Anthropic: для работы с ИИ-кодерами важнее не код, а понимание задачи

Anthropic проанализировала 400 тыс. сессий работы с Claude Code и выяснила: 70% решений о задаче принимает пользователь, а 80% решений о способе её выполнения — ИИ. Эксперты дают в среднем вдвое больше команд ИИ и получают в пять раз больше текста ответа, чем новички.

• Anthropic проанализировала 400 тыс. сессий работы с Claude Code и выяснила: 70% решений о *чем* делать принимает пользователь, а 80% решений о *как* — ИИ-агент
• Эксперты в предметной области дают в среднем вдвое больше команд ИИ и получают в пять раз больше текста ответа, чем новички
• Разрыв между новичками (15% успешных сессий) и опытными пользователями (28–33%) сохраняется, но представители разных профессий добиваются результата почти так же часто, как программисты
• Структура задач за 7 месяцев изменилась: доля исправления ошибок упала с 33% до 19%, а доля аналитических и текстовых задач выросла
• Средняя стоимость типичной задачи, оцененная по фриланс-расценкам, поднялась на 25%
• Уровень владения инструментом определяется не должностью, а точностью формулировок и способностью замечать ошибки ИИ

Работа с ИИ-агентами для программирования, такими как Claude Code , требует от пользователей не столько умения писать код, сколько понимания самой задачи. К такому выводу пришла компания Anthropic , опубликовавшая 17 июня 2026 года отчёт на основе анализа почти 400 тыс. сессий, проведённых 235 тыс. пользователями с октября 2025 по апрель 2026 года.

Основной вывод: в типичной сессии человек принимает около 70% решений о *чем* делать, а ИИ-агент — 80% решений о *как* это сделать. Чем глубже пользователь разбирается в предметной области, тем эффективнее взаимодействие: эксперты дают в среднем вдвое больше команд ИИ и получают в пять раз больше текста ответа, чем новички. При этом уровень владения инструментом определяется не должностью, а точностью формулировок и способностью замечать ошибки агента. Интересно, что представители разных профессий — не только программисты — добиваются результата почти с одинаковой частотой: все крупные группы пользователей укладываются в 7 процентных пунктов от показателей инженеров.

Однако разрыв между новичками (15% успешных сессий) и опытными пользователями (28–33%) остаётся заметным.

За семь месяцев структура задач изменилась: доля сессий, посвящённых исправлению ошибок, упала с 33% до 19%, а доля задач, связанных с запуском и настройкой программ, анализом данных и подготовкой текстов, выросла. Средняя стоимость типичной задачи, оцененная по фриланс-расценкам, поднялась примерно на 25%. Это может говорить о том, что ИИ-агенты всё чаще используются для решения сложных, но рутинных задач, которые раньше требовали больше времени и ресурсов.

Если тренд подтвердится, ИИ-агенты для программирования могут стать ещё более востребованными в аналитических и текстовых задачах, а не только в написании кода. Это может привести к снижению барьеров для входа в профессии, где важна не столько техническая квалификация, сколько понимание бизнес-задач.

Однако если эффект ограничится только улучшением взаимодействия с ИИ, а не расширением функционала, то изменения могут оказаться менее масштабными. Следить стоит за дальнейшим развитием методик взаимодействия с ИИ-агентами, особенно в части обучения пользователей формулировке задач, а также за тем, как изменятся расценки на фриланс-биржах под влиянием автоматизации рутинных задач.

Отчёт Anthropic подтверждает: ИИ-агенты для программирования становятся инструментом не для замены разработчиков, а для ускорения работы тех, кто хорошо понимает задачи. Это может изменить подход к обучению и найму в IT, но только если тренд на аналитические и текстовые задачи продолжится. Важно следить, как это повлияет на рынок труда и стоимость услуг.

Владимир Платонов