AI не обесценивает экспертизу. Похоже, он делает её ещё выгоднее
Последние пару лет часто звучит идея: чем лучше становится AI, тем меньшее значение имеет экспертиза разработчика.
Свежие данные Anthropic пока показывают почти обратное.
Исследователи проанализировали около 400 тысяч реальных сессий Claude Code за период с октября 2025-го по апрель 2026-го. В типичной сессии разделение труда выглядит так:
— человек принимает около 70% решений о том, что нужно сделать;
— Claude принимает около 80% решений о том, как это сделать.
То есть AI уже хорошо забирает исполнение. Но постановка задачи, выбор подхода и определение критериев готовности пока в основном остаются за человеком.
Ещё интереснее связь с предметной экспертизой.
Чем лучше пользователь разбирается в задаче, тем больше работы агент выполняет после одной инструкции. В сессиях новичков один запрос запускал в среднем около пяти действий Claude, а в экспертных — около двенадцати.
Эксперты точнее формулируют задачу, задают осмысленные проверки и замечают, когда агент идёт не туда. А если что-то ломается, чаще возвращают работу на правильный путь.
Важная оговорка: основной прирост исследователи увидели между новичками и пользователями со средним уровнем знаний. Разрыв между уверенным специалистом и глубоким экспертом уже заметно меньше.
Для тимлида здесь важен сам сдвиг.
Раньше senior отличался прежде всего способностью самостоятельно решить сложную задачу. Теперь всё большую ценность получает способность правильно определить задачу, задать ограничения и направить исполнение.
Не обязательно самому писать каждую строчку.
Но нужно понимать, какую систему мы строим, где она может сломаться и чем доказать, что результат действительно работает.
Возможно, AI не уменьшает разрыв между junior и senior.
Он просто переносит этот разрыв с написания кода на качество решений.
Исследование Anthropic: Agentic coding and persistent returns to expertise
Последние пару лет часто звучит идея: чем лучше становится AI, тем меньшее значение имеет экспертиза разработчика.
Свежие данные Anthropic пока показывают почти обратное.
Исследователи проанализировали около 400 тысяч реальных сессий Claude Code за период с октября 2025-го по апрель 2026-го. В типичной сессии разделение труда выглядит так:
— человек принимает около 70% решений о том, что нужно сделать;
— Claude принимает около 80% решений о том, как это сделать.
То есть AI уже хорошо забирает исполнение. Но постановка задачи, выбор подхода и определение критериев готовности пока в основном остаются за человеком.
Ещё интереснее связь с предметной экспертизой.
Чем лучше пользователь разбирается в задаче, тем больше работы агент выполняет после одной инструкции. В сессиях новичков один запрос запускал в среднем около пяти действий Claude, а в экспертных — около двенадцати.
Эксперты точнее формулируют задачу, задают осмысленные проверки и замечают, когда агент идёт не туда. А если что-то ломается, чаще возвращают работу на правильный путь.
Важная оговорка: основной прирост исследователи увидели между новичками и пользователями со средним уровнем знаний. Разрыв между уверенным специалистом и глубоким экспертом уже заметно меньше.
Для тимлида здесь важен сам сдвиг.
Раньше senior отличался прежде всего способностью самостоятельно решить сложную задачу. Теперь всё большую ценность получает способность правильно определить задачу, задать ограничения и направить исполнение.
Не обязательно самому писать каждую строчку.
Но нужно понимать, какую систему мы строим, где она может сломаться и чем доказать, что результат действительно работает.
Возможно, AI не уменьшает разрыв между junior и senior.
Он просто переносит этот разрыв с написания кода на качество решений.
Исследование Anthropic: Agentic coding and persistent returns to expertise