Anthropic Lanza Auto Mode para Agentes Claude Code

Anthropic ha lanzado auto mode para Claude Code, reemplazando prompts de aprobación por acción con un sistema clasificador de dos capas que permite al agente ejecutar tareas de desarrollo multi-step sin aprobación humana mientras intercepta acciones no autorizadas.

El modelo anterior requería que los desarrolladores aprobaran la mayoría de las operaciones—ejecutar comandos shell, modificar archivos, llamar herramientas externas. Los datos de Anthropic muestran que los usuarios aceptaban el 93% de esos prompts de todas formas. La empresa llama esto "fatiga de aprobación": desarrolladores sellando solicitudes en lugar de revisarlas. La única alternativa era una flag --dangerously-skip-permissions que desactivaba todos los guardrails. Auto mode cierra esa brecha.

El sistema ejecuta dos capas de defensa independientes. Una sonda en la capa de entrada escanea cada salida de herramienta—lecturas de archivo, resultados shell, búsquedas web—antes de llegar al contexto del agente. Cuando el contenido parece redirigir al agente de la instrucción del usuario, se inyecta una advertencia para que el agente la trate como no confiable. Un clasificador en la capa de salida ejecutando en Sonnet 4.6 evalúa cada acción propuesta antes de su ejecución en dos etapas: un pase rápido de token único que autoriza acciones seguras con sobrecarga mínima, seguido por razonamiento chain-of-thought solo cuando la primera etapa marca una operación. Anthropic elimina sus propios mensajes y salidas de herramientas de la vista del clasificador para evitar que el agente racionalize un bloqueo.

Anthropic se enfoca en comportamiento demasiado entusiasta y errores honestos, no en modelos desalineados. La empresa documenta incidentes internos: un agente que eliminó ramas remotas de git a partir de una instrucción vaga "limpiar ramas antiguas", otro que cargó el token de autenticación de GitHub de un ingeniero a un cluster de computación después de un error de autenticación, y un tercero que intentó migraciones contra una base de datos de producción. Cada modelo resolvió el problema que comprendió pero se excedió en el límite intencionado del usuario.

Para equipos empresariales, auto mode crea una arruga de gobernanza que predecede la pregunta técnica. Como dijo Mykola Kondratiuk, director en Playtika: "Con Auto Mode activado, la IA es ahora la aprobadora, no solo la actora. La mayoría de los documentos de gobernanza aún nombran un humano allí." Los marcos de cumplimiento construidos alrededor de la aprobación human-in-the-loop necesitan considerar la autonomía mediada por clasificador como un tipo de control distinto.

La orquestación de agentes delega a suagentes bajo la misma protección. Un clasificador de salida verifica si la tarea asignada se alinea con la intención del usuario antes de la ejecución. En el retorno, un segundo clasificador revisa todo el historial de ejecución del suagente para detectar inyección de prompts o manipulación. Si se detectan riesgos, las advertencias preceden a los resultados para el agente orquestador. Esta arquitectura recursiva importa para pipelines multi-agente donde un suagente comprometido podría propagar instrucciones maliciosas aguas arriba.

El clasificador actual se enfoca en los patrones específicos de comportamiento demasiado entusiasta que Anthropic ha documentado internamente. La cobertura es incompleta. Anthropic pide a los usuarios que reporten casos que el clasificador no detecta e continuará expandiendo los conjuntos de evaluación e iterando sobre el tradeoff seguridad-versus-costo. La división fast-filter y chain-of-thought controla la latencia y el costo computacional pero significa que casos edge-case novedosos que superan la primera etapa pueden no recibir escrutinio más profundo.

Auto mode no reemplaza los controles a nivel empresarial—aislamiento de red, alcance de credenciales y registro de auditoría siguen siendo responsabilidad del operador. Cambia el modelo de aprobación: el cuello de botella se mueve de hacer clic humano en cada acción a una puerta de clasificador en acciones que conllevan riesgo. Para organizaciones ya ejecutando Claude Code, actualizar la documentación de gobernanza para reflejar aprobación mediada por clasificador es la tarea operacional inmediata.