La inteligencia artificial ha transformado la forma en que se desarrolla el software, y Anthropic, la compañía detrás de los modelos Claude, está experimentando esta transformación de manera directa. La explosión en la generación de código por parte de sus modelos de IA ha superado la capacidad de su infraestructura de codificación tradicional, impulsándolos a crear soluciones innovadoras para gestionar este volumen sin precedentes.

El desafío del código a escala de IA

El ritmo al que Claude produce código es asombroso. En mayo de 2026, Anthropic promediaba aproximadamente 2.500 cambios de código fusionados por día. Para septiembre del mismo año, esta cifra se disparó a más de 30.000 fusiones diarias. Este crecimiento exponencial no muestra signos de desaceleración, ya que cada cuello de botella eliminado abre paso a una mayor producción de código.

"No esperamos que esta tasa de crecimiento disminuya pronto; la demanda latente de fusionar código es prácticamente infinita, y cada cuello de botella que eliminamos conduce inmediatamente a un aumento adicional en la cantidad de código que producimos." — Anthropic

Este fenómeno no es exclusivo de Anthropic. GitHub ha reportado problemas de disponibilidad debido al crecimiento exponencial de las solicitudes de extracción y los commits, una tendencia también observada por investigadores académicos. La capacidad de las IA para escribir código ha eliminado el cuello de botella de la productividad en la escritura, pero ha trasladado el problema a la gestión posterior del código: control de versiones, sistemas de construcción e integración continua.

Scion: la respuesta de Anthropic a la avalancha de código

Ante esta situación, Anthropic ha desarrollado Scion, un sistema de control de versiones propio basado en un esquema de monorepositorio. Este enfoque, aunque recuerda a sistemas centralizados como Subversion, está diseñado específicamente para las exigencias de la generación de código por IA.

Otras grandes empresas tecnológicas también han optado por sistemas de control de versiones personalizados para manejar sus enormes bases de código:

  • Google: Utiliza Piper, un sistema de monorepositorio, junto con Gerrit para revisiones de código basadas en Git.
  • Microsoft: Emplea Virtual File System para Git (anteriormente GVFS) para mitigar los problemas de escalabilidad de Git.
  • Meta: Desarrolló Sapling para sus necesidades de gestión de código.

La base de código principal de Anthropic ya pesa alrededor de 100 GB, con una copia de trabajo comprimida que supera el cuarto de ese tamaño. Realizan aproximadamente 25 millones de extracciones de código al día solo para integración continua. Un enfoque ingenuo de Git generaría más de 600 PB de tráfico diario, una cifra insostenible.

Diseñado para agentes de IA

Scion se diferencia de Git en su filosofía. Mientras que Git es un sistema distribuido ideal para la mayoría de los repositorios, Scion está optimizado para agentes de IA. El cliente de Scion delega gran parte del trabajo al servidor, exponiendo las consultas de control de versiones a través de una API. Esto permite que las herramientas internas respondan sin necesidad de un repositorio local, reduciendo la sincronización y aumentando la necesidad de velocidad del servidor.

La unidad de trabajo en Scion es un "changeset", una entrada en un registro de escritura anticipada. A diferencia de un commit de Git que apunta a un árbol, un changeset almacena una lista de archivos modificados respecto a su primer padre, junto con punteros a los contenidos de los archivos comprimidos en el almacenamiento de blobs.

Claude: parte del problema y de la solución

Curiosamente, la capacidad de Claude para escribir código no solo creó el problema, sino que también ofreció una vía para solucionarlo. Claude asistió en la creación de herramientas de infraestructura escalables, como Antique (una interfaz de revisión de código), una herramienta de búsqueda de código y un sistema IAM para el control de versiones.

Un ejemplo notable fue la reescritura de un pipeline temprano de Git a Scion por parte de Claude Mythos Preview. La versión generada por la IA consumió 20 veces menos memoria y se ejecutó cuatro veces más rápido, demostrando la eficiencia que la IA puede aportar incluso en la optimización de sus propias herramientas.

El rol del ingeniero humano en la era de la IA

A pesar de la superioridad de Claude en la escritura de código, los ingenieros humanos de Anthropic mantienen un rol crucial. Su función se ha transformado en la de "negadores", proporcionando una comprensión de alto nivel y asegurándose de que los agentes de IA no violen las restricciones fundamentales del sistema. La IA puede generar soluciones eficientes, pero la supervisión humana es esencial para garantizar que estas soluciones se adhieran a los principios de diseño y a las limitaciones del sistema.

Anthropic no planea lanzar Scion como código abierto, ya que consideran que su sistema es demasiado específico para un uso general. Sin embargo, la compañía advierte que los problemas de escalado de código que enfrentan se volverán comunes en otras organizaciones en los próximos meses, ofreciendo su experiencia como un caso de estudio sobre cómo abordar estos desafíos emergentes en la era de la codificación asistida por IA.