El modelo de inteligencia artificial «Claude», desarrollado por «Anthropic», enfrenta una crisis de confianza creciente entre desarrolladores y usuarios profesionales, quienes afirman que el rendimiento del modelo ha disminuido de forma notable y acelerada. Estas quejas sobre la calidad coinciden con una serie de interrupciones frecuentes en el servicio que han obstaculizado las operaciones diarias de numerosas empresas e instituciones tecnológicas durante las últimas semanas.
Interrupciones frecuentes intensifican la crisis
El episodio más reciente de estas perturbaciones ocurrió el lunes pasado, cuando la plataforma «Claude» y la herramienta de programación «Claude Code» sufrieron lo que se denominó una «interrupción mayor», la cual incluyó un fuerte incremento en las tasas de errores entre las 15:31 y las 16:19 UTC. Aunque «Anthropic» informó haber resuelto el problema en menos de una hora, este incidente se suma a cortes similares registrados los días 6 y 7 de abril, además de un prolongado periodo de inestabilidad de unas 10 horas continuas a principios de marzo. Los problemas no se limitaron a eso; la página de estado del sistema de la compañía también registró una interrupción en el servicio de inicio de sesión por correo electrónico el 11 de abril.
Estas interrupciones sucesivas han amplificado la frustración acumulada desde febrero, momento en que los usuarios comenzaron a notar un descenso drástico en la calidad de la lógica, el razonamiento y la deducción del modelo de IA, lo que les llevó a cuestionar su fiabilidad como herramienta de programación para proyectos de ingeniería complejos.
Cifras preocupantes de un gigante tecnológico
La crítica más detallada y documentada provino de Stella Lorenzo, directora del grupo de inteligencia artificial en la empresa líder «AMD», quien presentó un informe exhaustivo a través de la plataforma «GitHub» el 2 de abril. Lorenzo documentó en su reporte los hallazgos de su equipo tras un análisis riguroso que abarcó cerca de 7 000 sesiones de trabajo en la herramienta «Claude Code» y más de 234 760 llamadas a herramientas de programación.
El análisis de campo reveló datos contundentes: la «relación lectura-modificación» de la herramienta experimentó una caída drástica. Dicha proporción mide la frecuencia con la que el modelo lee y comprende el código antes de proceder a modificarlo. La métrica se desplomó de 6.6 a 2.0, lo que representa una disminución masiva del 70 por ciento. Asimismo, los casos en los que el modelo abandonaba las tareas requeridas o eludía responsabilidades pasaron de cero a un promedio de 10 incidentes diarios a finales de marzo.
El equipo de ingenieros también observó que el modelo de inteligencia artificial tiende cada vez más a reescribir archivos de código completos en lugar de realizar las modificaciones precisas y específicas solicitadas, lo que apunta a un debilitamiento de su capacidad de razonamiento profundo y a una dependencia de soluciones superficiales y rápidas. Al respecto, Lorenzo escribió en su informe: «El rendimiento de Claude ha disminuido hasta el punto de que ya no se puede confiar en él para realizar tareas de ingeniería complejas».
Amplio descontento y justificaciones de la empresa
Las quejas no provinieron únicamente de «AMD». El repositorio de código abierto de «Claude Code» experimentó un aumento sin precedentes en los reportes relacionados con la calidad del rendimiento, y se proyecta que el mes de abril supere el total de 18 reportes registrados en marzo, cifra que a su vez representaba un incremento de 3.5 veces en comparación con el promedio de enero y febrero. En «Reddit» y otros foros tecnológicos, los usuarios describieron el modelo como «perezoso» y «miope», y algunos señalaron que ya no pueden recomendar la herramienta a sus clientes e instituciones.
Por su parte, Boris Cherny, creador y jefe del equipo de herramientas de inteligencia artificial en «Anthropic», respondió directamente a las inquietudes de Lorenzo el 6 de abril. Cherny atribuyó la merma en el rendimiento a cambios en la interfaz de usuario y en la configuración predeterminada, y desmintió que se haya realizado modificación alguna en el modelo base. Explicó que la actualización lanzada en febrero, la cual oculta el contenido de razonamiento de la interfaz de usuario, no afecta el proceso de pensamiento en sí, ni altera los presupuestos de razonamiento o el funcionamiento de la lógica extendida tras bambalinas, calificándolo de un cambio meramente cosmético en la interfaz.
Debate sobre la asignación de recursos
A pesar de defender el modelo base, Cherny admitió que la función de razonamiento adaptativo de la herramienta asignaba una cantidad menor de la necesaria a la lógica en determinados puntos de inflexión, lo que generaba información imprecisa en casos donde no se generaban procesos de pensamiento, y aseguró que el equipo de modelos de la compañía está investigando el problema. Paralelamente, los datos procedentes de pruebas independientes de «Margin Lab» mostraron una ligera variación, pero ningún cambio sustancial en las puntuaciones del modelo «Opus 4.6» desde febrero.
Para la ingeniera Lorenzo, dicha explicación no resultó del todo convincente. Sus datos indicaron que la profundidad estimada del razonamiento ya se había reducido en un 67 por ciento a finales de febrero, antes de que comenzara el despliegue de la actualización que oculta el proceso de pensamiento. Asimismo, señaló que la asignación de razonamiento parece variar según la hora del día, lo cual coincide con una política de racionamiento de recursos sujeta a la carga de los servidores, y no con un presupuesto fijo de razonamiento como sostiene la empresa. Tras esta crisis y sus repercusiones, el equipo de ingeniería de «AMD» tomó la tajante decisión de migrar hacia un servicio competidor en el ámbito de la programación con inteligencia artificial.
Preguntas frecuentes
¿Cuál es la causa de la crisis de confianza que enfrenta el modelo de inteligencia artificial Claude?
El modelo afronta una crisis de confianza debido a una disminución notable en la calidad de su desempeño y en sus capacidades de razonamiento y deducción, al aumento de casos en los que elude tareas, y a una serie de interrupciones frecuentes en el servicio que han afectado negativamente el flujo de trabajo de desarrolladores y empresas.
¿Qué revelaron los datos de la empresa AMD sobre el rendimiento de la herramienta de programación?
Los datos, basados en el análisis de miles de sesiones y cientos de miles de comandos, revelaron una caída del 70 por ciento en la proporción de lectura de código antes de su modificación, así como la tendencia de la herramienta a reescribir archivos enteros en lugar de aplicar cambios precisos y específicos, lo que denota un retroceso significativo en el nivel de razonamiento profundo.
¿Cómo respondió Anthropic a estas quejas sobre la calidad?
La empresa declaró que la disminución en el rendimiento se debe a modificaciones en la interfaz de usuario y a la ocultación del contenido de razonamiento, negando haber alterado el modelo base. No obstante, reconoció la existencia de un problema en la función de razonamiento adaptativo —la cual asigna recursos lógicos insuficientes en ciertos casos— y se comprometió a investigarlo y solucionarlo.
