Claude escribe y revisa cerca del 90% del código de Claude Code, según el equipo que desarrolla la herramienta en Anthropic. El dato no describe un proceso sin supervisión: el equipo ha trasladado buena parte de la revisión a agentes y comprobaciones automáticas, mientras reserva a las personas la decisión sobre cambios delicados y la responsabilidad por lo que llega a producción.
La propuesta de Anthropic es concreta: en vez de pedir a una persona que lea cada línea, el agente debe ejecutar el cambio y aportar pruebas de que funciona. El equipo describe un flujo donde Claude corre pruebas, compilaciones y verificaciones de comportamiento; otro agente revisa el diff, y los controles que siguen fallando tras varias rondas pasan a manos humanas. La revisión no desaparece: cambia de lugar y se organiza en torno a evidencias y riesgo.
De leer cada diff a comprobar el resultado
Para el equipo, una prueba útil no se limita a confirmar que el código compila. La verificación más convincente es ejecutar la aplicación como lo haría una persona: manejar la versión web con herramientas de navegador, probar una aplicación móvil en un simulador o levantar un servicio para comprobar sus cambios. En su flujo, Claude debe mostrar qué ejecutó y qué resultado obtuvo, en lugar de limitarse a declarar que terminó.
Anthropic recomienda invertir en pruebas de extremo a extremo, que recorren acciones de usuario completas y ofrecen señales concretas cuando algo falla. También destaca las pruebas de propiedades, que generan entradas para poner a prueba invariantes, y las diferenciales, que comparan la respuesta del sistema antiguo y el nuevo ante las mismas entradas. Estas últimas son especialmente útiles en migraciones donde se espera conservar el comportamiento.
La compañía afirma que, en pruebas internas sobre generación estructurada de archivos, incorporar un evaluador separado que compara el resultado con una rúbrica elevó el éxito de las tareas hasta 10 puntos frente a un ciclo estándar de instrucciones. El mayor aumento se dio en los problemas más difíciles. Es un resultado de ese contexto concreto, no una medida general de cuánto mejora cualquier tarea de programación.
If a check is still failing after three rounds, Claude stops and brings in a human.
— Equipo de Claude Code, Anthropic
Anthropic fija un límite: si una comprobación sigue fallando tras tres rondas, Claude se detiene y llama a una persona. El equipo también pone límites a las revisiones repetidas. En una solicitud de cambio, llegó a observar más de cincuenta rondas nocturnas de revisión y correcciones; al analizar los hallazgos, encontró que alrededor del 59% correspondía a código que ya estaba presente en la primera pasada del revisor.
Controles automáticos, con una persona al final
La revisión se reparte en capas. Antes de abrir una solicitud de cambio, Claude ejecuta pruebas, compilaciones y el linter; después, un revisor automático examina el diff junto con el repositorio y el propósito declarado. En la revisión de seguridad y en los controles habituales —como pruebas y comprobaciones de tipos— los hallazgos pendientes pueden bloquear la integración. Una cola de integración vuelve a ejecutar las comprobaciones con el cambio aplicado sobre la rama principal.
El equipo no aplica el mismo requisito humano a todos los cambios. Un clasificador asigna un nivel de riesgo a partir del cambio, y otro puede pedir una persona adicional aunque la categoría inicial no la exija. La tabla recoge el esquema que Anthropic describe:
| Riesgo | Ejemplos | Aprobaciones humanas |
|---|---|---|
| Bajo | Documentación, textos, funciones internas y cambios aditivos protegidos por una bandera | Ninguna, si pasan la revisión automática y la de seguridad |
| Medio | Cambios ordinarios y áreas sensibles como caché, actualizador o instrucciones del sistema | Una persona |
| Alto | Código de mayor riesgo y rutas que siempre exigen dos revisores | Dos personas |
Hay dos límites explícitos: la aprobación de un agente no cuenta como aprobación humana y quien encargó el cambio cuenta como uno de los revisores requeridos. Los autores de fuera de la lista de confianza del repositorio también necesitan una segunda persona para acceder a las vías más ligeras. Así, la automatización puede despejar cambios de bajo riesgo, pero no sustituye a un humano cuando la política exige su intervención.
Las reglas también intentan evitar que el cambio modifique el examen que lo juzga. En Claude Code, el revisor lee el archivo REVIEW.md desde la rama base, no desde la solicitud de cambio. El equipo mantiene además una lista de fiabilidad con 39 elementos, cada uno asociado a una señal detectable en el diff y a incidentes o solicitudes anteriores. Claude comprueba solo los puntos cuyos activadores coinciden con el cambio.

El coste de automatizar la revisión
Más revisiones no siempre significan más seguridad. Si una prueba es inestable, el agente puede aprender a repetirla en vez de corregir el problema; si tarda demasiado, puede reducir el número de comprobaciones por lote. Y cuando un agente autor responde a cada observación con otra modificación, incluso los comentarios menores generan nuevos commits y otra ronda de revisión. Anthropic recortó ese ciclo con un límite de rondas, revisiones centradas en el diff tras las primeras pasadas y una regla para no repetir hallazgos ya publicados.
InfoQ añade una cautela sobre la comprensión del sistema. En su análisis de la revisión de Anthropic, recoge la postura de que nadie en el equipo necesita mantener un modelo mental completo de Claude Code: quien quiere entender una parte puede pedirle a Claude una explicación de ese fragmento. InfoQ también relata un caso del repositorio en el que una respuesta generada por Claude sobre el cierre automático de incidencias describió mal cómo se gestionaban. El ejemplo muestra que una explicación producida por el agente no garantiza por sí sola que haya entendido correctamente el comportamiento real.
También queda una cuestión de gobernanza: quién decide si una modificación de instrucciones para el agente es de bajo o de alto riesgo. InfoQ señala que Anthropic no asigna expresamente una categoría a archivos como CLAUDE.md, aunque el revisor los carga en cada revisión. El artículo de Anthropic sí indica que algunos cambios sensibles, como los que afectan a instrucciones del sistema, requieren una aprobación humana. Para una empresa que adopte un flujo parecido, la clasificación de esos archivos puede cambiar qué cambios llegan a producción con menos supervisión.
Más cambios, con reversión como límite
El contexto es un volumen creciente de código. En otra publicación, el equipo afirma que, entre mayo y septiembre, los cambios incorporados cada día en el monorepositorio de Anthropic pasaron de unos 2.500 a más de 30.000. Esa cifra se refiere al monorepositorio, no solo a Claude Code. En el repositorio de Claude Code, las solicitudes integradas se duplicaron con creces entre junio y septiembre, mientras que la proporción que tuvo que revertirse cayó más del 40%, según Anthropic.
La empresa mide el tiempo humano dedicado a revisar, pero también vigila reversiones e incidentes: reducir la lectura manual no serviría si el coste reapareciera arreglando fallos. Los cambios suelen estrenarse detrás de una bandera para empleados y luego pasan primero al canal más reciente, mientras el canal estable queda por detrás. Si algo sale mal, las banderas permiten desactivar la función sin desplegar una nueva versión.
Ese enfoque deja a las personas tareas que no se reducen a aprobar una diff: decidir si conviene construir una función, juzgar la arquitectura que marcará patrones para otros y examinar con atención cambios de alto riesgo. Anthropic reconoce, además, que todavía no tiene interruptores automáticos que eleven el nivel de aprobación cuando aumentan los incidentes o las reversiones. Sus ingenieros quieren contar con ellos antes de trasladar más cambios a integraciones sin intervención humana.
La consecuencia práctica para otros equipos no es que puedan copiar el porcentaje de automatización, sino que necesitan decidir qué evidencia justifica integrar un cambio y qué fallos obligan a detenerlo. Anthropic convierte incidentes y reversiones en evaluaciones para mejorar el revisor, y exige que las reglas nuevas se revisen y aprueben por personas. El sistema sigue dependiendo de una última decisión humana en los cambios de mayor riesgo y de la capacidad de revertir con rapidez los que superan los controles.
Fuentes: claude.dev Blog, claude.dev Blog, InfoQ