La respuesta directa: el 17 de septiembre de 2026 Anthropic publicó su Índice de Automatización de I+D (R&D Automation Index), la primera medición pública detallada de cuánto del trabajo dentro de un laboratorio de modelos de frontera lo realiza realmente la IA. El resultado principal es que Claude "lidera" el 26% del trabajo de investigación y desarrollo de modelos de la empresa a agosto de 2026, frente a menos del 1% en febrero del mismo año, con más del 90% de ese trabajo en el nivel "colabora" o superior, y ninguna categoría medida alcanza la autonomía total. Lo que más importa para tu negocio no es la cifra. Es el método que hay detrás, porque puedes reproducirlo en tu propia operación con herramientas que ya tienes.

Qué publicó realmente Anthropic

La mayoría de las conversaciones sobre "cuánto de nuestro trabajo está automatizado" funcionan a base de impresiones. Un directivo dice que la mitad del trabajo del equipo ya es automático; un desarrollador del mismo equipo dice que la herramienta solo escribe código repetitivo. Lo que hizo Anthropic fue convertir esa pregunta en una medición repetible con una metodología fija en lugar de una impresión.

La idea es sencilla en el fondo: catalogar cada tipo de trabajo que se hace realmente dentro de los departamentos de I+D de modelos, calificar cada tipo en una escala que capte cuánto participa el modelo y luego agregar esas calificaciones con una ponderación que refleje cuánto importa cada tipo. La empresa describe el índice como un prototipo y no como una medición definitiva, y lo enmarca como parte de un esfuerzo más amplio por reducir la brecha entre lo que saben los laboratorios de frontera y lo que sabe el público sobre la velocidad a la que avanza esta tecnología.

Una escala de seis escalones: de AL0 a AL5

La escala procede de Epoch AI y se llama Nivel de Automatización (Automation Level), y va de cero a cinco:

  • AL0: ninguna participación de la IA.
  • AL1 y AL2: participación mínima y después asistencia: la persona hace el trabajo mientras el modelo sugiere o acelera pasos pequeños.
  • AL3, "colabora": el modelo completa grandes partes de la tarea bajo una dirección humana cercana y continua.
  • AL4, "lidera": el modelo termina la mayor parte de la tarea de principio a fin a partir de una instrucción de alto nivel, con supervisión humana.
  • AL5: autonomía total sin un humano en el circuito, un nivel que no se alcanzó en ninguna categoría medida.

Cuando Anthropic dice "26%", se refiere específicamente a las categorías que alcanzaron AL4. La distancia entre AL3 y AL4 es la que importa en la operación: en el primero, una persona permanece dentro de cada paso; en el segundo, el papel de la persona pasa a ser fijar el objetivo y revisar el resultado.

La cifra más importante del informe no es el 26%

Enterrada en la metodología hay una cifra que merece más atención que el titular. Cuando se comparó la calificación de automatización del modelo con la que daba el empleado que hace el trabajo, ambas coincidieron exactamente el 59% de las veces y quedaron a un nivel o menos de distancia el 97% de las veces. Cuando se comparó la calificación de un empleado con la de un compañero sobre el mismo trabajo, coincidieron solo el 35% de las veces.

Dicho claramente: las personas discrepan entre sí sobre cuán automatizado está su propio trabajo más de lo que discrepan con el modelo. Eso explica las reuniones de tu empresa que terminan sin conclusión. Si dos compañeros del mismo equipo no se ponen de acuerdo en la descripción de su propio trabajo, cualquier decisión de inversión en IA basada en la impresión colectiva se apoya en terreno blando. La solución no es más debate. Es una medida escrita y fija, aplicada de nuevo a lo mismo a intervalos.

Cómo construir tu propia versión del índice en una semana

La metodología que describió Anthropic se puede reducir a la escala de una empresa mediana. Los pasos, en resumen:

  • Cataloga el trabajo real, no la descripción del puesto: Anthropic tomó una muestra aleatoria del 20% del personal de los departamentos correspondientes durante julio de 2026 y revisó su trabajo real a partir de conversaciones internas y documentación, lo que produjo unas 15.000 tareas detalladas. Para ti basta una muestra mucho menor: una semana real de trabajo de uno o dos equipos.
  • Organiza las tareas en un árbol: esas 15.000 tareas se agruparon en un árbol de 542 nodos, de los cuales 378 son categorías hoja. Una empresa mediana obtiene una imagen útil con entre treinta y cincuenta categorías hoja.
  • Pondera por tiempo, no por intuición: usaron el tiempo de personal dedicado a cada tarea como indicador de su importancia. Así se evita que tareas vistosas y de poco impacto dominen la imagen.
  • Califica cada categoría en la escala AL0–AL5: y escribe una línea con el motivo de la calificación para poder revisarla después.
  • Congela la cesta y vuelve a medir: lo esencial es que la lista de categorías se congela una vez construida, de modo que cada nueva medición se hace sobre lo mismo y no sobre una lista nueva. Sin congelarla, mides cambios en tu lista, no avances en automatización.

El resultado de este ejercicio no es una cifra para presumir. Es un mapa que te dice dónde está realmente la IA en tu operación: qué categorías han llegado a "colabora" y merecen una automatización más profunda, y cuáles siguen en cero a pesar de consumir muchas horas, que son tus oportunidades más cercanas.

Qué significa en la práctica el nivel "lidera"

Cuando una categoría de trabajo de tu empresa alcanza AL4, cambia la forma de gestionar, no solo el tamaño del equipo. La dirección pasa a ser de alto nivel y la revisión se traslada al resultado final, lo que significa que la calidad del resultado depende de dos cosas: la claridad de las instrucciones escritas y un punto de revisión antes de cualquier efecto irreversible, ya sea algo enviado a un cliente, un cambio en datos reales o un compromiso financiero.

En los proyectos que construimos para clientes, esta es la diferencia entre una automatización en la que confías y una automatización que te preocupa. Un modelo puede liderar una tarea completa, pero el sistema que lo rodea determina qué pasa cuando se equivoca: ¿el error aparece en un registro revisable y se detiene en una puerta de aprobación, o llega directamente al cliente? Pasar de AL3 a AL4 es una decisión de diseño del sistema antes que una cuestión de confianza en el modelo.

Las salvedades que señaló la propia Anthropic

La justicia obliga a señalar los límites que la empresa puso a su propia medición: ningún tercero externo independiente la ha verificado, y se elaboró en gran parte con el propio Claude, es decir, el modelo medido participó en la medición, lo que puede trasladar sus errores al juicio. Anthropic dice que tiene previsto incorporar evaluadores externos más adelante. Congelar la cesta de tareas con una base de julio de 2026 también significa que las categorías de trabajo que surgieron después no entran en el cálculo.

Así que lee la cifra por lo que es: una fuerte señal de tendencia desde dentro de un laboratorio de frontera, no un hecho asentado sobre el mercado laboral. Un salto de menos del 1% al 26% en seis meses merece atención, sea cual sea la precisión de los decimales.

Por dónde empezar

Empieza con un equipo y una semana. Registra lo que el equipo hizo realmente, clasifícalo en treinta categorías, califica cada una en la escala, congela la lista y vuelve a medir dentro de tres meses. Acabarás con algo que la mayoría de las empresas no tiene hoy: una base escrita con la que comparar en lugar de discutir. Y si quieres convertir las categorías que salieron en cero en sistemas que funcionen, eso es exactamente lo que construimos en Origami.

Fuentes

  • Anthropic: cómo medir el ritmo del desarrollo de la IA dentro de los laboratorios de frontera: anthropic.com
  • Epoch AI: la escala de niveles de automatización utilizada en el índice: epoch.ai