Anthropic опубликовала результаты анализа 398 тысяч сессий работы с Claude Code, собранных за период с октября 2025 по апрель 2026 года среди 235 тысяч пользователей. Исследование показало, что эффективность взаимодействия с ИИ-ассистентом для программирования напрямую зависит не от уровня владения языками программирования, а от глубины понимания самой задачи и предметной области.
В типичной сессии пользователь принимает около 70% решений о *чем* делать, а агент — примерно 80% решений о *как* это реализовать. Чем точнее пользователь формулирует требования и быстрее корректирует ошибки агента, тем выше его эффективность. Например, эксперты дают в среднем вдвое больше команд ИИ за одну реплику, чем новички, и получают в пять раз больше действий от агента. При этом объем текста в ответах также растет пропорционально опыту: у новичков одна команда запускает около 5 действий и 600 слов ответа, у экспертов — до 10 действий и 3000 слов.
Интересно, что уровень владения задачей определяется не должностью, а именно способностью точно формулировать запросы и оперативно исправлять ошибки. Например, представители нетехнических профессий — маркетологи, аналитики или менеджеры — добиваются результата почти так же часто, как профессиональные программисты. Все крупные профессиональные группы укладываются в диапазон 7 процентных пунктов от показателей инженеров. Однако разрыв между новичками и опытными пользователями остается значительным: доля успешных сессий у новичков составляет 15%, тогда как у пользователей среднего и высокого уровня — 28–33%.
Структура задач, решаемых с помощью Claude Code, за семь месяцев существенно изменилась. Доля сессий, посвященных исправлению ошибок, сократилась с 33% до 19%. Вместо этого выросла доля запросов на запуск и настройку программ, анализ данных и подготовку текстов. Средняя стоимость типичной задачи, оцененная по аналогии с расценками на фриланс-биржах, увеличилась примерно на 25%. Это может свидетельствовать о том, что пользователи переходят от рутинных исправлений к более сложным и высокоценным задачам.
Отчет также содержит методики оценки профилей пользователей и примеры эффективных запросов, которые могут помочь новичкам повысить свою результативность. По словам авторов исследования, ключевой навык для работы с ИИ-ассистентами — не знание синтаксиса или библиотек, а умение четко определять цель и контролировать процесс выполнения.
Эти выводы могут изменить подход к обучению ИИ-ассистентов для программирования. Вместо фокуса на синтаксисе и алгоритмах, возможно, стоит уделять больше внимания развитию аналитических навыков и пониманию бизнес-задач. Это особенно актуально для компаний, где ИИ используется не только разработчиками, но и специалистами других направлений.
