Anthropic está probando si Claude Code puede encargarse del mantenimiento diario del software que la propia empresa desarrolla. En las primeras semanas del experimento, el modelo generó 388 pull requests y 180 fueron fusionados tras pasar por revisión automática y humana, según Boris Cherny, el ingeniero de Anthropic que creó la herramienta.
Cherny explica que Claude lleva ejecutando mantenimiento diario sobre las aplicaciones internas de la compañía durante "las últimas semanas". En lugar de ocupar a los desarrolladores en trabajo repetitivo, el modelo se hace cargo por su cuenta. El ingeniero califica los resultados como "sorprendentemente positivos".
¿Cómo está montado el sistema?
Según describe Cherny en su publicación, Claude corre a través de un canal de Slack dedicado llamado proj-claude-maintains-apps y actúa sobre todas las plataformas de Anthropic: iOS, Android, escritorio, web, CLI y el Agent SDK. Son seis frentes de código distintos atendidos por el mismo esquema.
Lo llamativo es que no hay ingeniería de prompts elaborada detrás. Cherny compartió parte de sus instrucciones en Slack y son indicaciones en lenguaje corriente: le pide a Claude que inicie rutinas diarias de búsqueda de crashes en iOS, Android y escritorio, que use las aplicaciones reales sin mocks, que provoque las caídas y que abra pull requests con los arreglos correspondientes.
¿Qué tareas cubren las doce rutinas?
El equipo definió doce rutinas especializadas de mantenimiento. El artículo original detalla once de ellas:
| Rutina | Función |
|---|---|
| Crash Fuzzer | Encuentra caídas reales de la app y genera arreglos para la causa raíz |
| Ant-only Shipper | Libera o elimina funciones internas olvidadas |
| Logic Simplifier | Simplifica lógica de negocio anidada |
| Logic Bug Fixer | Modela lógica compleja para encontrar y corregir errores |
| Dup Unifier | Fusiona implementaciones duplicadas |
| Dead Code Removal | Borra código que se demuestra inalcanzable |
| Useless Test Pruner | Elimina tests que nunca pueden fallar |
| Shipped-Feature Inliner | Quita feature flags de funciones ya liberadas |
| Flaky-Test Fixer | Analiza y arregla tests inestables de integración continua |
| Abstraction Improver | Simplifica abstracciones sobredimensionadas |
| Abstraction Police | Corrige violaciones de capas en la arquitectura |
Tres casos ilustran el nivel de detalle. El Crash Fuzzer abre las aplicaciones en un simulador, toca la pantalla al azar hasta provocar una caída, analiza la causa raíz y propone la corrección. El Dup Unifier recorre la base de código buscando abstracciones parecidas pero levemente distintas y sugiere unificarlas. El Dead Code Remover borra el código estáticamente inalcanzable y, cuando hay dudas, primero agrega registros de actividad para verificar al día siguiente si esa porción se usa de verdad.
¿Qué significa una tasa de fusión del 46 por ciento?
De los 388 pull requests abiertos en los repositorios de Anthropic, 180 quedaron integrados: 46 por ciento. Según Cherny, Claude suele acertar al primer intento y, cuando no lo hace, el equipo ajusta la rutina para que al día siguiente lo haga mejor. Ese afinamiento a veces toma varios días. La compañía está evaluando cómo acelerar el proceso de fusión para este tipo de cambios mecánicos.
El otro lado de la cifra es que más de la mitad de los pull requests automáticos no sobrevivió a la revisión. Cherny prefiere leer el experimento en clave de expectativa moderada y lo describe como "primeras señales de vida" de que el mantenimiento autónomo de aplicaciones podría funcionar.
Cómo se compara con el trabajo humano
Para dimensionar el número: 388 pull requests en pocas semanas equivalen a un ritmo de decenas de cambios por semana repartidos en seis plataformas, un volumen que en un equipo pequeño de LatAm difícilmente se cubre porque el mantenimiento mecánico es justamente lo que se posterga cuando hay funcionalidades comprometidas. La diferencia relevante no es la velocidad de escritura, sino que estas tareas dejan de competir por tiempo de desarrollador.
Vale precisar el alcance del experimento: se trata de software interno de Anthropic, con revisión humana obligatoria antes de cada fusión y con rutinas afinadas a mano cuando fallan. No es mantenimiento sin supervisión.
