El 13 de octubre de 2026, el equipo de ingeniería de Anthropic explicó por qué dejó de usar git en su repositorio principal: los agentes de IA ya escriben la mayor parte de su código y la infraestructura pensada para personas se convirtió en el cuello de botella. Es una señal clara de hacia dónde va el desarrollo de software con agentes de IA, y deja lecciones útiles para cualquier empresa que quiera automatizar procesos con agentes.
Qué pasó: de 2.500 a más de 30.000 cambios al día
- En mayo de 2026 Anthropic integraba unos 2.500 cambios de código al día; en septiembre, más de 30.000, casi todos hechos por agentes.
- El historial de su repositorio principal ronda los 100 GB y solo su integración continua (CI) hacía unos 25 millones de descargas del código al día.
- Para sostenerlo llegaron a operar cientos de copias internas de git, cada vez más difíciles de mantener.
Git fue diseñado para personas que trabajan sin conexión, cada una con una copia completa del código. Los "usuarios" de Anthropic hoy son agentes y procesos que están siempre conectados, así que esas ventajas se volvieron un costo.
Qué construyeron
Un equipo de siete personas creó Scion, un sistema de control de versiones propio, y migró el repositorio en cinco meses, mientras el volumen de cambios se multiplicaba por diez. Sus ideas principales:
- Clientes siempre conectados: nadie descarga el repositorio completo; cada agente pide solo los archivos que necesita.
- El servidor hace el trabajo pesado: historial, commits y fusiones ocurren en el servidor, no en cada máquina.
- Una API para todo: cualquier consulta sobre el código se hace por API, sin copia local.
- Caché en tres niveles, cada uno con más de 99 % de aciertos.
Según Anthropic, la nueva infraestructura usa unas 200 veces menos CPU y memoria que la anterior y las descargas de código para CI pasaron de minutos a segundos.
El papel de los agentes y de las personas
Claude reescribió un prototipo del equipo con 20 veces menos memoria y 4 veces más rápido, encontró optimizaciones que a un experto le habrían tomado días o semanas, y varias instancias vigilan componentes del sistema con su telemetría. Pero las personas siguieron siendo clave: tuvieron que rechazar diseños que violaban restricciones básicas y frenar código defensivo innecesario. Hoy los ingenieros revisan la intención de cada cambio más que cada línea.
Lecciones para tu empresa
- La infraestructura pensada para personas se rompe a escala de agentes. Un proceso que funciona con 10 solicitudes al día puede colapsar con 1.000. Diseña pensando en el volumen que tendrá el agente, no en el actual.
- Dale APIs al agente, no pantallas. Un agente que consulta tu ERP por API es más rápido, más barato y más fácil de auditar que uno que imita clics.
- Las personas pasan a definir reglas y revisar decisiones. El valor está en fijar restricciones claras y revisar lo importante, no en rehacer cada tarea.
- Controles por área. Anthropic usa permisos por carpeta y reglas de aprobación para que los revisores se concentren en los cambios con consecuencias. Lo mismo aplica a un agente que toca ventas, finanzas o datos personales (ver seguridad de agentes de IA).
¿Necesitas un sistema como Scion?
Casi seguro que no: los propios autores aclaran que no es un reemplazo general de git y que está pensado para repositorios enormes y grandes grupos de agentes. Lo que sí aplica a cualquier empresa son los principios: datos accesibles por API, permisos acotados y medición constante. Anthropic estima que este tipo de problemas será común en 6 a 12 meses.
Fuente: Redesigning source control at Anthropic (Anthropic Engineering, 13 de octubre de 2026).
Si quieres llevar estos principios a tus procesos, revisa nuestra guía de desarrollo de agentes de IA o conoce nuestro servicio de software de IA a medida.