El equipo de Claude Code ha explicado cómo revisa el código ahora que Claude escribe alrededor del 90 % del suyo: la mayor parte de la lectura la hacen agentes de IA, y las personas solo aprueban según el riesgo de cada cambio. Lo cuentan Addy Osmani, Morgan Westlee Lunt y Qing Wang en un artículo del blog de ingeniería de Anthropic publicado el 15 de octubre. Con su sistema, el porcentaje de cambios internos que recibe comentarios de revisión de fondo pasó del 16 % al 54 %.
Las claves de la revisión de código del equipo de Claude Code en 30 segundos
- Varios agentes de IA buscan fallos en paralelo y otros votan si cada hallazgo es real antes de publicarlo como comentario.
- Un clasificador decide si un cambio necesita cero, una o dos aprobaciones humanas según su riesgo.
- La aprobación de un agente nunca cuenta como la de una persona, y alguien responde siempre de cada cambio.
- Los cambios que pasan a la primera subieron del 65 % al 78 %, según Anthropic.
El punto de partida es un problema de volumen. Según el artículo, entre junio y septiembre el número de cambios integrados en el código de Claude Code se duplicó con creces, mientras que la proporción que hubo que revertir cayó más de un 40 %. En el repositorio común de Anthropic, los cambios diarios pasaron de unos 2.500 en mayo a más de 30.000 en septiembre. El objetivo que se marcó el equipo fue dedicar el mínimo tiempo humano a la revisión sin que aumentaran las reversiones ni los incidentes, que usan como indicadores de control. Si esos indicadores suben, explican, no se ha ahorrado tiempo humano, solo se ha desplazado.
Siete capas entre el código y producción
El sistema empieza antes de abrir la petición de cambio. Claude tiene que ejecutar pruebas, compilaciones o comparaciones de capturas y mostrar el resultado, y un subagente revisa el diff con un contexto limpio. Boris Cherny, creador de Claude Code, calcula que dar a Claude una forma de comprobar su trabajo mejora los resultados entre dos y tres veces.
Después llega la revisión automática con Claude Code Review, que lee el cambio en el contexto de todo el repositorio. Varios agentes buscan fallos en paralelo y un grupo distinto de agentes verificadores vota cada hallazgo, que solo se publica si suficientes coinciden en que es real. Los comentarios de estilo o de limpieza se descartan, y los que quedan se marcan como importantes, menores o preexistentes, para no culpar al autor de fallos heredados. A eso se suman una revisión de seguridad que puede bloquear la integración, la integración continua habitual, una cola de integración que repite las comprobaciones, el despliegue tras indicadores de funcionalidad y una vía rápida para desactivar cambios.
La pieza más llamativa es la aprobación humana escalada por riesgo. Un clasificador asigna el nivel según el cambio, no según quién lo firma. La documentación, los textos o las funciones internas tras un indicador no necesitan aprobación humana si las comprobaciones automáticas salen bien; los cambios de producto normales y las zonas sensibles, como la caché o el actualizador automático, piden una persona; y el código de más riesgo, dos. Las aprobaciones valen para un commit concreto, los ficheros de integración continua siempre requieren una persona y quien dirige a un agente cuenta como revisor obligatorio.
Lo que han medido y lo que falta
Además del salto del 16 % al 54 % en cambios con comentarios de fondo, el equipo trabajó en que la revisión no se eternice. Los cambios que pasan tras una sola ronda de revisión y corrección subieron del 65 % al 78 %, los que necesitan cinco rondas o más bajaron del 8,9 % al 1,5 % y la media de revisiones por cambio cayó de 2,08 a 1,32. El problema era real: un cambio llegó a pasar por más de cincuenta rondas en una noche, con un agente escribiendo y otro revisando, hasta que su autor lo detuvo. Ahora, tras tres rondas, el revisor pide replantear el enfoque.
Las cifras son de Anthropic, medidas sobre su propio código y sin verificación externa. El artículo no da la tasa de falsos positivos, ni el número total de fallos detectados, ni el tiempo de revisión ahorrado en horas. Sus autores reconocen además límites: todavía no tienen mecanismos que endurezcan automáticamente las aprobaciones si suben las reversiones o los incidentes, y detectar una integración defectuosa sigue dependiendo del autor y de la guardia. Code Review está disponible en los planes Team y Enterprise, con tres niveles de profundidad, y existe un comando /code-review más ligero que funciona en local. Para quien quiera afinarlo, el equipo explica que el revisor carga siempre el fichero CLAUDE.md y un REVIEW.md que escriben los responsables de cada parte del código, en la línea de lo que ya contamos sobre los equipos de agentes en Claude Code.
Preguntas frecuentes
¿Anthropic ha dejado de revisar el código con personas?
No del todo. La IA hace la mayor parte de la lectura, pero los cambios de riesgo medio y alto necesitan una o dos aprobaciones humanas, y una persona responde siempre de cada cambio.
¿Qué es Claude Code Review?
El servicio de revisión automática de Anthropic, en el que varios agentes buscan fallos y otros verifican cada hallazgo antes de publicarlo como comentario. Está disponible en los planes Team y Enterprise.
¿Qué cambios no necesitan aprobación humana?
Los de bajo riesgo, como documentación, textos o funciones internas tras un indicador, siempre que pasen las comprobaciones automáticas y de seguridad y su autor sea de confianza.
¿Cuánto ha mejorado la revisión?
Según Anthropic, los cambios con comentarios de fondo pasaron del 16 % al 54 % y la media de revisiones por cambio bajó de 2,08 a 1,32.
Fuentes:
