Anthropic ha pubblicato i risultati di una delle più ampie analisi finora condotte sull’utilizzo reale degli agenti di coding basati sull’intelligenza artificiale. Lo studio, intitolato “Agentic Coding and the Persistent Returns to Expertise”, ha esaminato circa 400.000 sessioni di Claude Code generate da oltre 235.000 utenti tra ottobre 2025 e aprile 2026, con l’obiettivo di comprendere come gli esseri umani e gli agenti AI collaborino concretamente nello sviluppo software e quali fattori influenzino maggiormente il successo delle attività svolte.
I risultati mostrano che l’adozione degli agenti di coding continua ad accelerare e che tali sistemi stanno assumendo un ruolo sempre più centrale nei workflow professionali. L’analisi dei repository GitHub osservati da Anthropic evidenzia infatti una crescita significativa dell’utilizzo di strumenti agentici dopo la fine del 2025, mentre gli utenti coinvolti nello studio hanno dedicato mediamente circa venti ore settimanali ad attività di sviluppo supportate dall’intelligenza artificiale.
L’aspetto più interessante emerso dalla ricerca riguarda però la distribuzione dei ruoli tra esseri umani e AI. Contrariamente all’idea che gli agenti possano sostituire completamente il lavoro degli sviluppatori, i dati mostrano la comparsa di una forma di collaborazione piuttosto definita. Gli utenti continuano a mantenere il controllo delle decisioni strategiche e della pianificazione generale, mentre l’intelligenza artificiale assume prevalentemente il ruolo di esecutore tecnico incaricato di implementare le soluzioni individuate.
Secondo l’analisi di Anthropic, gli utenti sono responsabili di circa il 70% delle decisioni relative alla definizione degli obiettivi e alla pianificazione delle attività. Claude Code, invece, prende in carico circa l’80% delle decisioni operative associate all’esecuzione concreta del lavoro, come la selezione dei file da modificare, la scrittura del codice, la gestione delle dipendenze e l’esecuzione delle modifiche necessarie. In pratica, il modello prevalente osservato nello studio è quello in cui gli esseri umani decidono cosa deve essere realizzato e l’agente AI determina come implementarlo.
Le sessioni analizzate mostrano inoltre un elevato livello di autonomia operativa. In uno scenario tipico, gli utenti forniscono un numero relativamente limitato di istruzioni, mentre Claude Code esegue una lunga sequenza di operazioni prima di richiedere ulteriori indicazioni. Per ogni richiesta dell’utente, il sistema completa mediamente dieci attività distinte e in alcuni casi supera le cento operazioni consecutive senza ulteriori interventi umani. Durante questo processo vengono prodotti output molto estesi che includono modifiche al codice, analisi dei file, esecuzione di comandi e attività di debugging.
La conclusione principale della ricerca riguarda tuttavia il ruolo dell’esperienza professionale. Anthropic ha osservato che il fattore maggiormente correlato al successo non è la competenza tecnica nella programmazione, ma la conoscenza approfondita del problema da risolvere. Gli utenti con una forte esperienza nel proprio settore professionale riescono infatti a utilizzare l’agente in modo significativamente più efficace rispetto agli utenti meno esperti, indipendentemente dal livello di abilità nello sviluppo software.
Gli utenti principianti tendono a richiedere attività relativamente semplici e ottengono sequenze operative più brevi, con un numero ridotto di azioni eseguite da Claude. Gli utenti più esperti, invece, sono in grado di formulare obiettivi più complessi e sfruttare appieno le capacità agentiche del sistema, ottenendo workflow molto più lunghi e articolati. Questa differenza si traduce direttamente nei risultati finali, con tassi di successo che crescono sensibilmente all’aumentare dell’esperienza professionale dell’utilizzatore.
La competenza nel dominio si rivela particolarmente importante quando emergono problemi imprevisti. Nelle sessioni caratterizzate da errori, fallimenti o comportamenti inattesi dell’agente, gli utenti più esperti mostrano una capacità molto maggiore di recuperare la situazione, reinterpretare i risultati ottenuti e guidare il sistema verso una soluzione efficace. Al contrario, gli utenti meno esperti tendono più frequentemente ad abbandonare il compito quando incontrano difficoltà durante il processo di sviluppo.
Un risultato particolarmente significativo riguarda il confronto tra professionisti del software e utenti provenienti da altri settori. Lo studio ha infatti rilevato che persone attive in ambiti come diritto, finanza, management, ricerca scientifica e altre professioni non strettamente informatiche riescono comunque a ottenere risultati molto vicini a quelli degli sviluppatori professionisti quando utilizzano Claude Code per automatizzare attività tecniche. Le differenze nei tassi di successo osservate tra i due gruppi risultano infatti relativamente contenute.
Secondo Anthropic, questo fenomeno suggerisce che gli agenti di coding stiano modificando il valore relativo delle competenze professionali. In passato la capacità di tradurre un problema di business in codice rappresentava un collo di bottiglia che richiedeva competenze specialistiche di programmazione. Con l’introduzione degli agenti AI, una parte crescente del lavoro tecnico può essere delegata al sistema, mentre la comprensione del contesto operativo, degli obiettivi e dei vincoli del problema assume un’importanza ancora maggiore.
L’analisi mostra inoltre che il valore economico delle attività svolte attraverso Claude Code è aumentato significativamente durante il periodo osservato. Parallelamente è cresciuta la quota di lavoro associata a compiti ad alto valore aggiunto, come pianificazione, analisi dei dati, operazioni software e progettazione di soluzioni, mentre la scrittura diretta del codice tende progressivamente a diventare una componente sempre più automatizzata del processo.
I risultati dello studio suggeriscono quindi che gli agenti di coding non stanno semplicemente aumentando la produttività degli sviluppatori, ma stanno ridefinendo il ruolo stesso delle competenze tecniche all’interno delle organizzazioni. In questo nuovo modello operativo, la capacità di comprendere profondamente un problema, definire obiettivi corretti e valutare la qualità delle soluzioni proposte dall’AI diventa un fattore determinante per il successo. Secondo Anthropic, il vantaggio competitivo non deriva più principalmente dalla capacità di scrivere codice, ma dalla capacità di utilizzare gli agenti AI per trasformare competenze professionali e conoscenza del dominio in soluzioni tecniche efficaci.