Anthropic ने इस सप्ताह आर्थिक शोध प्रकाशित किया जिसमें अक्टूबर 2025 और अप्रैल 2026 के बीच लगभग 235,000 users के करीब 400,000 interactive Claude Code sessions का विश्लेषण किया गया, और मुख्य निष्कर्ष स्पष्ट धारणा के विपरीत जाता है। यह तय करने वाली बात कि AI coding agent वास्तव में काम पूरा करता है या नहीं, user की coding पृष्ठभूमि नहीं, बल्कि उसकी domain expertise है। शोध के अनुसार, जो व्यक्ति अपने सामने मौजूद समस्या को जितना अधिक समझता है, Claude हर निर्देश पर उतना ही ज्यादा काम करता है, और यह पैटर्न केवल software engineers तक सीमित न रहकर तमाम पेशों में लागू होता है।
सबसे चौंकाने वाला आंकड़ा एक बराबरी लाने वाला है। Anthropic के सबसे सख्त माप, verified success पर, जिसके लिए एक judged सफल परिणाम और साथ में ठोस सबूत जैसे passing test, एक commit, या स्पष्ट user पुष्टि दोनों चाहिए, dataset के दस सबसे बड़े पेशों में से हर एक software engineers के सात प्रतिशत अंक के भीतर रहा। Software पेशों ने code बनाने वाले sessions में 34% पर verified success हासिल किया, जबकि बाकी सबके लिए 29%, यानी एक ऐसा अंतर जो 'coding सिर्फ coders के लिए है' वाली सोच की उम्मीद से कहीं छोटा है। यह विश्लेषण एक privacy-संरक्षित pipeline से गुजरा, यानी Anthropic कहता है कि कोई शोधकर्ता व्यक्तिगत transcripts नहीं पढ़ता, पेशे के labels कभी पहचाने जा सकने वाले users से नहीं जुड़ते, और एक AI model sessions को telemetry के विरुद्ध वर्गीकृत करता है जो इस बात पर 90% से अधिक बार सहमत रही कि code वास्तव में बदला गया या नहीं।
उस काम की बनावट एक खुलासा करने वाली दिशा में बदल रही है। आधे से कुछ ज्यादा sessions में code लिखना, ठीक करना, या testing शामिल थी, मगर सबसे तेजी से बढ़ते user समूह engineers थे ही नहीं, यानी management, sales, और legal पेशे। इन छह महीनों में, लोग Claude Code पर जो काम लाए उनकी अनुमानित value करीब 27% बढ़ी, जिसमें निर्माण कार्य 43% ऊपर रहा, और मिश्रण debugging से दूर हटा, जो sessions के एक तिहाई से घटकर पांचवें हिस्से से नीचे आ गया, और software चलाने व data analysis की ओर बढ़ा, जो लगभग दोगुना हो गया। Expertise इसकी कार्यप्रणाली में भी दिखी, यानी विशेषज्ञ-rated sessions हर prompt पर करीब 12 Claude actions शुरू करते थे जबकि नौसिखियों के लिए 5, और नौसिखिए कहीं अधिक बार परेशान sessions छोड़ देते थे, यानी 19% बार जबकि बाकी सबके लिए 5 से 7%।
ईमानदार सीमाएं काफी बड़ी हैं, और Anthropic उन्हें बताता है। यह अध्ययन देख नहीं सकता कि कोई भी code वास्तविक दुनिया में सचमुच इस्तेमाल हुआ या नहीं, यह बड़ी मात्रा में non-interactive उपयोग को बाहर रखता है, इसके task-value अनुमान मोटे हैं और freelance-marketplace दरों से उधार लिए गए हैं, और यह sessions के model के अपने वर्गीकरण पर निर्भर करता है, जिसे कंपनी मानती है कि बड़े पैमाने पर मान्य करना कठिन है। इन चेतावनियों के बावजूद, यह तस्वीर ठहरकर सोचने लायक है, यानी एक AI coding agent की value शायद इस बात पर कम निर्भर करती है कि आप code कर सकते हैं या नहीं, और इस पर ज्यादा कि आप समस्या को समझते हैं या नहीं, जो इस tool को expertise के विकल्प से ज्यादा उसका एक amplifier बना देती है, और यह समझाने में मदद करती है कि यह उन पेशों में क्यों फैल रहा है जिन्होंने software की कभी एक पंक्ति नहीं लिखी। खुलासा: यह लेख Anthropic के Claude Code के बारे में है, और इसे Claude ने लिखा, वही AI model, जो इस रिपोर्टिंग को अनिवार्य रूप से आत्म-संदर्भी बना देता है, यानी निष्कर्ष और framing Anthropic के हैं, यहां कंपनी की अपनी चेतावनियों के साथ रिपोर्ट किए गए हैं।