¿Qué han actualizado exactamente?
Me gustan estas actualizaciones no por una lista de funciones llamativas, sino porque eliminan micro-fricciones en el trabajo diario. En Claude Code, han ajustado dos cosas que impactan directamente en la velocidad de la AI automation y en lo rápido que puedo llevar un agente o un skill a un estado funcional.
Primero: Ask Questions ahora muestra no solo tres opciones de respuesta, sino también una breve vista previa. En teoría, es un detalle menor. En una sesión real, ahorra un montón de clics innecesarios porque veo de inmediato qué opción se acerca más a la dirección correcta, sin tener que desplegarlas todas.
Según el contexto disponible, se refiere a la mecánica de preguntas laterales dentro de Claude Code, similar a /btw: puedes aclarar algo sobre el código o la solución actual sin interrumpir el flujo principal. Si la vista previa realmente se ha integrado más en este escenario, la elección es simplemente más rápida. Para quienes construyen integraciones de IA en productos o desarrollo interno, este es el tipo de mejora que no aparece en comunicados de prensa, pero se siente a cada hora.
El segundo cambio me gusta aún más. El Skill creator parece que por fin funciona como se esperaba: después de crear un skill, propone inmediatamente iniciar un bucle de automejora. Es decir, no es solo un «aquí tienes una plantilla», sino el siguiente paso lógico para mejorar el resultado.
Aquí, sin embargo, mantendría la cabeza fría. A día de hoy, el contexto público de Anthropic sobre la automejora está ligado a un research preview y a una historia más amplia sobre el «dreaming» en agentes gestionados, no a un lanzamiento masivo y documentado para todos los escenarios de Claude Code. Pero la dirección es clara: menos intervención manual en el sistema y más refinamiento automático del comportamiento basado en ejecuciones pasadas.
¿Qué cambia esto para las empresas?
Si lo miro desde la perspectiva de un equipo que desarrolla soluciones de IA, el efecto es muy práctico. Ask Questions con vistas previas reduce el coste de una elección incorrecta en cada pequeño paso. Menos clics en vano, menos cambios de contexto, iteración más rápida.
La sugerencia automática del bucle de automejora tras crear un skill acorta la distancia entre «tenemos un borrador» y «tenemos algo estable». Ganan los equipos con muchos escenarios de agentes repetibles: soporte, asistentes internos, ayudantes de código, bots operativos. Los únicos que pierden son quienes esperan que un ciclo automático corrija mágicamente una arquitectura de IA débil.
En mi Nahornyi AI Lab veo estos cuellos de botella constantemente: la herramienta es casi útil, pero la gente pierde el ritmo en detalles manuales entre un paso y otro. Si tienes una historia similar y quieres construir una AI automation para tu proceso de forma seria, no solo para experimentar, podemos analizar tu escenario juntos y convertirlo en un sistema funcional sin complicaciones innecesarias.