METR: la IA ya acelera el desarrollo de IA en Anthropic
METR estima que Anthropic mejora sus modelos al doble de ritmo que antes, en gran parte por usar IA en su propia investigación. Anthropic tachó buena parte de la evidencia del informe.
El 5 de noviembre de 2026, la organización sin fines de lucro METR publicó una evaluación independiente sobre una pregunta que preocupa a quienes estudian la seguridad de la IA: si la propia IA está acelerando el desarrollo de IA. Su conclusión para Anthropic, la empresa que hace Claude, es que probablemente sí: el ritmo de mejora de sus modelos se duplicó, y la mayor parte de ese salto vendría del uso de IA dentro de su investigación. Los datos de esta nota son los publicados hasta el 6 de noviembre de 2026.
Qué midió METR y cómo
Entre el 12 de agosto y el 29 de octubre de 2026, un equipo de METR de 2,5 personas a tiempo completo tuvo acceso a datos internos de Anthropic: resultados de pruebas de modelos aún no lanzados, métricas de entrenamiento, encuestas a empleados y unas 15 entrevistas con investigadores. METR aclara que no recibió dinero de Anthropic y que trabajó en computadoras de la empresa por razones de seguridad. El informe completo tiene unas 100 páginas, pero lo que se puede leer públicamente es una versión resumida.
La medida central es el AECI, la versión interna de Anthropic del Epoch Capabilities Index, un índice que junta los resultados de muchas pruebas (benchmarks) en un solo número. Con esa vara, METR calcula que desde octubre de 2025 los modelos de Anthropic mejoran a 1,9 veces el ritmo que tenían entre marzo de 2024 y octubre de 2025, con un intervalo de confianza del 95 % de 1,5 a 2,8 veces. En palabras de METR, es como si en el último año hubieran avanzado lo que antes tardaban dos.
Las tres conclusiones principales
- El ritmo se duplicó, con mucha incertidumbre. METR cree que hoy Anthropic mejora sus modelos, en tareas bien definidas, a casi el doble de velocidad que antes. Dice que no le sorprendería que la cifra real fuera más cercana a 1,3 veces o a 3 veces.
- La mayor parte vendría de usar IA. El equipo estima, con incertidumbre alta, que cerca del 80 % de la aceleración actual se debe a que Anthropic usa IA para investigar. Lo que sí descartó con confianza es que el salto venga de entrenar con más cómputo. Aclara que la aceleración de fines de 2025 probablemente tuvo también causas que no eran IA.
- No vio frenos claros para el próximo año. METR no encontró cuellos de botella que impidan seguir avanzando en los próximos 12 meses y habla de un «riesgo significativo» de que la aceleración crezca más. Aun así, reconoce que su idea sobre esos cuellos de botella cambió varias veces durante el trabajo y que no tiene mucha confianza.
Qué dicen los propios empleados
METR recogió testimonios y encuestas internas. Según The Decoder, que resume el informe, un empleado dijo que ahora lo frenan las ideas y el cómputo, ya no escribir código, y otros contaron que armar experimentos que antes llevaba uno o dos días ahora casi no cuesta nada. En encuestas informales por Slack, el personal estimó que el modelo interno más reciente los hacía unas 12 veces más productivos.
METR trata esa cifra como «evidencia muy débil»: son respuestas rápidas, de personas que no representan a toda la empresa y que probablemente exageran. Además, la productividad individual no equivale a aceleración del progreso: lo que METR sigue de cerca es si esa mejora crece con el tiempo.
El problema: Anthropic ocultó buena parte de la evidencia
Anthropic tenía derecho a tachar cualquier información no pública del informe, y lo usó mucho. METR dice que tachó la mayoría de la evidencia que consideraba más informativa: estimaciones detalladas de cuánto aporta la IA en cada etapa del entrenamiento, el desglose entre cómputo, datos y algoritmos, el análisis de cuellos de botella y las proyecciones para modelos futuros. Anthropic explicó que las tachaduras buscan quitar información confidencial que podría acelerar a otras empresas de IA.
El resultado, según METR, es que el público tiene que confiar en su criterio «mucho más de lo ideal». Por eso el propio informe reconoce que no logra la transparencia sobre la evidencia. Además, según METR, Anthropic canceló a mitad del proyecto una parte que iba a verificar cómo reparte su cómputo entre investigación de capacidades e investigación de seguridad, y dijo que la retomaría más adelante.
La revisión del informe de riesgos de agosto
Junto con la evaluación, METR publicó una revisión de la sección sobre I+D automatizada del informe de riesgos de Anthropic de agosto de 2026. Concuerda en que, hasta el 15 de julio, el riesgo de consecuencias catastróficas por esta aceleración era bajo. Pero cree que es plausible que la empresa ya hubiera cruzado su umbral de alerta temprana, que en su política se activa ante una aceleración «dramática» del progreso ligada a la automatización de la investigación en IA. También opina que el informe público subestima el nivel de aceleración.
Según The Decoder, la versión interna del informe implica un valor de 1,97, aunque el texto público decía que la aceleración era «menor a un factor de 2». Esa cifra la da solo The Decoder, así que conviene tomarla con cuidado.
Matices para leer la noticia con cuidado
- Es una medición sobre una sola empresa, con pruebas de tareas bien definidas y fáciles de calificar. METR admite que no sabe cuánto de eso se traslada a tareas más difusas del mundo real.
- Los números tienen rangos amplios. METR probó distintas formas de calcular y obtuvo aceleraciones entre 1,1 y 2,9 veces. También señala que los modelos de Anthropic crecían más lento que los de otras empresas antes de fines de 2025, lo que podría inflar la comparación.
- No todos coinciden. Según The Decoder, un investigador de Anthropic estima que la IA explica solo entre el 15 % y el 20 % de las mejoras de productividad, y otro considera que las nuevas contrataciones fueron el factor más importante. Esa misma fuente indica que, si se suman los modelos de otras empresas, el número de toda la industria baja a 1,4.
Qué puedes sacar de esto si estás empezando en IT
Esto no predice empleos ni plazos, y no hay datos en el informe sobre qué pasará con los puestos de trabajo. Lo que sí muestra es que, en uno de los laboratorios más avanzados, los propios investigadores usan IA para programar y probar ideas, y que quien trabaja en tecnología convive cada vez más con asistentes de este tipo. Como sugerencia nuestra, no como conclusión de METR:
- Practica con asistentes de IA y revisa lo que producen. Pídeles código, léelo, pruébalo y corrígelo. Eso es lo que más se parece a lo que describen los empleados. Hay una guía en aprender programación con IA.
- Aprende qué es un agente. Si no sabes qué hace un agente de IA, empieza por qué es un agente de IA.
- Lee las fuentes originales. Las noticias suelen resumir cifras sin su rango de error ni lo que quedó tachado. Mira cómo leer noticias de IA sin quedarte con el titular.
Seguiremos esta historia si aparecen respuestas de Anthropic o nuevas evaluaciones. Si alguno de estos datos cambia, actualizaremos la nota.