Почему coding agents не отменяют экспертизу

Исследование Anthropic рассматривает 398 198 интерактивных сессий Claude Code примерно от 234 751 пользователя за период с октября 2025 года по апрель 2026-го. Из выборки исключены сотрудники Anthropic, SDK, сторонние IDE и headless-запуски. Модель классифицировала характер работы, уровень предметной экспертизы, решения человека и агента, а также признаки успешного завершения. Это редкий взгляд на реальное поведение внутри инструмента, но только на аудиторию одного продукта и только на то, что видно в логе сессии. Масштаб выборки уменьшает случайный шум, но не превращает наблюдение в эксперимент: пользователи сами выбрали продукт и задачи. Кроме того, классификатор видит текст взаимодействия, а не намерения человека, качество кода через месяц или работу, завершённую вне Claude Code.

Главное определение разговора: экспертиза локальна. Грейд, профессия и общий стаж не гарантируют знания конкретной технологии или предметной области. Сеньор, впервые работающий с Rust, может действовать как новичок; бухгалтер без инженерной должности может успешно автоматизировать сверку, потому что понимает правила и исключения процесса. Поэтому полезнее спрашивать не «насколько опытен пользователь вообще», а «насколько хорошо он понимает именно эту задачу, её ограничения и критерии правильного результата». Это различие меняет и дизайн внедрения: доступ к агенту следует сопровождать не абстрактным обучением промптам, а предметным контекстом, примерами ошибок и способом проверить итог. Знакомая должность без этих опор даёт ложное чувство безопасности.

В сессиях человек чаще определяет, что и зачем нужно сделать, а Claude принимает большую часть локальных решений о том, как реализовать намерение. Эксперты дают более специфичный контекст, строят длинные цепочки действий, запрашивают проверку и корректируют направление. В среднем их сессии доходят примерно до двенадцати действий агента и 3200 слов вывода против пяти действий и 600 слов у новичков. Это не означает пассивное доверие: специалист способен раньше заметить отклонение, объяснить причину и восстановить работу после ошибки, поэтому безопасный объём делегирования становится больше. Длина сессии сама по себе не является признаком качества. Её смысл появляется в сочетании с контрольными точками: эксперт разрешает агенту пройти дальше, потому что может сопоставить промежуточный результат с моделью задачи и вернуть процесс на правильный путь.

Самый заметный прирост наблюдается между новичком и уверенным практиком, а не как бесконечная линейная премия за каждый следующий уровень. Доля подтверждённо успешных сессий растёт примерно с 15% у новичков до 28–33% у средних уровней и выше. В проблемных сессиях эксперты чаще доводят работу до проверяемого результата, а новички заметно чаще бросают её. Со временем характер запросов тоже меняется: меньше исправлений уже написанного кода, больше эксплуатации, анализа и документации. Агент не устраняет работу эксперта, а переносит её к постановке, наблюдению и оценке результата. Поэтому программа развития должна учить не только получать первый ответ, но и диагностировать тупик, уменьшать задачу, менять контекст и проверять восстановление. Разница в результатах проявляется особенно сильно именно тогда, когда начальный план не сработал.

Авторы используют косвенные показатели. Ценность задачи оценивается через цены похожих работ на рынке фриланса, а успех — через модельный классификатор по тексту сессии. Телеметрия не видит, принёс ли код бизнес-эффект, прошёл ли production-проверку, вызвал ли инцидент или потребовал переделки через неделю. Наблюдаемая связь также не доказывает, что именно экспертиза вызвала лучший результат: опытные пользователи могут выбирать другие задачи, иметь лучший контекст, инструменты и проверки. Вывод следует читать как правдоподобный механизм, а не как универсальный закон рынка труда. Даже слово «успех» здесь означает распознанное завершение внутри сессии, а не принятую поставку. Для управленческого решения этот разрыв критичен: нельзя переводить долю завершённых диалогов непосредственно в экономию времени, штат или финансовый прогноз.

Практический ответ — измерять результат независимо от агента. Команде нужны воспроизводимые тесты, продуктовые критерии, логи решений, evidence и ответственность человека, который способен объяснить итог. Обучение стоит строить вокруг декомпозиции, постановки ограничений, проверки и разбора реальных сбоев, а не вокруг набора магических prompt-формул. Руководителям важно пересмотреть границы делегирования: исполнение дешевеет, однако выбор правильной задачи, предметное суждение и принятие риска остаются дефицитными. Coding agent превращает экспертизу в большую пропускную способность, только если рядом существует контур контроля. Начать можно с матрицы задач и рисков: где результат автоматически проверяем, где нужен доменный эксперт, а где ошибка необратима. Эта карта задаёт разные уровни полномочий и не позволяет переносить удачу из безопасного класса задач на критический процесс.