Cuando Claude escribe su propia herramienta, la revisión se topa con un muro
En octubre de 2026, Anthropic publicó un informe sorprendente: Claude, su IA insignia, escribe cerca del 90% del código de Claude Code, su propia herramienta de programación. Esto plantea una pregunta fundamental para el desarrollo de software: ¿cómo revisa un equipo el software cuando la propia herramienta es el autor principal? El paradigma tradicional de revisión humana línea por línea se topa con un muro.
La escala de este desafío es asombrosa. Anthropic informó que su monorepo absorbió más de 30,000 cambios diarios en septiembre, un salto masivo desde los aproximadamente 2,500 de mayo. Esto se traduce en más de 20 cambios por minuto, un ritmo al que la revisión humana simplemente no puede seguir el paso.
Este cambio exigió una reevaluación de las métricas de calidad. De junio a septiembre, las solicitudes de extracción (pull requests) de Claude Code se duplicaron con creces. Durante el mismo período, la proporción de esos cambios que requirieron reversión —ser deshechos— cayó más de un 40%. El sistema logró un mayor rendimiento con menos reversiones, lo que sugiere una nueva era para el aseguramiento de la calidad del código.
La respuesta es una línea de ensamblaje de revisión, no un superrevisor
La respuesta de Anthropic al código generado por agentes es una línea de ensamblaje en capas, no un único superrevisor. Un cambio pasa por varios controles automatizados: primero, los agentes verifican el trabajo ejecutando pruebas o inspeccionando resultados; luego, revisores de IA paralelos buscan errores, y los hallazgos se publican solo si suficientes agentes están de acuerdo. Cada hallazgo requiere una corrección o un cierre justificado.
A continuación, una revisión de seguridad automatizada y las comprobaciones de CI tradicionales (como las compilaciones) bloquean los cambios inseguros. Finalmente, la aprobación humana se escala según el riesgo: las correcciones de documentación de autores de confianza no necesitan aprobación de pares, los cambios de producto ordinarios necesitan una persona y el código de alto riesgo requiere dos.
Dos reglas de responsabilidad rigen este sistema: la aprobación de un agente nunca sustituye a la de un humano, y la persona que solicita a un agente es responsable del cambio. Esto evita bucles infinitos de revisión de agentes; después de tres rondas, el revisor pide al autor que reconsidere su enfoque. Este cambio por sí solo aumentó las aprobaciones de PR en una sola ronda del 65% al 78%. Cada incidente pasado también se convierte en un caso de prueba, mejorando continuamente al revisor de IA.
Más controles pueden significar menos cuellos de botella humanos
Los sistemas fiables prosperan con controles repetibles y en capas, no con la inspección humana de cada transacción. Piense en los códigos de corrección de errores en la memoria, las sumas de verificación TCP en los paquetes de Internet o la contabilidad por partida doble. Estos mecanismos detectan errores automáticamente, evitando cuellos de botella humanos y garantizando la integridad a gran escala.
Los roles de ingeniería cambian drásticamente. Los desarrolladores senior se mueven hacia el inicio del proceso, definiendo el alcance del proyecto y los patrones arquitectónicos. Más adelante, diseñan las pruebas, restricciones y controles de riesgo cruciales que guían a los sistemas agentes. La atención humana se convierte en el recurso escaso, dirigido hacia decisiones estratégicas que las máquinas aún no pueden tomar, como si construir algo o identificar código de alto riesgo que requiera supervisión humana.
La publicación de octubre de 2026 de Anthropic sobre la revisión de Claude Code ofrece un vistazo a este futuro, detallando cómo su multi-layered pipeline permite más de 30,000 fusiones por día. Para más información, consulte How the Claude Code Team Does Code Review. Una advertencia: Anthropic está calificando su propia tarea. Sus cifras de rendimiento reportadas —una duplicación de las solicitudes de extracción fusionadas y una caída del 40% en las tasas de reversión entre junio y septiembre de 2026— no están verificadas de forma independiente. La empresa también dedica recursos significativos al uso de modelos y a una infraestructura personalizada, como su sistema de control de versiones Scion, que podría no ser viable para otros.
¿Te está gustando? Recibe uno así en tu bandeja cada mañana.
un correo al día · date de baja en dos clics · sin rastreadores de terceros
Construya la salida de emergencia antes de abrir la manguera de incendios
El pipeline en capas de Anthropic ofrece un umbral práctico: los equipos no deberían reducir la revisión humana hasta que puedan probar cambios, realizar lanzamientos graduales, usar feature flags y revertir rápidamente. Esto refleja cómo han operado siempre los sistemas fiables, con controles en capas que detectan errores antes de que se propaguen.
Los equipos deben convertir los incidentes previos en pruebas recurrentes para sus revisores de IA. Los comentarios de revisión humana repetidos —esos hallazgos comunes que consumen una atención valiosa— deben convertirse en reglas duraderas, pruebas automatizadas o nuevas herramientas. Esto asegura que las máquinas aprendan de la experiencia humana, en lugar de simplemente descargarla.
Las implicaciones organizativas son profundas. Los líderes deben ser medidos por su span of accountability, asegurando que la responsabilidad permanezca clara incluso a medida que la automatización se expande. Las decisiones deben asignarse al nivel correcto de supervisión humana, permitiendo que las máquinas coordinen tareas rutinarias sin que desaparezca el juicio o la propiedad humana.
En última instancia, el objetivo no es eliminar a los humanos, sino elevar su rol. Las personas pasan de la inspección línea por línea a tomar decisiones estratégicas: qué construir, qué código es demasiado arriesgado para las máquinas solas, qué diseños establecen patrones y si la evidencia es sólida. Una persona sigue siendo responsable de cada cambio que se envía, independientemente de quién lo haya escrito.
Preguntas frecuentes
¿Cómo revisa Anthropic el código escrito por Claude?
Anthropic combina verificación ejecutada por agentes, revisiones de errores por IA, controles de seguridad, pruebas automatizadas, aprobaciones humanas basadas en riesgos y salvaguardas de reversión.
¿Permite Anthropic que la IA apruebe su propio código?
No. La regla establecida por Anthropic es que la aprobación del agente no cuenta como aprobación humana, y una persona sigue siendo responsable de cada cambio.
¿Por qué los ingenieros no pueden revisar cada cambio generado por IA?
Con volúmenes de cambio muy altos, la revisión línea por línea consume más atención humana de la que tienen los equipos. Los controles automatizados manejan los riesgos rutinarios mientras las personas se enfocan en decisiones trascendentales.
¿Debería cada empresa copiar el proceso de revisión de Anthropic?
No sin salvaguardas. Los equipos necesitan pruebas fiables, lanzamientos graduales, feature flags y una reversión rápida antes de reducir la revisión humana.