Anthropic publico esta semana una investigacion economica que analiza alrededor de 400.000 sesiones interactivas de Claude Code de aproximadamente 235.000 usuarios entre octubre de 2025 y abril de 2026, y el hallazgo principal contradice la suposicion mas obvia. Lo que predice si el agente de programacion de IA realmente termina el trabajo no es la formacion del usuario en programacion, sino su experiencia de dominio. Cuanto mas entiende una persona el problema que tiene delante, dice la investigacion, mas trabajo hace Claude por instruccion, y ese patron se mantiene en distintas ocupaciones, no solo entre los ingenieros de software.
La cifra mas llamativa es niveladora. Segun la medida mas estricta de Anthropic, el exito verificado, que exige tanto un resultado juzgado como exitoso como evidencia solida (una prueba que pasa, un commit o una confirmacion explicita del usuario), cada una de las diez ocupaciones mas grandes del conjunto de datos quedo dentro de siete puntos porcentuales de los ingenieros de software. Las ocupaciones de software alcanzaron el exito verificado en el 34 % de las sesiones que producen codigo, frente al 29 % del resto, una brecha mucho menor de lo que predeciria la idea de que 'programar es cosa de programadores'. El analisis se ejecuto mediante un proceso que preserva la privacidad: Anthropic afirma que ningun investigador lee transcripciones individuales, que las etiquetas de ocupacion nunca se vinculan a usuarios identificables, y que un modelo de IA clasifica las sesiones frente a la telemetria, con la que coincidio mas del 90 % de las veces sobre si el codigo realmente se modifico.
La composicion de ese trabajo se esta desplazando en una direccion reveladora. Algo mas de la mitad de las sesiones implicaban escribir, corregir o probar codigo, pero los grupos de usuarios de mas rapido crecimiento no eran ingenieros en absoluto: las ocupaciones de gestion, ventas y derecho. A lo largo de los seis meses, el valor estimado de las tareas que las personas llevaron a Claude Code subio cerca del 27 %, con el trabajo de construccion al alza un 43 %, y la composicion se alejo de la depuracion, que cayo de un tercio de las sesiones a menos de una quinta parte, hacia operar software y analizar datos, que aproximadamente se duplicaron. La experiencia tambien se noto en la mecanica: las sesiones calificadas como expertas activaron alrededor de 12 acciones de Claude por instruccion frente a 5 para los principiantes, y los principiantes abandonaron las sesiones problematicas con mucha mas frecuencia, el 19 % de las veces frente al 5 a 7 % del resto.
Los limites honestos son considerables, y Anthropic los plantea. El estudio no puede ver si algo del codigo se uso realmente en el mundo real, excluye una gran cantidad de uso no interactivo, sus estimaciones de valor de las tareas son aproximadas y tomadas de tarifas de mercados de trabajo independiente, y se apoya en la propia clasificacion de las sesiones por parte de un modelo, lo que la empresa admite que es dificil de validar a gran escala. Con esas salvedades, la imagen sigue mereciendo atencion: el valor de un agente de programacion de IA puede depender menos de si sabes programar y mas de si entiendes el problema, lo que convertiria a la herramienta menos en un reemplazo de la experiencia que en un amplificador de ella, y ayudaria a explicar por que se esta extendiendo hacia profesiones que nunca escribieron una linea de software. Divulgacion: este articulo trata sobre Claude Code de Anthropic, y fue escrito por Claude, el mismo modelo de IA, lo que vuelve la cobertura inevitablemente autorreferencial; los hallazgos y el enfoque son de Anthropic, reportados aqui con las propias salvedades de la empresa.