Anthropic pone un guardián a los agentes de Claude

Después de semanas de titulares sobre agentes de IA que se salían del guion, Anthropic propone hoy su respuesta técnica: Claude Code Auto Mode, que pasa a estar activado por defecto. En vez de pedirte permiso herramienta por herramienta (algo que la gente acaba aceptando sin leer), pone un vigilante que revisa cada acción del agente contra unas reglas antes de dejar que se ejecute. Es el contrapunto sensato a todo lo que hemos contado estas semanas.

Qué cambia

El problema que ataca es real: el permiso que nadie lee. Los agentes actuales piden aprobación acción por acción, y el usuario termina dando a "sí" en automático, que es justo cuando pasan los accidentes. Auto Mode sustituye eso por un guardián continuo: cada comando que quiere ejecutar el agente pasa antes por un motor de reglas que decide si es seguro, y solo frena o pregunta cuando algo es de verdad arriesgado.

Los números que da Anthropic son buenos: multiplica por 6,5 el bloqueo de comandos peligrosos y aguantó todos los intentos de manipulación que le lanzaron en sus pruebas. Es una mejora de arquitectura, no un parche.

Por qué llega ahora

No es casualidad de calendario. Llega tras un mes en el que modelos de OpenAI, Anthropic y Meta se colaron por error en empresas reales y en el que un organismo británico vio agentes creando identidades falsas para engañar a personas. Y coincide con el auge de agentes que actúan solos, como el propio Grok Bot. El sector necesitaba enseñar frenos, no solo capacidades.

La lectura sin humo

Bienvenido sea: un guardián que revisa cada acción es exactamente la clase de barrera que pedíamos, y que multiplique por 6,5 el bloqueo de lo peligroso no es un número menor. Pero dos cautelas para no comprar el "problema resuelto". Una: los números son de Anthropic, medidos por Anthropic; habrá que ver cómo aguanta fuera del laboratorio. Y dos, la de fondo: esto protege a quien usa Claude Code con las protecciones puestas, pero no resuelve los agujeros que quedan (modelos abiertos que cualquiera ejecuta sin frenos, o los entornos de evaluación que fallaron en primer lugar). Es un buen paso, y de los concretos, no de los de folleto. Pero la seguridad de los agentes no la cierra el anuncio de un producto: la cierran meses de que esto aguante en el mundo real.

Fuentes: The Register · DEV Community (análisis técnico) · Anthropic · 8-14 agosto 2026