Por Canuto  

Boris Cherny, creador de Claude Code en Anthropic, sostuvo que programar ya está esencialmente “resuelto” para ciertos casos de uso y describió un futuro donde la IA escribirá casi todo el software, los equipos serán más generalistas y las startups tendrán una ventaja inédita frente a las grandes empresas.
***

  • Cherny afirmó que en su flujo de trabajo el modelo ya escribe el 100% del código y que llegó a gestionar hasta 150 PR en un solo día.
  • Anthropic atribuye el despegue de Claude Code tanto a mejoras del producto como a saltos en sus modelos, especialmente desde Opus 4.
  • El ejecutivo prevé una democratización del desarrollo de software y una ola de nuevas startups impulsadas por agentes, loops y automatización.

Boris Cherny, una de las figuras clave detrás de Claude Code en Anthropic, planteó una tesis ambiciosa sobre el estado actual del desarrollo de software: para él, “programar está resuelto” en buena parte de los casos prácticos. La afirmación no implica que todos los problemas técnicos hayan desaparecido, sino que los modelos ya pueden asumir casi todo el trabajo de escritura de código en entornos adecuados.

Durante la conversación Anthropic’s Boris Cherny: Why Coding Is Solved, and What Comes Next, organizada por Sequoia Capital e interviniendo junto a la entrevistadora Lauren Reader, Cherny relató cómo nació Claude Code, por qué su adopción tardó en despegar y qué cambios espera ver en equipos de producto, startups y trabajo del conocimiento en general.

La discusión resulta relevante para cualquier lector que siga de cerca el cruce entre inteligencia artificial, software y negocios tecnológicos. En especial, porque va más allá de la vieja idea del asistente de autocompletado y apunta hacia sistemas que delegan, corrigen, monitorean y ejecutan tareas en paralelo con una autonomía cada vez mayor.

Cherny explicó que comenzó a trabajar en Claude Code a finales de 2024, dentro de un pequeño incubador interno llamado Anthropic Labs. Según detalló, era un equipo reducido que también creó MCP y la aplicación de escritorio, con una lógica propia de laboratorio de innovación: construir lo que consideraban el siguiente producto lógico antes de que el mercado lo exigiera plenamente.

Su tesis era que existía un “product overhang”, es decir, una brecha entre lo que el modelo ya podía hacer y lo que los productos disponibles todavía no capturaban. En ese momento, dijo, el estado del arte en coding se limitaba al autocompletado línea por línea dentro del IDE, una experiencia que describió como insuficiente frente al potencial real de los modelos.

Por eso, en vez de conformarse con sugerencias de tipo ahead, el equipo apostó por un agente que escribiera todo el código. El problema fue que esa apuesta llegó antes del momento adecuado. Cherny reconoció que durante los primeros seis meses la herramienta apenas funcionaba, era difícil de usar y solo le servía para cerca del 10% de su propio trabajo.

Incluso tras su lanzamiento inicial, Claude Code no se convirtió de inmediato en un éxito explosivo. Había usuarios, pero no crecimiento exponencial. Ese punto de inflexión, según relató, llegó con Opus 4 en mayo, y desde entonces cada salto de modelo, pasando por 4.5, 4.6 y 4.7, fue elevando de nuevo la curva de adopción.

Por qué Anthropic dice que “coding is solved”

La frase más llamativa de Cherny fue que, al menos para él, programar ya está resuelto. Su explicación fue concreta: en su día a día, el modelo escribe el 100% de su código. Añadió que esto no significa que la realidad sea idéntica en todas las empresas o lenguajes, pero sí que en ciertos entornos ya se cruzó un umbral práctico.

Como ejemplo, mencionó la propia base de código de Claude Code, que describió como relativamente simple, construida en TypeScript y React. Esa elección no fue casual. En las primeras etapas, explicó, importaba mucho trabajar con tecnologías “on distribution”, es decir, muy presentes en los datos y patrones que el modelo conocía mejor.

Hoy, sostuvo, eso importa menos porque los modelos pueden adaptarse mejor a nuevos lenguajes y frameworks. Sin embargo, en la fase inicial esa compatibilidad era clave para conseguir resultados sólidos. Según dijo, en el caso de su equipo el modelo ya escribía el 100% del código desde octubre o noviembre del año pasado.

Cherny también ofreció una medida llamativa de productividad. Aseguró que normalmente abre varias decenas de PR al día, y que la semana pasada llegó a hacer cerca de 150 PR en una sola jornada, en parte como experimento para medir hasta dónde podía empujar ese flujo de trabajo asistido por agentes.

Aun así, reconoció límites claros. Hay bases de código grandes y complejas, además de lenguajes “raros” o menos dominados por el modelo, donde la automatización total todavía no está lista. Su respuesta, no obstante, fue muy reveladora del ritmo actual: en muchos casos, dijo, la solución es simplemente esperar al siguiente modelo.

Del teclado al teléfono: sesiones, loops y cientos de agentes

Uno de los pasajes más comentados de la charla fue la descripción de su setup personal. Cherny contó que hoy hace gran parte de su trabajo desde el teléfono, usando la app de Claude y manteniendo abiertas entre cinco y 10 sesiones a la vez. Dentro de esas sesiones, dijo, suelen correr unos pocos cientos de agentes en paralelo.

Por las noches, añadió, ese número puede subir a varios miles de agentes dedicados a trabajo más profundo. El objetivo no es solo escribir código, sino supervisar tareas repetitivas, hacer seguimiento de cambios y sostener procesos de mejora continua sin intervención constante del humano.

Entre las funciones que más destacó aparece “loop”, una herramienta que describió como “lo más simple que funciona”. Básicamente, permite que Claude use cron para programar trabajos recurrentes en el futuro, con frecuencia configurable, desde cada minuto hasta una vez por día.

Con esos loops, afirmó, mantiene automatizaciones como el cuidado de sus PR, la corrección de problemas en CI, el rebase automático, el mantenimiento de pruebas inestables y hasta la recolección de feedback desde redes sociales para agruparlo cada 30 minutos. También mencionó el lanzamiento de “routines”, una versión similar que sigue corriendo del lado del servidor aunque el usuario cierre el equipo.

La idea central es que los agentes de IA no solo ejecutarán tareas puntuales, sino que administrarán flujos completos de trabajo. Para Cherny, ese tipo de automatización persistente es una pista clara de hacia dónde va el desarrollo de software y, más ampliamente, el trabajo digital.

Equipos más generalistas y empresas organizadas alrededor de la IA

Otro punto fuerte de la conversación fue su visión sobre cómo cambiarán los equipos. Cherny cree que habrá más generalistas que hoy, pero no solo dentro de la ingeniería. Su predicción es la aparición de perfiles capaces de moverse entre producto, diseño, ciencia de datos e implementación técnica con mucha más naturalidad.

Según explicó, ya ve esa transición dentro del propio equipo de Claude Code. Dijo que allí todos programan, incluyendo al engineering manager, el product manager, los diseñadores, la persona de ciencia de datos, el responsable financiero y el investigador de usuarios. Cada uno conserva su especialidad, pero además escribe código.

Esa observación se conecta con una idea mayor: si la IA reduce drásticamente la barrera técnica de programar, el conocimiento del dominio gana peso relativo. Para ilustrarlo, Cherny planteó que, si alguien quiere crear software contable, quizá la mejor persona para hacerlo no sea un ingeniero, sino un gran contador que entienda el problema en profundidad y deje la implementación en manos del modelo.

También dejó claro que, en su visión, la verdadera ventaja competitiva de Anthropic frente al resto no está tanto en usar modelos secretos distintos, sino en la transformación organizacional. Aseguró que internamente usan los mismos modelos disponibles para los demás y que el dogfooding es central en la cultura de la empresa.

Donde sí observa una brecha mayor es en los procesos. Dijo que dentro de Anthropic usan Claude para literalmente todo, que ya no se escribe código manualmente en la compañía, que incluso el SQL es generado por modelos y que los agentes se comunican entre sí por Slack para resolver dudas mientras operan en loops continuos.

La economía del software y el posible auge de las startups

Cuando la charla giró hacia el impacto económico de la IA sobre el software, Cherny rechazó la idea simple de un “apocalipsis SaaS”, aunque sí anticipó cambios profundos. Su razonamiento se apoyó en el marco de las “seven powers”, una teoría de estrategia empresarial popularizada en el ámbito tecnológico.

Según dijo, algunas ventajas competitivas perderán relevancia con la IA. Entre ellas mencionó los costos de cambio, porque un modelo podría facilitar la migración entre herramientas, y el poder basado en procesos, ya que los modelos mejoran de forma acelerada para entender flujos de trabajo y optimizarlos de manera iterativa.

En contraste, sostuvo que otras defensas seguirán siendo muy valiosas. Citó efectos de red, economías de escala y recursos difíciles de replicar como elementos que no cambian sustancialmente solo porque la IA abarate la producción de software.

Su segunda gran predicción fue más directa: cree que en los próximos 10 años habrá un aumento de 10x en la cantidad de startups capaces de “disrumpir todo”. La razón es que una pequeña empresa, construida desde cero con IA como base operativa, puede competir de forma más eficaz contra grandes corporaciones atrapadas en procesos, resistencia interna y necesidad de reentrenamiento.

Para los emprendedores, su mensaje fue optimista. Describió el momento actual como el mejor para construir startups, precisamente porque las nuevas compañías no arrastran la carga cultural y organizacional de estructuras previas. En ese sentido, ve una ventaja nítida para quienes nacen nativamente en la lógica de agentes, automatización y desarrollo asistido por IA.

Programar para todos, como leer y escribir

Tal vez la comparación más ambiciosa de toda la charla fue la que hizo entre la programación y la alfabetización. Cherny trazó un paralelo con la imprenta en Europa durante el siglo XV, cuando la lectura y la escritura pasaron de ser una habilidad minoritaria a una capacidad masiva, impulsada por una caída fuerte en costos y una explosión de material disponible.

Antes de la imprenta, recordó, cerca del 10% de la población europea sabía leer y escribir. Tras la difusión de las prensas y la reducción del costo de los libros, la producción de literatura se disparó y, con el paso de los siglos, la alfabetización se expandió a escala global.

Su conclusión es que el software seguirá un trayecto comparable, pero mucho más rápido. Considera que programar se convertirá en una habilidad tan extendida como enviar un mensaje de texto. No desaparecerán los especialistas, del mismo modo en que todavía existen escritores profesionales, pero crear software dejará de ser un territorio reservado para ingenieros de élite.

En esa lógica, la pregunta sobre si el futuro será local o en la nube pierde importancia. Ante una consulta sobre agentes locales frente a modelos centralizados, Cherny respondió que pronto esas decisiones las tomará el propio sistema. Si conviene usar un modelo local para una tarea, el agente lo decidirá. El ingeniero humano dejará de ocuparse de buena parte de esa orquestación.

También mencionó otras áreas donde todavía observa un claro “product overhang”. Entre ellas, destacó Claude Design, el uso del computador en tareas generales y funciones como loop, batch y otras formas de paralelización masiva. Su tesis final fue consistente con toda la conversación: el trabajo pendiente no es demostrar si los modelos pueden hacerlo, sino construir las capas de producto y organización que permitan aprovecharlos a escala.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados