Исследование Anthropic: Разделение труда между человеком и ИИ в агентном программировании

Компания Anthropic опубликовала масштабное исследование о том, как люди взаимодействуют с автономными ИИ-агентами для написания кода. Анализ основан на данных использования инструмента Claude Code. Главный вывод заключается в том, что ИИ не заменяет человеческую экспертизу, а многократно усиливает ее, при этом формируется четкое разделение ролей.

Агентное программирование (agentic coding) стремительно набирает популярность. По данным Anthropic, с конца 2025 года доля проектов на GitHub с участием ИИ-агентов выросла более чем в два раза. Активные пользователи Claude Code проводят в инструменте около 20 часов в неделю. Чтобы понять, как именно используются эти системы, исследователи проанализировали около 400 тысяч сессий от 235 тысяч пользователей за период с октября 2025 по апрель 2026 года.

Данные показывают устойчивое разделение труда. В типичной сессии человек принимает около 70% решений по планированию — определяет, что именно нужно сделать и какой подход выбрать. ИИ, в свою очередь, берет на себя 80% решений по исполнению — в какие файлы вносить изменения, какой код писать и какие команды запускать.

Инструменты становятся все более автономными. Один запрос пользователя запускает цепочку в среднем из 10 действий агента. На каждом этапе Claude самостоятельно читает файлы, редактирует код, выполняет команды в терминале и генерирует в среднем 2400 слов вывода. Около 56% сессий связаны непосредственно с кодом (создание, исправление, тестирование), 17% уходит на управление программным обеспечением (развертывание, мониторинг), а оставшаяся часть распределяется между планированием и аналитикой.

Наиболее интересный вывод исследования касается роли квалификации пользователя. Успех работы с ИИ-агентом зависит не от навыков написания кода, а от глубокого понимания предметной области. Человек должен понимать бизнес-логику, уметь точно формулировать требования и знать, как проверить результат.

При этом разрыв в эффективности между пользователями со средним уровнем знаний (intermediate) и экспертами оказался незначительным. Базового понимания предметной области достаточно, чтобы использовать инструмент почти так же эффективно, как это делают профессионалы с многолетним стажем. Однако новички без понимания контекста справляются с задачами заметно хуже.

За семь месяцев наблюдений доля времени, затрачиваемого на поиск ошибок (debugging), сократилась почти вдвое. Пользователи переходят к более комплексным задачам: развертыванию систем, анализу данных и написанию документации. Если эти тенденции масштабируются на всю экономику, рынок труда ждет трансформация. ИИ-инструменты заберут на себя рутинную реализацию, но значительно повысят ценность работников, обладающих фундаментальным пониманием проблем и процессов в своей отрасли.