Cambios en la seguridad y exclusión de insiders
La actualización principal de la Responsible Scaling Policy versión 2.2 ajustó el umbral de seguridad a ASL-3. Este nivel implica una revisión exhaustiva de riesgos y controles para modelos que alcanzan capacidades significativas.
Se excluyen explícitamente del estándar ASL-3 los "sophisticated insiders" y "state-compromised insiders", personas con acceso privilegiado que podrían representar riesgos adicionales para la seguridad.
Este cambio busca reforzar los controles frente a posibles amenazas internas que puedan afectar la integridad del desarrollo y despliegue del modelo.
El ajuste refleja la evolución de los riesgos asociados al desarrollo de IA y la necesidad de políticas concretas para mitigar vulnerabilidades internas.
Conservación de controles y salvaguardas previas
A pesar de los ajustes, la política mantiene los conceptos clave introducidos en la versión 2.0: los Capability Thresholds y Required Safeguards.
Estos establecen criterios mínimos de rendimiento y requisitos para salvaguardas obligatorias durante el desarrollo y despliegue de modelos.
La continuidad de estos elementos indica que Anthropic valora una estructura de control coherente y escalable a medida que mejora sus modelos.
Mantener estos estándares ayuda a garantizar que los modelos más avanzados cumplan siempre con estrictos requisitos de seguridad y ética.
Rendimiento y autonomía en tareas de I+D
Anthropic exige que los modelos superen al menos 4× el rendimiento en pruebas automatizadas en dominios relevantes para riesgos específicos.
Este umbral eleva el listón para que los modelos demuestren un comportamiento seguro y controlado en entornos complejos.
La política define también un umbral de autonomía para investigaciones y desarrollo (I+D) autónomo en ingeniería de software entre 2 y 8 horas, tiempo durante el que el modelo puede ejecutar tareas sin supervisión directa.
Esta característica limita la autonomía de la IA, permitiendo controlar el alcance de sus acciones en el desarrollo incremental de software.
Aplicación y transparencia de la política
Anthropic lanzó oficialmente esta versión 2.2 de la Responsible Scaling Policy el 14 de mayo de 2025 y sigue sin confirmarse una nueva actualización posterior al 15 de octubre de 2026.
La política está disponible públicamente para consulta, indicando el compromiso de Anthropic con la transparencia en su gestión de riesgos.
El ajuste de la política refleja un avance continuo en las estrategias de seguridad para la escalada responsable en IA, una demanda creciente del sector y reguladores.
Este enfoque puede ser seguido por otros laboratorios que busquen equilibrar desarrollo ágil con control riguroso.