La notizia in sintesi
- Anthropic analizza oltre 400mila conversazioni con Claude Code.
- L’esperienza nel settore aumenta la probabilità di ottenere software funzionante.
- Gli esperti raggiungono il 65% di richieste riuscite, contro il 39% dei novizi.
- L’utente definisce obiettivi, mentre l’AI esegue gran parte delle decisioni tecniche.
Riassunto generato con AI AGENTICA di Datamoney.ch
Esperienza di settore decisiva per Claude Code
Anthropic, la società che sviluppa Claude guidata da Dario Amodei, sostiene che la conoscenza del settore in cui verrà usato un software sia determinante per ottenere risultati efficaci con l’agentic coding. La conclusione emerge dal paper “Agentic coding and persistent returns to expertise”, dedicato all’uso di Claude Code, strumento di intelligenza artificiale per la scrittura di codice.
L’analisi prende in esame oltre 400mila conversazioni svolte da 235mila persone con Claude Code tra ottobre 2025 e aprile dell’anno successivo. Il motivo indicato dal report è preciso: l’AI può svolgere molte attività esecutive, ma il valore dell’input umano dipende dalla capacità di definire correttamente problemi, vincoli e obiettivi del lavoro.
La ricerca separa quindi la competenza di programmazione dalla competenza sul dominio applicativo. Per Anthropic, non è necessario essere sviluppatori professionisti per utilizzare l’AI nella creazione di software, ma resta essenziale conoscere il contesto operativo per cui il programma viene richiesto.
Le innovazioni piu' interessanti di tecnologia e scienza, dritte nella tua inbox.
Il dato offre una lettura concreta dell’agentic coding: il modello può trasformare una richiesta in codice, ma non sostituisce la valutazione di chi conosce processi, necessità e risultati attesi. La qualità del software generato dipende anche dalla precisione con cui l’utente riesce a trasmettere questa conoscenza.
In questo quadro, Claude Code viene descritto come uno strumento che amplifica l’operatività di persone già esperte del proprio ambito. La ricerca di Anthropic non presenta l’AI come un meccanismo automatico capace di eliminare la competenza umana, bensì come un sistema nel quale pianificazione e realizzazione tecnica restano distribuite tra utente e agente.
L’elemento centrale non è dunque soltanto la quantità di codice prodotta. È la capacità di arrivare a un risultato aderente alla richiesta iniziale, cioè a un software che svolga effettivamente la funzione per cui è stato progettato.
I dati sulle richieste di utenti esperti e novizi
Secondo il paper di Anthropic, un utente novizio nel dominio applicativo produce in media prompt che generano risposte di 600 parole e cinque azioni dell’agente. Quando l’input arriva invece da una persona esperta del settore, Claude Code effettua in media dieci azioni e restituisce risposte di circa 3.200 parole.
La differenza non riguarda soltanto l’ampiezza dell’elaborazione. Il 39% delle richieste dei novizi ha successo, ossia produce codice capace di fare ciò che l’utente aveva chiesto; tra gli esperti del dominio la quota sale al 65%.
I numeri indicano che la maggiore efficacia non coincide semplicemente con una risposta più lunga o con un maggior numero di passaggi compiuti dal modello. L’esperienza sembra consentire all’utente di fornire indicazioni che rendono più chiari il compito da svolgere e il risultato da raggiungere.
Il report esamina anche le differenze tra attività professionali. Le richieste provenienti da chi lavora nel software registrano un tasso di successo del 60%. Seguono gli utenti del settore legal con il 57%, quelli della salute con il 56% e le persone impegnate nel management con il 55%.
Questi valori sono rilevanti perché ridimensionano l’idea che l’uso produttivo dell’AI per programmare sia limitato ai tecnici del software. Legal, salute e management mostrano percentuali vicine a quelle del comparto software, pur con un lieve scarto.
La lettura proposta da Anthropic è che l’agentic coding può essere utilizzato anche da professionisti non specializzati nello sviluppo, a condizione che abbiano una conoscenza concreta del problema da risolvere. Il punto non è trasferire all’AI ogni scelta, ma formulare richieste fondate su esperienza e comprensione del lavoro.
Per questo le percentuali non vanno interpretate come una graduatoria assoluta tra professioni. Descrivono invece il rapporto tra conoscenza del dominio, qualità delle istruzioni e capacità dell’agente di tradurre tali istruzioni in software funzionante.
Il campione analizzato è ampio, ma riguarda le conversazioni con Claude Code e le modalità d’uso osservate da Anthropic. Le conclusioni del paper vanno quindi lette nel perimetro specifico dello strumento e dei dati considerati dalla società.
La divisione del lavoro tra utente e intelligenza artificiale
La spiegazione fornita da Anthropic riguarda la distribuzione delle decisioni durante lo sviluppo. L’utente umano si assume il 70% delle planning decisions: la definizione della visione, degli obiettivi e dell’impostazione del lavoro.
L’intelligenza artificiale conserva invece l’80% delle decisioni esecutive, quelle collegate al modo in cui scrivere codice che realizzi la richiesta. Questa ripartizione chiarisce perché la conoscenza del dominio resti un fattore determinante anche quando la fase tecnica viene affidata al modello.
La conseguenza futura indicata dai dati è pratica: chi conosce il proprio settore può usare Claude Code per trasformare bisogni professionali in strumenti software, mentre l’AI opera soprattutto sulla loro implementazione. L’efficacia dipenderà dalla qualità della pianificazione umana, non dalla sola disponibilità dell’agente.
FAQ
Che cosa ha analizzato Anthropic?
Oltre 400mila conversazioni di 235mila persone con Claude Code, raccolte tra ottobre 2025 e aprile dell’anno successivo.
Qual è il successo degli utenti esperti?
Il 65% delle richieste degli esperti nel dominio produce codice che svolge la funzione chiesta dall’utente.
Qual è il successo degli utenti novizi?
Il 39% delle richieste dei novizi raggiunge un risultato funzionante secondo la definizione adottata nel report di Anthropic.
Chi prende le decisioni nella pianificazione?
L’utente umano assume il 70% delle decisioni di pianificazione, comprese visione e definizione degli obiettivi del software.
Come è stata verificata questa analisi?
Il contenuto nasce da analisi approfondita e verifica incrociata della Redazione su numerose fonti, tra cui Info Data, con supervisione umana prima della pubblicazione.
Articolo pubblicato con l’ausilio del sistema di redazione AI di Datamoney, e supervisione umana finale.Non perdere gli errori di prezzo clamorosi su Amazon!
Iscriviti al canale Telegram e ricevili in tempo reale
Guide agli acquisti su Amazon
Le notizie più lette
✨ Classifica generata dalla Agentic AI (REDAZIONE AI) di Datamoney.ch
