Cómo la IA está cambiando el trabajo en Anthropic

• Una encuesta interna a 132 ingenieros e investigadores de Anthropic muestra que la colaboración con IA centrada en Claude está transformando la forma de trabajar en general, expandiendo al mismo tiempo la productividad y el alcance del trabajo
• Los empleados usan Claude en el 59% de sus tareas y perciben en promedio una mejora de productividad del 50%, mientras aumenta de forma importante la cantidad de resultados producidos y se reconfigura cómo usan su tiempo
• Gracias a Claude, el 27% de todo el trabajo asistido por Claude corresponde a tareas que antes no se habrían hecho, incluyendo prototipado, dashboards, pruebas y documentación: ese tipo de “pendientes” que antes se postergaban
• Al mismo tiempo, también crecen las preocupaciones sobre el debilitamiento de capacidades técnicas, la reducción de la mentoría y la pérdida del oficio de programar, mientras las personas se desplazan gradualmente hacia roles de gestores y supervisores de agentes de IA
• En conjunto, la IA está convirtiendo a los desarrolladores en “personas más full-stack y capaces de hacer más trabajo”, pero al mismo tiempo aumenta la incertidumbre y la necesidad de adaptación en torno a trayectorias profesionales de largo plazo, formas de aprendizaje y cultura organizacional

---

Panorama general

• Tras sus estudios macro previos sobre el impacto de la IA en el mercado laboral, Anthropic realizó esta vez una investigación interna sobre cómo la IA está cambiando el trabajo real de sus propios ingenieros e investigadores
  • El estudio analiza conjuntamente una encuesta a 132 ingenieros e investigadores a agosto de 2025, 53 entrevistas cualitativas y datos de logs de uso de Claude Code
  • Los resultados muestran que los desarrolladores están logrando hacer más trabajo y abarcar áreas más diversas, pero al mismo tiempo aumentan las inquietudes sobre la profundidad técnica, la colaboración y el futuro profesional
• Los ingenieros de Anthropic están desempeñando roles más cercanos al full-stack mediante Claude, acelerando los ciclos de aprendizaje e iteración y resolviendo incluso tareas que antes dejaban pendientes
  • Al mismo tiempo, existe la preocupación de que esta expansión del alcance pueda llevar a una reducción de capacidades técnicas profundas y de la capacidad de supervisión
• Anthropic reconoce que opera en un entorno especial con acceso temprano a herramientas de frontera, pero considera que estos cambios internos pueden ser una señal temprana de transformaciones sociales e industriales más amplias, por lo que observarlos desde ahora resulta valioso
  • Al momento del estudio, los modelos más potentes eran Claude Sonnet 4 y Claude Opus 4, y la empresa señala que el rendimiento de los modelos ha seguido mejorando desde entonces
• En términos generales, junto con el aumento de productividad y la ampliación del trabajo, también destacan desafíos como mantener la especialización técnica, preservar una colaboración significativa y prepararse para un futuro incierto, y Anthropic ya está probando distintas respuestas dentro de la organización
  • En un texto aparte también se discuten ideas de política económica relacionadas con la IA, mientras que este artículo se enfoca sobre todo en los cambios en el trabajo y los roles dentro de la organización

Hallazgos clave

• Según los datos de la encuesta, los ingenieros de Anthropic usan Claude principalmente para depuración y comprensión de código, y tanto la frecuencia de uso como la mejora percibida de productividad se multiplicaron entre 2 y 3 veces en el último año
  • El 27% del trabajo asistido por Claude corresponde a tareas que originalmente no se habrían realizado, como expansión de proyectos, dashboards y experimentos exploratorios
  • Aunque la mayoría del personal usa Claude con frecuencia, respondieron que las tareas completamente delegables siguen estando en un rango de 0% a 20%, por lo que la supervisión y la verificación activas siguen siendo indispensables
• Las entrevistas muestran cómo las personas van desarrollando intuición para delegar en la IA, con un patrón común de delegar primero tareas fáciles de verificar y de bajo riesgo, aburridas o repetitivas
  • Aunque Claude amplía el espectro técnico y acerca a capacidades más full-stack, también existe la preocupación de que, al reducirse la práctica profunda de programación y depuración, puedan debilitarse las bases técnicas
  • Como Claude está reemplazando buena parte de las preguntas que antes se hacían a colegas, también aparecieron muchas voces preocupadas por la disminución de oportunidades de mentoría y aprendizaje entre pares, así como por el debilitamiento de las relaciones humanas
• En los logs de uso de Claude Code se observan al mismo tiempo un aumento en la dificultad de las tareas, más llamadas consecutivas a herramientas y menos turnos humanos, lo que confirma una tendencia a asignar trabajos cada vez más complejos con menos intervención
  • En seis meses, creció de forma importante la proporción de tareas de implementación de nuevas funciones y de diseño/planificación de código, y el 8.6% del total corresponde a pequeñas mejoras de calidad largamente postergadas, como papercut fix
  • Por equipos, en áreas como Pre-training, Alignment & Safety, Security y equipos no técnicos, Claude se está usando para trabajos que van más allá de la especialidad propia de cada grupo, y se observa que todos se vuelven poco a poco más full-stack
• En la sección Looking forward, Anthropic plantea el objetivo de convertirse en un laboratorio de experimentación de mejores prácticas para trabajar con IA, y menciona los siguientes pasos para rediseñar formas de colaboración, apoyar el desarrollo profesional y establecer mejores prácticas de uso de IA
  • También están ampliando la investigación a otros roles además de ingeniería y colaborando con instituciones educativas externas como CodePath para rediseñar el currículo de ciencias de la computación para la era de la IA

Datos de la encuesta

• Para qué se usa Claude

  • Con base en una encuesta a 132 ingenieros e investigadores, se analizó la frecuencia de uso de Claude dividiendo los casos en debugging, comprensión de código, refactorización, ciencia de datos, frontend y diseño/planeación, entre otros
    • Entre los encuestados, 55% dijo que usa Claude todos los días para debugging, 42% para comprensión de código y 37% para implementar nuevas funciones
    • En cambio, se explica que el diseño de alto nivel, la planeación, la ciencia de datos y el desarrollo frontend muestran una proporción menor de uso diario porque el volumen total de ese tipo de trabajo es relativamente menor y existe una tendencia a que las personas prefieran hacerlo por cuenta propia
  • Esta distribución coincide en términos generales con la distribución de tareas en los registros reales de uso de Claude Code que se presenta más adelante, y debugging, comprensión de código e implementación de nuevas funciones se consolidan como los ejes principales de uso

• Uso y productividad

  • Los empleados recuerdan que hace 12 meses usaban Claude en 28% de su trabajo y sentían una mejora de productividad de alrededor de 20%, mientras que actualmente responden que usan Claude en 59% de su trabajo y perciben una mejora promedio de productividad de 50%
    • Esto se considera un cambio en el que tanto la proporción de uso como la mejora de productividad aumentaron más del doble en un año
    • Internamente, también se presenta el indicador de que el número promedio de PR fusionados por ingeniero al día aumentó 67%, y se señala que esto coincide con el periodo de adopción de Claude Code en toda la empresa
  • En el análisis de la encuesta apareció una correlación según la cual, cuanto mayor es el uso de Claude, mayor es también la mejora de productividad autodeclarada, y 14% de los encuestados fue clasificado como “power users” que experimentaron mejoras de productividad de 100% o más
    • Aun así, los investigadores también mencionan que la productividad es muy difícil de medir y que existen sesgos en las cifras autodeclaradas y limitaciones en la clasificación por categorías de trabajo
    • En investigaciones externas de METR se observó una tendencia a que los desarrolladores sobreestimen la mejora de productividad cuando reciben ayuda de IA, pero Anthropic explica que en su caso podría haber diferencias porque filtraron deliberadamente las áreas donde la IA se usa menos
  • Para cada categoría de trabajo asistida por Claude, los empleados reportaron un patrón en el que el tiempo requerido se reduce algo, mientras que la cantidad de resultados producidos aumenta mucho
    • En la mayoría de las categorías, como debugging, comprensión de código y refactorización, predominan las respuestas de reducción de tiempo, pero al mismo tiempo también hay bastantes respuestas de “aumento de tiempo”, lo que muestra una tendencia de polarización
    • Quienes experimentaron un aumento de tiempo mencionaron principalmente como razones la carga de depurar y ordenar el código de Claude, la carga cognitiva adicional para entender el código escrito por IA y situaciones en las que terminaron explorando y aprendiendo más
    • El estudio también señala como limitación que con estos datos no se puede saber con claridad a qué se reasigna el tiempo ahorrado ni si incluye actividades fuera del trabajo, y subraya la necesidad de investigaciones adicionales

• Nuevos trabajos que abre Claude

  • Los empleados respondieron que, gracias a Claude, alrededor de 27% de las tareas asistidas por Claude que realizan son trabajos que originalmente no habrían hecho
    • Esto incluye escalar proyectos, crear herramientas nice-to-have como dashboards de datos interactivos, trabajos repetitivos pero útiles como documentación y pruebas, y experimentos exploratorios cuya eficiencia frente al costo antes era baja
    • También entran en esta categoría tareas para corregir pequeños factores de deterioro de calidad (papercuts), refactorizaciones para mejorar la mantenibilidad y pequeños scripts y herramientas que ayudan a acelerar el trabajo
  • Un investigador explicó que ejecuta varias versiones de Claude al mismo tiempo para explorar en paralelo distintos enfoques, y lo comparó con “no tener un solo modelo de alto rendimiento, sino hacer correr al mismo tiempo muchísimos ‘caballos’”
    • Gracias a esta exploración en paralelo, evaluó que la amplitud de exploración de ideas y la cantidad de experimentos aumentaron mucho frente a antes, haciendo posibles enfoques más creativos

• Proporción de trabajo que puede delegarse por completo

  • Incluso entre los ingenieros que usan Claude con frecuencia, más de la mitad respondió que la proporción de trabajo que sienten que pueden delegar por completo está entre 0% y 20%
    • Los investigadores agregan que aquí “delegar por completo” podría estar interpretándose de forma amplia por cada encuestado, desde un nivel en el que se considera aceptable dejarlo sin verificación, hasta un nivel en el que basta con una revisión muy ligera
  • Se explica que las personas, especialmente en tareas complejas, dominios de alto riesgo y áreas con estándares altos de calidad de código, siguen optando por interactuar activamente con Claude y validar los resultados generados
    • En consecuencia, Claude se percibe más como un colaborador que siempre está al lado, y sigue siendo relativamente baja la proporción que lo ve como una herramienta de automatización de la que el humano puede desentenderse por completo

Entrevistas cualitativas

• Estrategias de delegación a la IA

  • Los ingenieros e investigadores que participaron en las entrevistas explicaron en detalle sus criterios y estrategias para delegar en Claude, y señalaron que en común priorizan condiciones como las siguientes
    • Cuando el contexto del usuario es poco relevante pero la tarea es simple: por ejemplo, explicaron que la mayoría de las tareas de infraestructura no son problemas difíciles, y que Claude compensa bien incluso cuando falta experiencia con Git o Linux
    • Tareas fáciles de verificar: dijeron que encaja muy bien en “trabajos donde el costo de verificación no supera el costo de generación”, por lo que priorizan delegar tareas cuyo resultado puede revisarse rápidamente de forma superficial
    • Subcomponentes bien definidos: en un proyecto, primero asignan a Claude tareas al nivel de módulos o funciones que estén adecuadamente separadas
    • Áreas donde la calidad del código no es crítica al máximo nivel: distinguen entre lanzar primero a Claude código de depuración de una sola vez, código de investigación o scripts experimentales, y resolver personalmente el diseño importante, la depuración compleja o el diseño refinado
    • Trabajo repetitivo, aburrido y postergado: explicaron que, para tareas que venían aplazando porque no querían hacerlas, empezar conversando con Claude reduce muchísimo la barrera de entrada
  • En la encuesta, respondieron que en promedio el 44% del trabajo asistido por Claude era “algo que por sí mismos no habrían hecho con gusto”, lo que también muestra que cuanto menos agradable es una tarea, más tienden a pasarla a la IA
  • Por otro lado, algunas respuestas señalaron que si es una tarea pequeña que parece poder resolverse en 10 minutos, no vale la pena usar Claude, y que a veces es más rápido hacerlo directamente por el “problema de arranque en frío” de tener que explicarle a la IA el contexto interno del codebase

• Construcción de confianza y verificación

  • Muchos ingenieros mencionaron una etapa de construcción de confianza en la que al principio empiezan con preguntas simples, ayuda con el lenguaje o dudas básicas sobre lenguajes desconocidos (como Rust), y gradualmente pasan a delegar tareas más complejas a Claude
    • Un ingeniero comparó su proceso de confianza en Claude con el cambio de hábitos al usar Google Maps: al principio lo usaba solo en caminos desconocidos, pero ahora ya está en un punto en el que incluso le delega por completo el trayecto al trabajo
  • Hubo división de opiniones sobre si Claude se usa fuera del área de especialidad o dentro de ella
    • Algunas personas usan Claude en áreas donde tienen menos fortalezas, como frontend, infraestructura o bases de datos, para reducir el tiempo de implementación
    • Otras consideran que solo pueden evaluar el resultado si entienden bien el tema, y por eso prefieren usar Claude en áreas que ya dominan, como si fuera un acelerador
  • Un ingeniero de seguridad dijo que algunas de las soluciones propuestas por Claude se parecen a “ideas arriesgadas pero ingeniosas que podría plantear un junior muy competente”, y enfatizó que se necesita suficiente experiencia y criterio para detectar el riesgo
  • Algunos ingenieros explicaron que usan Claude tanto en su área central de especialidad como en áreas periféricas, y que ajustan finamente la forma de hacer prompts y el nivel de verificación según su propio nivel de dominio
    • En áreas que conocen bien, le dan a Claude pasos y restricciones concretas; en áreas que conocen menos, le piden a Claude asumir el rol de experto y presentar varias opciones y consideraciones

• Límites del trabajo que sigue haciendo la persona

  • En general, las personas explicaron que el pensamiento de alto nivel y estratégico, el diseño de sistemas, y las decisiones que requieren contexto organizacional y “gusto” siguen quedando de su lado
    • En las entrevistas apareció la idea de que “por lo general la visión general y el diseño los hago yo, y delego lo más posible la implementación de nuevas funciones, la depuración y demás”
  • En la encuesta también se observó que la mejora de productividad fue más baja en el área de diseño y planificación, lo que se interpreta como que la gente sigue viendo el diseño en sí como un rol humano
  • Aun así, este límite no se describe como algo fijo, sino como un ‘moving target’, y se comparte la percepción de que, a medida que mejora el rendimiento de los modelos, el área que asume la IA va subiendo poco a poco

• Cambio y expansión de habilidades

  • Gracias a Claude, muchos ingenieros dijeron que ahora pueden realizar trabajo fuera de su área original de especialidad
    • Se cuenta la anécdota de un ingeniero backend que, tras varios intercambios con Claude, construyó una UI compleja, y luego los diseñadores le preguntaron: “¿De verdad lo hiciste tú?”
    • Varias personas dijeron que, gracias a Claude, ahora pueden meterse con más audacia en frontend, bases de datos transaccionales, API e infraestructura experimental, incluso en áreas que antes “daba miedo tocar”
  • Esta expansión de capacidades también acelera los bucles de retroalimentación y la velocidad de aprendizaje
    • Explicaron que tareas que antes requerían semanas entre crear una función, programar una reunión, recibir feedback y volver a iterar, ahora pueden sustituirse por sesiones de colaboración en tiempo real de unas pocas horas
  • Varias personas mencionaron que gracias a Claude aumentaron la velocidad de prototipado, la capacidad de trabajo en paralelo y el nivel de ambición de los proyectos
    • Un ingeniero senior evaluó que “gracias a estas herramientas, los ingenieros junior son más productivos y se animan a intentar proyectos más grandes”
    • Otro ingeniero dijo que Claude redujo mucho la ‘energía de activación’ necesaria para empezar a trabajar, de modo que incluso problemas que venía posponiendo ahora le resultan fáciles de abordar

• Temores de pérdida de habilidades y la paradoja de la supervisión

  • Al mismo tiempo, muchas personas expresaron la preocupación de que “a medida que aumenta la delegación, siento que mis propias habilidades están disminuyendo”, y en especial les preocupa la reducción del incidental learning (aprendizaje incidental) durante el proceso de resolución de problemas
    • Señalaron que, al depurar personalmente un bug difícil, uno termina leyendo ampliamente documentación, código circundante y configuraciones relacionadas, pero cuando Claude te lleva directo al punto clave, se reducen las oportunidades de construir un modelo mental de todo el sistema
    • También hubo testimonios de que antes, al usar una herramienta nueva, revisaban todas las opciones de configuración y aprendían sus funciones en la práctica, mientras que ahora, al limitarse al método que indica la IA, sienten que están perdiendo comprensión profunda
  • Un ingeniero senior dijo que a él le preocupa menos porque ya tiene una base técnica suficientemente sólida, pero que si estuviera al inicio de su carrera, tendría que esforzarse mucho más conscientemente por desarrollar sus propias capacidades
  • Un concepto mencionado con especial frecuencia fue la “paradoja de la supervisión (paradox of supervision)”
    • Señalaron que para usar Claude con seguridad es clave la capacidad de supervisar y verificar la salida de la IA, pero que cuanto más se depende de la IA, más puede debilitarse la capacidad de programación y diseño necesaria para esa supervisión, creando una contradicción
    • Una persona dijo que “más que el problema del deterioro de habilidades en sí, me preocupa más perder la capacidad de supervisión y ya no poder usar la IA de forma segura”
  • Para compensarlo, algunos ingenieros comentaron que practican deliberadamente “resolverlo sin Claude”
    • Explicaron que, aunque saben que Claude podría resolver bien ciertos problemas, a veces los resuelven por su cuenta para mantener el nivel y no perder el tacto

• ‘Abstracción más alta’ y la artesanía del software

  • En varias entrevistas apareció la idea de que la ingeniería de software se está moviendo hacia un nivel de abstracción más alto
    • Se percibe que, desde épocas en las que se hacía gestión manual de memoria, ensamblador y hasta activar interruptores de hardware, se fue avanzando hacia lenguajes y runtimes de más alto nivel que se encargan de los detalles de bajo nivel, y que ahora se está entrando en la etapa de ‘English as a programming language’, es decir, explicar la intención en lenguaje natural y generar código
    • Alguien usó como analogía la implementación de listas enlazadas, algo que se enseñaba como importante en clases de computación: sigue siendo bueno saber hacerlo uno mismo, pero en el trabajo real casi nunca hace falta codificarlo directamente
  • Algunas personas dijeron que, gracias a Claude, ahora pueden centrarse más en conceptos de alto nivel, patrones y experiencia de usuario, y comentaron que “al final, parece que no era escribir código en sí lo que me gustaba, sino el resultado que el código produce”
  • Otras lamentan que se esté perdiendo el disfrute propio de programar y la ‘satisfacción artesanal’
    • Una persona con 25 años programando compartió que el orgullo por su capacidad de programación desarrollada con experiencia era una parte clave de la satisfacción en su trabajo, y que siente que eso se está desdibujando
    • También apareció la idea de que pasar todo el día solo escribiendo prompts no es divertido, y de que se pierde el placer del ‘estado de flujo’ de escribir código directamente mientras escuchas música

• Algunas personas dicen que extrañan el estado de “zen” de perderse por completo en el refactoring, pero que con gusto lo dejarían porque la mejora total de productividad es mucho mayor, lo que deja ver una elección práctica entre el disfrute de construir algo con las propias manos y maximizar los resultados

  • En conclusión, se observa que la forma en que se percibe la asistencia de IA varía mucho según qué es lo que cada persona considera más significativo en la ingeniería de software

• Cambios en la colaboración y las relaciones sociales

  • Para mucha gente, Claude se ha convertido en la primera instancia a la que se le hacen preguntas antes de acudir a un colega
    • Una persona encuestada explicó que ahora hace más preguntas que antes, pero que el 80~90% se las hace a Claude y solo el 10~20% restante a personas
    • Con esto, Claude absorbe las preguntas rutinarias, y las preguntas que llegan a las personas se filtran para centrarse en problemas estratégicos, dependientes del contexto y de alta dificultad
  • Cerca de la mitad de las personas siguen sintiendo que los patrones de colaboración del equipo no han cambiado mucho, y dicen que las reuniones, el intercambio de contexto y la elección de dirección siguen haciéndose entre personas
    • Aun así, también surge la perspectiva de que en el futuro, en lugar de bloques de tiempo de trabajo concentrado, conversar con varias “instancias de Claude” podría convertirse en la nueva unidad básica de trabajo
  • Otras personas sienten con claridad que la interacción con colegas ha disminuido
    • Aparece la expresión de que “últimamente siento que trabajo más con Claude que con mis colegas”; valoran que haya menos culpa por quitarles tiempo a los demás, pero también lamentan que disminuya la alegría de trabajar con otras personas
    • También hay quienes se sienten incómodos con una cultura de equipo donde la respuesta automática es “¿ya se lo preguntaste primero a Claude?”, y opinan que prefieren más una forma de trabajo en la que las personas colaboren directamente
  • Los cambios son especialmente notorios en términos de mentoría y formación de perfiles junior
    • Se observa que, como Claude cumple con frecuencia el rol de coaching detallado y revisión de código para juniors, la frecuencia con la que los juniors acuden a hacer preguntas a seniors ha caído de forma drástica
    • Una persona senior expresó sentimientos encontrados: “me da pena que los juniors vengan menos a hacerme preguntas, pero también es cierto que así consiguen mejores respuestas más rápido y aprenden más rápido”

• Incertidumbre profesional y adaptación

  • Varias personas explican que su rol se está desplazando de escribir código directamente a gestionar agentes de IA y revisar código
    • Una persona describió su trabajo actual como un rol responsable de lo que hacen 1, 5 o 100 Claude, y dijo que ya trabaja todo el día con múltiples instancias de Claude abiertas
    • Otra persona estima que más del 70% de su trabajo se ha desplazado hacia revisar y corregir código
  • Respecto a las perspectivas profesionales de largo plazo, hubo muchas respuestas mezcladas entre optimismo a corto plazo e inquietud a largo plazo
    • Aparece una frase como: “a corto plazo soy bastante optimista, pero a largo plazo también me preocupa que la IA termine haciendo la mayor parte y que yo y mucha gente nos volvamos innecesarios”
    • Otra persona incluso usó una expresión directa: siente que cada día va a trabajar para automatizarse a sí misma
  • Algunas personas se preocupan especialmente por el futuro de los desarrolladores junior, pero al mismo tiempo ven esperanza en que ellos son la generación que adopta más rápido las nuevas tecnologías
    • Existe el riesgo de que juniors desplieguen tal cual código equivocado generado por IA, pero también se plantea la expectativa de que podrán adaptarse con el tiempo si se combinan mejores guardrails, materiales educativos y aprendizaje a partir de errores
  • También surgieron varias respuestas sobre estrategias de futuro y formas de adaptación
    • El plan de convertir en una nueva especialización la capacidad de revisar y supervisar de forma significativa los resultados producidos por IA
    • La expectativa de pasar a un rol en el que se dedique más tiempo a construir consensos entre personas, coordinar y definir estrategias, mientras se deja más la implementación en manos de la IA
    • También se presentan casos de personas que usan Claude para recibir retroalimentación sobre liderazgo, comunicación y desarrollo profesional, aumentando así su velocidad de aprendizaje
  • En términos generales, el sentir se resume en la percepción de que hay muy poca certeza sobre qué habilidades serán las más importantes en el futuro, y en la actitud de que lo importante es convertirse en personas y organizaciones capaces de adaptarse rápidamente a cualquier cambio que venga

Tendencias de uso de Claude Code

• Problemas más difíciles y mayor autonomía

  • Anthropic analizó 200 mil registros internos de Claude Code en dos momentos, febrero y agosto de 2025, usando herramientas internas de protección de privacidad
    • Al evaluar cada conversación en una escala de dificultad de 1 a 5, la dificultad promedio subió de 3.2 a 3.8
      • Un ejemplo de nivel 3.2 sería “resolver un error de import de un módulo de Python”, y uno de nivel 3.8 sería “implementar y optimizar un sistema de caché”
  • La cantidad de llamadas a herramientas que Claude Code realiza de forma consecutiva sin intervención humana pasó en promedio de 9.8 a 21.2, un aumento de 116%
    • Esto significa que Claude puede continuar por sí solo durante más tiempo con ediciones de archivos y ejecución de comandos encadenadas para resolver tareas complejas
  • La cantidad de turnos humanos por conversación bajó en promedio de 6.2 a 4.1, una caída de 33%, lo que muestra una tendencia a necesitar menos interacción humana para lograr la misma tarea
    • En conjunto, estas métricas sugieren que los ingenieros están delegando a Claude tareas más complejas y dándole más autonomía

• Cambios en la distribución del trabajo

  • Se comparó la distribución de tareas clasificando cada conversación de los registros de Claude Code en categorías como debugging, comprensión de código, refactorización, pruebas, implementación de nuevas funciones, diseño/planeación de código, frontend y ciencia de datos
    • La distribución general coincide en términos amplios con los patrones principales de uso reportados por las personas en la encuesta, centrados en debugging, comprensión de código e implementación de nuevas funciones
  • El cambio más marcado en seis meses fue el fuerte aumento en la proporción de implementación de nuevas funciones y de diseño/planeación de código
    • La implementación de nuevas funciones subió de 14.3% a 36.9% del total de registros, y las tareas relacionadas con diseño y planeación también aumentaron de 1.0% a 9.9%
    • Explican que esto puede significar que Claude se está usando más en tareas más complejas y creativas, o que los equipos empezaron a incorporar Claude Code activamente en este tipo de flujos de trabajo
    • Los investigadores mencionan como limitación que es difícil separar con claridad el aumento en el volumen absoluto de trabajo de los cambios en la distribución relativa

• Corrección de papercuts

  • En línea con lo que las personas respondieron en la encuesta, que ahora hacen más pequeñas mejoras de calidad y de comodidad cotidiana, en los registros de Claude Code el 8.6% del trabajo total fue clasificado como ‘papercut fix’
    • Esto incluye crear herramientas de visualización de rendimiento, refactorizaciones para mejorar la mantenibilidad y pequeñas funciones de conveniencia como atajos de terminal o scripts
  • Aunque estas tareas son pequeñas de manera individual, acumuladas pueden mejorar de forma visible la productividad y la experiencia del desarrollador
    • Lo característico es que trabajos que antes quedaban relegados por prioridad ahora, gracias a Claude, se resuelven de forma natural porque implican menos carga

• Diferencias de uso por equipo

  • Tomando como base los registros de Claude Code de agosto de 2025, el resultado de comparar la distribución por equipo etiquetando cada conversación con un tipo principal de tarea se presenta en la Figure 5
    • En el promedio general (“All Teams”), implementación de nuevas funciones, debugging y comprensión de código ocupan la mayor proporción, mostrando el patrón básico de uso de Claude
  • Las principales características por equipo son las siguientes
    • El equipo de Pre-training usa 54.6% de Claude Code para implementación de nuevas funciones, con una proporción especialmente grande dedicada a ejecutar experimentos adicionales diversos
    • Los equipos de Alignment & Safety y Post-training tienen una proporción alta de desarrollo frontend, con 7.5% y 7.4% respectivamente, y usan Claude sobre todo para construir interfaces para visualización de datos
    • El equipo de Security dedica 48.9% del uso de Claude Code a tareas de comprensión de código, utilizándolo con frecuencia para analizar e identificar las implicaciones de seguridad de código desconocido
    • Los empleados no técnicos también usan mucho Claude Code: 51.5% corresponde a debugging (problemas de red, problemas con Git, etc.) y 12.7% a tareas de ciencia de datos, por lo que se está usando como una herramienta para cerrar brechas de conocimiento técnico
  • En general, los equipos usan Claude también en sus tareas centrales (infraestructura, investigación, seguridad, etc.), pero al mismo tiempo lo emplean en trabajos fuera de sus áreas tradicionales de especialidad, y los datos muestran una tendencia a que todos se vuelvan un poco más cercanos a full-stack

Mirando hacia adelante

• Próximos pasos dentro de Anthropic

  • A partir de los cambios del último año, Anthropic asume el papel de un “laboratorio” encargado de gestionar de forma responsable la transformación del trabajo con Claude
    • Señala que ya empezó a revisar junto con ingenieros, investigadores y liderazgo las formas de colaboración, la estructura de reuniones y comunicación, y la definición de roles por puesto, con el objetivo de crear nuevas best practices basadas en un esquema de trabajo asistido por IA
  • En particular, se está enfocando en cómo deben cambiar en la era de la IA el desarrollo de especialización, la mentoría y las trayectorias de promoción y crecimiento, y para ello también toma como referencia el AI fluency framework que Anthropic ya había publicado
    • El movimiento busca diseñar capacitación real y políticas internas a partir de un framework que define qué nivel de comprensión, supervisión y capacidad de retroalimentación debe tener una persona cuando trabaja junto con IA
  • Aunque este estudio está centrado en ingeniería, Anthropic dice que en adelante ampliará el alcance a roles no de desarrollo para observar cómo la IA está cambiando el trabajo en toda la empresa

• Alianzas externas, educación y planes de largo plazo

  • Junto con su investigación interna, Anthropic también está cumpliendo el rol de ayudar a organizaciones externas a adaptarse a la era del trabajo asistido por IA
    • Como ejemplo, menciona que está colaborando con CodePath para apoyar la reforma de currículos de ciencias de la computación adaptados a entornos asistidos por IA
    • Esto refleja la idea de que la formación de desarrolladores junior y las rutas de aprendizaje para quienes inician su carrera deben rediseñarse partiendo del uso de herramientas de IA
  • Hacia adelante, consideran que enfoques estructurales como la rediseño de roles dentro de las organizaciones, rutas de reskilling y nuevas vías de transición laboral pueden volverse cada vez más importantes
    • Por ejemplo, podrían discutirse formas de reconocer oficialmente como puestos nuevos roles como supervisión de agentes de IA, responsabilidad de calidad y revisión ética
  • Anthropic adelantó que publicará planes más concretos en 2026, y posiciona este estudio como un punto de partida y una revisión intermedia
    • El mensaje central es que Anthropic no solo busca observar cómo la IA cambia el trabajo, sino experimentar y ajustar primero por cuenta propia para construir un modelo de ‘transición responsable’

[mhj5730]

Desde la perspectiva de un desarrollador, la IA está siendo de gran ayuda en la documentación, que implica un desgaste mental considerable.
[Agregar anotaciones o explicaciones] Incluso con solo crear un borrador, pudo aliviar la carga mental.

[nimgnos]

Parece que es la llegada de AI Ops.

[laeyoung]

A finales de 2024: se usa Claude en el 28% de las tareas cotidianas, y la productividad aumenta un 20%
A finales de 2025: se usa Claude en el 59% de las tareas cotidianas, y la productividad aumenta un 50%

En un año, las tareas en las que los empleados usan IA se duplicaron y la productividad aumentó 2.5 veces.

[geek12356]

No basta con una simple percepción de mejora en la productividad; se necesitan fundamentos precisos basados en datos medibles.

[bungker]

Si se mide con algo como story points, parece que es de 2 a 5 veces; si se mide por líneas de código, a veces es 30% y otras veces decenas de veces más.

[grenade]

Coincido bastante con la parte del artículo que dice que ayuda a resolver esos pequeños detalles molestos.
Más que encargarle algo grande, siento que recibo mucha ayuda de la IA cuando hago tareas como agregar pequeñas funciones de conveniencia, hacer scripting, refactorizar y otros trabajos tediosos que da flojera hacer, pero que luego te facilitan mucho las cosas.

[colus001]

Es café que hacemos en mi tienda, así que para venderlo hay que decir que está rico.