La carga de pruebas de Anthropic aumentó 25 veces en seis meses porque Claude escribe el código
Anthropic publicó números internos sobre lo que la codificación agente le hizo a su propia ingeniería: ocho veces más código por trimestre, diez veces más pruebas y un sistema de verificación automatizado que tuvo que reconstruirse después de que fallaran tres parches.
Anthropic publicó esta semana un raro conjunto de números internos sobre lo que sucedió con su propio departamento de ingeniería una vez que los agentes codificadores se hicieron cargo de la mayor parte de la mecanografía. En seis meses, el volumen de trabajos de verificación automatizada se multiplicó por 25. Los ingenieros enviaron aproximadamente ocho veces más código por trimestre que en los años 2021 a 2025, Claude escribió alrededor del 80 por ciento y la cantidad de pruebas en la base de código se multiplicó por diez. La plantilla de ingenieros apenas se movió.
Vale la pena entender el cuello de botella que esto creó, incluso si nunca escribes software. La integración continua, generalmente abreviada como CI, es la verificación automática que se ejecuta cada vez que alguien cambia el código: reconstruye el proyecto y ejecuta las pruebas para ver si el cambio rompió algo. Cuando una base de código crece, ejecutar cada prueba en cada cambio se vuelve demasiado lento, por lo que los equipos usan el análisis de impacto de las pruebas, un servicio que determina qué pruebas podría afectar un cambio determinado y ejecuta solo esas. Ese servicio es lo que fracasó. Los ingenieros de Anthropic lo parchearon tres veces e informaron que las correcciones se mantuvieron durante 70 días, luego 29 días y luego menos de un día, antes de dejar de parchearlo y rediseñarlo. “Escribir código ya no es una limitación, y una vez que se acelera la revisión de relaciones públicas, CI comienza a sentir la presión”, escribió el ingeniero Sachin Malhotra. Su consejo a otros equipos fue asumir que sus sistemas enfrentarán 25 veces su carga actual dentro de dos trimestres y construir entre diez y veinte veces lo que parece necesario.
¿Qué hay detrás de esto?
Este es el ejemplo publicado más claro hasta ahora de un patrón que vale la pena mencionar: automatizar un paso no elimina el cuello de botella, sino que lo mueve hacia abajo. El código era la parte lenta, por lo que se automatizó y ahora las partes lentas están revisando el código y demostrando que funciona. Observe que las pruebas también se multiplicaron por diez, lo que significa que el trabajo de verificación no se redujo cuando la escritura se aceleró. Creció con él. Una advertencia justa: estas son cifras autoinformadas por una empresa que vende el agente de codificación en cuestión, publicadas en su propio blog, y “Claude escribió el 80 por ciento del código” es una medida cuya definición controla Anthropic. Los detalles operativos, tres parches fallidos y una reconstrucción, se leen como ingeniería genuina en lugar de marketing, que es lo que hace que la publicación sea interesante.
Qué significa esto para usted: Si trabaja en algún lugar que esté introduciendo herramientas de inteligencia artificial, esta es la pregunta que debe plantear en la reunión: una vez que este paso se vuelve más rápido, ¿cuál es el siguiente? ¿Puede soportar el volumen? La respuesta suele ser un proceso de revisión, una cola de aprobación o un colega sobrecargado, y eso no se puede escalar comprando más computadoras. Si escribe software, la versión práctica es observar su canal de verificación antes de que su equipo se apoye más en los agentes, ya que un canal que es cómodo hoy en día puede caer a cinco veces el volumen. Y si simplemente tiene curiosidad acerca de cuánta IA escribe realmente código de producción en un laboratorio de vanguardia, este es un número real desde adentro, ofrecido con la pizca de sal adecuada.
Fuentes
El 'aumento permanente del 25 %' de Claude Code es en realidad un 17 % menos que la semana pasada
Los nuevos límites semanales de Anthropic para Claude Code entraron en vigor el 14 de septiembre. Son más altos que la línea de base de primavera y más bajos de lo que los usuarios realmente tenían, porque un impulso temporal expiró el día anterior.
