Anthropic on Carles Abarca

Claude Mythos: el modelo que Anthropic no quiso publicar

Thu, 09 Apr 2026 00:00:00 +0000

“Claude Mythos Preview is a general-purpose, unreleased frontier model.”
— Anthropic, Project Glasswing

Anthropic acaba de tomar una decisión que, hasta hace muy poco, parecía impensable en la carrera por los modelos frontier: presentar públicamente un modelo de nueva generación y, al mismo tiempo, decidir no ponerlo a disposición general del mercado.

No hablamos de un retraso de producto. Tampoco de un acceso beta convencional. Lo que Anthropic ha hecho con Claude Mythos Preview es otra cosa: publicar parte de la documentación técnica, describir capacidades extraordinarias —especialmente en ciberseguridad ofensiva— y restringir el acceso a un círculo muy limitado de actores defensivos bajo una iniciativa específica: Project Glasswing.

La pregunta importante no es solo qué es Mythos. La pregunta importante es qué significa que Anthropic haya decidido no lanzarlo como un modelo normal.

Lo inaudito no es el modelo. Es la decisión.
#

En la industria de la IA se había consolidado una lógica bastante clara: si un laboratorio entrena un modelo mejor, tarde o temprano lo convierte en producto. Puede hacerlo gradualmente, con APIs, con listas de espera, con acuerdos enterprise o con restricciones de uso. Pero la dirección general del movimiento era inequívoca: más capacidad acaba significando más disponibilidad.

Con Mythos, Anthropic introduce una ruptura.

Por un lado, presenta el modelo como una nueva frontera de capacidad. Por otro, admite implícitamente que esa capacidad cruza un umbral que hace irresponsable un despliegue generalizado.

“We formed Project Glasswing because of capabilities we’ve observed in a new frontier model trained by Anthropic that we believe could reshape cybersecurity.”
— Anthropic, Project Glasswing

Esa frase no es marketing rutinario. Es una señal de gobernanza. Anthropic está diciendo que, a su juicio, el modelo no solo es mejor: es peligrosamente mejor en una dimensión concreta.

Qué afirma Anthropic sobre Claude Mythos Preview
#

La documentación publicada por Anthropic dibuja un panorama muy difícil de ignorar.

En su post técnico del Frontier Red Team, la compañía sostiene que Mythos Preview:

identifica y explota zero-days en software real,
lo hace en todos los grandes sistemas operativos y todos los grandes navegadores,
produce exploits complejos, incluyendo cadenas multi-vulnerabilidad,
y muestra un salto radical respecto a generaciones anteriores del propio Claude.

“During our testing, we found that Mythos Preview is capable of identifying and then exploiting zero-day vulnerabilities in every major operating system and every major web browser when directed by a user to do so.”
— Anthropic, Claude Mythos Preview

Si esto es correcto, no estamos ante una mejora incremental. Estamos ante un cambio de régimen.

Anthropic va todavía más lejos. Asegura que ingenieros internos sin formación formal en seguridad han podido pedirle al modelo que encontrara una vulnerabilidad remota durante la noche y despertarse al día siguiente con un exploit funcional.

“Engineers at Anthropic with no formal security training have asked Mythos Preview to find remote code execution vulnerabilities overnight, and woken up the following morning to a complete, working exploit.”
— Anthropic, Claude Mythos Preview

Ese detalle importa mucho. No solo sugiere que el modelo aumenta la capacidad de los expertos. Sugiere que también reduce de forma drástica la barrera de entrada para capacidades ofensivas avanzadas.

El salto respecto a Opus 4.6
#

Uno de los elementos más llamativos del documento técnico es la comparación con generaciones anteriores.

Anthropic recuerda que, apenas un mes antes, su lectura sobre Opus 4.6 era que el modelo era bastante mejor encontrando y corrigiendo vulnerabilidades que explotándolas. En otras palabras, seguía siendo muy fuerte en ciberseguridad defensiva, pero no tan eficaz en ofensiva autónoma.

Con Mythos, eso cambia.

“Opus 4.6 generally had a near-0% success rate at autonomous exploit development. But Mythos Preview is in a different league.”
— Anthropic, Claude Mythos Preview

La compañía cita un benchmark ligado a vulnerabilidades en Firefox donde Opus 4.6 solo consiguió transformar hallazgos en exploits funcionales un puñado de veces, mientras que Mythos Preview lo hizo 181 veces, con control de registros en 29 casos adicionales.

Si esos números se sostienen, no estamos ante “un Claude más potente”. Estamos ante otro orden de capacidad.

No fue entrenado “para hackear”
#

Este punto es crucial.

Anthropic afirma que no entrenó explícitamente Mythos Preview para desarrollar estas capacidades ofensivas. Según la compañía, lo que vemos es una consecuencia emergente de mejoras más generales en:

razonamiento,
autonomía,
trabajo sobre código,
y capacidad de planificación multi-paso.

“We did not explicitly train Mythos Preview to have these capabilities. Rather, they emerged as a downstream consequence of general improvements in code, reasoning, and autonomy.”
— Anthropic, Claude Mythos Preview

Esta frase merece una lectura pausada, porque apunta a algo más amplio que Mythos. Sugiere que a medida que los modelos generalistas mejoran en trabajo útil sobre código y agentes, las capacidades ofensivas dejan de ser una especialización separada. Aparecen como efecto colateral natural del progreso general.

Eso complica enormemente la gobernanza. Ya no basta con evitar entrenar un “modelo para ciberataque”. El problema es que un modelo general suficientemente bueno puede convertirse en una herramienta ofensiva de primer nivel aunque ese no fuera el objetivo del entrenamiento.

Entonces, ¿por qué no lo publican?
#

Anthropic articula la respuesta en términos de una ventana de transición peligrosa.

Su tesis es que, a largo plazo, herramientas de este tipo podrían beneficiar más a los defensores que a los atacantes. Pero en el corto plazo existe un riesgo evidente: que la capacidad ofensiva se difunda más rápido que la capacidad defensiva de absorberla.

“In the short term, this could be attackers, if frontier labs aren’t careful about how they release these models.”
— Anthropic, Claude Mythos Preview

Por eso no hacen un release amplio. En su lugar crean Project Glasswing, una iniciativa con socios como AWS, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorganChase, Linux Foundation, Microsoft, NVIDIA y Palo Alto Networks, además de decenas de organizaciones adicionales.

“By releasing this model initially to a limited group of critical industry partners and open source developers with Project Glasswing, we aim to enable defenders to begin securing the most important systems before models with similar capabilities become broadly available.”
— Anthropic, Claude Mythos Preview

En otras palabras: Anthropic está intentando convertir una ventaja de capacidad en una ventaja defensiva temporal, antes de que el resto del ecosistema llegue al mismo punto.

Lo que realmente está cambiando: publicar ya no equivale a desplegar
#

Lo más interesante de Mythos no es solo el argumento de seguridad. Es el precedente que establece.

Durante años, hemos tendido a asumir que el modelo más avanzado de un laboratorio era también, tarde o temprano, el que terminaría en manos de clientes, desarrolladores o usuarios. Con Mythos, esa equivalencia se rompe.

A partir de ahora, puede que el modelo más avanzado:

no sea el producto principal,
no se ofrezca abiertamente en API,
no llegue al mercado general,
y exista durante un tiempo en una especie de cuarentena estratégica.

Eso cambia muchas cosas.

Cambia la conversación sobre competencia entre labs. Cambia la lectura de los anuncios públicos. Y cambia también el marco regulatorio y geopolítico: si los modelos más potentes dejan de ser necesariamente públicos, entonces la frontera real de capacidad podría quedar oculta tras programas de acceso restringido, acuerdos privados y despliegues asimétricos.

Pero también conviene mantener una mirada crítica
#

Dicho esto, hay que evitar tragarse la narrativa sin filtro.

Anthropic está haciendo afirmaciones muy extraordinarias:

miles de vulnerabilidades de alta severidad,
zero-days en software crítico,
cobertura sobre todos los grandes OS y navegadores,
exploits sofisticados desarrollados de forma autónoma,
y una razón de seguridad suficientemente fuerte como para no publicar el modelo.

El problema es que la evidencia pública está necesariamente limitada.

La propia Anthropic dice que más del 99% de las vulnerabilidades encontradas no están parcheadas todavía y, por tanto, no pueden divulgarse. Además, el documento de riesgo se presenta de forma redacted.

“Over 99% of the vulnerabilities we’ve found have not yet been patched, so it would be irresponsible for us to disclose details about them.”
— Anthropic, Claude Mythos Preview

Eso es razonable desde el punto de vista de divulgación responsable. Pero también implica que buena parte de la historia depende de confiar en la interpretación y en el framing del propio laboratorio.

Es decir: la decisión de Anthropic puede ser perfectamente sensata, incluso admirable, y a la vez estar envuelta en una narrativa corporativa que conviene leer con cierto escepticismo metodológico.

Mi lectura: Mythos puede marcar un antes y un después
#

Mi impresión es que este episodio puede acabar siendo recordado menos por el nombre del modelo y más por la señal estratégica que emite.

Anthropic no solo está diciendo “hemos entrenado algo muy potente”. Está diciendo algo más incómodo:

hemos cruzado una frontera de capacidad en la que el comportamiento responsable ya no consiste automáticamente en publicar.

Si esa tesis se consolida, Mythos será un hito por tres razones.

1. Porque normaliza la retención parcial de frontier models
#

No como excepción anecdótica, sino como herramienta legítima de gobernanza.

2. Porque desplaza el debate desde “qué puede hacer el modelo” hacia “quién debería poder usarlo y cuándo”
#

Eso es un cambio fundamental.

3. Porque sugiere que la frontera real de capacidad ya puede estar varios pasos por delante de lo que vemos en producto
#

Y eso tiene implicaciones enormes para estrategia, política tecnológica y seguridad.

La conclusión incómoda
#

Durante años, la narrativa dominante de la IA fue que el progreso técnico acabaría democratizando el acceso a capacidades cada vez más potentes.

Claude Mythos introduce una posibilidad distinta: que algunas capacidades sean tan sensibles que el avance técnico no desemboque en apertura, sino en contención.

No porque el modelo haya fallado. Precisamente porque ha funcionado demasiado bien.

“Claude Mythos Preview reveals a stark fact: AI models have reached a level of coding capability where they can surpass all but the most skilled humans at finding and exploiting software vulnerabilities.”
— Anthropic, Project Glasswing

Si Anthropic tiene razón, no estamos simplemente ante otro lanzamiento de modelo. Estamos ante el momento en que un laboratorio frontier ha decidido, de forma explícita, que su sistema más avanzado no debía comportarse como un producto normal.

Y eso, en esta industria, es una noticia mucho más grande que cualquier benchmark.

Fuentes principales
#

Anthropic — Project Glasswing
https://www.anthropic.com/glasswing
Anthropic Frontier Red Team — Claude Mythos Preview
https://red.anthropic.com/2026/mythos-preview/
Anthropic — Alignment Risk Update: Claude Mythos Preview (Redacted)
https://www.anthropic.com/claude-mythos-preview-risk-report

Claude Mythos: El modelo que hizo caer las acciones de ciberseguridad — y lo que nos dice sobre hacia dónde va la IA

Sun, 29 Mar 2026 00:00:00 +0000

Hace tres días, un CMS mal configurado en Anthropic dejó expuestos públicamente unos 3.000 activos internos. Entre ellos: un borrador de blog anunciando su modelo de IA de nueva generación. El nombre varía entre los dos borradores filtrados — “Mythos” y “Capybara” — pero lo que importa no es el nombre. Lo que importa es lo que puede hacer.

Y lo que puede hacer debería hacer que cualquiera en liderazgo tecnológico se detenga a pensar con mucho cuidado.

Qué se filtró
#

El 26 de marzo, los investigadores de seguridad Roy Paz (LayerX Security) y Alexandre Pauwels (Universidad de Cambridge) descubrieron los documentos expuestos. Anthropic reconoció la filtración como “error humano” y confirmó que el modelo es real.

Esto es lo que sabemos:

Claude Mythos no es Claude Opus 4.7. No es una actualización incremental. Es un nuevo nivel por encima de Opus — en palabras de Anthropic: “un nombre nuevo para un nuevo nivel de modelo: más grande y más inteligente que nuestros modelos Opus, que eran, hasta ahora, los más potentes.” Los reportes sugieren aproximadamente 10 billones de parámetros, un salto de 5 a 10 veces respecto a los modelos frontera anteriores.

El entrenamiento está completo. Clientes selectos ya lo están probando.

Por qué cayeron las acciones de ciberseguridad
#

La mañana después de la filtración, la reacción del mercado fue rápida y brutal:

ETF iShares Cybersecurity: -4,5%
CrowdStrike, Palo Alto Networks, Zscaler, SentinelOne: -6% cada uno
Tenable: -9%
Bitcoin cayó a $66.000

¿Por qué? Porque el borrador filtrado describe a Mythos como “actualmente muy por delante de cualquier otro modelo de IA en capacidades ciber.” Puede descubrir y explotar vulnerabilidades de software a velocidades que — según la propia evaluación de Anthropic — “superan con creces a los defensores humanos.”

Léanlo de nuevo. La empresa que lo construyó les está diciendo que los equipos humanos de ciberseguridad no pueden seguirle el ritmo.

Esto no es hipotético. Anthropic ya detectó a un grupo patrocinado por el estado chino usando Claude Code para infiltrar aproximadamente 30 organizaciones — empresas tecnológicas, instituciones financieras, agencias gubernamentales — antes de ser detectados. Mythos, según los reportes, hace que eso parezca un juego de niños.

El analista de Stifel, Adam Borg, lo resumió claramente: “Mythos es un orden de magnitud más potente, y más intensivo en cómputo, que cualquier otro modelo frontera del mercado.”

La estrategia de despliegue lo dice todo
#

El enfoque de Anthropic para el despliegue es quizás la señal más reveladora:

Primer acceso: No para desarrolladores. No para empresas. Para organizaciones de ciberseguridad — “dándoles una ventaja para mejorar la robustez de sus bases de código ante la inminente oleada de exploits impulsados por IA.”
Sin fecha de lanzamiento público. Están retrasando explícitamente la disponibilidad general.
Problema de costo reconocido. Anthropic dice que es “muy caro de servir” y necesitan hacerlo “mucho más eficiente antes de cualquier lanzamiento general.”

Cuando una empresa construye el modelo de IA más potente del mundo y su primer instinto es entregarlo a los defensores antes de que los atacantes puedan acceder — eso no es un lanzamiento de producto. Es una divulgación controlada.

Qué significa Mythos más allá de la ciberseguridad
#

Voy a ser directo sobre lo que creo que esto representa.

Mythos obtiene “puntuaciones dramáticamente superiores” a Opus 4.6 en benchmarks de programación y razonamiento académico. Opus 4.6 ya lideraba SWE-bench Verified con 80,8% y Terminal-Bench 2.0 con 65,4%. Lo que sea que signifique “dramáticamente superiores,” estamos hablando de un modelo que programa mejor que la mayoría de los desarrolladores profesionales y razona a través de problemas complejos a un nivel que era ciencia ficción hace cinco años.

Pero la capacidad de ciberseguridad es la verdadera llamada de atención, porque el descubrimiento de vulnerabilidades requiere algo cualitativamente diferente de la generación de texto o la completación de código. Requiere:

Razonamiento profundo de múltiples pasos — encadenar inferencias lógicas a través de sistemas complejos
Creatividad adversarial — encontrar vectores de ataque que no fueron diseñados ni anticipados
Ejecución autónoma — no solo identificar una vulnerabilidad sino explotarla activamente

Cuando un modelo puede hacer las tres cosas a velocidad sobrehumana en un dominio tan complejo como la ciberseguridad, las implicaciones se extienden a cada campo que involucre razonamiento complejo bajo incertidumbre. Derecho. Medicina. Investigación científica. Planificación estratégica. Finanzas.

La pregunta sobre la AGI (que es la pregunta equivocada)
#

¿Es Mythos AGI? No. No aprende tareas nuevas a partir de ejemplos mínimos como los humanos. No tiene memoria persistente, ni bucle de auto-mejora, ni establecimiento autónomo de objetivos.

Pero esto es lo que creo que importa más: puede que hayamos pasado el punto donde la etiqueta AGI importa en la práctica.

Un modelo que puede encontrar y explotar de forma autónoma vulnerabilidades zero-day — algo que antes requería equipos de investigadores humanos de élite — cambia las reglas del juego independientemente de si lo llamamos inteligencia “general.” La superinteligencia estrecha en dominios de alto impacto es más inmediatamente consecuente que la AGI teórica.

El hecho de que la propia Anthropic esté lo suficientemente alarmada como para retrasar el lanzamiento general y priorizar el despliegue defensivo dice mucho sobre dónde estamos en la curva de capacidades.

El contexto competitivo lo empeora
#

Mythos no existe en aislamiento:

OpenAI ha terminado el pre-entrenamiento de un nuevo modelo con nombre en clave “Spud” — se espera en semanas.
Google DeepMind acaba de lanzar Gemini 3.1 para procesamiento multimodal en tiempo real.
Tanto Anthropic como OpenAI están programando lanzamientos importantes antes de sus OPIs planificadas para finales de 2026.

Esto es una carrera armamentista con presión de OPI. Los incentivos para empujar los límites de capacidad son enormes y crecientes. Los incentivos para la cautela son… bueno, acabamos de ver cómo fue la cautela de Anthropic. Una mala configuración del CMS, y todo el mundo se entera.

Qué significa esto para las instituciones
#

Para universidades, para gobiernos, para cualquier organización tomando decisiones sobre estrategia de IA:

El horizonte de planificación se acaba de comprimir. Si estaban pensando en marcos de gobernanza de IA como una iniciativa para 2027-2028, piénsenlo de nuevo. Los modelos con capacidades sobrehumanas en dominios específicos están aquí ahora, no en un futuro cómodo.

La ciberseguridad ya no es opcional. Es existencial. Cada institución necesita asumir que los ataques impulsados por IA se convertirán en la norma, no en la excepción. Los defensores también necesitan IA — y la necesitan primero.

La ecuación del talento está cambiando. Cuando un modelo puede superar a los expertos humanos en ciberseguridad, el valor no está en la ejecución técnica — está en el juicio sobre cuándo y cómo desplegar estas capacidades. Necesitamos personas que entiendan tanto la tecnología como sus implicaciones.

Sigo llegando a la misma conclusión que escribí en mi artículo anterior sobre AEO: la transformación digital en 2026 significa preparar a nuestras instituciones para un mundo donde los sistemas de IA son colegas, no herramientas. Mythos acaba de hacer que esa afirmación se sienta incómodamente literal.

Jensen Huang dijo que la AGI ha llegado. Se equivocó en la definición pero acertó en la urgencia. Ya sea que lo llamemos AGI o superinteligencia estrecha o simplemente “IA realmente potente” — los sistemas están aquí, son reales, y el momento de prepararse fue ayer.

Carles Abarca es Vicepresidente de Transformación Digital en el Tecnológico de Monterrey.

El gráfico que predice qué trabajos desaparecerán con la IA (y no son los que piensas)

Mon, 09 Mar 2026 00:00:00 +0000

Mira este gráfico con atención. No es un análisis de lo que la IA ha destruido. Es una radiografía de lo que va a destruir.

Source: Anthropic — Labor market impacts of AI (March 2026)

El área azul es lo que la IA puede hacer hoy. El área roja es lo que la IA está haciendo hoy. La diferencia entre ambas no es un margen de seguridad. Es un tsunami que aún no ha llegado a la costa.

El estudio: 2 millones de conversaciones con Claude
#

Anthropic acaba de publicar Labor market impacts of AI: A new measure and early evidence, y es el análisis más riguroso que he visto sobre el impacto real de la IA en el empleo.

¿Qué hicieron? Cruzaron tres fuentes de datos:

La base de datos O*NET, que cataloga las tareas de ~800 ocupaciones en EE.UU.
Los datos reales de uso de Claude (sí, 2 millones de conversaciones analizadas a través del Anthropic Economic Index).
Las estimaciones teóricas de Eloundou et al. (2023) sobre qué tareas puede acelerar un LLM al doble de velocidad.

El resultado es una nueva métrica: observed exposure — no lo que la IA podría hacer en teoría, sino lo que ya está haciendo en la práctica profesional. Y lo más revelador no son los números absolutos, sino la brecha entre ambos.

Los 10 trabajos más expuestos
#

El ranking no sorprende a quien lleva años en esto, pero los números son brutales:

Computer Programmers — 75% de cobertura. Tres de cada cuatro tareas de un programador ya las hace Claude.
Customer Service Representatives. El tráfico API de primera parte muestra una automatización masiva.
Data Entry Keyers — 67%. Leer documentos y meter datos. El caso de uso perfecto para automatización.

Y la lista sigue: actuarios, analistas financieros, redactores técnicos. Trabajos de oficina, de cuello blanco, de gente con carrera universitaria.

En el otro extremo, el 30% de los trabajadores tienen cero exposición. Cocineros, mecánicos de motos, socorristas, bartenders. Trabajos donde las manos, el cuerpo y el contexto físico son irreemplazables.

Irónico, ¿no? Décadas diciéndonos que la automatización venía por los trabajos manuales. Viene por los de escritorio.

La sorpresa demográfica
#

Aquí es donde el estudio rompe el relato dominante.

Los trabajadores más expuestos a la IA son:

16 puntos porcentuales más probablemente mujeres
11 puntos más probablemente blancos
Casi el doble de probabilidad de ser asiáticos
Ganan un 47% más que los no expuestos
17.4% tienen títulos de posgrado (vs. 4.5% en el grupo no expuesto)

Esto no es la narrativa del obrero de fábrica desplazado por robots. Esto son abogados, analistas, programadores, profesores universitarios. La clase profesional que se creía intocable.

Cuando digo que esto va a cambiar la estructura social, no estoy exagerando.

La brecha ES la predicción
#

Vuelve al gráfico. Mira las categorías:

Computer & Math: 94% de capacidad teórica, 33% de uso real
Legal: ~85% teórico, menos del 15% observado
Education: ~70% teórico, menos del 15% observado
Office & Admin: 90% teórico, fracción del uso real

Esa distancia entre azul y rojo no es tranquilidad. Es latencia.

Es el tiempo que tardan las empresas en adoptar, los reguladores en adaptarse, los workflows en reconfigurarse. Pero la tecnología ya está ahí. El modelo ya sabe hacerlo. Solo falta que el ecosistema lo permita.

Y cada mes que pasa, el área roja crece. Anthropic lo dice textualmente: “As capabilities advance, adoption spreads, and deployment deepens, the red area will grow to cover the blue.”

No es una predicción especulativa. Es una observación empírica con trayectoria.

Lo que cambia con los agentes de IA
#

Y aquí viene el factor que el estudio no mide del todo, porque no existía a esta escala cuando recogieron los datos.

El estudio analiza uso de LLMs — conversaciones con Claude. Interacciones de chat. Un humano pregunta, la IA responde. Es el modelo augmentation: la IA te ayuda, tú ejecutas.

Pero los agentes de IA son otra cosa. No responden — actúan. Ejecutan cadenas de tareas de forma autónoma. Navegan sistemas, toman decisiones intermedias, completan workflows enteros sin intervención humana.

Lo que nosotros estamos construyendo en el Tec de Monterrey con AgenTECs es exactamente esto. No es un chatbot que te ayuda a redactar un email. Es un agente que gestiona el proceso completo: lee el contexto, redacta, envía, hace seguimiento, escala si no hay respuesta.

Cuando los agentes lleguen a escala empresarial — y ya están llegando — el área roja del gráfico va a expandirse de forma explosiva. Porque ya no necesitas que un humano interactúe con la IA tarea por tarea. El agente cubre el puesto entero.

Pensad en la categoría Legal: 85% de capacidad teórica, <15% de uso actual. ¿Qué pasa cuando un agente puede revisar contratos, identificar cláusulas de riesgo, generar resúmenes ejecutivos y preparar borradores de respuesta — todo sin que un abogado toque el teclado? El 85% se convierte en el nuevo suelo, no en el techo.

Qué hacer (que no es entrar en pánico)
#

Llevo años insistiendo en lo mismo: esto no va de tener miedo. Va de prepararse.

Cuando escribí “El fin del desarrollador” en LinkedIn, la reacción fue predecible: “exagerado”, “los developers siempre serán necesarios”, “la IA no puede hacer X”. Los mismos argumentos que escuché sobre TECgpt cuando lo lanzamos y nos dijeron que los profesores nunca lo usarían. Hoy tenemos más de 60.000 usuarios activos.

La metáfora que uso es la del director de orquesta. El valor ya no está en tocar el violín — está en saber qué música hay que interpretar, quién toca qué, y cuándo cambiar la partitura. Los profesionales del futuro no ejecutan tareas — orquestan sistemas que las ejecutan.

Concretamente:

Upskilling masivo, ya. No cursos de “introducción a la IA” — entrenamiento real en herramientas de producción.
Redefinir roles, no eliminarlos. Un abogado que domina agentes de IA vale más, no menos. Pero un abogado que solo sabe revisar contratos manualmente tiene fecha de caducidad.
Medir exposición en tu organización. Usa el framework de Anthropic. Identifica qué tareas de cada puesto ya puede hacer un LLM. Diseña la transición antes de que te la impongan.
Crear nuevos roles que no existen aún: AI orchestrators, prompt engineers de agentes, supervisores de sistemas autónomos.

El cierre
#

El BLS proyecta que las ocupaciones más expuestas según esta métrica crecerán menos hacia 2034. Por cada 10 puntos de cobertura observada, la proyección de crecimiento cae 0.6 puntos porcentuales. No es correlación casual — los analistas del mercado laboral están viendo lo mismo.

Y sin embargo, Anthropic también encuentra que todavía no hay aumento sistemático del desempleo en las profesiones más expuestas. Aún.

Esa es la ventana. Estamos en el momento entre ver el relámpago y escuchar el trueno. El rayo ya cayó. La pregunta no es si el sonido llegará, sino si estarás preparado cuando lo haga.

Los que lean este gráfico como “la IA aún no ha afectado tanto al empleo” están confundiendo latencia con seguridad. Los que lo lean como “viene un cambio estructural del mercado laboral y hay que actuar ahora”… esos son los que seguirán dirigiendo la orquesta.

Anthropic vs. el Pentágono: cuando la ética de la IA choca con el poder militar

Tue, 03 Mar 2026 00:00:00 +0000

La semana pasada presenciamos algo sin precedentes en la historia de la inteligencia artificial: una empresa de IA plantándose ante el Pentágono y diciendo “no”.

Anthropic, creadora de Claude —el único modelo de IA actualmente autorizado en los sistemas clasificados del gobierno federal de Estados Unidos— rechazó las condiciones finales de un contrato de 200 millones de dólares con el Departamento de Defensa. Las consecuencias fueron inmediatas y brutales.

La línea roja
#

El conflicto se redujo a dos puntos irrenunciables para Anthropic:

Vigilancia masiva de ciudadanos estadounidenses. El Pentágono quería usar Claude para analizar datos recopilados en masa: historiales de búsqueda, movimientos GPS, transacciones de tarjetas de crédito, incluso las preguntas que haces a tu chatbot favorito. Todo cruzado para construir perfiles.
Armas autónomas. Sistemas que seleccionan y atacan objetivos sin que un humano tome la decisión final. El presupuesto militar de 2026 destina 13.400 millones de dólares solo a estas armas.

Anthropic no argumentó que estas armas no deban existir. De hecho, ofreció trabajar directamente con el Pentágono para mejorar su fiabilidad. Pero consideró que los modelos actuales de IA no son suficientemente confiables para tomar decisiones letales de forma autónoma. El riesgo de disparos indiscriminados, daño a civiles o incluso a las propias tropas americanas era, en su análisis, demasiado alto.

La falsa solución del “cloud vs. edge”
#

Durante las negociaciones surgió una propuesta: mantener la IA de Anthropic en la nube, fuera de las armas mismas. Los modelos sintetizarían inteligencia antes de una operación, pero no tomarían decisiones de ataque. Las manos de la IA quedarían limpias.

Anthropic rechazó esta solución con un argumento técnico demoledor: en las arquitecturas militares modernas, la distinción entre nube y dispositivo ya no existe. Los drones operan a través de redes mesh conectadas a centros de datos. El Pentágono trabaja activamente para acercar la computación al campo de batalla. Si un modelo en un servidor de AWS en Virginia toma decisiones de combate, éticamente no hay diferencia con que esté en el dron.

La respuesta: el martillo
#

Cuando Anthropic mantuvo su posición, la reacción fue fulminante:

Trump ordenó a todas las agencias federales cesar el uso de tecnología de Anthropic.
Pete Hegseth (Secretario de Defensa) designó a Anthropic como riesgo para la cadena de suministro de seguridad nacional, prohibiendo a cualquier contratista militar hacer negocios con la empresa.
OpenAI anunció un acuerdo con el Pentágono apenas horas después.

El mensaje fue claro: o juegas con nuestras reglas, o te destruimos.

Lo que Sam Altman no explicó
#

Aquí está la parte más inquietante. Días antes del colapso, Sam Altman había declarado públicamente que OpenAI también se negaría a que sus modelos se usaran en armas autónomas. Solidaridad con Anthropic.

Pero mientras hacía esas declaraciones, ya estaba negociando con el Pentágono. Y cerró el trato horas después de la caída de Anthropic, asegurando que su IA solo se desplegaría “en la nube” —exactamente la solución que Anthropic descartó por insuficiente.

Casi 100 empleados de OpenAI firmaron una carta abierta apoyando las mismas líneas rojas que Anthropic. Altman tendrá que explicarles el lunes por qué lo que Anthropic rechazó por principios, él lo aceptó por negocio.

Lo que realmente está en juego
#

Esta crisis trasciende un contrato. Revela tres fracturas fundamentales:

1. La IA como arma geopolítica. La tecnología de IA ya no es solo un producto comercial. Es un activo estratégico militar, y los gobiernos están dispuestos a usar todo su poder para controlarla.

2. La ilusión de la autorregulación. Anthropic intentó poner límites éticos desde dentro. La respuesta fue una designación de riesgo para la seguridad nacional. ¿Qué empresa se atreverá a decir “no” después de esto?

3. La brecha entre discurso y acción. OpenAI habló de principios y firmó un cheque. No es la primera vez, y la industria debería tomar nota.

Mi lectura
#

Llevo más de 20 años en tecnología, y he visto muchos momentos de inflexión. Este es uno de ellos.

Anthropic hizo algo extraordinariamente raro en la industria tech: sacrificar 200 millones de dólares y su acceso al gobierno federal por una posición ética. Podemos debatir si fue una decisión empresarial inteligente, pero no podemos negar que fue valiente.

Lo que me preocupa no es Anthropic —sobrevivirán. Lo que me preocupa es el precedente. Si una empresa de IA que pone límites éticos a su tecnología puede ser designada “riesgo para la seguridad nacional”, estamos creando un sistema donde la única opción es la obediencia ciega.

Y la IA obediente sin restricciones, en manos de poder sin contrapesos, es exactamente el escenario que todos los investigadores de seguridad en IA llevan años advirtiendo.

La pregunta ya no es si la IA transformará la guerra. La pregunta es quién decide los límites.

¿Qué opinas de la posición de Anthropic? ¿Principios o ingenuidad? Me encantaría escuchar tu perspectiva en LinkedIn o X.

Anthropic on Carles Abarca

Claude Mythos: el modelo que Anthropic no quiso publicar

Lo inaudito no es el modelo. Es la decisión. #

Qué afirma Anthropic sobre Claude Mythos Preview #

El salto respecto a Opus 4.6 #

No fue entrenado “para hackear” #

Entonces, ¿por qué no lo publican? #

Lo que realmente está cambiando: publicar ya no equivale a desplegar #

Pero también conviene mantener una mirada crítica #

Mi lectura: Mythos puede marcar un antes y un después #

1. Porque normaliza la retención parcial de frontier models #

2. Porque desplaza el debate desde “qué puede hacer el modelo” hacia “quién debería poder usarlo y cuándo” #

3. Porque sugiere que la frontera real de capacidad ya puede estar varios pasos por delante de lo que vemos en producto #

La conclusión incómoda #

Fuentes principales #

Claude Mythos: El modelo que hizo caer las acciones de ciberseguridad — y lo que nos dice sobre hacia dónde va la IA

Qué se filtró #

Por qué cayeron las acciones de ciberseguridad #

La estrategia de despliegue lo dice todo #

Qué significa Mythos más allá de la ciberseguridad #

La pregunta sobre la AGI (que es la pregunta equivocada) #

El contexto competitivo lo empeora #

Qué significa esto para las instituciones #