Anthropic ha dejado de pedir a los usuarios de Claude Code que hagan clic en «aprobar» cada pocos minutos. A partir del 14 de agosto de 2026, el modo automático de Claude Code se convierte en la configuración predeterminada para las nuevas sesiones en los planes Pro, Max y Team, sustituyendo el flujo constante de solicitudes de permiso que durante mucho tiempo ha definido cómo los desarrolladores interactúan con los agentes de programación con IA. La empresa afirma que tiene los datos que respaldan el cambio, pero los comentarios independientes —incluido el del desarrollador e investigador Simon Willison— sugieren que la historia es más matizada que una simple victoria en materia de seguridad.
Índice
Conclusiones clave
- Anthropic convierte el modo automático en la opción predeterminada para los planes Claude Code Pro, Max y Team a partir del 14 de agosto de 2026.
- En una prueba con 1.053 usuarios de pago, el modo automático bloqueó el 89% de los comandos peligrosos, mientras que los evaluadores humanos se negaron solo el 13,6% de las veces.
- El evaluador independiente Trajectory Labs realizó 720 ataques de inyección de instrucciones indirectas contra Claude Fable 5, Opus 5 y Sonnet 5 ejecutando el modo automático — ninguno tuvo éxito.
- Anthropic dejará de cobrar por los tokens adicionales que utiliza el clasificador del modo automático por cada llamada de herramienta.
- Los analistas siguen señalando riesgos no resueltos, incluidos paquetes de terceros maliciosos que podrían exfiltrar datos sin ser detectados.
Anthropic convierte el modo automático de Claude Code en el valor predeterminado
El cambio responde a un problema del que los ingenieros de Anthropic han hablado abiertamente: la fatiga de confirmación. Pedir a una persona que apruebe cada paso del flujo de trabajo de un agente de IA suena prudente, pero en la práctica entrena a la gente para hacer clic en los avisos sin leerlos realmente. Según Anthropic, el modo automático sustituye ese bucle repetitivo de aprobación por un clasificador que inspecciona cada llamada de herramienta en busca de acciones irreversibles, destructivas o claramente fuera de los límites. Si el clasificador marca algo, Claude busca una vía más segura o vuelve a pedir permiso — y si los bloqueos siguen acumulándose, toda la sesión vuelve al modo de aprobación manual.
La implementación afecta a los planes Pro, Max y Team, a menos que un usuario o administrador haya fijado manualmente una configuración de permisos diferente. Anthropic también está eliminando un pequeño punto de fricción financiera: dejará de cobrar por los tokens adicionales que consume el clasificador en cada llamada de herramienta, según la propia entrada de blog de la empresa sobre el cambio.
¿Por qué importa esto más allá de la comodidad? Anthropic afirma que el modo automático ya está cambiando la forma en que trabajan los equipos: los clientes Team y Enterprise que lo utilizan supuestamente envían alrededor de un 25% más de pull requests que aquellos que dependen de la aprobación manual. Es una señal de productividad significativa, pero también eleva las apuestas: una mayor actividad de programación autónoma implica más oportunidades de que algo salga mal si la capa de seguridad subyacente no es sólida.
¿El modo automático realmente bloquea más comandos peligrosos que los humanos?
Sí, según las propias pruebas de Anthropic — por un amplio margen. La empresa realizó un estudio con 1.053 evaluadores de pago en el que, a mitad de una sesión normal, una solicitud de permiso rutinaria se sustituyó silenciosamente por un comando claramente peligroso. Cada evaluador vio el mismo escenario. El resultado: solo el 13,6% de las personas se negó a ejecutar la acción dañina. El modo automático, probado contra el mismo comando, lo bloqueó el 89% de las veces.
La brecha se amplía cuanto más se prolonga una sesión. Anthropic informó de que la vigilancia humana cayó aproximadamente al 5% después de 50 avisos, una cifra que ilustra exactamente por qué la empresa presenta la fatiga de confirmación como una verdadera responsabilidad de seguridad y no como una preocupación abstracta. Las personas se cansan, se distraen o se vuelven complacientes. Un clasificador, al menos en teoría, no lo hace.
Aun así, las cifras tienen dos caras. Esa tasa de bloqueo del 89% deja que el 11% de los comandos peligrosos se cuelen a través de los controles del modo automático, una brecha que la propia Anthropic reconoce. La empresa sigue recomendando la revisión humana para los cambios que afectan a sistemas de producción, lo que sugiere que ni siquiera Anthropic está lista para presentar el modo automático como un sustituto completo del juicio humano.
Inyección de instrucciones: la prueba más importante para la seguridad de los agentes de programación con IA
Bloquear un comando obviamente peligroso es una cosa. Detener un ataque oculto dentro de contenido que el agente lee de otra parte es un problema completamente distinto, y es el que más preocupa a los investigadores de seguridad. La inyección de instrucciones — colando instrucciones maliciosas en texto, código o archivos que un agente de IA consume más tarde — se ha señalado repetidamente como una debilidad central en la seguridad de los agentes de programación con IA, y Simon Willison ha pronosticado anteriormente que 2026 podría traer un incidente de seguridad grave vinculado precisamente a este tipo de vulnerabilidad.
La respuesta de Anthropic fue encargar una revisión externa. La empresa contrató a Trajectory Labs para evaluar de forma independiente las últimas versiones disponibles públicamente de Claude Code y Codex a fecha del 17 de julio de 2026. Trajectory Labs diseñó 72 escenarios de inyección de instrucciones indirecta que se habían excluido del entrenamiento y las pruebas de Anthropic, y luego ejecutó cada escenario diez veces — 720 intentos de ataque en total. Según los resultados que publicó Anthropic, ninguno de los 720 intentos tuvo éxito contra Claude Fable 5, Opus 5 o Sonnet 5 mientras ejecutaban el modo automático.
Es un resultado llamativo, y es el titular que Anthropic quiere que la gente recuerde. Thariq Shihipar, uno de los representantes de Anthropic que habló sobre el trabajo en una reciente Fireside Chat, bromeó en redes sociales con que el informe podría haberse titulado «derrotando la tríada letal», una referencia a la combinación de entrada no confiable, datos sensibles y autonomía del agente que los investigadores de seguridad consideran la configuración más peligrosa para los sistemas de IA. Cat Wu, otra representante de Anthropic presente en esa conversación, dijo que la empresa ha «mitigado prácticamente todos los ataques» que probó.
Willison, por su parte, sigue siendo cautelosamente escéptico más que convencido. Señala que una tasa de éxito cero frente a 720 intentos de ataque seleccionados es alentadora, pero no equivale a una prueba contra todos los vectores de ataque que un adversario del mundo real podría intentar. Un escenario que plantea específicamente: un paquete de software de terceros malicioso que instruye a un agente de programación para que obtenga y ejecute archivos adicionales antes de ejecutar los comandos legítimos, archivos que podrían exfiltrar datos silenciosamente en el proceso. No está claro si alguna versión del modo automático de Claude Code detectaría ese tipo de ataque indirecto de estilo cadena de suministro, ya que la instrucción maliciosa no necesariamente parecería un comando peligroso en la forma en que el clasificador está diseñado para detectarlo.
Lo que aún no está resuelto
Dos problemas de seguridad distintos subyacen a toda esta conversación, y el modo automático no necesariamente resuelve ambos con la misma eficacia. El primero es el daño accidental: que un agente elimine los archivos equivocados o borre una base de datos de producción simplemente porque malinterpretó una instrucción. El segundo, y el que más preocupa a los investigadores de seguridad, es la inyección de instrucciones deliberada, en la que un atacante arma contenido en el que el agente confía.
La propia conclusión de Willison se inclina hacia una solución más estructural que confiar en una sola capa de seguridad, por muy bien que funcione en las pruebas. En lugar de depender por completo de los mecanismos de seguridad de IA de Anthropic integrados en el modelo o el clasificador, afirma que ahora está más motivado para diseñar flujos de trabajo de agentes que simplemente no den a los sistemas de IA acceso a datos o herramientas capaces de causar daños si se activan de forma incorrecta. Es una postura significativamente diferente de «confiar en el clasificador»: trata el modo automático como una capa de defensa entre varias, no como una solución terminada.
También vale la pena señalar que Anthropic no es el único gran laboratorio de IA que lidia con este equilibrio. Según se informa, OpenAI decidió no activar por defecto un modo automático equivalente para su modelo más capaz, GPT-5.6, optando en su lugar por un enfoque más conservador basado en la aprobación, una señal de que incluso dentro del sector aún no hay consenso sobre cuánta autonomía es seguro otorgar por defecto a un agente de programación con IA.
Preguntas frecuentes
¿Qué es el modo automático de Anthropic en Claude Code?
El modo automático es una configuración que sustituye las repetidas solicitudes de aprobación humana por un clasificador diseñado para bloquear automáticamente las llamadas de herramientas irreversibles o peligrosas, recurriendo a la aprobación manual solo cuando los bloqueos se repiten o surge una acción realmente ambigua.
¿Qué tan eficaz es el modo automático para bloquear comandos peligrosos en comparación con los humanos?
En pruebas con 1.053 usuarios de pago, el modo automático bloqueó el 89% de los comandos peligrosos, mientras que solo el 13,6% de los evaluadores humanos rechazó la misma acción dañina, y la vigilancia humana supuestamente cayó aún más, hasta alrededor del 5%, después de 50 avisos en una sesión.
¿El modo automático evita por completo los ataques de inyección de instrucciones?
Las pruebas independientes de Trajectory Labs no encontraron ningún ataque de inyección de instrucciones exitoso entre 720 intentos contra Claude Fable 5, Opus 5 y Sonnet 5 ejecutando el modo automático. Dicho esto, riesgos como los paquetes de terceros maliciosos que exfiltran datos pueden no estar completamente abordados por el sistema actual.
¿Qué riesgos de seguridad siguen existiendo con los agentes de programación con IA a pesar del modo automático?
Los agentes aún pueden realizar acciones dañinas por accidente, y los ataques sofisticados —en particular los que se canalizan a través de paquetes de código de terceros maliciosos— pueden no ser detectados de forma fiable por el clasificador del modo automático, según el análisis de los resultados publicados por Anthropic.
{«@context»:»https://schema.org»,»@type»:»FAQPage»,»mainEntity»:[{«@type»:»Question»,»name»:»¿Qué es el modo automático de Anthropic en Claude Code?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»El modo automático es una configuración que sustituye las repetidas solicitudes de aprobación humana por un clasificador diseñado para bloquear automáticamente las llamadas de herramientas irreversibles o peligrosas, recurriendo a la aprobación manual solo cuando los bloqueos se repiten o surge una acción realmente ambigua.»}},{«@type»:»Question»,»name»:»¿Qué tan eficaz es el modo automático para bloquear comandos peligrosos en comparación con los humanos?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»En pruebas con 1.053 usuarios de pago, el modo automático bloqueó el 89% de los comandos peligrosos, mientras que solo el 13,6% de los evaluadores humanos rechazó la misma acción dañina, y la vigilancia humana supuestamente cayó aún más, hasta alrededor del 5%, después de 50 avisos en una sesión.»}},{«@type»:»Question»,»name»:»¿El modo automático evita por completo los ataques de inyección de instrucciones?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Las pruebas independientes de Trajectory Labs no encontraron ningún ataque de inyección de instrucciones exitoso entre 720 intentos contra Claude Fable 5, Opus 5 y Sonnet 5 ejecutando el modo automático. Dicho esto, riesgos como los paquetes de terceros maliciosos que exfiltran datos pueden no estar completamente abordados por el sistema actual.»}},{«@type»:»Question»,»name»:»¿Qué riesgos de seguridad siguen existiendo con los agentes de programación con IA a pesar del modo automático?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Los agentes aún pueden realizar acciones dañinas por accidente, y los ataques sofisticados —en particular los que se canalizan a través de paquetes de código de terceros maliciosos— pueden no ser detectados de forma fiable por el clasificador del modo automático, según el análisis de los resultados publicados por Anthropic.»}}]}
Artículo producido con la ayuda de inteligencia artificial y revisado por el equipo editorial.




