> Título original: Agentic coding and persistent returns to expertise
> Autor original: Anthropoic
> Tradução: Peggy
>

Nota do editor: Este relatório baseia-se em aproximadamente 400 mil sessões com Claude Code, discutindo como as ferramentas de programação com IA estão mudando a relação entre humanos e código.

A descoberta central do artigo é: na programação com agentes inteligentes, os humanos decidem principalmente "o que fazer", enquanto o Claude é responsável por "como fazer". Os usuários assumem a maior parte das decisões de planejamento, enquanto o Claude realiza a maior parte da execução. Ou seja, a IA está assumindo etapas de implementação como escrever código, modificar arquivos, executar comandos e depurar, mas a definição de objetivos e a avaliação de resultados ainda dependem das pessoas.

Mais importante ainda, o efeito do uso do Claude Code não depende apenas de o usuário ser programador. O relatório mostra que, nas tarefas de geração de código, usuários de profissões não técnicas como direito, finanças, gestão e pesquisa científica têm taxas de sucesso próximas às de engenheiros de software. O que realmente influencia os resultados é se o usuário compreende o problema que quer resolver.

Isso significa que a programação com IA reduz a barreira de entrada para implementação, mas não a de julgamento. No futuro, pessoas que entendem de negócios, de cenários específicos, capazes de formular claramente suas necessidades e avaliar resultados, podem usar a IA de forma mais eficaz do que aquelas que apenas sabem programar. A IA não substituirá automaticamente o conhecimento de domínio, pelo contrário, ela ampliará o valor desse conhecimento.

A seguir, o texto original:

Descobertas principais

Com base em estudos anteriores, propusemos uma estrutura para investigar a programação de agentes interativos. Essa estrutura é fundamentada na análise de privacidade de cerca de 400 mil sessões com Claude Code, realizadas entre outubro de 2025 e abril de 2026, avaliando a composição das tarefas, a colaboração entre humanos e IA, e as taxas de sucesso.

Em uma sessão típica, o humano é responsável pela maior parte do planejamento — ou seja, decide "o que fazer"; o Claude cuida da maior parte da execução — ou seja, decide "como fazer". Quanto maior o conhecimento do usuário na área, maior será a quantidade de trabalho que o Claude realiza a partir de suas instruções. Nas tarefas de codificação, a taxa média de sucesso — ou seja, a proporção de tarefas que o usuário pretendia realizar e que foram verificadas por testes, submissões de código, etc. — é quase igual à dos engenheiros de software.

Quanto maior a expertise do usuário na área, maior a chance de a sessão terminar com sucesso. Contudo, a diferença entre usuários intermediários e especialistas não é grande. Em sete meses de observação, a proporção de sessões de depuração caiu quase pela metade, enquanto o uso se voltou mais para abordagens de ponta a ponta: implantação e execução de código, análise de dados e elaboração de documentos não relacionados a código.

Durante esses sete meses, o valor das tarefas quase aumentou em todas as categorias de trabalho. Estimamos esse valor comparando com ofertas de trabalho freelance, ajustando por mercado, e encontramos um aumento médio de cerca de 25%.

Introdução

A programação com agentes está crescendo rapidamente. Desde o final de 2025, a proporção de projetos no GitHub envolvendo atividades de agentes de codificação dobrou, e os usuários do Claude Code agora usam a ferramenta em média 20 horas por semana. Pessoas sem experiência formal em programação conseguem comandar um agente para tarefas complexas? Como a rápida adoção dessas ferramentas e seu aprimoramento afetarão o trabalho do conhecimento em geral? Ainda não temos respostas definitivas, mas alguns sinais iniciais podem ser vistos nos dados de uso do Claude Code.

Este relatório, baseado na análise de privacidade de aproximadamente 235 mil usuários e 400 mil sessões interativas entre outubro de 2025 e abril de 2026, fornece evidências sobre o uso real do Claude Code. Ele continua nossa pesquisa anterior sobre os indicadores de autonomia das sessões com Claude Code e como ela altera o funcionamento interno da Anthropic. Propomos uma estrutura para descrever o uso de assistentes de IA interativos: o que as pessoas estão fazendo, quem está fazendo, e se o trabalho foi bem-sucedido. Nosso foco é no uso do Claude Code via interface de linha de comando (CLI), Claude.ai ou aplicativos de desktop. Ao acompanhar como o uso de programação com agentes evolui com o aumento da capacidade do modelo, podemos entender melhor o impacto dessas ferramentas para profissionais de programação e trabalhadores do conhecimento.

O que acontece no Claude Code pode indicar o futuro do trabalho do conhecimento: agentes irão se integrar cada vez mais às tarefas não relacionadas à codificação. Descobrimos que o Claude está lidando com tarefas mais complexas e valiosas. Ao mesmo tempo, a divisão de trabalho na programação com agentes permanece clara: humanos decidem o que construir, agentes decidem como construir.

Também encontramos evidências de que o verdadeiro fator de amplificação do uso de ferramentas é o conhecimento de domínio, e não a habilidade de programar. Especialistas de domínio têm maior facilidade de sucesso e de se recuperar de erros ou mal-entendidos. Contudo, a diferença entre usuários intermediários e especialistas não é grande. Isso sugere que, com conhecimento suficiente em uma área, qualquer pessoa pode usar essas ferramentas de forma eficaz, quase como um especialista.

Essas descobertas nos permitem vislumbrar possíveis mudanças no mercado de trabalho. Nosso dado mostra que o sucesso depende de entender o problema a ser resolvido, e não de formação em programação. Se esse padrão se confirmar na economia, significa que, embora as ferramentas de IA possam substituir algumas tarefas de implementação, elas também recompensam quem realmente compreende os problemas que tenta resolver. Programar agentes não substitui o conhecimento de domínio; quanto mais o trabalhador entende de sua área, mais trabalho de alta qualidade o agente pode realizar.

Divisão do trabalho

O que as pessoas fazem com Claude Code

Para entender como as pessoas usam o Claude Code, categorizamos cada sessão em um de nove modos de trabalho, aquele que melhor descreve o objetivo principal da sessão. Quatro desses modos envolvem diretamente escrever ou manter código: construir algo novo, consertar algo quebrado, testar código, ou coordenar outros agentes ou pipelines automáticos. Outros envolvem operação de software, incluindo implantação, configuração, execução de pipelines e monitoramento. Dois modos focam em entender "o que fazer": compreender como um sistema existente funciona, ou planejar mudanças antes de agir. Os últimos dois não envolvem código diretamente, ou usam código apenas como suporte: análise de dados e comunicação por apresentações ou documentos textuais.

Cerca de 56% das sessões envolvem escrever código (25%), consertar código (26%) ou testar e coordenar código (5%). Operar software representa 17%, planejamento ou exploração 14%, análise de dados e elaboração de textos 13% (ver Figura 1).

> Figura 1: Os nove modos de trabalho. Cada sessão interativa é classificada como o modo que melhor descreve seu objetivo.

Primeiro, fazemos o modelo ler o registro da sessão e classificá-la; depois, usamos nossa ferramenta de análise de privacidade para cruzar os resultados com os dados de telemetria, incluindo se houve adição ou remoção de linhas de código. Essas duas fontes mostram alta concordância. Por exemplo, em sessões marcadas pelo classificador como criação ou modificação de código, mais de 90% também mostram mudanças de código na telemetria. Detalhes no apêndice.

Quem toma as decisões

Qual é o grau de autonomia do Claude Code? Avaliações indicam que seu potencial máximo é alto e continua crescendo. Por exemplo, em testes de benchmark como o METR, modelos avançados já podem realizar tarefas de software que antes levavam horas, superando obstáculos por conta própria. Mas, na prática, como isso se manifesta? Aqui, analisamos quanto de orientação humana cada sessão realmente exige.

Abordamos o tema de duas formas. Primeiro, quanto os humanos delegam decisões ao Claude; segundo, quanto de ação eles atribuem ao Claude. Para entender a divisão de decisões, construímos um classificador de atribuição de decisão baseado no conteúdo da sessão, que identifica todas as decisões relevantes e as classifica em decisões de planejamento (o que fazer, como fazer, o que significa concluir) e de execução (quais arquivos modificar, que código escrever, em que linguagem, quais comandos rodar). Depois, o classificador atribui cada decisão ao Claude ou ao usuário, gerando duas métricas: a proporção de decisões de planejamento atribuídas ao usuário, e a de decisões de execução atribuídas ao usuário.

Em média, os humanos tomam cerca de 70% das decisões de planejamento, mas apenas 20% das decisões de execução (ver Figura 2). Na prática, a programação com agentes revela uma divisão clara do trabalho: humanos decidem o que construir, agentes decidem como fazer.

Para entender o grau de delegação de ações, não olhamos o conteúdo, mas a estrutura da sessão. Uma sessão com Claude consiste na troca de comandos entre usuário e agente: o usuário envia um prompt, o Claude executa uma ação; depois, o usuário envia outro prompt, e assim por diante. Em sessões típicas, há cerca de quatro rodadas. Nos dados de outubro a abril, cada prompt do usuário costuma disparar cerca de 10 ações do Claude, às vezes mais de 100. Em cada rodada, o Claude lê arquivos, edita código, roda comandos, e produz em média 2.400 palavras.

A quantidade de trabalho que o Claude realiza entre duas verificações do usuário depende bastante de quem toma as decisões. Quando o usuário mantém o controle das ações, ou seja, faz mais de 80% das decisões de execução, o Claude realiza cerca de 8 ações por rodada. Quando o Claude assume o controle de planejamento, ou seja, toma mais de 80% das decisões de planejamento, o número de ações chega a cerca de 16.

> Figura 2: Proporção de decisões de planejamento e execução atribuídas ao Claude. A figura mostra a distribuição da proporção de decisões de planejamento (o que fazer) e execução (como fazer) atribuídas ao Claude, em sessões típicas. Em sessões comuns, o usuário toma cerca de 70% das decisões de planejamento, enquanto o Claude realiza cerca de 80% das decisões de execução.

Nível de especialização

Com base em cada sessão, o Claude avalia o nível de expertise do usuário na tarefa, numa escala de cinco níveis, de iniciante a especialista. O classificador de nível de expertise analisa três sinais: a precisão das instruções do usuário, o que o usuário pede para o Claude verificar, e quem costuma corrigir quem — o usuário ou o Claude. É importante notar que esse nível de expertise é diferente de cargo ou habilidade geral, sendo específico para cada tarefa. Por exemplo, um engenheiro experiente que pergunta sobre Rust pela primeira vez ainda será considerado iniciante na tarefa de Rust. Por outro lado, um contador que nunca usou Python, mas consegue explicar exatamente as regras de reconciliação de um script Python e identificar erros comuns na contagem de fim de mês, é considerado especialista na tarefa.

A tabela a seguir mostra como definimos os níveis de expertise no classificador, com exemplos de solicitações do conjunto de dados público SWE-chat. Conversas classificadas como "iniciante" apresentam instruções genéricas, sem conhecimento de domínio; conversas de "especialista" demonstram compreensão profunda do código e do ambiente técnico.

> Tabela 1: Classificação de níveis de expertise. Exemplos de conversas reais, reescritas, anonimizadas e resumidas, marcadas pelo nosso classificador. Muitos exemplos vêm do conjunto de dados público SWE-chat.

Quantificamos a relação entre nível de expertise, quantidade de ações do Claude por prompt e volume de saída. Em sessões típicas de iniciante, cada prompt dispara cerca de 5 ações do Claude e gera aproximadamente 600 palavras; em sessões de especialista, o número de ações é mais que o dobro, cerca de 12, e a saída chega a aproximadamente 3.200 palavras, cinco vezes mais (ver Figura 3). Essa diferença entre iniciantes e especialistas aparece em todos os tipos de trabalho e faixas de valor de tarefa.

Esses indicadores complementam nossa pesquisa anterior sobre autonomia do Claude Code. Antes, acompanhávamos o tempo de execução do agente e a frequência com que os usuários aprovavam suas ações automaticamente. Agora, nossos indicadores de atribuição de decisão capturam quem toma as decisões substantivas ao longo de toda a sessão, enquanto o volume de saída e o número de ações disparados por cada prompt medem o quanto cada comando humano consegue estimular a autonomia do Claude.

> Figura 3: Quanto mais profissional for o usuário, mais trabalho o Claude realiza por prompt. Quanto maior o nível de expertise, maior o número de ações (barra à esquerda) e o volume de texto gerado (barra à direita) por prompt do Claude. As caixas representam o intervalo interquartil, a linha mediana, e os pontos os percentis 5 e 95. A média geométrica está indicada pelos pontos brancos. Ambas as tendências de aumento são estatisticamente significativas (p < 0,001), e cada passo na escala de expertise também é. Mesmo controlando por modo de trabalho, valor da tarefa, mês, profissão e série do modelo, e agrupando por usuário, essas tendências permanecem: a cada nível de expertise, o número de ações aumenta 9%, e o volume de saída, 13%.

Quem usa o Claude Code e para quê

Usuários

Para entender quem está realizando essas tarefas, inferimos a profissão de cada usuário a partir do registro da sessão, mapeando para uma das 23 categorias principais do Sistema de Classificação Ocupacional (SOC) dos EUA. O classificador avalia apenas sinais como o contexto carregado no início da sessão, nomes e estruturas de arquivos, referências a documentos ou produtos — como leis, dados clínicos, relatórios financeiros, materiais de cursos — e o vocabulário utilizado. É explicitamente proibido que o classificador interprete "está escrevendo código" como prova de profissão de programador. Somente se houver sinais claros de que o trabalho envolve software ou dados, a sessão será classificada na categoria de "profissões de computação e matemática". Por exemplo, se um advogado criar um script para verificar automaticamente a ausência de cláusulas específicas em contratos, mesmo que a maior parte da sessão envolva codificação, ela será classificada como trabalho jurídico. Se não houver sinais de profissão, a sessão não será classificada.

Conseguimos inferir a profissão em cerca de 70% das sessões. Entre essas, a maior parte pertence à categoria "profissões de computação e matemática", o que é esperado, pois inclui a maioria dos trabalhos relacionados a software. Depois vêm negócios e finanças, artes e mídia, gestão, ciências da vida, ciências físicas e ciências sociais. Entre as categorias que mais crescem estão gestão, vendas e direito.

Trabalho

De outubro de 2025 a abril de 2026, a composição das tarefas realizadas com Claude Code mudou significativamente. A maior mudança foi a redução de sessões de reparo de código danificado, de 33% para 19% (ver Figura 4). Em seu lugar, aumentaram as sessões relacionadas à operação de código. A proporção de sessões de operação de software subiu de 14% para 21%. Escrita e análise de dados quase dobraram, passando de cerca de 10% para 20%.

O valor econômico das tarefas também aumentou. Estimamos esse valor comparando com custos de trabalhos similares no mercado freelance, ajustando por dados de vagas reais. Segundo essa métrica, o valor médio por sessão aumentou 27% entre outubro e abril. Essa alta ocorreu em várias categorias de trabalho: construção, operação e reparo de código cresceram aproximadamente 43%, 34% e 32%, respectivamente. Essas estimativas de preço são aproximadas, usadas principalmente para observar tendências ao longo do tempo, não como valores monetários exatos. Detalhes na seção de apêndice.

> Figura 4: Mudanças na composição e valor das tarefas com Claude Code de outubro de 2025 a abril de 2026. A figura mostra a proporção de diferentes modos de trabalho ao longo de sete meses. Reparo de código caiu de 33% para 19%, enquanto operação de software, análise de dados e elaboração de documentos aumentaram.

O que importa é o que o usuário traz para a sessão

Estimando o valor das tarefas, podemos entender melhor como o Claude Code ajuda as pessoas a fazerem seu trabalho. Outro aspecto importante é verificar quantas sessões são bem-sucedidas e quais características estão associadas ao sucesso. Em todos os indicadores de sucesso, há um padrão claro: quanto maior o nível de expertise do usuário na sessão, maior a chance de sucesso. A maior parte dessa diferença ocorre entre iniciantes e intermediários, sendo menor a diferença de intermediários para especialistas.

Antes de analisar as sessões bem-sucedidas, precisamos definir como medimos sucesso. Como não podemos observar os resultados no mundo real nem perguntar diretamente aos usuários se conseguiram fazer o que queriam, usamos duas métricas complementares baseadas na análise da sessão. A primeira é "determinando sucesso", que, após leitura completa da sessão, avalia se o usuário atingiu seu objetivo original — classificada como sucesso, parcialmente bem-sucedido, fracasso ou sem objetivo claro. Dois classificadores associados avaliam a força dessa evidência, atribuindo uma pontuação de 1 a 5, de "sem sinal" a "múltiplos sinais fortes". Um classificador paralelo avalia sinais de erro, como falhas, tentativas repetidas ou insatisfação do usuário. Para que uma sessão seja considerada "com sucesso verificado", ela deve ser classificada como sucesso e apresentar pelo menos um sinal forte de sucesso. Caso contrário, ela é considerada fracasso ou sem sucesso verificado. Nosso foco aqui é na relação entre nível de expertise e sucesso, excluindo sessões sem objetivo claro, que representam cerca de 7,7% do total.

Retorno do investimento na expertise

Então, quais sessões têm maior probabilidade de sucesso? Os resultados mostram que o nível de expertise do usuário, avaliado na sessão, tem forte impacto na probabilidade de sucesso.

Alguns podem argumentar que o nível de expertise não é a causa real, pois talvez especialistas escolham tarefas diferentes ou tenham outras diferenças. Para responder a isso, comparamos sessões de mesmo tipo de trabalho, com valor estimado semelhante, no mesmo mês, com o mesmo tema, de usuários de mesma categoria profissional. Assim, podemos isolar o efeito do nível de expertise.

> Tabela 2: Definições de sucesso e fracasso derivadas do classificador. Exemplos de sessões reais do conjunto de dados público SWE-chat, reescritos, anonimizados e resumidos, marcados pelo nosso classificador.

Em todos os indicadores de sucesso, quanto maior o nível de expertise do usuário, maior a chance de sucesso. Sessões classificadas como "iniciante" tiveram uma taxa de sucesso verificado de 15%, e de pelo menos parcial de 77%. Já sessões de nível intermediário ou superior tiveram taxas de sucesso verificado entre 28% e 33%, e de parcial entre 91% e 92% (ver Figura 5).

Na maioria dos indicadores, a maior parte do ganho vem de passar de iniciante para intermediário; a melhora de intermediário para especialista é mais suave. Detalhes da análise de regressão por trás da Figura 5 estão no apêndice.

> Figura 5: Nível de expertise e resultados das sessões. A figura mostra, de acordo com a classificação de nível de expertise do usuário, os resultados das sessões em cinco categorias, de iniciante a especialista. O gráfico esquerdo inclui todas as sessões; os outros dois focam em sessões problemáticas, com sinais de falha maiores que 3, e mostram a proporção de sucesso ou fracasso final. Cada ponto é uma proporção ajustada. Para estimar as diferenças entre níveis, comparamos sessões do mesmo modo de trabalho, valor de tarefa, mês, tema e usuário, e usamos intervalos de confiança de 95%. Detalhes da regressão estão no apêndice. As linhas de erro representam o intervalo de confiança do valor médio, muitas delas pequenas demais para serem visíveis. Sessões sem objetivo claro foram excluídas.

Mesmo em sessões desafiadoras, há uma tendência semelhante. Quando sinais de falha forte aparecem, a taxa de sucesso verificado sobe de 4% em iniciantes para 15% em especialistas (ver Figura 5). Com critérios mais flexíveis, a taxa de pelo menos parcial sucesso é de 60% em iniciantes e entre 80% e 81% em intermediários e especialistas.

Também acompanhamos uma relação inversa: maior nível de expertise reduz as falhas. É importante notar que, nesta análise, sessões consideradas fracassadas são aquelas que não atingiram nem mesmo sucesso parcial. Sessões que enfrentaram problemas e foram abandonadas — ou seja, sem nenhuma linha de código escrita — representam 19% em iniciantes, contra 5-7% em outros grupos. Ou seja, usuários com menos experiência tendem a desistir mais facilmente quando encontram dificuldades. Parte do valor do expertise está na capacidade de guiar o agente de volta ao caminho certo.

Profissão importa menos que o nível de expertise

Usuários de profissões relacionadas a software têm uma taxa de sucesso verificada de cerca de 30%, enquanto outros profissionais atingem 26%. Em sessões que geraram código, ou seja, que modificaram ou criaram pelo menos uma linha, esses números sobem para 34% e 29%, respectivamente (ver Figura 6). Com critérios mais flexíveis, a diferença entre profissões diminui ainda mais. Em sessões de geração de código, a proporção de sucesso parcial é de 89% para profissionais de software e 88% para os demais. A diferença de cinco pontos percentuais é pequena, e não aumentou nem diminuiu ao longo de sete meses, mesmo com melhorias gerais nas taxas de sucesso. Entre os dez maiores grupos profissionais no nosso conjunto de dados, a diferença em sucesso entre eles e engenheiros de software é inferior a sete pontos percentuais. Profissões de gestão apresentam a maior taxa de sucesso verificado, ligeiramente acima de profissionais de TI, o que pode refletir a transferência de habilidades de gestão para a condução de agentes. Mas também pode ser uma limitação da nossa métrica: ela depende de confirmação explícita do usuário, que gestores podem estar mais propensos a fornecer ao obter o resultado desejado.

> Figura 6: Taxa de sucesso e fracasso em sessões de codificação, por profissão inferida. A figura mostra, em sessões com pelo menos uma linha de código modificada ou criada, a proporção de sucesso e fracasso, por profissão inferida, usando critérios rigorosos. Cada ponto representa uma categoria profissional maior. Todas estão dentro de sete pontos percentuais da categoria "profissões de computação e matemática" (SOC). As barras de erro representam o intervalo de confiança de 95% calculado com diferentes contas.

Perspectivas

Os resultados deste relatório delineiam um cenário em formação: a programação com agentes amplia certas habilidades e conhecimentos, enquanto substitui outras. Em sessões de geração de código, as taxas de sucesso de diferentes profissões se aproximam das de profissionais de TI, indicando que a necessidade de background em programação está diminuindo.

Ao mesmo tempo, sessões bem-sucedidas tendem a envolver maior conhecimento de domínio. Sessões de especialistas têm mais que o dobro de sucesso verificado em relação a iniciantes. Quando há problemas, a taxa de desistência de iniciantes é várias vezes maior. A colaboração mostra que especialistas podem usar cada instrução para conduzir o Claude a realizar mais tarefas. Assim, a capacidade de levar o Claude ao sucesso depende mais do domínio do assunto do que de habilidades de codificação. Quem domina uma área consegue fazer trabalhos que antes eram impossíveis. Quem não tem essa compreensão, mesmo usando as mesmas ferramentas, obtém resultados muito menores. E o benefício vem mais de competência do que de maestria. Entender operacionalmente uma área já traz grande parte do benefício; especializações profundas oferecem ganhos adicionais, mas menores.

Essas descobertas ainda são preliminares. Como na maior parte de nossas pesquisas, não podemos medir resultados no mundo real, como se o código gerado foi realmente utilizado ou gerou valor econômico. Além disso, este relatório exclui o uso não interativo, que representa uma parte significativa da atividade. Desenvolver uma estrutura para mensurar esse uso será uma prioridade futura. Todas as nossas classificações dependem da leitura do modelo sobre os registros das sessões. No apêndice, mostramos que o classificador mantém uma boa concordância com dados de telemetria, na maioria das sessões, e com avaliações de referência. Mas, em larga escala, validar esses classificadores é difícil; sessões de Claude Code podem ser longas e complexas, dificultando a rotulagem manual como padrão de verdade.

À medida que modelos, usuários e a divisão de trabalho evoluem, as imagens aqui apresentadas também evoluirão. Esperamos que esses indicadores nos ajudem a acompanhar mudanças importantes. Por exemplo, se o retorno do nível de expertise começar a cair, isso indicará que os modelos estão fornecendo julgamentos essenciais que antes dependiam do usuário. Se mais usuários de profissões não relacionadas à TI tiverem sucesso, isso pode significar que a produção de software está se tornando parte do trabalho comum em várias áreas, e não uma atividade exclusiva de uma profissão. Essas mudanças alterarão quem se beneficia da programação com agentes, e em que medida, influenciando as habilidades mais valorizadas no mercado de trabalho.

[Link para o original]

Clique para conhecer as vagas na BlockBeats

Participe do grupo oficial da BlockBeats no Telegram:

https://t.me/theblockbeats

Grupo de discussão no Telegram: https://t.me/BlockBeats_App

Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia