Introducción
Fable 5 ha vuelto al trabajo, y Claude Tag ahora está conectado a Slack. El cambio no se trata solo de un modelo más potente ni de otra interfaz de chat. Apunta a un cambio mayor en la ingeniería de software: la IA está pasando de “ayúdame a escribir la siguiente línea” a “encárgate de esta tarea, resuélvela y vuelve con un pull request”.
Eso también cambia lo que hacen los ingenieros humanos. Cuando los agentes de IA pueden trabajar durante horas o días, usar herramientas, escribir código, analizar resultados y abrir PR, la habilidad humana más valiosa ya no es solo escribir código rápido. Pasa a ser definir bien la tarea, establecer criterios de aceptación, comprobar el resultado y saber cuándo el trabajo de la IA es seguro para integrarse.
Nota de origen: este artículo es una adaptación original en inglés, optimizada para SEO, basada en el artículo de BAAI Hub “Fable 5解禁即上岗，工程师改行当「验收员」”. La página de origen indica que el artículo provenía originalmente de WeChat. No es una traducción línea por línea. Se excluyeron las imágenes promocionales, los códigos QR y los gráficos decorativos no relacionados. No fue posible recuperar de forma fiable una imagen insertada cerca de la sección de comentarios posterior durante la extracción, por lo que no se incluyó.
De asistente de programación a compañero de equipo con IA
La etapa inicial de la programación asistida por IA era simple: una persona se sentaba frente a un editor, y el modelo sugería la siguiente línea o ayudaba a completar una función. El humano seguía llevando el control. Decidía cada siguiente paso, revisaba cada pequeño cambio y hacía avanzar el proyecto manualmente.
Luego llegó un flujo de trabajo más paralelo. Un desarrollador podía mantener varias sesiones de Claude ejecutándose al mismo tiempo. Una sesión podía escribir una funcionalidad, otra corregir un error y otra explorar datos. El ingeniero ya no solo escribía. Estaba coordinando.
Ahora Claude Tag lleva ese flujo de trabajo al espacio del equipo. Claude puede vivir dentro de Slack, leer el contexto compartido de un canal y ser etiquetado en una tarea como si fuera un compañero de equipo. La interacción se parece menos a “preguntarle a un chatbot” y más a “delegar trabajo a un agente que todo el equipo puede ver”.
Según el anuncio de Claude Tag de Anthropic, Claude Tag comienza en Slack, donde los equipos pueden darle acceso a canales seleccionados, herramientas, datos y bases de código. Una vez configurado el acceso, las personas del canal pueden etiquetar a @Claude y delegarle trabajo mientras continúan con otras prioridades.
Esa es la verdadera diferencia. El modelo ya no es
más que una simple capa de autocompletado para programar. Se convierte en parte de un flujo de trabajo colaborativo, con tareas, herramientas, contexto y revisión.
Una persona puede tener un escuadrón de Claude
Anthropic describe Claude Tag como una evolución de Claude Code. Claude Code sigue siendo la herramienta para trabajar directamente con una base de código: leer archivos, editar código, ejecutar comandos, corregir errores y crear cambios. Claude Tag añade un punto de entrada orientado al equipo en Slack.
En la práctica, las tres piezas funcionan así:
| Componente | Función principal | Qué cambia |
|---|---|---|
| Claude Code | Ejecución de código y trabajo con la base de código | Ayuda a editar archivos, ejecutar comandos, probar cambios y crear modificaciones de código. |
| Claude Tag | Delegación de tareas del equipo en Slack | Permite que un equipo etiquete a Claude en un hilo o canal y le asigne trabajo desde un contexto compartido. |
| Fable 5 | Capa de modelo de alta capacidad | Respalda trabajos de agentes más ambiciosos, prolongados y de varias etapas. |
Claude Code son las manos. Claude Tag es el lugar donde el equipo asigna y hace seguimiento del trabajo. Fable 5 es el motor más potente que está debajo para tareas más grandes.
El propio material de producto de Anthropic dice que Claude Tag puede usarse para tareas como ponerse al día con hilos largos, extraer cifras, convertir un informe de error en un borrador de PR, prepararse para llamadas y supervisar canales. No se trata de prompts aislados. Son flujos de trabajo que dependen del contexto y del acceso autorizado a herramientas.
Para los desarrolladores, eso significa que una persona pronto podrá gestionar varios flujos de trabajo de IA al mismo tiempo. Un Claude puede investigar un error. Otro puede redactar un plan de migración. Otro puede vigilar métricas o preparar un informe. El humano no desaparece, pero su trabajo sube de nivel.
Claude Code, Claude Tag y Fable 5 hacen trabajos distintos
Es fácil mezclar estos nombres, pero no son lo mismo.
Claude Code es una herramienta de programación basada en agentes. Está diseñada para desarrolladores que quieren que Claude entienda una base de código, edite archivos, ejecute comandos de terminal, se integre con herramientas de desarrollo y ayude a entregar cambios funcionales.
Claude Tag es la interfaz colaborativa. Está en Slack y permite que el equipo asigne trabajo desde una conversación compartida. En lugar de abrir una ventana de chat aparte, un miembro del equipo puede mencionar a Claude en el mismo hilo donde ya existe el informe de error, la pregunta de producto o la solicitud de datos.
Fable 5 es la capa de modelo creada para trabajos más difíciles y de largo alcance. La página de Fable de Anthropic lo describe como un modelo para programación ambiciosa y trabajo profesional, incluyendo sesiones de agente de larga duración, grandes migraciones, implementaciones complejas y tareas de varias etapas.
En resumen:
- Claude Code se encarga de la base de código.
- Claude Tag se encarga de la delegación del equipo y de la visibilidad compartida.
- Fable 5 eleva el límite de lo que el agente puede intentar.
Juntos, convierten la programación con IA de un asistente para un solo usuario en un sistema de flujo de trabajo en equipo.
El motor es Fable
5
Claude Tag es la puerta de entrada, y Claude Code es el entorno de trabajo. Pero el modelo determina cuánta complejidad puede manejar el agente antes de desmoronarse.
Fable 5 importa porque está orientado al trabajo de larga duración y en múltiples etapas. En la página de Fable de Anthropic, el modelo se describe como capaz de trabajar en un entorno de agentes como Claude Code o Claude Managed Agents durante días seguidos, incluyendo la planificación entre etapas, la delegación a subagentes y la verificación de su propio trabajo.
Por eso la conversación está pasando de fragmentos cortos de código a tareas completas. Un agente más potente no solo responde una pregunta. Puede mantener el seguimiento de un objetivo más amplio, dividirlo en etapas, ejecutar el trabajo y volver con artefactos que una persona pueda revisar.
La idea clave del artículo no es que los ingenieros deban entregar ciegamente bases de código enteras. La conclusión más útil es esta: la unidad de trabajo está creciendo. Lo que antes era un prompt para una función ahora puede convertirse en una solicitud para un pequeño pull request revisable.
Los agentes de largo alcance son un problema de sistema
El trabajo prolongado de los agentes no depende solo del modelo. También depende del sistema que lo rodea: memoria, transferencia de tareas, herramientas, permisos, pruebas, registros y puntos de control de revisión.
El artículo original usa el ejemplo de un problema de “cambio de turno”. Si un agente trabaja en sesiones separadas, cada nueva sesión puede perder contexto importante del proyecto. Un modelo puede intentar terminar demasiado en una sola pasada y sobrecargar su ventana de contexto, o puede confundir un progreso parcial con una finalización.
El mejor enfoque es un flujo de trabajo por etapas:
- Un agente de inicialización configura el entorno.
- Se crea una lista de tareas y un archivo de progreso.
- Cada agente de programación se encarga de una parte de trabajo acotada.
- El progreso se confirma y se documenta.
- El siguiente agente continúa desde un punto de relevo claro.
- Una persona revisa el resultado antes de aceptarlo.
Por eso la programación con agentes debe tratarse como diseño de procesos de ingeniería, no solo como redacción de prompts. El modelo es importante, pero el flujo de trabajo alrededor del modelo determina si el resultado es seguro y utilizable.
El trabajo de evaluación de tareas largas de METR es un contexto útil aquí. METR ha sostenido que la capacidad de la IA debe medirse por la duración de las tareas que los modelos pueden completar, no solo por puntuaciones estáticas en benchmarks. Su investigación sigue cómo el horizonte de tiempo para completar tareas con un 50% de éxito ha aumentado con el tiempo. Esto refuerza la idea general: a medida que los agentes pueden encargarse de tareas más largas, la revisión humana y el diseño de tareas se vuelven más importantes.
Los pull requests se están convirtiendo en la nueva unidad de entrega
Para los desarrolladores y equipos comunes, el punto de partida más seguro no es “darle todo a la IA”. Un mejor punto de partida es asignarle tareas de bajo riesgo, claramente delimitadas y que puedan probarse y revisarse.
Crea un sitio de presentacion y capta leads en minutos
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Buenos candidatos incluyen:
- Pequeñas correcciones de errores con pasos claros de reproducción.
- Ajustes de interfaz de usuario con capturas de pantalla o
criterios de aceptación visual.
- Adiciones de pruebas para el comportamiento existente.
- Actualizaciones de documentación vinculadas a una funcionalidad conocida.
- Verificaciones de datos cuando el formato de salida esperado está claro.
- Refactorizaciones cubiertas por pruebas y fáciles de revertir.
La línea divisoria no está en si un equipo es lo bastante valiente como para confiar en la IA. La línea divisoria está en si el equipo puede definir el trabajo con el nivel adecuado de granularidad.
El anuncio de Claude Tag de Anthropic dice que el 65% del código del equipo de producto es creado por su versión interna de Claude Tag. Eso no significa que el 65% de las pull requests sean totalmente autónomas ni que los humanos ya no revisen el código. Significa que el código generado por IA se ha convertido en una parte importante del proceso de desarrollo dentro de ese flujo de trabajo.
La idea importante es que la pull request se convierte en la unidad práctica de delegación. El ser humano no necesita inspeccionar cada pulsación de tecla. En cambio, revisa la PR, comprueba las pruebas, valida el requisito y decide si el cambio debe integrarse.
El nuevo umbral no es el prompting
Cuando las herramientas de programación con IA se basaban principalmente en prompts, la ventaja era para quienes sabían hacer mejores preguntas. El prompting sigue importando, pero ya no lo es todo.
Cuando una IA puede ejecutar tareas de varios días y abrir pull requests, la ventaja humana se desplaza al diseño de la aceptación. Los ingenieros y los equipos de producto necesitan especificar qué significa “terminado” antes de que el agente comience.
Una tarea práctica para la IA debería incluir:
- Un objetivo claro: qué debe cambiarse o producirse.
- Un límite estrecho: qué archivos, sistemas o comportamientos no deben tocarse.
- Criterios de aceptación: qué debe ser cierto antes de aceptar el trabajo.
- Requisitos de prueba: qué pruebas deben añadirse o ejecutarse.
- Lista de verificación de revisión: qué debe verificar la persona que revisa.
- Plan de reversión: cómo deshacer el cambio si causa problemas.
Esta es la verdadera nueva habilidad. Escribir código se está volviendo más fácil. Aceptar código de forma segura se está volviendo más difícil.
Lo que esto significa para los ingenieros
El papel del ingeniero no está desapareciendo. Se está reorganizando.
Un flujo de trabajo de ingeniería del futuro podría verse así:
| Flujo de trabajo antiguo | Nuevo flujo de trabajo con agentes de IA |
|---|---|
| Escribir el código tú mismo | Definir la tarea y el criterio de aceptación |
| Pedirle a la IA una función | Pedirle a la IA una PR revisable |
| Cambiar manualmente entre herramientas | Dejar que el agente use herramientas aprobadas |
| Revisar de inmediato cada línea generada | Revisar el diff final, las pruebas, los registros y el comportamiento |
| Una tarea a la vez | Múltiples flujos de trabajo de IA en paralelo |
Los ingenieros más sólidos seguirán necesitando criterio técnico. De hecho, el criterio se vuelve
más importante porque aumenta el volumen de resultados. Más código generado por IA significa más decisiones de revisión, más control de riesgos y mayor necesidad de estándares de ingeniería sólidos.
Por eso, “revisor del trabajo de IA” no es un rol de menor estatus. Se parece más a un rol de líder técnico: decidir qué trabajo debe hacerse, establecer estándares de calidad y evitar que cambios deficientes lleguen a producción.
Preguntas frecuentes
¿Qué es Claude Tag?
Claude Tag es el agente de IA para equipos de Anthropic basado en Slack. Los equipos pueden mencionar a @Claude en un canal o hilo de Slack y asignarle tareas en función del contexto compartido, siempre que los administradores hayan configurado el acceso y los permisos.
¿En qué se diferencia Claude Tag de Claude Code?
Claude Code está centrado en trabajar con bases de código a través de entornos de desarrollo como la terminal, el IDE, el navegador, el escritorio y Slack. Claude Tag está diseñado para la colaboración en equipo dentro de Slack, donde se puede asignar trabajo a Claude a partir de conversaciones compartidas y este informa de su progreso en el hilo.
¿Para qué se utiliza Fable 5?
Fable 5 es el modelo de alta capacidad de Anthropic para programación ambiciosa, trabajo de agentes de larga duración y tareas profesionales complejas. Es relevante aquí porque los modelos más potentes con horizontes largos hacen más práctico que los agentes completen flujos de trabajo de varias etapas.
¿Claude Tag redacta pull requests automáticamente?
Claude Tag puede ayudar a convertir un informe de error o una tarea en un borrador de PR cuando tiene el acceso adecuado a las herramientas, como un repositorio conectado. Aun así, una persona revisora debe inspeccionar los cambios, verificar las pruebas y decidir si se debe fusionar.
¿La programación con IA está lista para trabajo en producción?
La programación con IA puede ser útil en flujos de trabajo de producción cuando las tareas están bien delimitadas, probadas y revisadas. Es arriesgado delegar cambios grandes y vagos sin criterios de aceptación, cobertura de pruebas, controles de permisos y planificación de reversión.
¿Qué habilidades se vuelven más importantes a medida que los agentes de IA escriben más código?
La definición de tareas, el diseño de sistemas, las pruebas, la revisión de código, el criterio de seguridad y la toma de decisiones de producto se vuelven más importantes. Los ingenieros necesitan saber cómo establecer límites y verificar si el trabajo generado por IA es correcto.
¿Deberían los equipos empezar asignando grandes migraciones a agentes de IA?
La mayoría de los equipos debería comenzar con tareas más pequeñas y de menor riesgo. Las migraciones grandes pueden ser posibles con configuraciones avanzadas de agentes, pero requieren una cobertura de pruebas sólida, transferencias por etapas, propiedad clara y una revisión humana cuidadosa.
Herramientas relacionadas
- Claude Tag: Una experiencia de Claude basada en Slack para asignar tareas en canales compartidos del equipo.
- Documentación de Claude Tag: Documentación oficial sobre configuración, uso, seguridad y acceso administrado por administradores.
- Claude Code: La herramienta de programación agéntica de Anthropic para leer bases de código, editar archivos, ejecutar comandos y ayudar a entregar cambios.
- Claude Fable: La página del modelo Fable de Anthropic, que incluye disponibilidad, casos de uso, medidas de protección y comparativas.
- Slack: La plataforma de colaboración donde Claude Tag está disponible inicialmente.
- GitHub: Un flujo de trabajo común de repositorios y pull requests utilizado en
Desarrollo asistido por IA.
- Horizontes temporales de METR: Un recurso de investigación que rastrea los horizontes temporales de finalización de tareas por parte de la IA.
Enlaces relacionados
- Artículo original de BAAI Hub: El artículo fuente en chino en el que se basa esta adaptación al inglés.
- Presentación de Claude Tag: El anuncio oficial de Anthropic sobre Claude Tag.
- Trabajar con Claude Tag: Documentación oficial que explica cómo funciona Claude Tag y cómo pueden usarlo los equipos.
- Página del producto Claude Code: Descripción oficial de Claude Code y su flujo de trabajo de desarrollo.
- Página del modelo Claude Fable: Información oficial del modelo Claude Fable 5.
- Redespliegue de Fable 5: Actualización de Anthropic sobre la disponibilidad y las salvaguardas de Fable 5.
- Medición de la capacidad de la IA para completar tareas largas: Publicación de investigación de METR sobre la medición de la finalización de tareas de largo horizonte por parte de la IA.
- Horizontes temporales de finalización de tareas de los modelos de IA de frontera: Página actualizada de METR con las mediciones de horizontes temporales de los modelos de frontera.
Resumen
Claude Tag y Fable 5 muestran una dirección clara para la ingeniería de software con IA. La IA ya no se limita a completar una línea de código o responder a un prompt breve. Está avanzando hacia flujos de trabajo compartidos en equipo, tareas de larga duración y entregas a nivel de PR.
Eso no elimina a los ingenieros del proceso. Cambia dónde las habilidades de ingeniería importan más. El papel humano se desplaza hacia el planteamiento de tareas, los criterios de aceptación, las pruebas, la revisión y las decisiones de fusión.
La siguiente habilidad clave en ingeniería no es simplemente escribir mejores prompts. Es saber cómo definir, verificar y aceptar de forma segura el trabajo generado por IA.
