Anthropic está probando una forma poco común de estudiar cómo se usa realmente la inteligencia artificial: permitir que investigadores externos analicen datos agregados de conversaciones de Claude sin acceder a los chats originales. El objetivo es ampliar la evidencia disponible sobre el impacto de la IA en el trabajo, la productividad y la vida cotidiana.
El programa piloto involucró a tres grupos de investigación de Stanford, Oxford y METR. En conjunto, analizaron cerca de 250.000 conversaciones de Claude.ai y Claude Code correspondientes a abril y mayo de 2026, mediante Anthropic Insights, una herramienta diseñada para preservar la privacidad.
Por qué Anthropic quiere abrir sus datos
Buena parte de la información sobre el uso real de la IA está concentrada dentro de los propios laboratorios que desarrollan estos sistemas. Eso crea un problema: las empresas conocen cómo interactúan las personas con sus modelos, pero los investigadores independientes suelen trabajar con información limitada.
Hasta ahora, quienes están fuera de los laboratorios tenían dos caminos. Podían estudiar los análisis publicados por las compañías, aunque esos trabajos responden principalmente a preguntas elegidas por las propias empresas. O podían recurrir a conjuntos de datos públicos, que suelen representar usos más casuales o creativos y no necesariamente reflejan el comportamiento de la mayoría de los usuarios.
Para entender el impacto social de la IA no basta con saber cómo funciona un modelo. También hay que observar qué hacen las personas con él en situaciones reales.
Anthropic afirma que este piloto busca cubrir ese vacío sin entregar conversaciones privadas ni permitir que los investigadores consulten información identificable.
Qué encontraron los primeros estudios
Los tres equipos formularon sus propias preguntas y tuvieron libertad para analizar los resultados. Anthropic limitó su revisión a asuntos relacionados con la privacidad, la seguridad, la información confidencial, posibles abusos y la precisión de los estudios.
La empresa asegura que los investigadores pueden publicar sus conclusiones incluso si resultan incómodas para Anthropic.
Las personas llevan tareas importantes a Claude
El laboratorio Social and Language Technologies de Stanford estudió cómo colaboran las personas con la IA. Uno de sus hallazgos contradice una idea extendida: que los usuarios reservan las tareas delicadas para sí mismos y solo delegan actividades simples a los modelos.
Más de la mitad de las conversaciones analizadas incluían tareas consideradas relevantes o de alto impacto. Esto ocurría especialmente cuando las personas buscaban orientación profesional, como en asuntos legales o financieros.
El resultado no significa que los usuarios acepten automáticamente lo que dice Claude. En casi tres de cada cuatro conversaciones, las personas marcaban la dirección del trabajo y usaban al modelo como asistente. Además, normalmente adaptaban sus respuestas en lugar de copiarlas literalmente.
Pero aquí aparece una advertencia importante: dirigir una respuesta no siempre significa comprenderla por completo. Una persona puede pedir un análisis, revisar su formato y utilizarlo sin dominar todos los razonamientos que hay detrás.
La fricción puede mejorar el resultado
El equipo de Stanford también observó que la colaboración con la IA suele incluir momentos de confusión, correcciones e iteraciones. Aunque esa fricción puede parecer un problema, no siempre lo es.
Cuando Claude interpreta mal una solicitud, el usuario se ve obligado a aclarar lo que realmente quiere. Ese proceso puede ayudar a refinar la pregunta, detectar errores y mantener a la persona involucrada en la tarea.
¿La IA funciona mejor cuando responde a la primera? En muchos casos, la investigación sugiere que una conversación con ajustes sucesivos puede producir resultados más útiles que una respuesta inmediata y aparentemente perfecta.
Las emociones humanas están relacionadas con el comportamiento de la IA
El Human Information Processing Lab de la Universidad de Oxford estudió cómo se sienten las personas durante sus conversaciones con Claude y cómo esas reacciones se relacionan con la conducta del modelo.
Sus resultados preliminares muestran patrones claros. Cuando Claude respondía de manera cálida, las personas tendían a expresarse de forma más positiva. Cuando rechazaba una solicitud o mostraba desacuerdo, los usuarios solían insistir o discutir. Y cuando el modelo actuaba de forma más excéntrica, las personas parecían involucrarse más intelectualmente.
El equipo también encontró similitudes entre la experiencia de usar Claude y la navegación cotidiana por internet. Estados como la absorción, la frustración y el disfrute aparecen con patrones parecidos en ambas actividades digitales.
La investigación de Oxford todavía no está terminada, por lo que Anthropic publicará el estudio completo cuando esté disponible.
Los modelos más capaces podrían ahorrar más tiempo al programar
METR, una organización dedicada a evaluar modelos avanzados, estudió conversaciones de Claude Code para estimar cuánto tiempo pueden ahorrar los agentes de programación.
Aunque el análisis sigue en curso, sus primeros resultados apuntan a que los modelos más recientes producen mayores aceleraciones que las versiones anteriores. Para calcularlo, METR comparó el tiempo que Claude estimaba que habría tomado una tarea sin IA con el tiempo que tomó realizarla con distintos modelos.
Las estimaciones del modelo mostraron una correlación razonable con los tiempos reales observados en un estudio previo con desarrolladores. Esto no convierte a Claude en un cronómetro perfecto, pero indica que sus cálculos podrían servir como una aproximación útil para medir productividad.
METR también quiere investigar cuánto puede acelerar la IA el trabajo de los propios investigadores, una pregunta cada vez más relevante si los modelos empiezan a participar en el desarrollo de nuevas tecnologías de IA.
El reto: investigar sin exponer conversaciones privadas
Anthropic Insights no entrega los chats originales. En cambio, el investigador formula una pregunta para el sistema, por ejemplo, qué tipo de orientación está buscando una persona. Claude clasifica las conversaciones y la herramienta solo muestra resultados agregados, como categorías y porcentajes.
Este método protege la privacidad, pero introduce un desafío técnico: los resultados dependen mucho de cómo se redacta la pregunta. Una instrucción ambigua puede producir categorías que representen mal las conversaciones reales.
Los equipos internos de Anthropic pueden probar y ajustar sus preguntas durante semanas. Los investigadores externos no tienen la misma libertad, porque cada nuevo conjunto de datos requiere revisiones de privacidad que podrían volver inviable el estudio.
Para reducir ese problema, Anthropic permitió que los investigadores probaran sus preguntas en WildChat, un conjunto público de conversaciones entre personas y modelos de IA. Sin embargo, WildChat tiende a concentrarse en usos casuales y creativos. Una pregunta que funciona bien allí puede comportarse de forma distinta al aplicarse sobre conversaciones reales de Claude.
La empresa está explorando métodos para que los investigadores diseñen y validen mejor sus categorías antes de solicitar el análisis final.
Transparencia sobre los abusos, sin enseñar a evadir controles
Algunos resultados mostraron conversaciones relacionadas con actividades prohibidas por las políticas de uso de Anthropic. La empresa afirma que compartió la mayoría de esas categorías para mantener transparencia sobre el uso indebido de la plataforma.
La excepción fueron los datos que explicaban cómo las personas podían sortear los sistemas de seguridad. En cada estudio, menos del 5% de las categorías y conversaciones se vio afectado por eliminaciones o modificaciones. Anthropic informó a los investigadores qué grupos habían sido alterados y por qué.
Además, los resultados agregados relacionados con posibles abusos se comparten con el equipo de seguridad de Anthropic para su revisión.
Un modelo de investigación que todavía está en prueba
El piloto parece demostrar que es posible permitir investigaciones externas sobre datos reales de uso sin entregar conversaciones privadas. También deja claro que hacerlo requiere más tiempo, controles y recursos que una investigación interna convencional.
Anthropic realizó una auditoría adicional de privacidad con investigadores del Imperial College London y publicó los datos agregados de los tres proyectos. La empresa ahora está evaluando cómo ampliar el programa, cuántos estudios puede procesar al mismo tiempo y qué tipos de preguntas puede admitir.
La importancia de este paso va más allá de Claude. Si los laboratorios son los únicos que pueden observar cómo se usa la IA, la sociedad depende demasiado de sus propios informes para evaluar sus efectos. La participación de universidades y organizaciones independientes puede aportar preguntas distintas, metodologías alternativas y conclusiones menos alineadas con los intereses comerciales de cada compañía.
La apertura de datos no elimina todos los riesgos. Pero sí puede ayudar a que la conversación sobre la IA pase de las promesas y las especulaciones a una evidencia más amplia sobre lo que las personas hacen realmente con estas herramientas.
Fuente original
https://www.anthropic.com/research/enabling-independent-research