AI e sviluppo software: gli utenti esperti raggiungono il 65% di successo
L’Intelligenza Artificiale applicata allo sviluppo software può automatizzare una parte crescente del lavoro tecnico, ma nel 2026 l’esperienza e le competenze dell’essere umano continuano a fare una differenza sostanziale.
A dimostrarlo è una ricerca di Anthropic sull’utilizzo di Claude Code, il suo strumento di agentic coding, secondo cui le sessioni condotte da utenti con una maggiore esperienza nel dominio di riferimento hanno una probabilità di successo nettamente superiore rispetto a quelle degli utenti novizi.
Il dato principale è particolarmente significativo: il 65% delle richieste effettuate dagli utenti esperti raggiunge il risultato previsto, mentre tra i novizi la percentuale si ferma al 39%.
La conclusione è chiara: utilizzare un sistema di AI avanzato non elimina la necessità di conoscere il problema. Al contrario, più l’utente comprende il settore, gli obiettivi e i vincoli del progetto, maggiore sembra essere la capacità dell’intelligenza artificiale di produrre un risultato utile.
Lo studio Anthropic su circa 400.000 sessioni di Claude Code
La ricerca, intitolata “Agentic coding and persistent returns to expertise”, prende in esame circa 400.000 sessioni interattive di Claude Code, riconducibili a circa 235.000 utenti, nel periodo compreso tra ottobre 2025 e aprile 2026.
Anthropic specifica che l’analisi è stata condotta con strumenti progettati per tutelare la privacy degli utilizzatori e studia non soltanto il risultato finale, ma anche il modo in cui persone e AI si dividono le decisioni durante lo sviluppo di software.
Il punto centrale emerso dalla ricerca è che la competenza nel dominio applicativo continua ad avere un forte valore anche quando buona parte dell’esecuzione tecnica viene affidata all’intelligenza artificiale.
Per “esperienza”, infatti, non si intende necessariamente essere programmatori professionisti. Anthropic valuta quanto l’utente dimostri di conoscere il problema specifico che sta cercando di risolvere: la precisione delle istruzioni, la capacità di indicare cosa verificare e l’abilità nell’individuare e correggere eventuali errori dell’AI.
Utenti esperti al 65% di successo, novizi al 39%
È proprio confrontando i diversi livelli di esperienza che emerge uno dei dati più interessanti.
Per gli utenti novizi, il tasso di successo delle sessioni considerate è pari al 39%. Per gli utenti esperti raggiunge invece il 65%.
La differenza è di 26 punti percentuali, un divario molto ampio considerando che in entrambi i casi viene utilizzato lo stesso tipo di sistema di intelligenza artificiale.
La tecnologia, quindi, è la stessa; ciò che cambia è soprattutto ciò che l’essere umano porta all’interno dell’interazione: conoscenza del contesto, chiarezza degli obiettivi, capacità di valutare il risultato e competenza nella materia.
Anthropic sottolinea inoltre che gran parte del vantaggio viene acquisito passando dal livello principiante a quello intermedio. Essere profondi specialisti offre ancora benefici, ma il salto maggiore si verifica quando l’utente sviluppa una buona conoscenza operativa del problema.
Con più esperienza l’AI svolge più lavoro per ogni richiesta
La differenza tra utenti esperti e novizi non riguarda solamente il risultato finale.
Nelle sessioni classificate come novice, ogni prompt genera mediamente circa 5 azioni dell’AI e circa 600 parole di output.
Quando invece Claude Code viene guidato da un utente classificato come expert, le azioni salgono mediamente a circa 12 per prompt e l’output arriva a circa 3.200 parole, oltre cinque volte quello associato alle sessioni dei principianti.
Questo non significa semplicemente che una risposta più lunga sia automaticamente migliore. Il dato suggerisce piuttosto che un utente competente riesca ad affidare all’agente AI incarichi più articolati e a indirizzarne con maggiore efficacia il lavoro.
In altre parole, la competenza umana consente all’AI di fare di più.
AI e programmazione: risultati simili anche per chi non lavora nel software
Un altro elemento interessante dell’infografica riguarda la professione dell’utilizzatore.
Il tasso di successo indicato per alcuni dei principali ambiti professionali è:
- software: 60%;
- settore legale: 57%;
- salute: 56%;
- management: 55%.
La distanza tra chi lavora professionalmente nel software e chi proviene da altri settori risulta quindi relativamente contenuta.
Il risultato rafforza una delle conclusioni più interessanti della ricerca: con gli strumenti di agentic coding, conoscere bene il settore in cui deve operare un’applicazione può diventare quasi altrettanto importante quanto possedere competenze tradizionali di programmazione.
Anthropic osserva infatti che, nelle sessioni che producono codice, le dieci principali categorie professionali analizzate presentano tassi di successo relativamente vicini a quelli delle professioni software.
L’essere umano prende il 70% delle decisioni di pianificazione
Ma chi decide davvero cosa fare quando si sviluppa software con l’intelligenza artificiale?
Lo studio individua una divisione dei ruoli molto netta.
L’utente umano prende circa il 70% delle decisioni di pianificazione. Si tratta delle decisioni relative a cosa realizzare, quale approccio utilizzare, quali obiettivi raggiungere e quando considerare concluso il lavoro.
L’uomo mantiene quindi soprattutto il controllo della direzione strategica del progetto.
L’AI prende circa l’80% delle decisioni esecutive
La situazione si capovolge quando si passa dalla pianificazione all’esecuzione.
Claude prende mediamente circa l’80% delle decisioni esecutive, mentre all’essere umano ne rimane circa il 20%.
Sono decisioni riguardanti, ad esempio, quali file modificare, quale codice scrivere, quale linguaggio utilizzare e quali comandi eseguire.
Si delinea così una divisione del lavoro particolarmente significativa per comprendere l’evoluzione dell’AI nel 2026:
l’essere umano decide soprattutto cosa deve essere realizzato, mentre l’intelligenza artificiale decide in larga parte come realizzarlo tecnicamente.
Dall’AI assistant agli agenti AI sempre più autonomi
Lo studio offre anche una fotografia dell’evoluzione dell’agentic AI nello sviluppo software.
Una normale sessione di Claude Code comprende mediamente circa quattro interazioni principali tra persona e agente. Ogni prompt dell’utente può innescare mediamente una decina di azioni autonome, come leggere file, modificare codice o eseguire comandi, arrivando in alcuni casi a oltre 100 azioni.
Questo modello è molto diverso dal tradizionale assistente AI che si limita a suggerire una porzione di codice. Gli AI coding agent possono ricevere un obiettivo, esaminare un progetto, compiere diverse operazioni e verificare autonomamente parte del proprio lavoro prima di tornare dall’utente.
È proprio con l’aumento dell’autonomia che diventa ancora più importante fornire all’intelligenza artificiale obiettivi corretti e un contesto adeguato.
L’esperienza conta più della semplice capacità di scrivere prompt
I dati permettono anche di superare un equivoco diffuso sul cosiddetto prompt engineering.
Non è semplicemente la capacità di formulare una frase perfetta a determinare i risultati migliori.
Secondo Anthropic, il livello di esperienza viene individuato osservando la precisione con cui l’utente descrive il compito, ciò che chiede all’AI di verificare e la sua capacità di intervenire quando qualcosa non funziona.
Un professionista che conosce molto bene il proprio settore può quindi guidare un agente AI nello sviluppo di soluzioni software anche senza essere un programmatore di professione.
Un commercialista, un avvocato, un medico, un manager o un esperto di marketing conoscono infatti regole, eccezioni, procedure e obiettivi del proprio lavoro che il sistema AI non può necessariamente dedurre da una richiesta generica.
AI e competenze umane nel 2026: non una sostituzione, ma una nuova divisione del lavoro
L’infografica evidenzia quindi uno degli aspetti centrali dell’evoluzione dell’Intelligenza Artificiale nel lavoro: l’automazione delle attività tecniche non rende automaticamente irrilevante l’esperienza umana.
I dati mostrano piuttosto una diversa distribuzione delle competenze.
L’AI è particolarmente efficace nell’esecuzione, arrivando a prendere circa l’80% delle decisioni operative nelle sessioni analizzate. L’essere umano conserva invece un ruolo dominante nella pianificazione, con circa il 70% delle decisioni.
Ed è proprio la qualità di questa pianificazione a influenzare il risultato finale.
Con un tasso di successo che passa dal 39% per gli utenti novizi al 65% per quelli esperti, la ricerca suggerisce che nel 2026 le competenze di settore non stanno scomparendo a causa dell’intelligenza artificiale: possono, al contrario, diventare il fattore che permette di sfruttarla meglio.