En el último año, no ha escrito una sola línea de código.
Envía docenas de pull requests (PR) al día, y un día llegó a 150, estableciendo un récord personal.
Lo aún más sorprendente es que maneja simultáneamente cientos de agentes de IA, y por las noches, miles más trabajan para él.
Esto fue contado por Boris Cherny, el creador de Claude Code, en una charla pública para desarrolladores hace algún tiempo.
Tiene la aplicación de Claude abierta en su teléfono, con una pequeña pestaña de código a la izquierda, dentro de la cual mantiene abiertas de 5 a 10 sesiones simultáneamente.
Debajo de cada sesión hay una multitud de agentes. Durante el día hay cientos funcionando, y por la noche, miles empiezan a realizar trabajos más profundos.
El modelo escribe todo el código; él no toca ni una línea.
Para él, el problema de la programación ya está resuelto.
¿Cómo puede una persona gestionar miles de agentes?
Que una persona gestione miles de agentes, dejando que modifiquen código simultáneamente en un repositorio sin perder el control, sin pelearse y sin producir basura en masa.
El secreto de Boris se esconde tras una palabra: Ciclo (Loop).
Él dice que Loop es lo más simple y útil que ha visto, que Loop es el futuro.
La esencia de Loop es hacer que Claude programe una tarea repetitiva usando tareas programadas, que se ejecuten cada minuto, cada cinco minutos, cada día, según lo configures. Una vez en marcha, básicamente no hay que tocarlo.
Él tiene docenas de Loops funcionando constantemente:
Uno que se encarga específicamente de revisar sus PRs, reparando automáticamente la integración continua (CI) y haciendo rebase.
Otro que mantiene la CI saludable; si una prueba se vuelve inestable, él mismo la repara.
Y otro que cada 30 minutos revisa X (Twitter) en busca de comentarios de usuarios, los agrupa, los organiza y luego se los envía.
Lo más crucial es que, cuanto más tiempo pasa, ni siquiera hace falta que Boris dé la orden para iniciar un Loop.
Una vez, solo pidió al modelo que ejecutara una consulta de datos, y el modelo respondió: "Veo que estos datos cambian constantemente, voy a crear un Loop que genere un informe cada 30 minutos".
Él dijo que sí, y que lo enviara a su Slack. El modelo se puso manos a la obra.
Hace poco, Boris incluso dijo que ya no escribe prompts, solo escribe loops.
Pronto, quizás ni siquiera tenga que escribir loops.
Los agentes están redefiniendo lo que significa "trabajar"
Detrás de esto, está cambiando la naturaleza misma del "trabajo".
Antes era: tú escribías una línea, la IA respondía, tú escribías la siguiente. Ahora es: construyes un pequeño sistema que busca, realiza y entrega el trabajo por sí mismo, y luego te marchas.
Anthropic lanzó recientemente Routines, llevando el mismo mecanismo al lado del servidor; cierras el ordenador y sigue funcionando.
El rol de "ingeniero" también ha sido redefinido para Boris:
El modelo se encarga de escribir el código; él se encarga de construir el sistema y hacer la aceptación. Decenas o cientos de PRs salen de las manos de los agentes cada día. Su verdadero trabajo es decidir cuáles fusionar y cuáles rechazar.
En sus propias palabras, esto no es que "la IA haya reemplazado al ingeniero", sino que el humano se está convirtiendo en el diseñador del sistema automatizado: el enfoque pasa de "escribir correctamente esta línea de código" a "construir un sistema que pueda escribir correctamente el código por sí mismo".
Incluso predice que, en un año, aspectos de seguridad como la protección contra inyección de prompts, la validación de comandos o la aprobación manual serán menos críticos, porque los modelos serán cada vez más conscientes de hacer lo correcto.
Y este enfoque dejó de ser exclusivo de él hace tiempo.
Según Boris, en su empresa prácticamente no se escribe código a mano; incluso el SQL lo escribe el modelo. En toda la empresa, es difícil encontrar líneas de código que hayan sido tecleadas por una persona.
Hay algo aún más surrealista. Cuando sus Claudes están escribiendo código en sus Loops, van solos a Slack y conversan con los Clau des de sus compañeros, alineándose en aspectos que nadie había pensado todavía.
Un grupo de IAs reunido en un chat de Slack, dividiendo el trabajo y volviendo cada uno a su tarea, es ya algo cotidiano en Anthropic.
Algo aún más impactante es la composición del equipo: jefes de ingeniería, jefes de producto, diseñadores, científicos de datos, finanzas, investigadores de usuarios... todos están escribiendo código.
Las funciones siguen existiendo, pero todos han adquirido una capacidad transversal: "gestionar la IA para que trabaje", convirtiéndose en generalistas multidisciplinares.
Del prompt al loop: en medio está la aceptación
¿Por qué una IA que trabaja indefinidamente por sí misma no es simplemente una máquina que produce bugs a alta velocidad?
La respuesta está en un paso que la mayoría pasa por alto: la aceptación (o verificación).
Que un Loop pueda ejecutarse solo sin divagar depende de un mecanismo "impulsado por objetivos", que en Claude Code corresponde al comando /goal.
Le das un objetivo, como "que pasen todas las pruebas unitarias en /tests/ y que el lint esté limpio". Cada vez que completa un paso, un pequeño modelo independiente juzga: ¿se ha alcanzado? Si no, sigue trabajando; si sí, se detiene.
Este "modelo supervisor" que puntúa no es el mismo modelo que hace el trabajo.
Este diseño simple es precisamente el corazón de todo el loop.
Sin él, un Loop que corre toda la noche probablemente sería una máquina que, mientras duermes, envía montones de código basura con total confianza.
Boris ya lo había comprobado antes.
Cuando compartió su flujo de trabajo, dio un consejo: para sacar el máximo partido a Claude Code, el paso más importante es darle una forma de verificar su propio trabajo.
Una vez que tienes este ciclo de retroalimentación, la calidad del resultado suele multiplicarse por 2 o 3.
Un simple gesto de "hacer que la IA se revise a sí misma" equivale a cambiar a una nueva generación de modelo.
Este ciclo también lo pueden usar las personas normales
El ciclo descrito anteriormente ya se ha convertido en un producto, y las personas normales también pueden usarlo.
Tras el lanzamiento de Fable 5, circuló ampliamente en X un tutorial cuyo autor, tras tres semanas de prueba, afirmó: la mayoría usa Fable 5 como un Claude normal, desperdiciando así lo que realmente justifica su precio.
El autor señala primero tres capacidades que distinguen a Fable 5 de todos los modelos Claude anteriores.
Las tres principales capacidades de Fable 5 según el tutorial: trabajo autónomo a largo plazo, autoverificación y comprensión de gráficos densos.
Primera: Puede trabajar durante días seguidos, no solo minutos.
Los modelos anteriores eran velocistas; Fable 5 es el primer modelo nacido para el "trabajo autónomo a largo plazo".
En Claude Code, puedes entregarle un proyecto que se extienda varios días; él mismo planifica por fases, despliega subagentes y trabaja hasta alcanzar el objetivo.
Segunda: Se revisa a sí mismo. Al terminar una tarea, no se apresura a entregarla; primero escribe pruebas, las ejecuta, detecta errores, los corrige, y solo entonces dice "he terminado".
Tercera: La capacidad de entender gráficos densos.
Según las pruebas del autor, tablas en informes financieros, gráficos incrustados en PDF, diagramas de arquitectura, capturas de pantalla de dashboards... donde Opus 4.8 ocasionalmente confundía columnas o ejes, Fable 5 los lee correctamente de manera estable.
Y para aprovechar realmente estas capacidades, se necesita usar dos comandos: /goal y /loop.
Sin usarlos, estás pagando el doble por un chatbot; usándolos, adquieres un empleado que trabaja de forma autónoma.
/goal corre hacia la meta y se detiene solo al llegar; /loop se ejecuta repetidamente a intervalos hasta que tú lo detienes.
El mecanismo de /goal es que tú defines el resultado, y él se encarga de las iteraciones. Para que funcione bien, hay una regla de oro: escribir los "criterios de finalización" de forma concreta, y siempre proporcionar una vía de escape en caso de fracaso.
Por ejemplo, "mejorar este código" es un mal objetivo porque no se puede verificar; "que pasen todas las pruebas en /tests/, solo se pueden modificar archivos en /src/, si tras 3 intentos no pasa, detenerse e informar" es un buen objetivo, porque cada punto se puede comprobar.
/loop no va hacia un final, sino que se ejecuta repetidamente a intervalos hasta que tú lo detienes.
Por ejemplo, revisar los registros de error cada 30 minutos, seleccionar los de nivel grave y reportarlos en lenguaje sencillo; o revisar la bandeja de entrada cada hora, resumir los nuevos correos y redactar borradores de respuestas.
La regla mnemotécnica para dividir el trabajo es: si hay un final claro, usa /goal; si es una repetición periódica, usa /loop; si necesita ejecutarse continuamente hasta cumplir una condición, combínalos.
Antes de soltarlo, hay un consejo muy práctico: establece primero un límite de gasto. Un /goal sin límite que se encuentre con un problema difícil puede quemar tokens rápidamente.
Haz que te recuerde: 20 minutos de configuración local
El tutorial también menciona un paso que la mayoría de las guías omiten, y es precisamente el más importante.
Fable 5 no te recordará. Cada nueva sesión comienza desde cero, sin conocimiento de tu negocio, estilo de escritura, clientes o preferencias.
La solución es configurar un sistema de contexto local en tu máquina, algo que se puede hacer en solo 20 minutos.
Una carpeta, dos archivos markdown y un conjunto de habilidades: toda la configuración para que Fable 5 "te conozca".
Consta de cuatro pasos.
Paso 1: Crear una carpeta de contexto, por ejemplo llamada fable-workspace, que servirá como la "fuente única de verdad" que debe leer antes de cada trabajo.
La carpeta puede contener: un resumen de una página del negocio y sus prioridades, procedimientos operativos para tareas habituales, información clave de proyectos en curso, documentos estratégicos de referencia frecuente, más un registro de decisiones.
Cada archivo debe limitarse a una página; contenido excesivo ocupará la ventana de contexto.
Paso 2: Crear un archivo de memoria claude-memory.md, e incluir esta instrucción: "Cada vez que hablemos de información importante sobre el negocio, preferencias o situación, actualiza los puntos clave aquí, de forma breve y con fecha".
A partir de entonces, se actualiza solo. Mencionas un nuevo cliente una vez, y en la siguiente sesión ya lo conoce.
Paso 3: Crear un archivo de instrucciones claude-instructions.md, detallando las reglas de comportamiento para cada sesión: leer primero el archivo de memoria antes de empezar, revisar decisiones anteriores antes de dar consejos, preguntar en caso de duda en lugar de adivinar, reportar activamente al terminar el trabajo y señalar los puntos que requieren revisión humana.
Paso 4: En Claude Code, usar /add para apuntar a esta carpeta, o escribirla en CLAUDE.md. Una vez conectado, al inicio de cada sesión, ya traerá todo tu contexto.
Esta configuración tiene otra ventaja: si algún día cambias a otra herramienta de IA, puedes llevarte el contexto directamente.
En cuanto al ahorro de costes, hay una estrategia 80/20: usar Fable 5 solo para ese 20% de trabajo que realmente aprovecha sus ventajas.
En Claude Code, Fable puede incluso desplegar subagentes más económicos para el trabajo pesado: él diseña la solución, Sonnet, Haiku, etc., lo ejecutan, y finalmente él vuelve para la aceptación.
En este punto, te das cuenta de que el "ejército nocturno de IA" de Boris se descompone en solo tres cosas:
Un modelo que trabaja por sí mismo, un conjunto de criterios que definen "terminado", y un ciclo que funciona a tiempo.
El modelo y el ciclo ya existen.
Lo realmente escaso es la persona que puede explicarle claramente al modelo "cómo se ve una tarea terminada".
Referencias:
https://safe.ai/blog/significant-increase-in-digital-labor-automation
https://x.com/free_ai_guides/status/2073050543027638443
https://youtu.be/SlGRN8jh2RI
https://x.com/bcherny/status/2007179861115511237
Este artículo proviene del WeChat oficial account "新智元" (Nueva Inteligencia), editado por: Yuanyu
