Anthropic acaba de anunciar que abandona Git; la herramienta que ha dominado la programación durante 20 años no puede resistir la IA

En la comunidad de IA, casi todos están debatiendo sobre a qué reemplazará la IA, como yo, los matemáticos, los diseñadores y los economistas, pero los que más se verán afectados serán sin duda los programadores.

Anthropic dio una respuesta que nadie esperaba: reemplazar las herramientas que los programadores han estado utilizando durante veinte años antes de reemplazar a los propios programadores.

Debido a la rapidez con la que Claude escribe código, el verdadero cuello de botella en Anthropic reside en las herramientas de software que los humanos han inventado en las últimas décadas, las cuales están empezando a ser incapaces de gestionar el código que la IA puede producir las 24 horas del día, los 7 días de la semana.

No había otra opción, así que Anthropic empleó un equipo de 7 personas, que seguía utilizando Claude , y dedicó 5 meses a construir un sistema de control de versiones de código completamente nuevo desde cero y a migrar todo el gran repositorio.

En promedio, se fusiona código cada 3 segundos.

Entonces, ¿cuánto código se ha generado internamente Anthropic durante los últimos meses?

En mayo de este año, Anthropic registró un promedio de aproximadamente 2500 cambios de código por día (fusiones, es decir, código que ha pasado la revisión y se agrega oficialmente al repositorio), lo que representa un nivel de actividad muy alto para una gran empresa de tecnología.

Pero en septiembre de este año, tan solo cuatro meses después, esa cifra se había multiplicado por 12, alcanzando las 30.000 visitas diarias.

En términos de tiempo, esto significa que, las 24 horas del día, en promedio cada 2,8 segundos, se agrega un fragmento de código nuevo, probado y revisado al código base principal de Anthropic .

Lo más alarmante es que "no prevemos que esta tasa de crecimiento se ralentice a corto plazo. La demanda potencial de código integrado internamente es prácticamente ilimitada, y cada vez que eliminamos un cuello de botella en la infraestructura, la producción de código experimenta inmediatamente otro aumento".

¿Qué pasó con este antiguo sistema de control de versiones de código?

Git, que ha dominado el mundo de la programación durante 20 años, no puede seguir el ritmo de la IA.

Muchas personas sin conocimientos técnicos, pero interesadas en la IA, probablemente hayan oído hablar de proyectos con muchas estrellas en GitHub. GitHub es la comunidad de código abierto más grande del mundo y la cuna de innumerables proyectos de IA. Los modelos de código abierto Llama de Meta y DeepSeek están alojados en GitHub.

Git en GitHub es un sistema de control de versiones utilizado diariamente por decenas de millones de programadores en todo el mundo.

O si permites que Cursor, Claude Code o Codex modifiquen el código, la confirmación final también pasará por este sistema.

Si consideramos el código fuente de una empresa como un "superdocumento en línea" editado por todos, entonces Git es como las versiones históricas que se muestran a continuación, una "máquina del tiempo y un administrador".

Inventado en 2005 por Linus Torvalds, el padre de Linux, registra quién modificó qué línea de texto y en qué segundo, garantizando que las modificaciones realizadas por miles de personas simultáneamente no se sobrescriban entre sí y que siempre sea posible revertir los cambios con un solo clic.

Durante los últimos 21 años, Git ha sido el estándar indiscutible de la industria. Su esencia se basa en una premisa de 2005: los programadores pueden escribir código en cualquier lugar (principalmente sin acceso a internet).

Para que los usuarios puedan revisar y comparar cambios incluso sin acceso a internet en aviones o cafeterías, Git utiliza un diseño descentralizado. Siempre que necesitemos trabajar, por defecto copia y descarga un historial completo de todo el código fuente (en Anthropic , este paquete ocupa casi 100 GB) en nuestro ordenador.

Este diseño era perfecto en la era del código escrito por humanos, hasta que la IA empezó a escribir código. Las características de Git de las que tanto se enorgullece, como la disponibilidad sin conexión y la copia completa para todos, resultan completamente inútiles en este contexto.

Con 25 millones de transacciones diarias —que implican cambiar entre diferentes sucursales, restaurar archivos y crear nuevas sucursales— cada una de estas operaciones requiere la descarga de un paquete de código enorme. Sin una optimización especial, esto generaría más de 600 PB de tráfico de datos al día, lo que equivale a transferir 120 millones de películas en 4K de alta definición dentro de la intranet de la empresa diariamente.

Para mantener los servicios de Git en funcionamiento, Anthropic en su apogeo, mantenía internamente cientos de servidores espejo de Git para su distribución. Sin embargo, debido a que se fusionaba código nuevo cada segundo, la velocidad de sincronización de los servidores espejo simplemente no podía seguir el ritmo de la velocidad de programación de Claude .

Anthropic también se preguntó por qué deberíamos usar un sistema diseñado para "humanos desconectados" para servir a un grupo de agentes de IA "siempre conectados".

Scion, diseñado a medida para la IA

Tras darse cuenta de esto, Anthropic decidió dejar de parchear Git y, en su lugar, reinventar la rueda, lanzando su propio sistema de control de versiones, Scion.

Dado que el agente de IA siempre está en línea, no es necesario almacenar localmente 100 GB de datos históricos. ¿Quién modificó finalmente esta línea? ¿Cuáles son las diferencias entre las dos versiones? El agente puede simplemente enviar una solicitud API al servidor; ni siquiera necesita descargar los archivos de código localmente.

La versión actual de Scion admite la "extracción virtualizada", lo que significa que, independientemente de la carpeta que modifique la IA, solo se recupera esa carpeta; y los datos solo se transmiten desde la caché de memoria cuando el programa lee realmente una línea de un archivo.

Al mismo tiempo, Scion eliminó el engorroso empaquetado local y los bloqueos globales. El tiempo que tarda una IA en enviar código depende únicamente de la cantidad de líneas que modifica, y no tiene nada que ver con el hecho de que todo el código fuente ocupe cientos de gigabytes.

En comparación con el clúster de imágenes Git anterior, que contaba con cientos de máquinas, Scion consume 200 veces menos CPU y memoria, y la tasa de aciertos de caché en todos los niveles supera el 99%.

El tiempo necesario para que las tareas de IA y de prueba obtengan el código se ha reducido de varios minutos a tan solo unos segundos. Esta mejora de velocidad por sí sola ha ahorrado al sistema de integración continua (CI) de toda la empresa un 25 % de su capacidad de procesamiento.

Este sistema también fue creado por IA.

Hace cinco años, si un gigante tecnológico hubiera querido reemplazar su sistema de control de código subyacente y, al mismo tiempo, reescribir su plataforma de revisión de código, ¿qué habría significado que Anthropic desarrollara simultáneamente su propia herramienta de revisión, búsqueda de código y sistema de permisos llamado Antique?

Cuando Google estaba desarrollando su sistema interno Piper y Meta estaba desarrollando su sistema Sapling, ambos requerían equipos de infraestructura de primer nivel formados por docenas o incluso cientos de personas, y la migración tardaba varios años en completarse.

Pero en Anthropic , la configuración del equipo para todo el proyecto fue: 7 ingenieros, 5 meses.

El secreto, por supuesto, reside en la profunda implicación Claude en el desarrollo. Reescribieron el proceso de migración de datos, que había sido escrito manualmente por ingenieros utilizando un modelo interno inicial, logrando reducir el uso de memoria a 1/20 del original y multiplicando la velocidad por cuatro.

Anthropic también dijo en su blog que fue un maravilloso ciclo cerrado: fue la poderosa habilidad de programación Claude la que los llevó al borde del colapso del sistema, y ​​también fue gracias a la programación alocada Claude que estas 7 personas pudieron construir este sistema distribuido de alta concurrencia en 5 meses.

Lo que resulta aún más interesante es el cambio en los roles humanos. ¿Cómo serán las condiciones laborales reales de los ingenieros de alto nivel en el futuro?

Estos siete ingenieros humanos no estaban allí para escribir código ni para revisar el código de la IA; su trabajo consistía en averiguar por qué la IA necesitaba realizar cambios.

Descubrieron que la palabra que más a menudo le decían a Claude era "no".

Cuando Claude realiza revisiones de código "adversariales" entre sí, la IA suele obsesionarse en exceso, escribiendo código excesivamente complejo y elaborado en un intento por protegerse incluso de los riesgos hipotéticos más mínimos. En este punto, un arquitecto humano debe intervenir para detener a la IA y ayudarla a simplificar el código.

Anthropic declaró que no tienen intención de vender Scion como software comercial. La razón por la que hicieron pública la arquitectura es porque vislumbran el futuro cercano.

Cuando el código se genera, prueba y corrige en paralelo en segundo plano mediante cientos o miles de agentes, todas las herramientas de ingeniería de software diseñadas para la "velocidad humana", desde el control de versiones y la revisión de código hasta los procesos de prueba, se convierten instantáneamente en obstáculos para la innovación.

Anthropic ha emitido demasiadas "advertencias" últimamente, y esta vez no es una excepción: a medida que las herramientas de programación de IA se adentran en diversas industrias, otras empresas no tendrán que esperar mucho, probablemente en los próximos 6 a 12 meses, para toparse con el mismo obstáculo.