Hay algo profundamente asombroso en una herramienta que empieza a participar en la construcción de su siguiente versión. La inteligencia artificial está entrando en esa etapa: además de ayudarnos a producir, empieza a intervenir en los procesos con los que desarrollamos nueva IA. El software se convierte en una herramienta para crear las herramientas que vendrán después.

Ese cambio invita a mirar el próximo año con curiosidad. Si hoy podemos delegar partes de un proyecto, ¿qué podríamos crear cuando esas partes se conecten mejor? La IA autónoma abre una conversación apasionante sobre capacidad, creatividad y acceso a la tecnología.

De responder preguntas a resolver encargos

Para entender el salto, imaginemos un encargo sencillo: crear una herramienta que permita reservar una cita. La experiencia resulta mucho más valiosa cuando el sistema puede recorrer el camino completo: interpretar la necesidad, preparar una solución, comprobarla y presentar algo que podamos probar. El centro de la interacción pasa a ser el resultado.

Esa dirección ya aparece en los flujos dinámicos de Claude Code. Anthropic describe sistemas que dividen un encargo, coordinan agentes y verifican sus aportaciones. Es una forma de organizar trabajo técnico que permite delegar conjuntos de tareas conectadas.

Un ejemplo concreto es su experimento de construcción de un compilador: 16 agentes desarrollaron un programa capaz de compilar Linux 6.9. El investigador preparó el entorno y las pruebas. La autonomía surgió dentro de esa estructura de trabajo.

La imagen resulta fascinante: una instrucción inicial puede abrir un proceso de construcción. Para quien tiene una idea, la conversación empieza a parecerse más a un taller. Se propone algo, se trabaja sobre ello y se vuelve con una pieza que admite pruebas, preguntas y mejoras.

Cuando la IA construye las herramientas que la mejoran

En When AI builds itself, Anthropic afirma que, en mayo de 2026, Claude había escrito más del 80 % del código incorporado a su base de código. Es una medición interna de código integrado, no del conjunto del trabajo. La empresa sitúa todavía en el futuro el desarrollo completamente autónomo de un sucesor.

El atractivo tecnológico está en esa relación entre generaciones. Una herramienta ayuda a producir parte del entorno donde se desarrollarán herramientas posteriores. Si ese trabajo facilita experimentar, una idea prometedora puede llegar antes a una prueba útil. Cada mejora abre espacio para explorar la siguiente. Esa es la posibilidad que merece nuestra atención.

También avanza la infraestructura que hace posible sostener esos procesos. El anuncio de message threads del 2 de noviembre de 2026 presenta una manera de enviar solo los mensajes nuevos en cada turno para reducir la latencia en sesiones largas. La propuesta mantiene el consumo de tokens.

Es un detalle poco vistoso que ayuda a imaginar un futuro muy concreto: herramientas que mantienen mejor el ritmo del trabajo. El progreso también se construye con esas pequeñas mejoras que vuelven más fluida una experiencia y permiten encadenar más pasos.

La autosuficiencia empieza por la ejecución

La expresión más precisa para este momento es autosuficiencia operativa en tareas concretas: avanzar por cuenta propia dentro de un encargo y unas condiciones definidas. Hablar de esa capacidad permite apreciar el logro con claridad. Las personas aportan propósito, contexto y criterios para decidir cuándo un resultado sirve.

Para seguir su evolución conviene observar qué trabajos consigue completar. METR mide la dificultad de tareas mediante el tiempo que tomarían a un experto humano, asociado a una probabilidad de éxito. Ese tiempo describe la tarea, no cuánto permanece funcionando el agente. Sus pruebas se concentran principalmente en ámbitos de software, aprendizaje automático y ciberseguridad.

Desde esa perspectiva, la pregunta más interesante es cuánto podemos delegar y con qué calidad. Un sistema que completa una secuencia útil, conserva el contexto y entrega algo verificable puede cambiar nuestra relación con la tecnología. Podemos dedicar más atención a imaginar el resultado que queremos conseguir.

De aquí a noviembre de 2027: cuatro avances posibles

Los siguientes escenarios son una lectura editorial de los avances anteriores, con un horizonte de doce meses desde noviembre de 2026. Son posibilidades que conviene observar; su llegada dependerá de fiabilidad, costes, integración y facilidad de uso.

• Proyectos más completos a partir de una idea. Podríamos pasar con mayor facilidad de describir una necesidad a probar una aplicación funcional. Para un emprendimiento, eso podría significar ensayar un sistema de reservas o un catálogo interactivo y aprender de clientes reales antes de comprometer un desarrollo más amplio.
• Herramientas que se adaptan mejor a cada equipo. Un escenario plausible es que resulte más sencillo modificar una solución para reflejar cómo trabaja un negocio. Una agencia podría ajustar su revisión de entregables; una tienda, su preparación de pedidos. El valor estaría en lograr una adaptación útil con menos fricción.
• Más experimentos para mejorar la propia tecnología. Si delegar la preparación y ejecución de pruebas se vuelve más fiable, los investigadores podrían explorar más alternativas. El avance que observaríamos sería una mayor capacidad de convertir preguntas técnicas en experimentos comparables y resultados que se puedan revisar.
• Más personas capaces de construir. Una experiencia más clara y accesible podría acercar el desarrollo de herramientas a profesionales con conocimiento del problema y poca experiencia programando. Docentes, diseñadores y emprendedores tendrían más oportunidades de convertir ese conocimiento en prototipos que otras personas puedan utilizar.

Para reconocer ese futuro, vale la pena fijarse en señales sencillas: cuánto hay que explicar de nuevo, cuántas correcciones exige una entrega y si alguien puede utilizar el resultado con facilidad. Ahí se vuelve visible el progreso para una persona o una empresa.

El asombro también puede llegar a tu negocio

Pensemos en una pequeña empresa que recibe las mismas preguntas antes de cada compra. Podría empezar por diseñar una herramienta sencilla que organice las respuestas y ayude a elegir el producto adecuado. Una IA con mayor autonomía podría facilitar la construcción del prototipo, mientras el equipo aporta las preguntas reales y decide qué experiencia quiere ofrecer.

El beneficio posible sería aprender antes: descubrir qué información falta, qué duda se repite y qué parte del recorrido merece mejorar. Ese aprendizaje puede tener más valor que acumular funciones. En La Fábrica, esta evolución nos invita a pensar en experiencias digitales que nacen de una necesidad concreta y encuentran una forma útil de resolverla.

El próximo año ofrece un horizonte extraordinario para experimentar con esa idea. Podemos imaginar equipos pequeños probando propuestas que antes dejaban pendientes, profesionales creando herramientas propias y más tiempo disponible para trabajar sobre lo que hace valioso un producto.

La IA que ayuda a construir la siguiente IA abre una nueva etapa de creación tecnológica. El asombro está en contemplar cómo crece nuestra capacidad de hacer: una idea encuentra una primera forma, esa forma nos enseña algo y lo aprendido alimenta la siguiente versión. De aquí a un año, podríamos tener muchas más oportunidades de recorrer ese camino.