Cómo está cambiando el empleo en Anthropic

Cómo está cambiando el empleo en Anthropic

Nathan Wilmers, Regina Catipon, Maxim Massenkoff, Peter McCrory

¿Cómo ha reestructurado la IA el trabajo y el empleo en Anthropic? Como empresa a la vanguardia de la adopción de la IA, Anthropic podría ser un indicador adelantado de cómo la IA transformará la organización del trabajo, la contratación y la demanda laboral en toda la economía.

Conclusiones clave

• Anthropic ha estado contratando una proporción menor de posiciones técnicas junior. Esto ocurrió a medida que las horas trabajadas por agentes de IA en relación con los empleados se expandían rápidamente. En agosto, las horas de los agentes interactivos de IA superaban a las de los empleados en una proporción de 6 a 1.
• A medida que los agentes de IA se difundían por la empresa, Anthropic comenzó a producir más código por persona, a cerrar más ventas por comercial y a procesar más contratos. Siguiendo la trayectoria de un mismo empleado a lo largo del tiempo, el rendimiento aumentó a medida que adoptaban nuevas herramientas de IA.
• Esta aceleración convierte la atención humana en el cuello de botella del output de los agentes. Incluso entre los empleados no técnicos, leer todo el output de sus agentes de Claude les llevaría la mitad de su semana laboral. En respuesta, los empleados recurren al “meta-trabajo”, consistente en construir herramientas de visibilidad y monitorear los flujos de trabajo de los agentes.
• Los cambios en la organización del trabajo se reflejan en las prioridades cambiantes de los responsables de contratación, que otorgan cada vez más énfasis a la autonomía y el juicio, en relación con la experiencia técnica en el dominio y la implementación.

Introducción

¿Qué transformaciones del trabajo y el empleo podemos esperar con una IA cada vez más poderosa? Anthropic merece ser estudiada porque ha moldeado a fondo sus flujos de trabajo en torno a la IA. Los agentes circulan por los chats de Slack y programan reuniones. Corrigen errores de forma autónoma y abordan colectivamente enormes proyectos de ingeniería. Las horas trabajadas por los agentes superan a las horas humanas en una proporción de 6 a 1. Los cambios que ocurren ahora en Anthropic ofrecen señales avanzadas sobre un posible futuro del trabajo y el empleo.

Este informe se basa en datos internos completos de Anthropic que abarcan empleo, uso de la IA, métricas de rendimiento, encuestas a empleados, patrones de comunicación interna, datos de calendario de los empleados y registros de decisiones de contratación. Estos datos cuantitativos se contextualizan con 17 entrevistas a empleados.

Encontramos que, incluso a medida que la empresa crece, la contratación relativa en posiciones técnicas junior se ha ralentizado. La productividad tanto de los ingenieros como de los empleados no técnicos ha dado un salto, y lo hizo de forma pronunciada cuando adoptaron agentes de programación. Los responsables de contratación enfatizan cada vez más la autonomía y el juicio de los candidatos frente a la experiencia técnica específica. Un rasgo definitorio de trabajar en una organización con un uso intensivo de la IA es la presión constante por eliminarse a uno mismo de esa posición de cuello de botella cuando sea posible. Un ingeniero describió el trabajo como enfrentarse a “un ejército de Claudes, y cada uno pidiendo mi atención”. Los empleados de Anthropic siguen siendo críticos. Pero la naturaleza de sus contribuciones ha cambiado.

Anthropic ha respondido a estos cambios estableciendo un sistema de alerta temprana para rastrear los puestos en riesgo de disrupción y, a medida que los puestos evolucionan, la empresa ha priorizado las reubicaciones internas. Estas acciones, tomadas a la vanguardia tanto del desarrollo de la IA como del cambio en el lugar de trabajo, muestran cómo compromisos organizativos específicos pueden moldear el impacto de la IA en el empleo. Pero también plantean preguntas difíciles sobre cuáles deberían ser exactamente esos compromisos.

La demanda laboral en la frontera

Anthropic se ha expandido rápidamente. Pero ha contratado menos por cada dólar de ingresos que una generación anterior de grandes empresas tecnológicas. Con cinco años de existencia, Anthropic ingresa entre 2 y 4 veces más ingresos por empleado que Meta y Google cuando estas alcanzaron su punto álgido en su propio crecimiento acelerado.¹

¿Qué puestos faltan? Dentro de Anthropic, la discusión sobre una disminución de la demanda de empleados técnicos junior surgió en las funciones técnicas centrales en enero de 2026. Los equipos que dependían más intensamente de Claude en su propio trabajo descubrieron que escribir código y encontrar errores podía delegarse cada vez más en Claude. Los modelos recién capacitados aceleraron esta percepción: “lo que levantó cejas fue la mejora para los ingenieros de rendimiento en particular, y básicamente cambió de la noche a la mañana lo que estábamos buscando”.

En abril, los equipos de ingeniería e investigación habían reducido la prioridad de la contratación para posiciones técnicas de bandas inferiores. Cuando se les encuestó ese mismo mes, una mayoría de los gestores describió que contrataban un conjunto diferente de habilidades debido a la IA. Alrededor de un tercio de los gestores de ML y un quinto de los gestores de SWE informaron que contrataban menos debido a la IA.

El cambio en las proporciones de empleo es llamativo. La Figura 1 muestra que la proporción de empleados de nivel junior en los departamentos técnicos de Anthropic bajó del 21% al 14% desde principios de 2025. La proporción de contrataciones técnicas junior cayó aún más rápido, del 27% al 9%. Las ofertas para juniors han caído con especial brusquedad desde diciembre de 2025.

Al mismo tiempo, la proporción general de empleo de los departamentos técnicos dentro de Anthropic ha caído, del 61% al 56% en el último año. A medida que la empresa se expande, la contratación técnica ha seguido creciendo en términos absolutos, pero la contratación intensiva en ventas, finanzas y reclutamiento la ha superado. Parte de este cambio es la expansión natural de las funciones empresariales a medida que la empresa crece. Parte podría reflejar que las herramientas de programación permiten cada vez más que los empleados no técnicos creen software por sí mismos. Por ejemplo, un representante de ventas diseñó un panel y un pipeline personalizados adaptados a su trabajo: «una creación así estaba fuera de mis capacidades, especialmente con la interfaz de usuario, conectando todas las herramientas, los MCP. Pero lo construí probablemente en tres o cuatro horas, solo iterando sobre él». Las sesiones de agentes de IA enfocados en programación para empleados no técnicos (identificados como aquellos sin confirmaciones de código en la línea base, excluyendo a los nuevos contratados) saltaron de 2 por mes en agosto de 2025 a 90 en mayo de 2026.

Sin embargo, este cambio en la composición de la contratación no es solo una historia sobre la programación automatizada que permite su difusión a otros expertos en dominios. Dentro de los departamentos técnicos, la proporción de empleados que no programan activamente (definidos como aquellos que no han hecho confirmaciones de código en los últimos 30 días) cayó casi a la mitad durante el año hasta abril de 2026. Parte de esto se debe a un adelgazamiento de la proporción de no ingenieros: la proporción de ingenieros por gerentes de producto, por ejemplo, se sitúa en torno a 17 a 1 y ha aumentado desde 2025. El número de confirmaciones de código de los gerentes también se ha duplicado. Los roles de supervisión y coordinación dentro de los equipos técnicos implican cada vez más construir y despachar código.

Un área en la que la contratación no técnica no se ha acelerado es en las funciones administrativas que típicamente escalan con el tamaño de una empresa. Una combinación de asistentes de agentes, revisión automatizada y externalización de servicios de tickets ha dejado a Anthropic con poco personal administrativo incluso mientras crece rápidamente. Un gerente financiero construyó un agente de revisión de solicitudes de compra y explicó a sus colegas «solo intenta encontrar las cosas que consumen muchas horas para que puedan centrarse en las demás».

Incluso el trabajo administrativo estrechamente vinculado a la interacción en persona ha crecido lentamente. Un asistente ejecutivo, que construyó un agente asistente personal para la programación de citas y la clasificación de correos electrónicos, explicó: «Creo que ya hemos superado el punto en el que Claude sustituye el rol administrativo realmente de nivel inicial», y en cambio centró su trabajo en tareas de orden superior de «jefe de personal».

Estos cambios ya han implicado una reasignación: los empleados que llevaban al menos un año en la empresa tenían un 50% más de probabilidades de moverse entre departamentos cada mes en 2026 que en 2025. Equipos enteros también han sido reasignados al entregar su trabajo a los agentes. Considérese un equipo de diseño de producto, que escribía contenido como los saludos en Claude.ai: «Hola, trasnochador;» «¿Hora de café y Claude?». En la primavera de 2026, el equipo desarrolló un grafo de contexto que guiaba eficazmente a los agentes para escribir contenido de producto atractivo. Esto «escala al equipo hacia afuera», explicó su gerente, pero también planteó la cuestión de qué quedaba para los escritores humanos. El equipo entonces rotó hacia la creación de instrucciones para agentes y comenzó a escribir evaluaciones de modelos y prompts para Claude. «Los escritores que usaban el lenguaje para impulsar el comportamiento humano ahora lo usan para impulsar el comportamiento de Claude».

¿Está la IA impulsando aumentos de productividad en Anthropic?

¿Son estos cambios atribuibles a la IA? En Anthropic, los humanos son una capa delgada sobre un contingente creciente de agentes de IA. Según la telemetría de sesiones de agentes, en marzo de 2026, la suma de horas de trabajo de agentes autónomos e interactivos superó por primera vez a las horas de trabajo humanas. Parte de esto son flotas de agentes que realizan ingeniería de software a escala industrial, completando innumerables pruebas y verificaciones rutinarias, realizando mantenimiento sobre una masa creciente de código de infraestructura y liderando campañas concertadas para traducir bases de código masivas. Pero incluso limitándonos a los agentes desplegados por empleados individuales, como en la Figura 2, para agosto los agentes trabajaron 6 veces más horas que sus manejadores humanos.

Anthropic es un productor de software, y la gran mayoría de los tokens que fluyen a través de estos agentes se dedica a producir código de software. Los paneles monitorean flotas de agentes que operan en toda la empresa. Pero los agentes asistentes personales también monitorean los calendarios y mensajes de los empleados, programan citas, envían listas de tareas acumuladas de los mensajes entrantes e informan automáticamente a los empleados sobre las personas y el propósito de sus próximas reuniones. Los tokens tocan un rango creciente de tareas laborales cotidianas.

¿A cuánto ascienden todos estos tokens? La Figura 3 representa la producción a lo largo del tiempo para una variedad de funciones laborales con producción medible. En línea con informes previos que encuestaron a ingenieros de Anthropic y describían la automatización del entrenamiento de modelos y la investigación, los commits de código por ingeniero han crecido más rápido, llegando a 5 veces su velocidad de hace 6 meses. Los científicos de datos también están consultando más la creciente masa de datos de Anthropic, pidiendo a agentes de Claude que obtengan métricas en tiempo real para paneles y tomadores de decisiones. Pero la Figura 3 muestra que incluso los empleados no técnicos vieron aumentar su producción a medida que los agentes de código se difundían: los abogados procesaron más contratos; las cuentas por pagar tramitaron más facturas; los vendedores cerraron más acuerdos.

Pero ¿se debe todo esto al uso de Claude? Durante este mismo período, la empresa experimentó un crecimiento comercial explosivo. Es más fácil cerrar acuerdos cuando vendes un modelo potente. Para evaluar el efecto independiente de la IA, comparamos la producción de los empleados que adoptan herramientas de código agéntico con la de quienes aún no las han adoptado. Esto nos permite comparar empleados que trabajan en el mismo mes en la empresa, y por tanto expuestos a un contexto comercial similar, pero abordándolo con herramientas diferentes. Sin embargo, hay que señalar que la adopción de herramientas no es aleatoria: si los empleados al borde de impulsar algún gran proyecto nuevo deciden equiparse con herramientas para ello, por ejemplo, esto sesgaría nuestras estimaciones.

Seguimos a 192 ingenieros a lo largo del tiempo mientras adoptan agentes de código, en comparación con 74 ingenieros que no adoptan agentes durante el período estudiado. La Figura 4 muestra que en los meses posteriores a la adopción, la cantidad de código que los ingenieros añaden aumenta bruscamente. Más código no significa necesariamente mejor código o impacto comercial. Para detectar el código basura de la IA, estudiamos los commits de código realizados en Anthropic. Comparamos el código confirmado por el mismo empleado, en el mismo mes, en el mismo directorio de código, pero escrito por agentes de código en lugar de escrito directamente por el empleado humano. Hay muchas dimensiones de la calidad del código, y los errores de la IA pueden ser más difíciles de identificar que los humanos. Pero no encontramos diferencias en las tasas de líneas de código posteriormente eliminadas o revertidas.

La Figura 4 también examina qué sucede después de que un ingeniero adopta su primer agente completamente autónomo. Quienes adoptan ya estaban en una trayectoria de fuerte ascenso en comparación con los no adoptantes. Esto sugiere que los empleados que se estaban pasando a agentes completamente autónomos ya estaban aumentando su producción.

¿Van estos patrones más allá de la programación, hacia una transformación más amplia del trabajo intelectual? Los representantes de ventas de Anthropic adoptaron steadily agentes de IA a partir de septiembre pasado. La Figura 4 muestra que después de que los representantes de ventas adoptan agentes, cierran acuerdos con más clientes. Parte de este patrón podría estar impulsado por representantes con más oportunidades de ventas que se seleccionan hacia la automatización. Pero también podría reflejar la automatización del registro y la comunicación rutinaria. Un ejecutivo de cuentas explicó que las automatizaciones de Claude gestionaban la redacción de correos electrónicos y las integraciones con software de gestión de clientes, reemplazando alrededor del 20% de sus tareas de trabajo anteriores. Otro señaló que automatizaciones similares lo liberaron para centrarse en el tiempo cara a cara, permitiéndole hablar con un 30% más de sus clientes de lo que era posible antes: “cada vez que haces algo por segunda vez, es como, bueno, ¿cómo puedo usar Claude para no tener que hacerlo una tercera vez?”

Más allá de las ventas, un abogado de Anthropic construyó una serie de automatizaciones de Claude para escanear riesgos y oportunidades, clasificar preguntas legales y hacer primeras pasadas por textos de cara al público para revisión legal. Un reclutador usó Claude para ayudar con la búsqueda de candidatos, el seguimiento de solicitudes y un análisis que habría llevado “quizás un par de semanas”, liberándolo para rediseñar preguntas de entrevista obsoletas y reunirse con más solicitantes.

Todo esto sugiere que, a medida que las capacidades de la IA mejoran, impacta una amplia gama de trabajos en toda Anthropic. De manera descriptiva, vemos que el empleo junior se ralentiza en los trabajos que usan Claude para las tareas más complejas (Figura 5).

Cuellos de botella y procesos: tareas nuevas y antiguas en un lugar de trabajo intensivo en IA

La adopción masiva de la IA transforma algo más que el empleo y la productividad. También impulsa cambios continuos en los procesos de trabajo, generando nuevas tareas y modificando las percepciones de los empleados sobre su lugar de trabajo. Un empleado describió esto como la "presión eterna en Anthropic para moverse lo más rápido posible y usar Claude para todo", y otro que "las cosas que esperamos en una semana son cosas que en otros lugares tomarían tres meses". Una encuesta interna a empleados preguntó si los procesos de trabajo en Anthropic hacían a los encuestados lo más productivos posible: el 44% de los empleados estuvo de acuerdo a finales de 2024; el 58% para noviembre de 2025 (en abril de 2026, el 75% respondió que sí, pero la pregunta se debilitó al eliminar "lo más posible"). A partir de agosto, los empleados de Anthropic esperaban que la IA pudiera hacer el 75% de su trabajo para 2030, en comparación con el 28% de otros estadounidenses [Link to AI Expectations Gap].

Estas expectativas de productividad en constante aumento se dramatizan con la cadencia de lanzamientos internos de modelos. Tan pronto como un nuevo modelo está disponible, los empleados de Anthropic comienzan a abordar problemas más difíciles en sesiones interactivas del agente de codificación. Lo medimos con un calificador automatizado de Claude que evalúa las demandas de las tareas de sesiones anonimizadas según la profundidad, el alcance y el número de sistemas implicados. La proporción de tareas por encima del percentil 90 de dificultad para el modelo anterior aumenta sharply en torno al 30% (del 10% al 13% de todas las tareas) y se mantiene elevada en las semanas posteriores a los lanzamientos de modelos. El extremo fácil de las tareas asignadas a los agentes cambia poco.

La productividad en espiral de los agentes se traduce en resultados que compiten por las pantallas y la atención de las personas. Un ingeniero lo comparó con cuidar niños:

"Son como, necesito que me abran mi caja de jugo y es una emergencia que me abran mi caja de jugo. Y eso se expresa con el mismo nivel de preocupación que el que se ha cortado el dedo y está sangrando. [...] Cuando estás cuidando niños, cada niño te plantea preocupaciones con la misma exigencia de tu atención, y los diversos [Claudes] también lo hacen."

En la encuesta de abril de 2026, ante una pregunta abierta sobre cómo la IA ha impactado el trabajo diario, el 27% describió ganancias de productividad gracias a las herramientas de Claude y el 20% describió que su rol pasó de hacer el trabajo realmente a gestionar Claudes.

En medio de esta aceleración impulsada por los modelos, la atención humana es un cuello de botella constante. En sesiones interactivas de múltiples turnos, la gran mayoría del tiempo de sesión de los agentes no se dedica en absoluto a trabajar, sino a esperar. Rastreamos el tiempo de inactividad restando el tiempo de trabajo activo de cada agente del tiempo total de reloj de cada sesión interactiva. Las sesiones de Claude equivalen a alrededor del 80% esperando inactivamente la entrada humana. Como lo expresó un ingeniero, las personas están "convirtiéndose en el cuello de botella de los agentes".

¿Cuánto tiempo se necesitaría exactamente para leer toda la salida de Claude de las sesiones interactivas? Para cada sesión interactiva, convertimos los tokens de salida del agente de cada sesión en recuento de palabras, asumiendo una velocidad humana promedio de lectura. La Figura 6 muestra que las funciones técnicas han visto saltar el volumen de salida del agente de codificación durante los últimos 6 meses. Pero incluso para los grupos no técnicos, las sesiones interactivas de Claude generan suficiente contenido como para ocupar más de la mitad de la semana laboral. El diluvio de texto de Claude necesita organizarse.

Una solución a este diluvio es la creciente automatización. Pero esto requiere un trabajo de otro tipo. Las instrucciones permanentes escritas para los agentes crecieron de unos pocos cientos en julio de 2025 a 8,500 un año después. Un ingeniero configuró un agente jefe de personal para clasificar las solicitudes de los agentes. Otro escribió una evaluación de desempeño para su equipo de Claude: "Oye, hablemos de qué está y qué no está funcionando en nuestro estilo de comunicación". Los reclutadores construyeron paneles integrados con agentes que detectaban problemas e iniciaban acciones. Un abogado desplazó su atención de revisar preguntas legales a hacer "SEO para asesoría legal, necesitas escribir marcos que los agentes de [los clientes] descubran".

La Figura 7 muestra que este tipo de meta-trabajo saltó del 10% de las sesiones interactivas de Claude del empleado promedio en el otoño de 2025 al 22% en la primavera de 2026. Gran parte de este aumento se debió específicamente a la gestión de agentes: escribir especificaciones para ejecuciones multiagente, hacer que un agente revise la salida de otro en bucle y monitorear canalizaciones. En todas las funciones, la participación humana se abstrae cada vez más de una pieza particular de código o escritura hacia las herramientas necesarias para lograr que los agentes realicen sus tareas de manera efectiva.

A pesar de los aumentos en la fiabilidad de los agentes y de estas inversiones significativas en herramientas para supervisarlos, la confianza y la responsabilidad humanas siguen siendo críticas. Un empleado explicó que, cada vez más, rastrear errores "descubre estas cosas organizativas o sistémicas o de deuda técnica que realmente requieren cierta cantidad de reunión humana y toma de decisiones y gobernanza para resolverse". En entrevista tras entrevista, los empleados describieron la coordinación cara a cara como indispensable. Según los datos del calendario, el empleado mediano pasa un 20% más de tiempo en reuniones que hace un año. Parte de esto refleja el crecimiento de la empresa y un cambio hacia roles no técnicos intensivos en reuniones. Pero incluso entre los empleados en roles técnicos de colaborador individual, el tiempo en reuniones aumentó un 16% en el último año. Las grandes preguntas estratégicas tocan una amplia gama de posiciones con influencia y normalmente requieren debate y participación con otros. Un descanso de la gestión de los agentes generalmente parece consistir en saltar a una reunión.

En términos generales, tanto los roles técnicos como los no técnicos han visto cómo partes de implementación de su trabajo se automatizan (escribir código, identificar errores, registrar avances, redactar correos electrónicos). Los ingenieros describieron convertirse en líderes y gestores de agentes; los empleados no técnicos describieron hacer cada vez más las partes estratégicas de su trabajo: “ese 20% que era estratégico se convierte en el 90% del trabajo”. Pero para muchos roles no técnicos, el trabajo central de implementación también es interpersonal: una llamada de ventas, una entrevista, la alineación interfuncional sobre un problema complejo. Todo esto sigue siendo humano.

Consideremos también los canales de Slack que proporcionan tanto la portada como los canales informales de la comunicación de Anthropic. Los agentes se difundieron por Slack y eventualmente aparecieron en casi la mitad de los canales públicos activos. La Figura 8 se acerca a la red de comunicación de un solo departamento grande, basándose en todos los canales públicos de Slack a través de los cuales interactuaron los miembros de ese departamento. Vincula tanto a participantes humanos como agentes según si participaron en un hilo de Slack. La figura muestra el notable ascenso de los agentes, a medida que los puntos naranjas florecen y dominan la red.

Los agentes aparecen de manera desproporcionada en canales dedicados a las interacciones entre Claude y humanos, en lugar de enviar muchos mensajes en los canales humanos existentes. La estructura subyacente y la densidad de la comunicación humana cambian poco. Los agentes no reemplazaron la interacción humana, sino que se sumaron a ella: los hilos humanos en este departamento mantuvieron el mismo número de respuestas humanas, mientras añadían adicionalmente respuestas de agentes. Los agentes se convierten en equipos para un solo empleado, en lugar de nodos con alta conectividad hacia muchos empleados a la vez.

A medida que los humanos trabajan en medio de una flota creciente de agentes de IA, enfrentan la presión de trasladar el trabajo humano a canales visibles para los agentes. Si se toma una decisión en una reunión presencial, y no aparecen notas ni informes, los agentes carecen de contexto crucial para actualizar sus objetivos y suposiciones. Un empleado explicó cómo tener su nombre en un documento de hace meses sobre artículos promocionales de Claude hizo que los agentes siguieran trayendo solicitudes de camisetas y tazas, mucho después de que sus responsabilidades hubieran cambiado. El trabajo privado, en reuniones sin registro y mensajes directos, es invisible, confuso y desaconsejado en un lugar de trabajo con mucha IA. Un investigador describió esta tendencia predeterminada hacia la apertura como crítica para la integración profunda de la IA en Anthropic: “la mayoría de las organizaciones no funcionan así y creo que es un gran cambio porque los líderes tienen que defender los comentarios abiertamente”. La necesidad de alimentar el contexto de la IA requiere observabilidad del trabajo y las decisiones humanas.

¿Quién prosperará en un lugar de trabajo como este? Los cambios en el contenido del trabajo en Anthropic también se manifiestan como cambios en las habilidades que los responsables de contratación priorizan en las decisiones de contratación. Utilizamos un codificador automatizado para procesar las tarjetas de puntuación de entrevistas de los responsables de contratación para miles de empleados contratados en Anthropic desde 2024. Estos comentarios son reacciones cualitativas de los entrevistadores que evalúan el desempeño de los candidatos. El cambio más claro es el aumento del énfasis en si los candidatos han demostrado un uso creativo de las herramientas de IA. En 2024, los responsables de contratación señalaron el historial de los candidatos con herramientas de IA en alrededor del 5% de las evaluaciones para roles técnicos, y del 7% para roles no técnicos. Para 2026, estas tasas se habían triplicado para los roles técnicos y cuadruplicado para los roles no técnicos. Los responsables de contratación se enfocan cada vez más en si los candidatos usan la IA de manera eficaz.

También son visibles cambios más profundos en la evaluación. Entre las entrevistas para candidatos técnicos, los mayores aumentos fueron en comentarios sobre la autonomía y el criterio de los solicitantes. La discusión sobre experiencia en el dominio disminuyó como proporción de la evaluación general. Como explicó un gerente, “espero que los modelos sigan siendo desiguales, así que para mi equipo quiero que sean intercambiables entre dominios”. De manera similar, para los candidatos no técnicos, aumentó la orientación al cliente y a la misión, mientras que la discusión sobre habilidades de ejecución cayó. Cada vez más, los responsables de contratación evalúan a los solicitantes según su criterio y compromiso, en lugar de las habilidades específicas del dominio y la ejecución automatizadas por las herramientas de IA.

Qué pueden hacer los empleadores

La profunda adopción de la IA en Anthropic lo convierte en un caso útil. A medida que la IA se difunde y mejora, la organización del trabajo podría cambiar como ocurrió en olas anteriores de cambio tecnológico. Los ferrocarriles nos dieron la corporación gerencial, la energía de vapor permitió las fábricas, y las computadoras personales dieron origen a las startups. ¿Qué nuevas organizaciones requerirán los LLM que usan herramientas y razonan, y cuál será nuestro papel en ellas? Una posibilidad son las startups unipersonales, cada una con un fundador humano que dirige enjambres de agentes para generar miles de millones en ingresos. Otra son las empresas construidas por directores ejecutivos genios de la IA que emplean agentes humanos solo para manipular pipetas y declarar ante el congreso.

Anthropic no se parece a ninguna de estas. Se ha triplicado en tamaño en el último año. Ya no es una pequeña startup. Tampoco ha cedido el control ejecutivo a sus modelos. Los debates escritos en Slack y las reuniones presenciales dirigen todo, desde la estrategia de la empresa hasta las decisiones de los equipos, con poca intervención de los agentes de IA. Mantener visible el trabajo humano en toda la empresa garantiza que los agentes autónomos razonen a partir de contexto actualizado. Los contribuyentes individuales que orquestan equipos de agentes se parecen más a gerentes en cuanto al conocimiento que necesitan y las interdependencias en su trabajo. Trabajar y decidir abiertamente es crítico en una organización intensiva en IA.

A medida que los empleados ven cada vez más su trabajo como la gestión de equipos de Claudes, dedican más tiempo a construir las herramientas necesarias para hacerlo eficazmente en sus propios dominios distintivos. Esta experimentación significa que los empleados están automatizando continuamente sus propias tareas. En algunos roles, están cada vez más alejados del trabajo de nivel de objeto que originalmente construyó sus habilidades. A medida que los agentes avanzan a toda velocidad por los flujos de trabajo, la atención y el juicio humanos son un cuello de botella contra el que el sistema se tensa. Desde ventas hasta legal, se espera que los empleados humanos hagan más y diferentes tareas. Los roles se amplían para incluir la construcción de productos, la gestión de agentes y el abordaje del trabajo estratégico e interpersonal que permanece fuera del alcance de los mejores LLM.

Estos cambios en la organización y el contenido del trabajo han aparecido junto con una disminución de la proporción de roles técnicos junior en la plantilla, las contrataciones y las ofertas de empleo. Los responsables de contratación se centran cada vez más en la autonomía y el juicio de los solicitantes, en lugar de en la ejecución y la experiencia estrecha. En general, el crecimiento de los ingresos de Anthropic en relación con su crecimiento en empleo ha superado incluso el rápido crecimiento temprano de productividad de una generación anterior de empresas tecnológicas.

Proyectar estos patrones hacia adelante y a través de la economía sugiere que la difusión de la IA podría implicar un riesgo de desplazamiento de trabajadores. Trabajos anteriores también encuentran que las startups nativas de IA y los adoptantes de IA son más planas y emplean menos empleados de nivel inicial .. ¿Qué podemos aprender de Anthropic sobre cómo gestionar las convulsiones de la IA de una manera que sirva a los humanos que trabajan a su alrededor?

Aquí queremos proceder con cuidado. Hay muchas partes de las prácticas laborales de Anthropic que no pueden replicarse en toda la economía.

Pero tres características destacan. Primera, la propiedad generalizada de acciones da a los empleados un fuerte interés en el éxito de la empresa. Por supuesto, esta es una postura fácil para una empresa que ha visto aumentos sustanciales en su valoración. Para muchas empresas, la propiedad compartida puede ser insuficiente o de otro modo indeseable. Pero es difícil imaginar una versión de adopción de IA a favor de los trabajadores en la que los trabajadores no tengan una participación financiera en una implementación exitosa. Si se espera que los contribuyentes individuales «gestionen agentes», «tomen decisiones de nivel de vicepresidente» y sean «su propia línea de negocio», como lo expresaron los entrevistados, entonces alinear sus intereses con la organización es crucial. El acuerdo posguerra entre sindicatos y dirección forjado en los años 1950 se basó exactamente en este tipo de pacto: los sindicatos como United Auto Workers y United Steel Workers permitieron la prerrogativa de la dirección sobre la reorganización del trabajo (e incluso su intensificación) a cambio de aumentos salariales vinculados a aumentos de productividad y a una rica variedad de beneficios. Cualquiera que sea el nuevo acuerdo entre los empleados afectados por la IA y sus empleadores, un mecanismo para compartir los beneficios de la adopción es esencial. En Anthropic, los trabajadores codifican su experiencia para la máquina, ven sus rutinas de trabajo constantemente agitadas y perturbadas, y han visto que una gran parte de su trabajo se convierte en leer a toda velocidad los resultados de sus colaboradores de IA. No hacen esto gratis.

Segunda, Anthropic está estableciendo un sistema de alerta temprana continuo para monitorear los empleos que enfrentan una transformación impulsada por la IA. Una serie de métricas a nivel de rol sobre demanda y productividad se contrastan con las capacidades y el uso de la IA. Estas métricas agregadas ayudan a señalar dónde se está desplazando el trabajo. Un sistema de alerta temprana permite a la empresa comenzar a reasignar a los empleados afectados a trabajos con un ajuste de habilidades que puede estar menos inmediatamente en riesgo. A medida que las empresas de toda la economía se reorientan hacia un ritmo acelerado de reorganización del trabajo, los sistemas eficaces para guiar la reasignación interna de empleados serán cada vez más valiosos. Recurrir al mercado laboral externo para satisfacer cada nueva tarea exigida por los avances de la IA será un cuello de botella más fuerte cuanto más rápidos sean los avances de la IA. En este informe, encontramos una mayor movilidad entre departamentos, un contenido de trabajo cambiante y empleados que pasan a nuevas tareas a medida que las antiguas se automatizaban. Construir sistemas para reasignar flexiblemente a los trabajadores internamente será fundamental para las organizaciones intensivas en IA.

Este compromiso con la reasignación interna de trabajadores plantea compensaciones importantes. Un mercado laboral que funciona bien debería trasladar a los trabajadores a sus posiciones más productivas, ya sea en su empleador actual o en otro. Los compromisos de reasignar a los trabajadores actuales podrían hacer que los empleadores duden en asumir el riesgo de contratar nuevos empleados. En condiciones económicas normales, particularmente en las intensamente competitivas, tales compromisos podrían ser costosos.

Pero priorizar la reasignación obliga a las empresas que adoptan la IA a considerar formas en que la IA puede crear nuevas tareas para nuevos productos y nuevos mercados, en lugar de canalizar las aplicaciones de la IA hacia el reemplazo de trabajadores humanos para ahorrar en costos laborales. Esto podría ayudar a los empleadores a resistir la tentación de la automatización «regular» o «ineficiente», en la que la IA u otras tecnologías apenas superan a los trabajadores humanos: los empleadores reemplazan a los trabajadores humanos, imponiendo costos sociales sustanciales en ingresos perdidos para los trabajadores desplazados, mientras ofrecen beneficios de productividad mínimos.

Por lo que vemos en Anthropic, tanto las tareas novedosas como las persistentemente humanas permanecen junto a un uso intensivo de la IA. La incertidumbre sobre el conjunto futuro de estas tareas debería recomendar preservar una fuerza laboral flexible. Como señaló un ejecutivo de Anthropic, «una fuerza laboral ansiosa y preocupada no es una fuerza laboral que hace su mejor trabajo».

Ninguna de estas acciones impedirá que la IA poderosa trastorne los empleos. Y de hecho, ninguna aborda directamente la desaceleración de las contrataciones de personal júnior documentada en este informe. Las protecciones laborales para los empleados actuales no beneficiarán a quienes ni siquiera fueron contratados en primer lugar. La acción privada por parte de los empleadores debe ir acompañada de una política gubernamental visionaria en materia de recapacitación y apoyo a los ingresos. Dicha política debe guiarse por una imagen clara de la escala de la transformación del lugar de trabajo que la IA puede traer.

Cita sugerida

@techreport{wilmers2026employment,

author = {Nathan Wilmers and Regina Catipon and Maxim Massenkoff and Peter McCrory},

title = {How employment is changing at Anthropic},

institution = {The Anthropic Institute},

type = {Technical Report},

year = {2026},

month = sep,

url = {https://anthropic.com/research/<SLUG-TBC>}

}

Agradecimientos

Agradecemos a los empleados de Anthropic que dedicaron tiempo a entrevistas sobre cómo ha cambiado su trabajo. Por sus comentarios y asistencia muy valiosos, damos las gracias a Kate Astbury, Shehzad Bashir, Zoe Blumenfeld, Scott Booth, Henry Brill, Yena Cho, Henry de Valence, Adam Farina, Johannes Hermle, Zoe Hitzig, , Hasnain Lakhani, Eva Lyubich, Kerry Persen, Kristina Pham, Sarah Pollack, Hannah Pritchett, Georg Rilinger, Santi Ruiz, Szymon Sacher, Florian Scholz, Meg Tong, Monika Tuchowska, Helen Wang, Kim Withee, Charles Yang y Jack Clark.

Obras citadas

Acemoglu, Daron, y Pascual Restrepo. 2019. «Automation and New Tasks: How Technology Displaces and Reinstates Labor» (Automatización y nuevas tareas: cómo la tecnología desplaza y reinstala el trabajo). Journal of Economic Perspectives 33 (2): 3–30. https://doi.org/10.1257/jep.33.2.3

Beraja, Martin, y Nathan Zorzi. 2025. «Inefficient Automation» (Automatización ineficiente). Review of Economic Studies 92 (1): 69–96. https://academic.oup.com/restud/article-abstract/92/1/69/7612958

Demirer, Mert, Leon Musolff y Liyuan Yang. 2026. «Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools» (Escribir código frente a enviar código: efectos sobre la productividad entre generaciones de herramientas de codificación con IA). NBER, Documento de Trabajo 35275. https://doi.org/10.3386/w35275

Ewens, Michael, y Xavier Giroud. 2025. «Corporate Hierarchy» (Jerarquía corporativa). NBER, Documento de Trabajo 34162. https://doi.org/10.3386/w34162

Favaro, Marina, y Jack Clark. 2026. «When AI Builds Itself» (Cuando la IA se construye a sí misma). The Anthropic Institute. https://www.anthropic.com/institute/recursive-self-improvement

Hitzig, Zoe, Maxim Massenkoff, Eva Lyubich, Shaoyi Zhang, Ryan Heller y Peter McCrory. 2026. «Agentic Coding and Persistent Returns to Expertise» (Codificación agéntica y rendimientos persistentes de la experiencia). Anthropic, 16 de junio. https://www.anthropic.com/research/claude-code-expertise

Hosseini Maasoum, Seyed Mahdi, y Guy Lichtinger. 2025. «Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data» (La IA generativa como cambio tecnológico sesgado por la antigüedad: evidencia a partir de datos de currículos y ofertas de empleo en EE. UU.). SSRN, Documento de Trabajo 5425555. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555

Huang, Saffron, Bryan Seethor, Esin Durmus, Kunal Handa, Miles McCain, Michael Stern y Deep Ganguli. 2025. «How AI Is Transforming Work at Anthropic» (Cómo la IA está transformando el trabajo en Anthropic). Anthropic, 2 de diciembre. https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

Kim, Hyunjin, y Rembrand Koning. 2026. «AI-Native Firms» (Empresas nativas de IA). Harvard Business School, Documento de Trabajo 26-090. https://www.hbs.edu/ris/Publication%20Files/26-090_96f92aa0-37d9-4789-beaa-5c0cb87a4032.pdf

Roodman, David, y Maxim Massenkoff. 2026. «An Evidence Review of Subsidized Job Training» (Una revisión de la evidencia sobre la formación laboral subvencionada). The Anthropic Institute, Documento de Trabajo 2026-01. https://www.anthropic.com/research/reviewing-the-evidence-on-worker-retraining-programs

Notas al pie

1. Las estimaciones de Anthropic provienen de registros internos financieros y de personal de los doce meses hasta abril de 2026 (aproximadamente cinco años después de la fundación). Las cifras de empleo e ingresos de Google y Meta se basan en los formularios 10-K presentados a los 5 años de la fundación (2003 y 2009, respectivamente). Todas las cifras están ajustadas a dólares de 2025.

Contenido relacionado

Diseñar circuitos cuánticos más eficientes con Claude

Le dimos a Claude especificaciones en lenguaje natural para ocho circuitos cuánticos, junto con un evaluador automatizado para verificar y calificar sus diseños. Trabajando en gran medida por su cuenta, Claude mejoró los mejores circuitos publicados, en algunos casos en un orden de magnitud o más, lo que podría acercar las computadoras cuánticas prácticas más de lo que se anticipaba anteriormente.

Claude revela los orígenes de la curva ECDSA

El misterio de décadas sobre los orígenes de uno de los estándares criptográficos más populares ha sido explicado.

La brecha de expectativas sobre la IA

¿Cómo remodelará la IA la economía en los próximos años? ¿Cuál es la fuente principal del desacuerdo sobre el impacto futuro de la IA en la economía? Esta nota presenta nuevas evidencias de encuestas sobre estas preguntas.