Anthropic no hizo Claude para resolver la ingeniería de tu empresa
Claude puede construir una aplicación en horas. Puede recorrer un repositorio, escribir código, generar pruebas, detectar errores y proponer cambios sobre una arquitectura existente. Parece ideal.
Claude funciona a partir de los LLM —los modelos de lenguaje detrás de otras herramientas como ChatGPT o Gemini—, que adquirieron una capacidad extraordinaria para producir software en el último tiempo. Y con esa capacidad creció una expectativa paralela: que el modelo también resuelva las condiciones que permitan que ese software funcione dentro de una organización
Ahí aparece el conflicto.
Hoy la generación avanza más rápido que muchas de las estructuras que deben contenerla. Arquitectura, seguridad, permisos, criterios de aprobación, reglas del negocio y tolerancia al riesgo siguen formando parte del sistema donde ese código va a operar.
La velocidad ya está disponible.
El desafío empieza cuando una solución que apareció con la herramienta tiene que convertirse en algo de lo que la organización pueda depender cada día.
Una demo puede aparecer en horas. La ingeniería llega después
Una interfaz, una API o una automatización pueden tomar forma con una velocidad inédita. Eso permite probar ideas antes, descartar alternativas con menor costo y multiplicar las iteraciones de un equipo.
En este artículo planteamos que la generación automática desplaza parte del valor hacia la definición del problema, el contexto y la validación. Ese desplazamiento continúa después de generar. Porque la aplicación tiene que convivir con sistemas históricos, usuarios reales, permisos, información sensible, regulaciones, picos de demanda y excepciones que quizás nunca aparecieron en el prompt. También tiene que sobrevivir al tiempo. A una actualización. A una auditoría. A la salida de la persona que inició el proyecto.
Una primera versión puede demostrar rápidamente que una idea es posible, pero para entrar en operación necesita demostrar que la organización puede sostenerla.
Y cuanto más rápido aparece el software, más rápido llegan las decisiones que determinan si puede pasar de una prueba a una capacidad real de negocio.
Y esa presión empieza a sentirse sobre todo lo que rodea al código.
La IA acelera la capacidad que encuentra
¿Qué pasa cuando subimos el volumen?
El State of AI-assisted Software Development 2025 de DORA, el programa de investigación de Google Cloud sobre desarrollo y entrega de software, describe a la IA como un amplificador: su impacto depende en buena medida del sistema organizacional sobre el que se incorpora.
Esa investigación encontró que la IA puede mejorar el throughput de software y, al mismo tiempo, aumentar la inestabilidad de las entregas cuando las capacidades que rodean el desarrollo no acompañan ese ritmo. Entonces, testing, control de versiones, observabilidad y ciclos de feedback reciben más cambios y tienen que procesarlos con mayor frecuencia.
Una organización con capacidades maduras puede absorber esa producción adicional, pero cuando no las tiene o son débiles eso aumenta la cantidad de cambios que necesitan ser revisados, rastreados y corregidos.
En ese escenario, habitual para muchas organizaciones deseosas de beneficiarse de la IA, la productividad empieza a depender de cuánto de lo generado puede llegar a producción con un nivel de riesgo aceptable y de la capacidad del sistema para recuperarse cuando algo falla.
La IA amplifica la estructura sobre la que se trabaja.
Por eso resulta especialmente revelador mirar qué hace Anthropic cuando lleva Claude desde la capacidad del modelo hacia sistemas reales.
Fuente: Andrej Karpathy: From Vibe Coding to Agentic Engineering
Anthropic construye límites alrededor de Claude
Vamos al ejemplo del inicio. Claude Code puede ejecutar acciones sobre un sistema. Esa capacidad llevó a Anthropic a desarrollar el aislamiento del sistema de archivos y de red.
Este año la compañía profundizó esa lógica al explicar cómo contiene a Claude en distintos productos. Uno de los conceptos que utilizó fue blast radius y se refiere a que aunque se reduzca la probabilidad de una acción incorrecta, la arquitectura debe limitar cuánto impacto puede producir si ocurre.
Hoy esa decisión muestra algo importante, y es que la capacidad del modelo funciona dentro de un sistema más amplio.
Anthropic define hasta dónde puede llegar el agente, qué recursos permanecen aislados, qué acciones requieren autorización y qué defensas siguen funcionando cuando su comportamiento se desvía.
Una organización tendría que enfrentar la misma clase de pregunta dentro de su propio contexto.
Claude puede sugerir una modificación en una arquitectura y es la organización la que necesita definir qué sistemas puede tocar.
Claude puede generar pruebas, pero la empresa es quien debe establecer qué evidencia alcanza para liberar una funcionalidad crítica.
Claude puede proponer una solución técnicamente válida y, sin embargo, su incorporación todavía debería respetar reglas operativas, políticas de seguridad y condiciones particulares del negocio.
La capacidad viene del modelo. El entorno determina cuánto de esa capacidad puede transformarse en una operación confiable.
La capacidad necesita un entorno preparado
Ese principio también atraviesa la manera en que trabajamos en Alpha Discovery. Antes de activar IA sobre información crítica, consolidamos datos históricos, recuperamos reglas de negocio y construimos un contexto que permita validar lo que el modelo produce.
En IA on premise: incorporar inteligencia también implica proteger la ya construida planteábamos una preocupación relacionada: incorporar IA también implica decidir cuánto conocimiento, control y autonomía conserva una organización.
Los agentes de desarrollo llevan esa discusión al software. Cuanto mayor es la capacidad que una organización delega, más importante resulta definir las condiciones en las que puede utilizarla.
Los LLM ya demostraron que pueden construir a una velocidad extraordinaria. Convertir esa velocidad en algo confiable sigue siendo una capacidad de la organización.
¿Tu organización está incorporando IA sobre un contexto preparado para utilizarla?
La tecnología puede acelerar enormemente una tarea. Su valor depende de la información, las reglas y el criterio que la organización construye alrededor.
