Anthropic ha publicado un informe de ingeniería detallado sobre cómo hizo que claude.ai y la aplicación de escritorio Claude fueran aproximadamente tres veces más rápidos en un sprint de dos semanas, y el giro es que la mayor parte del trabajo fue realizado por el propio Claude. La publicación, publicada en el blog de ingeniería de Anthropic, describe una campaña de rendimiento ejecutada desde un único canal de Slack con el modelo de IA en cada hilo, encontrando cuellos de botella, creando puntos de referencia, enviando mejoras y observando cada implementación.
Las cifras, medidas en el percentil 75, son sustanciales. El tiempo hasta una página que se puede escribir en una nueva carga de claude.ai cayó de 3,1 segundos a 0,55 segundos. Iniciar una nueva sesión de Claude Code disminuyó de 0,8 segundos a 0,3 segundos, y cargar una sesión en la nube de Claude Cowork disminuyó de 2,6 segundos a 0,73 segundos. En conjunto, Anthropic estima que las mejoras ahorran decenas de miles de horas de espera de usuario todos los días. Para más contexto sobre esta historia, consulta nuestra noticias de IA.
Medir primero, luego moverse
El sprint comenzó con mediciones en lugar de códigos. Utilizando Claude para analizar los datos de uso a través de un servidor MCP de Datadog, el equipo identificó los cuatro recorridos del usuario que representan el 95 por ciento de la actividad: iniciar la aplicación, iniciar una conversación, cargar una conversación existente y enviar un mensaje. A través de la web y el escritorio, esos viajes se dividieron en trece mediciones distintas, y el equipo agregó instrumentación hasta que cada una fuera directamente comparable, comenzando con la interacción del usuario y finalizando una vez que se presentó el resultado.
Una vez establecidas las líneas de base, el equipo elaboró una lista de aproximadamente veinte proyectos cuidadosamente seleccionados, cada uno de los cuales apuntaba a un viaje específico, e hizo que Claude estimara el impacto de cada uno en milisegundos para establecer objetivos de sprint. El plan aterrizó temprano: informes antrópicos alcanzaron doce de los trece objetivos para el tercer día. Eso dejó espacio para que Claude identificara más oportunidades y propusiera nuevas líneas de trabajo, que rápidamente se convirtieron en proyectos completos propios e impulsaron los resultados más allá de los objetivos originales.
Lo que realmente se envió
Los cambios técnicos se leen como una lista de verificación del trabajo de rendimiento web moderno. Para lanzamientos más rápidos, el equipo incorporó un compositor estático en el HTML para que los usuarios puedan comenzar a escribir durante la inicialización de React, y precompiló un caché de código V8 para que el proceso principal del shell del escritorio ya no se vuelva a compilar desde cero al inicio. Para una navegación más rápida entre conversaciones, el compositor permanece montado en lugar de ser derribado y reconstruido, las sesiones se captan previamente cuando un usuario pasa el cursor sobre ellas y las repeticiones de la barra lateral se redujeron en un 90 por ciento.
La escala del historial de fusiones es la cifra principal: más de tres mil cambios se realizaron durante el sprint sin un solo incidente o reversión de cara al cliente, según la publicación.
Claude Tag: un agente con barandillas
El sprint se ejecutó en lo que Anthropic llama Claude Tag, actualmente en versión beta y descrito como un modelo de investigación interna más o menos comparable a Opus 5.5. La división del trabajo es la parte más trascendental de la historia. Claude encontró cuellos de botella, creó puntos de referencia, implementó correcciones y supervisó cada implementación, trabajando de forma asincrónica durante horas seguidas, incluso durante la noche. Los humanos establecieron objetivos, hicieron concesiones y aprobaron cada cambio antes de que se fusionara.
El equipo también quería iterar más rápido que su cadencia de implementación, por lo que creó mediciones de laboratorio como sustitutos de lecturas del mundo real. Entre las preguntas que formularon los ingenieros: ¿podrían los recuentos de instrucciones de JavaScript reemplazar la sincronización del reloj de pared como una señal de retroalimentación más rápida para validar prototipos antes de la implementación?
Por qué es importante para la ingeniería asistida por IA
La publicación de Anthropic se destaca menos por las optimizaciones específicas (shells estáticos, captación previa y reducción de renderizado son técnicas establecidas) que por lo que demuestra sobre el desarrollo impulsado por IA a escala de producción. Un laboratorio fronterizo acaba de enviar una revisión del rendimiento de tres mil cambios de un producto de consumo emblemático con agentes de IA haciendo la mayor parte del trabajo de identificación, implementación y verificación, mientras que los humanos conservaban la autoridad de aprobación sobre cada cambio.
El resultado también se sitúa en un contexto competitivo donde la capacidad de respuesta es una característica del producto. Claude compite directamente con ChatGPT de OpenAI y Gemini de Google por la atención de consumidores y desarrolladores, y la velocidad percibida da forma al uso diario de los productos asistentes tanto como lo hace la calidad del modelo. Reducir el tiempo de interacción de 3,1 segundos a 0,55 segundos aborda la queja más común que los usuarios tenían sobre el producto.
Para los equipos de ingeniería que observan desde afuera, la lección transferible de la cuenta de Anthropic es la estructura de bucle: mida los viajes de los usuarios con precisión, deje que el modelo proponga y valide cambios con respecto a esas mediciones, mantenga una puerta de aprobación humana y amplíe el alcance solo tan rápido como el sistema de medición pueda verificar. El propio planteamiento de Anthropic es que una vez que Claude puede medir algo, puede hacerlo más rápido, por lo que el equipo siguió encontrando más cosas para medir.
Queda por ver si sprints similares impulsados por agentes se convertirán en una práctica estándar en toda la industria del software, pero Anthropic ha proporcionado uno de los puntos de datos públicos más concretos hasta el momento de que pueden funcionar a escala. Los lectores que sigan cómo la IA está remodelando el desarrollo de software pueden seguir nuestra cobertura de investigación de IA para conocer más desarrollos.
---
Mantente al Día con la IALas últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.
Leer más noticias de IA →
