Anthropic ajusta su propia receta: busca criterio y deja de pedir manos junior
Un análisis interno de la empresa detrás de Claude muestra que las búsquedas para puestos técnicos de entrada se derrumbaron y que las entrevistas ya preguntan por juicio autónomo, no por conocimiento enciclopédico.
El Anthropic Institute, el área de estudios laborales de la compañía que desarrolla el modelo Claude, publicó el 16 de octubre un informe que incomoda por donde se lo mire: las propias planillas de la empresa muestran un recorte silencioso de los ingresos técnicos en la organización.
El trabajo lleva la firma de Nathan Wilmers y de otros tres investigadores, y se apoya en tres fuentes internas: los registros de búsquedas laborales, las evaluaciones de entrevistas y las métricas de uso de inteligencia artificial (IA) por parte del personal. El cuadro que se arma con esos datos describe una reorganización en marcha, no una proyección.
Menos avisos de entrada, más exigencia de criterio
Los avisos para puestos junior pasaron de ser el 27% de las búsquedas técnicas a representar apenas el 9%, y la proporción de personal júnior en el área técnica cayó del 21% al 14% en pocos meses. El dato fino: la baja se concentra donde el modelo se usa para las tareas más densas, justo donde antes se formaba un ingeniero.
“Espero que los modelos sigan siendo irregulares, así que para mi equipo quiero gente intercambiable entre dominios.”Gerente de Anthropic, citado en los registros de entrevistas del informe
Qué se evalúa hoy en una entrevista
En 2024 los entrevistadores nombraban el uso de herramientas de IA en el 5% de las evaluaciones técnicas; en 2026 esa mención trepó al 15%. La suba existe, pero crece menos que otra exigencia: la de juicio autónomo. La planilla pide criterio para decidir qué se descarta de lo que produce el modelo, no velocidad para tipear código.
Lo que falta
- Reglas claras para definir cuándo un modelo es confiable y cuándo no, criterio que la empresa todavía no publicó.
- Un programa de formación junior que reemplace el aprendizaje que antes daban las tareas ahora automatizadas.
- Datos públicos sobre cuántas horas de trabajo humano se compensan con cada hora de agente autónomo en distintas áreas.
- Una política de recompra de tiempo: si la IA acorta la jornada, qué hace la empresa con esas horas.
- Métricas externas que permitan comparar la productividad de Anthropic con la del resto de la industria.
