La tarea de escribir código, básicamente, ya está resuelta

Escribir artículo: Boris Cherny

Dentro de Anthropic, Boris Cherny es apodado por sus colegas como “El padre del Código Claude”. Él lideró personalmente el equipo para crear esta asistente de programación basada en modelos de gran integración, y también vivió en carne propia la gran transición desde la “completación automática de código” hasta “agentes que escriben el 100% del código”.

En esta charla dirigida a emprendedores e ingenieros, explica sistemáticamente la historia del nacimiento de Claude Code, por qué se dice que “la codificación está resuelta” y qué cambios ocurrirán en la industria del software y en la forma de trabajar en los equipos bajo esta premisa.

De “proyecto accidental” a producto de nivel fenomenal

Boris se unió a Anthropic a finales de 2024, en ese momento la empresa tenía un equipo similar a una incubadora llamado AnthropicLabs. Este pequeño equipo rápidamente desarrolló varios productos clave como Claude Code, MCP y aplicaciones de escritorio, y tras cumplir su misión, se disolvió, solo para ser reactivado ahora en una “segunda ronda”.

En el contexto de 2024, la visión predominante en la industria sobre “escribir código con IA” todavía se limita a la idea de “sugerencias/completaciones en IDE” — hacer clic en Tab y que el modelo complete una línea. La intuición de Boris es que las capacidades del modelo ya superan ampliamente esa forma, y que la verdadera “forma de producto” está muy atrasada, lo que ellos llaman internamente “sobrehang del producto”.

Por eso, el objetivo inicial de Claude Code fue muy ambicioso: no solo hacer una mejor completación, sino que los agentes asuman directamente la tarea de “escribir todo el código”, dejando a los humanos para revisar y decidir.

Por supuesto, la realidad no fue tan sencilla. Durante los primeros 6 meses, casi nadie usó realmente Claude Code; apenas lograba escribir alrededor del 10% del código, con una experiencia muy rudimentaria, y en Anthropic solo era una herramienta experimental. No fue hasta mayo de 2025, con el lanzamiento del modelo Opus 4, que la curva de uso empezó a subir exponencialmente, y cada actualización del modelo (4.5, 4.6, 4.7) marcó un punto de mejora significativa.

Mirando hacia atrás, lo más especial de este producto es que desde el primer día no fue diseñado para el “modelo actual”, sino para la “próxima generación de modelos en 6 meses”. El equipo sabía que en ese período no habría un ajuste perfecto con el mercado (PMF), pero insistieron en construir primero la “interacción correcta” y esperar a que el modelo alcanzara esa capacidad.

¿Por qué se dice que “la codificación está resuelta”?

En la charla, Boris preguntó directamente a los programadores en la audiencia: ¿quién todavía escribe código 100% a mano? ¿quién usa 100% agentes como Claude Code para programar? La mayoría está en un punto intermedio, y él bromeó diciendo “entonces eso ya está resuelto en un 50%”.

Pero para él, la respuesta ya es muy extrema: ahora, el 100% de su código lo genera Claude Code.

El propio repositorio de código de Claude Code está completamente escrito por el modelo, con una pila tecnológica muy convencional: TypeScript + React, sin tecnologías oscuras o trucos sofisticados.

Una de las razones para elegir esta pila fue que, en las primeras etapas, cuando las capacidades del modelo aún no eran tan fuertes, usar “las tecnologías principales en la distribución de entrenamiento del modelo” podía mejorar significativamente la calidad de generación.

Con las iteraciones del modelo, ahora puede aprender sin dificultad nuevos lenguajes y frameworks, y la elección de la pila ya no es una limitación.

En su flujo de trabajo personal, Boris puede completar decenas de PRs al día, e incluso un día logró hacer 150 solo para probar hasta qué punto podía aumentar su eficiencia; y detrás de todos esos PRs, en realidad, todo el código lo escribe Claude. Él actúa como responsable del producto, la arquitectura y la revisión.

Por supuesto, reconoce que esta “resolución del 100%” solo aplica en ciertos escenarios:

• Repositorios pequeños, claros y con tecnologías principales, que ya pueden ser completamente escritos por el modelo.
• Repositorios muy grandes, con historia compleja, o en lenguajes poco comunes y entornos muy específicos, donde los grandes modelos aún tienen limitaciones evidentes.

Pero su juicio es simple: la mayoría de esas limitaciones solo son cuestión de “esperar a la próxima versión del modelo”.

Una sola móvil + miles de agentes: su flujo de trabajo personal

Boris compartió en redes sociales su entorno de desarrollo, y al principio no pensó que generaría tanta discusión, ya que para él era simplemente una “evolución natural” de su forma de trabajar.

Hoy en día, la mayor parte de su trabajo ya se realiza en el móvil: abre ClaudeApp, en la pestaña Code en la izquierda, y puede ver varias conversaciones en paralelo. Normalmente mantiene entre 5 y 10 sesiones, cada una con múltiples sub-agentes, sumando fácilmente varios cientos; por la noche, puede haber más de mil agentes en segundo plano ejecutando tareas más largas.

El concepto clave que soporta este sistema es una instrucción aparentemente simple: /loop.

El /loop consiste en que Claude, usando un método similar a cron, se programa a sí mismo para realizar tareas que se repiten automáticamente en el futuro: puede configurarse para que se ejecute cada minuto, cada 5 minutos, o diariamente, en ciclos regulares.

Con este tipo de loop, construyó un sistema completo de “mantenimiento automático”:

• Un loop dedicado a “vigilar PRs”: arreglar CI, hacer rebase automático, mantener la lista de PRs limpia.
• Otro loop para “mantener la salud del CI del proyecto”: detectar y arreglar problemas como tests flaky.
• Un loop que cada 30 minutos extrae feedback de Twitter, lo agrupa y resume para decisiones rápidas.

En su descripción, el loop ya es como un primitive de programación orientado al futuro: la forma más simple y factible, pero muy poderosa. Combinado con routines (trabajos a largo plazo que corren en el servidor incluso si apaga la computadora), el modelo puede avanzar en los proyectos en segundo plano continuamente.

Forma de equipo: todos son “polifacéticos interdisciplinarios”

Cuando una persona puede usar IA para escribir el 100% del código, y la eficiencia aumenta entre 10 y 100 veces, la organización del equipo inevitablemente cambiará.

Su principal predicción para los futuros equipos es que: “los generalistas interdisciplinarios serán mucho más comunes que hoy”.

Hoy, un “generalista” suele ser alguien que domina varias áreas dentro del desarrollo: por ejemplo, que puede gestionar iOS, web y servidores. Pero la tendencia que ve es que:

Los generalistas cruzarán más fronteras funcionales, como: ingeniería + diseño, ingeniería + producto + ciencia de datos, ingeniería + finanzas/operaciones, etc.

En su equipo de Claude Code, ya hay roles como gerente de ingeniería, gerente de producto, diseñador, científico de datos, finanzas y investigación de usuarios, todos escribiendo código y usando ampliamente Claude Code para avanzar en sus tareas.

En otras palabras, cada uno mantiene su especialización, pero “escribir código” deja de ser un privilegio de unos pocos, y se vuelve una habilidad básica, tan común como usar Office o PowerPoint hoy en día.

Esto también apunta a una visión más macro: la barrera para la productividad en software se reducirá drásticamente, y los que tengan mayor conocimiento del dominio serán los desarrolladores más ventajosos.

Por ejemplo, en el desarrollo de software contable, quizás no sea el ingeniero más talentoso quien defina la forma y lógica del producto, sino un contador que entienda mucho del negocio y pueda usar IA para programar, porque “codificar” se vuelve relativamente fácil, y “el profundo conocimiento del dominio” será el recurso escaso.

De “programadores de élite” a “programación para todos”: la analogía de la imprenta

Para ilustrar la profundidad de este cambio, Boris propone una analogía que le encanta en historia tecnológica: el impacto de la IA en la producción de software será muy parecido al impacto de la imprenta en la producción de textos en Europa en el siglo XV.

Antes de la invención de la imprenta, solo alrededor del 10% de la población europea sabía leer y escribir, y estaban empleados en las estructuras de poder (reyes, nobles, iglesias), realizando tareas de lectura y escritura en nombre de otros. La alfabetización era una habilidad altamente especializada, y la mayoría de las personas no la adquirían en su vida.

Tras la invención de la imprenta, en solo 50 años, la producción de textos en Europa superó en volumen a toda la producción de milenios anteriores, y el costo de un libro bajó aproximadamente 100 veces. En los siglos siguientes, con la expansión de la educación y cambios sociales, la tasa de alfabetización creció hasta cerca del 70%, y la lectura y escritura pasaron de ser habilidades de unos pocos a capacidades básicas de la mayoría.

La visión de Boris es que el software y la programación están atravesando una curva similar, y a una velocidad aún mayor.

Antes, programar era una profesión “altamente especializada y con barreras de entrada muy altas”.
Ahora, escribir software será tan común como “saber escribir a máquina” o “enviar mensajes de texto”.
Seguirán existiendo ingenieros profesionales y arquitectos de sistemas de élite, pero la división social del trabajo se reestructurará: muchos expertos en diferentes campos, emprendedores y profesionales comunes podrán colaborar directamente con modelos para crear software.

¿Habrá una “gran extinción” de SaaS?

Cuando la IA reduzca los costos de hacer software en 10 o 100 veces, ¿qué pasará con los productos SaaS existentes? ¿Habrá una “gran extinción” de SaaS? Es una de las preguntas que Boris más le hacen.

Su respuesta es mucho más compleja que un simple sí o no, y usa el marco de “Seven Powers” (siete barreras competitivas) que se menciona en el podcast Acquired para analizar.

En su opinión, la IA hará que algunas barreras de negocio se devalúen rápidamente:

• Costos de cambio (Switching Costs): si puedes migrar datos y reconstruir flujos de trabajo rápidamente con modelos, la dependencia de integraciones complejas y configuraciones se reducirá mucho.
• Capacidad de proceso (Process Power): muchas empresas compiten en diseño de procesos y flujos complejos, pero los grandes modelos cada vez mejoran en entender y optimizar estos procesos, especialmente modelos como 4.7 que pueden “auto-optimizar” iterativamente, explotando ineficiencias.

Al mismo tiempo, algunas barreras más fundamentales no desaparecerán, sino que podrían volverse aún más importantes:

• Efectos de red
• Economías de escala
• Recursos escasos (como datos únicos, canales, certificaciones especiales)

Otra tendencia clave es que en los próximos 10 años, el número de startups capaces de “crear productos comparables a los de grandes empresas con pocos empleados” aumentará significativamente, quizás 10 veces más que en la última década.

Las razones son:

• Las grandes empresas enfrentan una gran inercia y resistencia interna para reestructurar procesos y capacitar a todo su personal en IA.
• Los nuevos equipos pueden ser “nativos en IA” desde el día uno, con muy pocos empleados, generando un valor muy alto y compitiendo en nichos específicos contra los grandes.

Para Boris, este es un momento muy favorable para emprendedores y desarrolladores: “Este puede ser uno de los mejores tiempos para crear productos y emprender”.

¿Cómo se “come la comida” en Anthropic?

Muchos piensan que empresas como Anthropic usan versiones “más avanzadas y secretas” de sus modelos internamente, para mantenerse a la vanguardia. Pero Boris dice exactamente lo contrario:

• En términos de modelos, usan la misma versión que todos, como Opus 4.7, con algunas pruebas con modelos de investigación como Mythos, pero no dependen de versiones privadas y difíciles de obtener.
• La verdadera ventaja competitiva, en su opinión, no está en el modelo en sí, sino en la integración profunda de IA en toda la organización.

Específicamente:

• Ya no hay prácticas de “solo código escrito a mano”; incluso las consultas SQL son generadas por modelos.
• Los diferentes equipos usan Claude para “chatear y colaborar” en Slack, ayudando a ingenieros a detectar errores y facilitando la comunicación interequipo.
• Muchos procesos están reestructurados en torno a mecanismos como loops, sub-agentes y routines, permitiendo que los modelos avancen en segundo plano continuamente.

Por eso, Boris cree que la mayor “brecha” actual no está en la tecnología en sí, sino en la organización y el diseño de procesos. Para las startups, esto representa una gran oportunidad: en lugar de modificar lentamente los procesos antiguos, es mejor diseñar desde el principio una organización “nativa en IA”.

Oportunidades de producto para los próximos 6 a 12 meses

Volviendo a la innovación y el emprendimiento: si hace unos años Boris veía un “sobrehang en productos de programación”, ¿dónde ve ahora el próximo sobrehang?

Menciona varias direcciones:

• ClaudeDesign: una dirección ya funcional, pero que mejorará mucho con nuevas iteraciones del modelo. Representa la “profundización en el diseño asistido por IA”.
• Loop/Batch/Agentes en paralelo a gran escala: hacer que cientos o miles de tareas se ejecuten simultáneamente en diferentes agentes, convirtiéndose en una capacidad estándar.
• Uso directo del modelo para controlar la computadora (ComputerUse): mediante visión y control, hacer que el modelo opere software local como un humano, útil en sistemas antiguos sin API o MCP.

Estas direcciones comparten la característica de que ya son “bastante utilizables”, pero su verdadera explosión puede ocurrir en una o dos generaciones de modelos futuras.

Como con Claude Code en su momento, equipos ambiciosos pueden comenzar ahora a diseñar productos pensando en los modelos del futuro, para posicionarse antes de que lleguen.