Claude ya tiene su "estatuto oficial": es lo que ha lanzado Anthropic

marsbitPublicado a 2026-07-01Actualizado a 2026-07-01

Resumen

Hoy, Claude ya no necesita prestar tu identidad. Anthropic ha lanzado Claude Tag, un miembro de equipo de IA permanente en Slack. Tiene su propia cuenta, identidad y traza de auditoría, sin usar las credenciales de ningún humano. Esto se llama identidad del agente. Claude Tag es un colega de IA en tu canal de Slack, con memoria, herramientas y capacidad de escucha pasiva. Cuando un problema queda sin respuesta, interviene automáticamente. La clave es su arquitectura de permisos: Claude tiene sus propias cuentas en cada sistema (Slack, GitHub, etc.), configuradas por los administradores a nivel de espacio de trabajo o canal. Esto permite, por ejemplo, que un director de producto sin acceso a GitHub pueda preguntar a Claude en el canal de ingeniería y este investigue usando sus propios permisos. Este modelo separa los permisos de las personas. El acceso lo define el canal, no el individuo, lo cual es contraintuitivo pero necesario para la colaboración con IA. Anthropic ya utiliza esto internamente, generando la mayoría de su código con Claude. Con decenas de agentes de IA en las empresas, gestionar sus identidades es crucial. La solución de Anthropic es clara: la IA debe tener su propio "carnet de identidad".

A partir de hoy, la IA ya no necesita "pedir prestado" tu gafete.

El 23 de junio, Anthropic lanzó Claude Tag: un miembro del equipo de IA que reside permanentemente en un canal de Slack.

No utiliza ninguna cuenta ni permiso humano; tiene su propia identidad, su propia cuenta y su propio historial de auditoría.

Anthropic lo llama identidad de agente (agent identity).

3 ingenieros y 1 PM en el mismo canal de Slack depurando un error. Alguien @menciona a Claude y le pide que revise el repositorio de código, consulte métricas del almacén de datos y abra un PR en GitHub.

Entonces surge la pregunta: ¿con qué permisos debe actuar la IA?

¿Con los de la PM? Ella no tiene permisos en el repositorio. ¿Con los de uno de los ingenieros? Quizás ese ingeniero en particular no tiene permisos para ciertas partes del almacén de datos.

La respuesta es: ninguno de los anteriores.

Cuando la IA pasa de ser "el asistente personal de una persona" a "un miembro colaborador de un equipo", el modelo tradicional de permisos colapsa lógicamente.

La solución de Anthropic es: no pedir prestados los permisos de nadie, sino emitirle a la IA su propio gafete de empleado.

Un IA con "estatuto oficial" llega a Slack

Claude Tag no es un chatbot.

Es un colega de IA residente en tu canal de Slack: con su propia cuenta, su propia memoria y su propia caja de herramientas.

Solo hay un Claude por canal; todos lo comparten y todos pueden ver lo que está haciendo.

No necesitas explicar el contexto desde cero cuando te incorporas, porque ya ha estado aprendiendo junto con la conversación del equipo.

Lo más impresionante es el "modo de escucha".

Cuando se activa, Claude simplemente observa el canal. Si un hilo queda sin respuesta, si un problema no tiene seguimiento, él lo retoma activamente. No necesitas @mencionarlo.

Por ejemplo, el lunes por la mañana abres Slack y la pregunta que lanzaste al canal el viernes pasado y nadie contestó, Claude ya ha investigado la causa y está esperando tu confirmación.

El gafete propio de la IA

El diseño central de Claude Tag no es una funcionalidad de producto, es la arquitectura de permisos.

Cualquiera que haya usado asistentes de IA como ChatGPT sabe que se conectan a tu propio Google Drive, GitHub, calendario, usando tus permisos.

Pero Claude Tag es multiusuario: en un canal, tres o cinco personas lo @mencionan sucesivamente, ¿con los permisos de quién debe actuar?

La solución de Anthropic se llama identidad de agente.

Claude tiene su propia cuenta en cada sistema.

En Slack, envía mensajes bajo la identidad de la App Claude.

En GitHub, abre PRs bajo la identidad de Claude GitHub App.

En tu almacén de datos, consulta usando una cuenta de servicio configurada por el administrador.

No hay ninguna credencial humana involucrada.

El administrador define un conjunto de identidades base a nivel de espacio de trabajo: Claude hereda esta configuración predeterminada en todas partes. Luego, a nivel de canal, se hacen ajustes:

El canal de ingeniería otorga permisos para GitHub y el almacén de datos. El CRM se restringe al canal privado de ventas. El canal legal tiene su propia caja de herramientas.

Los canales privados tienen identidades independientes; los canales públicos comparten la identidad a nivel del espacio de trabajo.

Lo que Claude aprende en el canal legal nunca aparecerá en el canal de ingeniería. Lo que conversas con Claude en mensajes privados no llega al canal del equipo, porque los mensajes directos pasan por tu cuenta personal de claude.ai.

Revocar permisos es más sencillo. Revocas una identidad y Claude se desconecta simultáneamente de todos los puntos de acceso. No necesitas auditar decenas de cuentas de usuario una por una, porque la IA no las ha usado.

Actualmente, Claude Tag está disponible en versión beta para clientes Enterprise (125$ por usuario/mes) y Teams (20$ por usuario/mes, pago anual). Se factura por uso y utiliza el modelo Opus 4.8.

Tú no tienes permisos de repositorio, pero la IA sí

Imagina que eres un gerente de producto, pero no tienes permisos en GitHub y no puedes ver el código.

En ese caso, simplemente le preguntas a Claude en el canal de ingeniería "¿por qué falla esta interfaz?" y Claude va a investigarlo por ti, porque la configuración del canal le ha dado permisos para el repositorio.

Antes, esto requería caminar hasta el escritorio del ingeniero y darle un toque en el hombro. Ahora la IA va por ti.

En otras palabras, los permisos ya no siguen a la persona, sino que siguen al canal.

El canal de ingeniería le otorga a Claude permisos de repositorio, y cualquier persona en el canal puede consultar el código a través de Claude, independientemente de si ella misma los tiene o no.

Sobre esto, la evaluación de Anthropic es: contraintuitivo, pero necesario.

Contraintuitivo, porque desafía la intuición de los profesionales de seguridad.

Necesario, porque en escenarios de colaboración múltiple y autonomía creciente de la IA, el modelo de permisos basado en usuarios es lógicamente inviable.

Por supuesto, hay medidas de respaldo.

La versión Enterprise admite RBAC (Control de Acceso Basado en Roles), permitiendo a los administradores decidir quién puede @mencionar a Claude y quién no. La configuración del canal puede establecer límites según los permisos del miembro con menos privilegios.

Anthropic mismo lo hace así

El equipo de producto de Anthropic genera el 65% de su código con Claude, superando el 80% a partir de mayo de este año.

La cantidad de código que los ingenieros fusionan diariamente es 8 veces mayor que en 2024.

"Se siente como gestionar un equipo, no como usar una herramienta." Boris Cherny lo dijo cuando ya llevaba seis meses sin escribir código él mismo.

Para los trabajadores en general, la sensación es más directa:

Dices en el canal "estos datos no parecen correctos", Claude consulta el almacén de datos, localiza la anomalía y escribe el código de corrección, todo esperando tu revisión. No escribiste ni una línea de código, pero el trabajo está hecho.

¿50 veces más IA que empleados? ¿Quién los gestiona?

Ahora, es probable que muchas empresas ya tengan docenas de bots de IA funcionando. Pero quién los creó, quién aprobó sus permisos, si ya han "renunciado", puede que nadie lo tenga claro.

En las grandes empresas, el número de estas identidades no humanas es de 50 a 80 veces mayor que el de empleados humanos.

Según datos de Ramp de mayo de 2026, el 34.4% de las empresas estadounidenses ya utilizan suscripciones de pago de Claude, superando el 32.3% de OpenAI.

Y una vez que Claude ha estado arraigado en un canal durante medio año, acumulando el contexto y los hábitos de trabajo de todo el equipo, cambiarlo por otra IA sería como empezar desde cero.

Cada vez más equipos se enfrentarán al problema del principio: ¿con los permisos de quién debe actuar?

Anthropic ya ha dado su respuesta: No usar los de nadie, la IA tiene su propio gafete.

Referencias:

https://claude.com/blog/agent-identity-access-model

Este artículo proviene del WeChat Public Account "New Zhiyuan", autor: ASI Revelations

Preguntas relacionadas

Q¿Qué es Claude Tag y cómo funciona en Slack?

AClaude Tag es un miembro de equipo de IA, publicado por Anthropic, que reside de forma permanente en un canal de Slack. Tiene su propia cuenta, memoria y herramientas. No utiliza credenciales humanas, sino una 'identidad de agente' configurada por el administrador, lo que le permite realizar tareas como consultar repositorios de código, extraer métricas o abrir PRs en GitHub.

Q¿Cómo resuelve Anthropic el problema de los permisos cuando múltiples personas interactúan con Claude Tag en un canal?

AAnthropic resuelve el problema de permisos mediante el concepto de 'identidad de agente'. Claude Tag tiene sus propias cuentas y credenciales en cada sistema (como Slack, GitHub o un almacén de datos), configuradas a nivel de área de trabajo o canal. No utiliza los permisos de ningún usuario humano, evitando conflictos y simplificando la gestión y revocación de accesos.

Q¿Qué es el 'modo de escucha' (listening mode) de Claude Tag y qué ventajas ofrece?

AEl 'modo de escucha' es una función que permite a Claude Tag monitorear activamente un canal de Slack. Sin necesidad de ser mencionado (@), puede intervenir cuando detecta que un hilo ha quedado sin respuesta o un problema no ha sido atendido, tomando la iniciativa para investigar y ofrecer soluciones, lo que mejora la continuidad del trabajo del equipo.

QSegún el artículo, ¿cómo cambia el modelo de permisos tradicional con la introducción de Claude Tag?

AEl modelo de permisos tradicional, basado en usuarios individuales, se rompe cuando un agente de IA colabora con múltiples personas. Con Claude Tag, los permisos están ligados al canal, no a la persona. Por ejemplo, si un canal tiene configurado acceso a un repositorio de código, cualquier miembro del canal puede pedir a Claude que consulte ese código, independientemente de sus permisos personales.

Q¿Qué impacto ha tenido el uso de Claude en la productividad del equipo de productos de Anthropic, según el artículo?

ASegún el artículo, el equipo de productos de Anthropic genera más del 80% de su código con Claude (desde un 65% previo), y los ingenieros fusionan 8 veces más código al día que en 2024. Un líder del equipo comentó que se siente más como gestionar un equipo que como usar una herramienta, destacando el gran aumento en la productividad y autonomía.

Lecturas Relacionadas

Karpathy vuelve a ser un dios, revoluciona el RAG y convierte tus notas en un segundo cerebro

Karpathy ha lanzado una idea revolucionaria: tratar tus notas como código fuente inmutable y dejar que un LLM actúe como compilador. Su propuesta, LLM-WIKI, cambia radicalmente la gestión del conocimiento personal. Mientras que RAG (Recuperación Aumentada por Generación) solo busca fragmentos y produce respuestas inconsistentes, el método de Karpathy "compila" toda la información en un Wiki estructurado y coherente. El sistema se organiza en tres capas: 1. **Raw (Material crudo):** Notas originales e inmutables. 2. **Schema (Constitución del conocimiento):** Reglas definidas por el usuario (ej: cómo estructurar una entrada). 3. **Wiki (Producto compilado):** Base de conocimiento mantenida automáticamente por la IA. El proceso implica **Ingerir** nuevo contenido (actualizando múltiples páginas relacionadas), **Consultar** el Wiki compilado y realizar **Revisiones** periódicas para detectar contradicciones. Esto libera a las personas del agotador trabajo de mantener enlaces y consistencia, tareas que la IA realiza de forma impecable. Karpathy conecta esta idea con el "Memex" de Vannevar Bush (1945), una máquina para gestionar conocimiento mediante asociaciones. El obstáculo durante 80 años fue el costoso mantenimiento manual, un problema que los LLM resuelven ahora. Este enfoque representa la tercera pieza de la visión de Karpathy sobre colaboración humano-IA, liberando la atención humana para lo esencial: decidir qué aprender y dar significado al conocimiento. Tu cerebro no debería usarse para llevar la contabilidad de tus ideas.

marsbitHace 9 min(s)

Karpathy vuelve a ser un dios, revoluciona el RAG y convierte tus notas en un segundo cerebro

marsbitHace 9 min(s)

¿Claude Science termina dos años de trabajo en semanas? ¿De verdad llega la aceleración científica por 10?

El nuevo Claude Science de Anthropic promete acelerar drásticamente el trabajo científico al integrar tareas fragmentadas en un solo entorno. Neurocientíficos como Jérôme Lecoq han reducido la escritura de revisiones de años a semanas, gracias a agentes de IA que verifican referencias y automatizan flujos. Esta herramienta, disponible en beta para macOS y Linux, actúa como un banco de trabajo unificado: gestiona desde el análisis de literatura y cálculos complejos hasta la generación de gráficos y borradores de artículos. Asegura la reproducibilidad adjuntando el código fuente exacto de cada gráfico, junto con su historial y entorno, facilitando revisiones futuras. Claude Science emplea múltiples agentes inteligentes: uno principal coordina más de 60 habilidades preconfiguradas para genómica o biología estructural, mientras que un "agente revisor" verifica automáticamente citas y cálculos. Opera bajo un esquema "human-in-the-loop", requiriendo aprobación para nuevos recursos. Actualmente enfocado en ciencias de la vida, conecta con más de 60 bases de datos especializadas. Aunque logra ganancias de 10x en escritura de revisiones y análisis genómicos, no acelera todo el proceso científico en la misma medida. Su apuesta clave es la trazabilidad y reproducibilidad del flujo de trabajo, a diferencia de los enfoques de Google (modelos propietarios) y OpenAI (mejorar el "juicio científico" del modelo).

marsbitHace 13 min(s)

¿Claude Science termina dos años de trabajo en semanas? ¿De verdad llega la aceleración científica por 10?

marsbitHace 13 min(s)

La fuerza invisible de los mercados bajistas de Bitcoin: los pagos en cadena y la adopción institucional se aceleran

A pesar de la continua volatilidad del precio de Bitcoin, los pagos en cadena y las transacciones tokenizadas están avanzando de forma significativa. Este desarrollo es crucial para inversores y legisladores, especialmente ante la futura ley CLARITY. Por un lado, la adopción por parte de grandes instituciones financieras tradicionales aporta más transparencia e impulsa debates sobre cumplimiento normativo y seguridad. Para los usuarios no nativos en cripto, la trazabilidad de las transacciones en cadena y la capacidad de corregir errores son mejoras clave para lograr una adopción masiva. La trazabilidad blockchain ya no es una simple cuestión binaria. Iniciativas como el marco de Chainalysis para agrupar y clasificar direcciones buscan que los datos sean más útiles y repetibles, lo que es tan importante para la confianza institucional como los informes financieros estandarizados. Instituciones como J.P. Morgan apoyan un marco regulatorio claro, pero advierten que los activos deben regularse según su función económica real (un valor tokenizado sigue siendo un valor), evitando lagunas legales. La adopción dependerá cada vez más de demostrar protección al consumidor y transparencia. El crecimiento de los depósitos en cadena en instituciones reguladas muestra que la tokenización se enfoca más en modernizar depósitos, pagos y liquidez transfronteriza, que en crear activos especulativos. La competencia para los bancos ahora radica en implementar soluciones en cadena con rapidez y cumplimiento. En conclusión, aunque el precio del Bitcoin fluctúe, la evolución de su infraestructura subyacente, impulsada por la adopción institucional y la mejora de los pagos en cadena, sienta las bases para un desarrollo más sólido del sector.

marsbitHace 15 min(s)

La fuerza invisible de los mercados bajistas de Bitcoin: los pagos en cadena y la adopción institucional se aceleran

marsbitHace 15 min(s)

GoMining Lanza el SDK GoBTC Pay para Expandir los Pagos con Bitcoin

GoMining anuncia el lanzamiento del SDK y la API GoBTC Pay Gen1, una tecnología de pago de capa 1 de Bitcoin diseñada para facilitar transacciones rápidas y no custodiales. Esta versión transforma la plataforma de una demo restringida a una infraestructura abierta, permitiendo a comerciantes, proveedores de carteras y socios integrar pagos con Bitcoin en productos y servicios del mundo real. La solución liquida directamente en la red Bitcoin, protegiendo la custodia del usuario, y ofrece herramientas de incorporación para comerciantes, gestión de pagos, un panel de control, conectores en línea y documentación para desarrolladores. Utiliza un mempool privado de 15 EH/s basado en el protocolo Stratum V2 para priorizar sus transacciones, con una ventana de liquidación promedio estimada de 12 horas. El modelo de incentivos incluye una tarifa de transacción del 0.2% para comerciantes, que se distribuye entre los proveedores de carteras participantes y los mineros de la pool de GoMining que procesan los pagos. El objetivo es fomentar la expansión de la red y el uso real de Bitcoin para compras rutinarias. GoMining, uno de los diez mayores mineros de Bitcoin por hashrate y con 5 millones de clientes, presenta esta iniciativa como un paso clave para impulsar la adopción generalizada de Bitcoin en el comercio, respetando sus principios fundamentales de soberanía y propiedad del usuario.

TheNewsCryptoHace 50 min(s)

GoMining Lanza el SDK GoBTC Pay para Expandir los Pagos con Bitcoin

TheNewsCryptoHace 50 min(s)

La Fuerza Invisible del Mercado Bajista de Bitcoin: Los Pagos en Cadena y la Adopción Institucional se Aceleran

A pesar de la continua volatilidad del precio de Bitcoin, los pagos en cadena y las transacciones tokenizadas están acelerándose en silencio. Esta tendencia es significativa para inversores y legisladores, especialmente ante la cuenta regresiva del proceso legislativo del proyecto de ley CLARITY. Las grandes instituciones financieras tradicionales están adoptando pagos en cadena y activos tokenizados, aportando más transparencia y fomentando debates cruciales sobre cumplimiento normativo y seguridad. La trazabilidad y capacidad de corregir errores en transacciones en cadena están mejorando, acercándose a las características esperadas en los sistemas de pago modernos, un paso clave para una adopción más amplia. La trazabilidad blockchain ya no es una cuestión binaria, sino cómo los analistas e instituciones pueden utilizar eficazmente los datos disponibles. Los marcos de análisis estandarizados se vuelven tan importantes como los informes financieros estandarizados para generar confianza institucional. Instituciones como JPMorgan apoyan marcos regulatorios para activos digitales, pero subrayan que la función económica de un activo debe determinar su regulación, evitando exenciones amplias que puedan crear riesgos. La próxima fase de adopción dependerá más de demostrar protección al consumidor, liquidez, transparencia y responsabilidad que del ideal de descentralización. El crecimiento de depósitos en cadena muestra la dirección de la adopción institucional. Bancos como JPMorgan están expandiendo cuentas de depósito tokenizadas, viendo la tokenización como una mejora de servicios existentes (liquidez transfronteriza, gestión de tesorería programable, liquidación 24/7) más que como activos especulativos. La competencia se centra ahora en implementar soluciones en cadena con rapidez, manteniendo el cumplimiento y la confianza del cliente. En resumen, la evolución de la infraestructura subyacente de las criptomonedas continúa, sentando una base potencialmente más sólida para la industria a pesar de la volatilidad del mercado.

Foresight NewsHace 1 hora(s)

La Fuerza Invisible del Mercado Bajista de Bitcoin: Los Pagos en Cadena y la Adopción Institucional se Aceleran

Foresight NewsHace 1 hora(s)

Trading

Spot
活动图片