La inteligencia artificial ha dejado de ser solo una herramienta para escribir o resumir. Ahora también construye y afina otra inteligencia artificial. El dato que resume el cambio lo puso Anthropic sobre la mesa en mayo de 2026: más del 80% del código que fusiona en su base lo escribe Claude, su propio modelo. Cuando lanzó Claude Code en febrero de 2025, esa cifra era de un solo dígito.
No es un caso aislado. Google, Anthropic y otros laboratorios ya usan sus modelos para mejorar los sistemas que vienen después. Es la llamada mejora recursiva, y conviene entenderla sin alarmismo, porque cambia el cálculo de cualquier plan de IA a dos o tres años.
Qué ha pasado exactamente
El informe de Anthropic, recogido según The Economist, cifra en más del 80% el código que Claude firma dentro de la casa. Sus ingenieros dicen fusionar hasta ocho veces más código por trimestre que en 2021-2024. La propia empresa admite que las líneas de código son una medida imperfecta, así que el salto real es menor que ese ocho, pero la dirección es clara.
El punto de fondo es que la herramienta que mejora la IA es, cada vez más, la propia IA. Y eso desplaza el trabajo humano hacia revisar y validar, no hacia teclear.
Modelos que afinan modelos
Hay ejemplos concretos más allá de Anthropic. Andrej Karpathy publicó en marzo de 2026 un agente llamado Autoresearch que, sin intervención humana, lanzó unos 700 experimentos en dos días y recortó cerca de un 11% el tiempo de entrenamiento de un modelo pequeño, del tamaño de GPT-2.
Google DeepMind presentó AlphaEvolve en mayo de 2025, un agente que propone mejoras de algoritmo e infraestructura. Entre sus resultados en producción está recuperar en torno a un 0,7% del cómputo de los centros de datos de Google gracias a una heurística de programación de tareas, además de acelerar el propio entrenamiento de los modelos de la casa. Son cifras modestas, pero se acumulan.
Por qué avanza tan rápido
La medición más citada es la de METR. Su seguimiento muestra que la duración de las tareas que un modelo completa con un 50% de acierto se dobla más o menos cada siete meses. A principios de 2025, ese umbral rondaba tareas de una hora de trabajo humano, y el ritmo se ha acelerado desde entonces.
El efecto es compuesto. Si las herramientas que construyen los modelos también mejoran solas, cada avance abarata y potencia el siguiente. Por eso la capacidad crece más deprisa de lo que sugiere una línea recta.
Qué significa para las empresas españolas
Para una pyme o una mediana empresa hay dos lecturas, y las dos importan. La primera: tu stack de IA será más capaz y más barato antes de lo que asume tu plan a dos años. Atarte hoy a un proveedor o a un precio con contratos largos puede salir caro cuando el mercado se mueva.
La segunda es el reverso. Si la máquina escribe el 80% del código, la gobernanza y la validación pesan más, no menos. La pregunta deja de ser quién teclea y pasa a ser quién revisa, quién responde y cómo se controla lo que produce el sistema. Elegir bien el modelo, como recogemos en nuestra guía de Claude frente a ChatGPT, es solo el primer paso.
La letra pequeña y lo que viene
Conviene bajar las expectativas donde toca. El CSET, centro de la Universidad de Georgetown, publicó en enero de 2026 un informe con una conclusión prudente: no hay consenso sobre si el progreso se acelerará o se estancará, y advierte de que una I+D de IA muy automatizada es fuente de sorpresas estratégicas de primer orden.
Además, quedan dos frenos que nadie ha resuelto: el acceso a cómputo y la calidad de los datos de entrenamiento. Mientras esos cuellos de botella sigan ahí, el humano dirige y valida el trabajo. La lectura tranquila para tu empresa es esta: la IA será más útil cada trimestre, pero tu ventaja seguirá estando en saber qué automatizar y en revisarlo bien.
