modelos de frontera, si esa posibilidad llega a ser técnicamente viable. También dijo que estudia actualizar su Política de Escalado Responsable para mantener a las personas al mando del desarrollo de esos modelos.

El debate sobre la IA incluye otros asuntos además del código. Europa Press ha informado sobre SynthID Detector, la herramienta de Google para identificar contenido generado con IA y sus limitaciones, y sobre el uso de imágenes públicas de Instagram en Meta AI y las opciones de control comunicadas por Meta. Son ejemplos distintos de cómo las empresas plantean la identificación, el uso y la supervisión de sistemas de IA.

¿Dónde puede informarse una pyme antes de incorporar IA?

La decisión no depende solo de una previsión de productividad. Una empresa también puede revisar sus prácticas de ciberseguridad y protección de la información antes de introducir nuevas herramientas en sus procesos. El portal de INCIBE para empresas reúne recursos sobre ciberseguridad dirigidos a negocios. Para consultar estadísticas oficiales de actividad económica y otros indicadores, el Instituto Nacional de Estadística publica sus notas de prensa.

Esas fuentes no determinan cuánto ahorrará una empresa concreta al programar con IA: esa cifra depende de sus tareas, costes y forma de revisar el código. Sí ofrecen recursos públicos para contextualizar decisiones sobre seguridad y actividad económica. El dato de Anthropic pone una escala sobre el uso interno de Claude; convertirla en una previsión para una pyme exige medir su propio trabajo, incluir la revisión y descontar el coste de la herramienta.