Anthropic está usando su propia herramienta de programación con inteligencia artificial para hacer el mantenimiento diario de las aplicaciones que la compañía desarrolla. En apenas unas semanas de prueba, Claude Code generó 388 pull requests —propuestas de cambio en el código— y el 46% de ellas terminó integrándose al software tras la revisión de un ingeniero humano.

El experimento consiste en dejar que la IA se ocupe de tareas rutinarias de mantenimiento sin que un desarrollador le pida cada acción. Entre esas tareas están la búsqueda de fallos mediante crash fuzzing (bombardear el programa con datos inesperados para provocar caídas y detectar errores) y la eliminación de código muerto, esas porciones que ya no se usan pero siguen ocupando espacio y complicando el mantenimiento.

Qué significa una tasa de aprobación del 46%

El dato clave es esa cifra: casi la mitad de las propuestas automáticas superó la revisión humana y se incorporó al producto. La otra mitad fue descartada o corregida, lo que deja claro que el proceso sigue teniendo una persona a cargo de aprobar cada cambio. No se trata de un sistema que modifica el software por su cuenta, sino de un asistente que trabaja y luego espera el visto bueno.

Boris Cherny, creador de Claude Code, describió los resultados con cautela: los ve como «señales tempranas de vida de que esto podría ser posible». La frase evita el triunfalismo y sitúa el proyecto donde está: una prueba interna, no un producto terminado ni una promesa de que el mantenimiento de software vaya a automatizarse por completo.

Claude Code es la herramienta de Anthropic para trabajar con código desde la terminal, capaz de leer un repositorio, entender su estructura y ejecutar cambios. Encaja en la idea de los agentes de IA: sistemas que no solo responden preguntas, sino que ejecutan tareas de varios pasos con cierta autonomía. Para conocer la tecnología detrás de estas herramientas, sirve entender qué es Claude y cómo funciona el modelo de Anthropic.

Por qué el mantenimiento es un buen banco de pruebas

El mantenimiento diario es un terreno atractivo para probar estas capacidades. Son tareas repetitivas, acotadas y con criterios de éxito relativamente claros, lo que facilita medir si la IA hace algo útil sin arriesgar cambios de gran impacto. Un pull request que limpia código muerto o corrige un fallo detectado por fuzzing es fácil de revisar y de revertir si sale mal.

El caso también muestra a Anthropic usándose a sí misma como laboratorio. La compañía ya había contado que emplea a Claude para participar en su propio flujo de trabajo interno, y este experimento va un paso más allá: pone a la herramienta a producir cambios reales sobre software que la empresa mantiene en operación.

Quienes trabajan en desarrollo pueden encontrar utilidad práctica en el creciente número de asistentes de IA para programar, aunque el mantenimiento autónomo todavía está en fase de tanteo.

Lo que falta por resolver

La prueba deja preguntas abiertas. Una tasa de aprobación cercana a la mitad implica que revisar el trabajo de la IA sigue requiriendo tiempo de ingenieros experimentados, y todavía no está claro si el ahorro compensa ese esfuerzo de supervisión a gran escala. Tampoco se sabe cómo se comportaría el sistema en bases de código más grandes, ajenas o críticas para el negocio.

Por ahora, el experimento apunta a un modelo de colaboración donde la IA propone y el humano dispone. La cifra del 46% es alentadora para Anthropic, pero también el recordatorio de que el otro 54% no pasó el filtro.