Como a IA está transformando o trabalho na Anthropic

• Em uma pesquisa com 132 engenheiros e pesquisadores internos da Anthropic, a colaboração com IA centrada no Claude está mudando amplamente a forma de trabalhar, ampliando ao mesmo tempo a produtividade e o escopo do trabalho
• Os funcionários usam o Claude em 59% do trabalho e relatam, em média, um aumento de 50% na produtividade, enquanto o volume de entregas cresce significativamente e a forma de usar o tempo é reorganizada
• Graças ao Claude, 27% do trabalho assistido pelo Claude no total corresponde a tarefas que originalmente não seriam feitas, mostrando um padrão em que até tarefas “deixadas para depois”, como prototipagem, dashboards, testes e documentação, passam a ser realizadas
• Ao mesmo tempo, também crescem as preocupações com enfraquecimento das habilidades técnicas, redução da mentoria e perda do artesanato da programação, e surge um movimento em que as pessoas migram gradualmente para o papel de gestoras e supervisoras de agentes de IA
• No geral, a IA está transformando os desenvolvedores em “profissionais mais full stack e que fazem mais coisas”, mas ao mesmo tempo aumenta a incerteza e a necessidade de adaptação em relação a trajetórias de carreira, formas de aprendizado e cultura organizacional

---

Visão geral

• Dando sequência aos estudos macro já existentes sobre o impacto da IA no mercado de trabalho, a Anthropic realizou desta vez uma pesquisa interna com seus próprios engenheiros e pesquisadores para entender como a IA está mudando o trabalho na prática
  • O estudo analisou conjuntamente uma pesquisa com 132 engenheiros e pesquisadores em agosto de 2025, 53 entrevistas qualitativas e dados de logs de uso do Claude Code
  • Os resultados mostram que os desenvolvedores estão conseguindo fazer mais coisas e atuar em áreas mais diversas, mas, em contrapartida, também aumentam as preocupações com profundidade técnica, colaboração e futuro da carreira
• Os engenheiros da Anthropic estão desempenhando papéis mais próximos de full stack com o Claude, acelerando ciclos de aprendizado e iteração e executando até tarefas que antes eram adiadas
  • Ao mesmo tempo, há preocupações de que essa expansão em amplitude possa levar à queda da capacidade técnica profunda e ao enfraquecimento da habilidade de supervisão
• A Anthropic reconhece que está em um ambiente especial com acesso antecipado às ferramentas mais avançadas, mas considera que essa transformação interna pode ser vista como um sinal antecipado de mudanças sociais e industriais mais amplas, o que torna essa observação precoce relevante
  • No momento da pesquisa, os modelos mais poderosos eram Claude Sonnet 4 e Claude Opus 4, e a empresa afirma que o desempenho dos modelos continua evoluindo desde então
• De forma geral, junto com o aumento de produtividade e a expansão do trabalho, ganham destaque simultaneamente os desafios de manter a especialização técnica, preservar colaborações significativas e se preparar para um futuro incerto, e a Anthropic já está testando formas de lidar com isso internamente
  • Em um texto separado, a empresa também discute ideias de políticas econômicas relacionadas à IA, enquanto este texto foca principalmente nas mudanças internas no trabalho e nos papéis dentro da organização

Principais conclusões

• Segundo os dados da pesquisa, os engenheiros da Anthropic usam o Claude principalmente para depuração e compreensão de código, e tanto a taxa de uso quanto o ganho percebido de produtividade aumentaram de 2 a 3 vezes em um ano
  • 27% do trabalho assistido pelo Claude corresponde a tarefas que originalmente não seriam feitas, sendo preenchido por trabalhos adicionais como expansão de projetos, dashboards e experimentos exploratórios
  • Embora a maioria dos funcionários use o Claude com frequência, eles responderam que as tarefas totalmente delegáveis ficam na faixa de 0% a 20%, indicando que supervisão e validação ativas continuam sendo indispensáveis
• As entrevistas mostram o processo pelo qual as pessoas desenvolvem intuição sobre o que delegar à IA, com um padrão comum de priorizar a delegação de tarefas fáceis de verificar e de baixo risco, tediosas ou repetitivas
  • Com o Claude, o espectro técnico se amplia, aproximando as pessoas de capacidades full stack, mas também existe a preocupação de que a redução na prática profunda de codificação e depuração possa enfraquecer competências fundamentais
  • Como o Claude substitui boa parte das perguntas que antes eram feitas aos colegas, também surgem muitas preocupações com a redução de oportunidades de mentoria e aprendizado entre pares, além do enfraquecimento das relações humanas
• Nos logs de uso do Claude Code, foram observados simultaneamente aumento da dificuldade das tarefas, crescimento no número de chamadas consecutivas de ferramentas e redução dos turnos humanos, confirmando uma tendência de delegar trabalhos cada vez mais complexos com menos intervenção
  • Em seis meses, a participação de implementação de novos recursos e design/planejamento de código aumentou bastante, e 8,6% de todas as tarefas foram preenchidas por pequenas melhorias de qualidade adiadas ao longo do tempo, como “papercut fix”
  • Entre as equipes, áreas como Pre-training, Alignment & Safety, Security e equipes não técnicas usam o Claude para tarefas que vão além de suas áreas de especialidade, mostrando um movimento em que todos se tornam, aos poucos, mais full stack
• Na seção Looking forward, a Anthropic apresenta o objetivo de se tornar um laboratório de experimentação de boas práticas para trabalhar com IA e menciona os próximos passos para redesenhar formas de colaboração, apoiar o desenvolvimento de carreira e estabelecer melhores práticas de uso de IA
  • A empresa também está expandindo a pesquisa para cargos além da engenharia e, em parceria com instituições educacionais externas como a CodePath, trabalha na reformulação de currículos de ciência da computação para a era da IA

Dados da pesquisa

• Para que o Claude é usado

  • Com base em uma pesquisa com 132 engenheiros e pesquisadores, a frequência de uso do Claude foi analisada em categorias como depuração, compreensão de código, refatoração, ciência de dados, frontend e design/planejamento
    • Entre os respondentes, 55% disseram usar o Claude diariamente para depuração, 42% para compreensão de código e 37% diariamente para implementar novos recursos
    • Em contrapartida, foi explicado que design de alto nível, planejamento, ciência de dados e desenvolvimento frontend têm proporção menor de uso cotidiano porque o volume total dessas tarefas é relativamente menor e há uma tendência maior de as pessoas quererem fazê-las diretamente
  • Essa distribuição também está, em linhas gerais, de acordo com a distribuição de tarefas nos logs reais de uso do Claude Code apresentados mais adiante, com depuração, compreensão de código e implementação de novos recursos se consolidando como os principais eixos de uso

• Uso e produtividade

  • Os funcionários lembram que, há 12 meses, usavam o Claude em 28% do trabalho e percebiam um ganho de produtividade de cerca de 20%; atualmente, porém, responderam que usam o Claude em 59% do trabalho e sentem um ganho médio de produtividade de 50%
    • Isso é avaliado como uma mudança em que tanto a taxa de uso quanto o ganho de produtividade mais que dobraram em um ano
    • Internamente, também foi apresentado o indicador de que o número médio diário de PRs com merge por engenheiro aumentou 67%, em linha com as mudanças no período de adoção do Claude Code em toda a empresa
  • Na análise da pesquisa, apareceu uma correlação em que quanto maior o uso do Claude, maior também o ganho de produtividade autorreportado, e 14% dos respondentes foram classificados como “power users”, por terem experimentado ganhos de produtividade de 100% ou mais
    • Ainda assim, os próprios pesquisadores mencionam que produtividade é algo muito difícil de medir e que há viés nos números autorreportados e limitações na classificação das categorias de trabalho
    • Em uma pesquisa externa da METR, desenvolvedores mostraram tendência a superestimar o ganho de produtividade ao receber ajuda de IA, e a Anthropic explica que, no caso deles, pode haver diferença porque filtraram intencionalmente áreas em que a IA é menos aplicada
  • Em cada categoria de trabalho com ajuda do Claude, os funcionários relataram um padrão em que o tempo gasto diminui um pouco, enquanto a quantidade de entregas aumenta bastante
    • Na maioria das categorias, como depuração, compreensão de código e refatoração, predominam as respostas de redução de tempo, mas ao mesmo tempo também há uma quantidade considerável de respostas de “aumento de tempo”, mostrando um padrão polarizado
    • As pessoas que experimentaram aumento de tempo citaram principalmente o esforço de depurar e organizar o código do Claude, a carga cognitiva adicional para entender o código escrito pela IA e situações em que passaram a explorar e aprender mais
    • O estudo também aponta como limitação que, com estes dados, não é possível saber com clareza para onde o tempo economizado é realocado, nem se isso inclui atividades fora do trabalho, e enfatiza a necessidade de pesquisas adicionais

• Novos tipos de trabalho viabilizados pelo Claude

  • Os funcionários responderam que, graças ao Claude, cerca de 27% do trabalho assistido pelo Claude que realizam são tarefas que originalmente não teriam feito
    • Isso inclui ampliação de escala de projetos, criação de ferramentas nice-to-have como dashboards de dados interativos, tarefas repetitivas mas úteis como documentação e testes, e experimentos exploratórios cuja eficiência em relação ao custo antes era baixa
    • Trabalhos para corrigir pequenos fatores de degradação da qualidade (papercuts), refatorações para melhorar a manutenibilidade e pequenos scripts e ferramentas que ajudam a acelerar o trabalho também entram nessa categoria
  • Um pesquisador explicou que abre várias versões do Claude ao mesmo tempo para explorar em paralelo abordagens diferentes, comparando isso não a um único modelo de alto desempenho, mas a colocar muitos “cavalos” para correr ao mesmo tempo
    • Graças a essa exploração paralela, avaliou-se que a amplitude da exploração de ideias e o número de experimentos aumentaram muito em relação ao passado, tornando possíveis abordagens mais criativas

• Proporção de tarefas que podem ser totalmente delegadas

  • Mesmo entre engenheiros que usam o Claude com frequência, mais da metade respondeu que a proporção de trabalho que sentem poder delegar completamente fica entre 0% e 20%
    • Os pesquisadores acrescentam que, aqui, “delegação completa” pode estar sendo interpretada de forma ampla pelos respondentes, desde um nível em que se pode deixar sem verificação até um nível em que basta apenas uma revisão muito leve
  • As pessoas explicam que, especialmente em tarefas complexas, domínios de alto risco e áreas com padrões elevados de qualidade de código, ainda optam por interagir ativamente com o Claude e verificar os resultados gerados
    • Em consequência, o Claude está mais próximo de um colaborador sempre ao lado, e ainda é baixa a proporção de quem o vê como uma ferramenta de automação da qual o ser humano pode tirar completamente as mãos

Entrevistas qualitativas

• Estratégias de delegação para a IA

  • Os engenheiros e pesquisadores que participaram das entrevistas explicaram em detalhes seus critérios e estratégias para delegar ao Claude, e em comum disseram priorizar condições como as abaixo
    • Quando há pouco contexto de usuário, mas a tarefa é simples: por exemplo, explicaram que a maior parte do trabalho de infraestrutura não envolve problemas difíceis, e que o Claude consegue compensar bem mesmo quando falta experiência com Git ou Linux
    • Tarefas fáceis de verificar: descreveram que ele se encaixa muito bem em “trabalhos em que o custo de verificação não é maior que o custo de geração” e priorizam delegar tarefas em que dá para fazer uma checagem rápida do resultado
    • Subcomponentes bem definidos: em projetos, primeiro passam ao Claude tarefas no nível de submódulos ou funções que estejam adequadamente separadas
    • Áreas em que a qualidade do código não é crítica ao extremo: código de depuração pontual, código de pesquisa e scripts de experimento, por exemplo, são passados primeiro ao Claude, enquanto design importante, depuração de alta complexidade e design refinado ficam para resolução direta pela pessoa
    • Trabalho repetitivo, chato e adiado: explicaram que, para tarefas que vinham empurrando por não querer fazê-las, começar conversando com o Claude reduz bastante a barreira de entrada
  • Na pesquisa, em média 44% do trabalho assistido pelo Claude foi classificado como “coisas que a própria pessoa não teria feito com prazer”, mostrando também que quanto menos agradável a tarefa, maior a tendência de passá-la para a IA
  • Em contrapartida, também houve respostas dizendo que, se for uma tarefa pequena que parece dar para terminar em 10 minutos, não vale a pena usar o Claude, e que em alguns casos é mais rápido fazer direto por causa do “problema de partida a frio” de explicar à IA o contexto interno da base de código

• Construção de confiança e verificação

  • Muitos engenheiros mencionaram uma etapa de construção de confiança em que começaram com perguntas simples, ajuda com linguagem e dúvidas básicas sobre linguagens desconhecidas (como Rust) e, aos poucos, passaram a delegar tarefas mais complexas ao Claude
    • Um engenheiro comparou esse processo de confiança no Claude à mudança de hábito ao usar o Google Maps: no começo, só usava em caminhos desconhecidos, mas hoje chegou ao ponto de confiar totalmente até no trajeto diário de ida e volta do trabalho
  • Houve divergência sobre usar o Claude fora da própria área de especialidade ou dentro dela
    • Algumas pessoas usam o Claude em áreas em que têm menos domínio, como frontend, infraestrutura e banco de dados, para reduzir o tempo de implementação
    • Outras entendem que é preciso compreender bem o assunto para conseguir avaliar o resultado e, por isso, preferem usar o Claude justamente nas áreas que conhecem bem, como um acelerador
  • Um engenheiro de segurança disse que parte das soluções sugeridas pelo Claude se parece com “ideias perigosas, mas inteligentes, que viriam de um júnior muito competente” e enfatizou que é preciso ter experiência e discernimento suficientes para reconhecer os riscos
  • Alguns engenheiros explicaram que usam o Claude tanto na área central de especialidade quanto nas áreas ao redor, ajustando com precisão a forma de escrever prompts e o nível de verificação conforme o próprio grau de domínio
    • Em áreas que conhecem bem, dão ao Claude etapas e restrições específicas; em áreas que conhecem menos, pedem ao Claude que assuma o papel de especialista e apresente várias opções e pontos de atenção

• Limites do trabalho feito diretamente por humanos

  • Em comum, as pessoas disseram que pensamento de alto nível e estratégico, design de sistemas e decisões que exigem contexto organizacional e “gosto” (taste) ainda continuam sob sua responsabilidade
    • Nas entrevistas apareceu a formulação de que “normalmente eu mesmo faço a visão geral e o design, e delego o máximo possível a implementação de novas funcionalidades, depuração etc.”
  • Na pesquisa, também foi na área de design e planejamento que o ganho de produtividade apareceu mais baixo, interpretação atribuída ao fato de que as pessoas ainda veem o design em si como papel humano
  • Ainda assim, esse limite não é fixo, mas um “moving target”, e houve a percepção compartilhada de que, à medida que o desempenho dos modelos melhora, a área assumida pela IA vai subindo gradualmente

• Mudança e expansão de habilidades

  • Graças ao Claude, muitos engenheiros disseram que conseguiram executar tarefas fora da sua área original de especialidade
    • Foi apresentada a história de um engenheiro de backend que, após várias interações com o Claude, construiu uma UI complexa, e os designers perguntaram: “foi você mesmo que fez isso?”
    • Vários respondentes disseram que, por causa do Claude, passaram a mexer com mais ousadia em frontend, banco de dados transacional, APIs e infraestrutura de experimentos, chegando a lidar com áreas que antes davam medo de tocar
  • Essa expansão de capacidade também acelera o ciclo de feedback e a velocidade de aprendizado
    • Explicaram que trabalhos que antes levavam semanas — criar uma funcionalidade, marcar reunião, receber feedback e revisar — agora podem ser substituídos por sessões de colaboração em tempo real de algumas horas
  • Várias pessoas mencionaram que, com o Claude, aumentaram a velocidade de prototipagem, a capacidade de trabalhar em paralelo e o nível de ambição dos projetos
    • Um engenheiro sênior avaliou que a ferramenta faz com que engenheiros juniores sejam mais produtivos e tenham coragem de encarar projetos maiores
    • Outro engenheiro disse que, com o Claude, a “energia de ativação” necessária para começar a trabalhar caiu muito, o que facilita atacar até problemas que vinham sendo adiados

• Preocupações com perda de habilidade e o paradoxo da supervisão

  • Ao mesmo tempo, muitos respondentes expressaram a preocupação de que “minhas próprias habilidades parecem estar diminuindo à medida que a delegação aumenta”, especialmente por causa da redução do incidental learning (aprendizado incidental) durante o processo de resolução de problemas
    • Ao depurar diretamente um bug difícil, a pessoa acaba lendo amplamente a documentação, o código ao redor e as configurações relacionadas; mas, se o Claude leva direto ao ponto, diminui a oportunidade de construir um modelo mental do sistema como um todo
    • Também houve o relato de que antes, ao usar uma ferramenta nova, a pessoa fuçava todas as opções de configuração e aprendia os recursos na prática, mas agora, por usar só o caminho indicado pela IA, fica a sensação de estar perdendo uma compreensão mais profunda
  • Um engenheiro sênior disse que, como já construiu bem os fundamentos, se preocupa menos; mas que, se estivesse no começo da carreira, precisaria fazer um esforço muito mais consciente para desenvolver a própria capacidade
  • Um conceito especialmente citado foi o “paradoxo da supervisão (paradox of supervision)”
    • Para usar o Claude com segurança, é importante ter capacidade de supervisionar e verificar a saída da IA, mas, quanto mais se depende da IA, mais pode enfraquecer justamente a habilidade de programação e design necessária para essa supervisão, criando uma contradição
    • Uma pessoa disse que, mais do que a queda de habilidade em si, o que a preocupa é perder a capacidade de supervisão e não conseguir mais usar a IA com segurança
  • Para compensar isso, alguns engenheiros disseram praticar deliberadamente “resolver sem o Claude”
    • Explicaram que, mesmo sabendo que o Claude conseguiria resolver bem certos problemas, ainda assim escolhem resolver alguns por conta própria para manter a sensibilidade técnica afiada

• “Abstração mais alta” e o artesanato do software

  • Em várias entrevistas apareceu a visão de que a engenharia de software está migrando para um nível mais alto de abstração
    • Da época em que se fazia gerenciamento manual de memória, assembly e até alternância de chaves de hardware, passou-se gradualmente a linguagens e runtimes de nível mais alto que cuidam dos detalhes de baixo nível, e agora estaríamos entrando na fase de “English as a programming language”, ou seja, explicar a intenção em linguagem natural e gerar código a partir disso
    • Alguém usou como analogia a implementação de lista ligada, ensinada como algo importante nas aulas de computação: ainda é bom saber implementar por conta própria, mas no trabalho real quase nunca se precisa codificar isso diretamente
  • Alguns disseram que, graças ao Claude, passaram a focar mais em conceitos de alto nível, padrões e experiência do usuário e expressaram a ideia de que, no fim das contas, talvez não gostassem tanto de escrever código em si, mas sim dos resultados que o código proporciona
  • Outros lamentaram a redução do prazer de programar em si e da “satisfação artesanal”
    • Uma pessoa com 25 anos de programação disse que o orgulho na própria habilidade refinada de programar era parte central da satisfação no trabalho, e que agora sente isso se tornar mais difuso
    • Também apareceu a observação de que passar o dia inteiro apenas digitando prompts não é prazeroso, e que isso tira o prazer do “estado de fluxo” de programar diretamente ouvindo música

• Algumas pessoas disseram algo como: “Vou sentir falta do estado de ‘zen’ de mergulhar totalmente em refatoração, mas o ganho de produtividade geral é muito maior, então abro mão disso de bom grado”, revelando uma escolha pragmática entre o prazer de construir com as próprias mãos e maximizar resultados

  • Em conclusão, ficou claro que a forma como cada pessoa percebe a assistência de IA varia fortemente conforme o que ela considera mais significativo na engenharia de software

• Mudanças na colaboração e nas relações sociais

  • Para muitas pessoas, o Claude se tornou o primeiro destino de perguntas antes de recorrer a um colega
    • Um respondente explicou que faz mais perguntas do que antes, mas 80% a 90% delas vão para o Claude, e só os 10% a 20% restantes são feitos a pessoas
    • Com isso, o Claude absorve as perguntas rotineiras, criando um efeito de filtragem em que as perguntas direcionadas a pessoas passam a se concentrar em questões estratégicas, dependentes de contexto e de alta complexidade
  • Cerca de metade das pessoas ainda sente que os padrões de colaboração em equipe não mudaram muito, dizendo que reuniões, compartilhamento de contexto e escolha de direção continuam sendo feitos entre pessoas
    • Ainda assim, também surgiu a perspectiva de que, no futuro, conversas com vários ‘instances do Claude’ podem se tornar a nova unidade básica de trabalho, no lugar de blocos de tempo de foco profundo
  • Outras pessoas sentem claramente que a interação com colegas diminuiu
    • Surgiram falas como “Hoje em dia, acho que trabalho mais com o Claude do que com colegas”; embora apreciem a redução da culpa por tomar o tempo de outras pessoas, também há muitas vozes lamentando a perda do prazer de trabalhar com gente
    • Algumas pessoas também se incomodam com uma cultura em que a resposta automática dentro da equipe é ‘você já perguntou primeiro ao Claude?’, e apareceram opiniões de que preferem trabalhar mais diretamente com outras pessoas
  • A mudança é especialmente marcante no aspecto de mentoria e formação de profissionais juniores
    • Como o Claude tem assumido muito o papel de coaching detalhado e revisão de código para juniores, surgiu a observação de que a frequência com que juniores procuram seniors para fazer perguntas caiu bastante
    • Um senior expressou sentimentos mistos: “É uma pena que os juniores estejam vindo menos me fazer perguntas, mas também é verdade que eles conseguem respostas melhores mais rápido e aprendem mais depressa”

• Incerteza de carreira e adaptação

  • Várias pessoas explicaram que seu papel está mudando de quem escreve código diretamente para gerente de agentes de IA e revisor de código
    • Uma pessoa descreveu seu trabalho atual como a função de responder pelo trabalho feito por ‘1, 5 ou 100 Claudes’, dizendo que já passa o dia inteiro trabalhando com várias instâncias do Claude abertas
    • Outra estimou que mais de 70% do seu trabalho migrou para revisão e correção de código
  • Sobre as perspectivas de carreira no longo prazo, houve muitas respostas misturando otimismo no curto prazo e ansiedade no longo prazo
    • Apareceu a formulação: “No curto prazo, sou bastante otimista, mas no longo prazo também tenho a preocupação de que a IA acabe fazendo a maior parte de tudo e eu e muitas outras pessoas nos tornemos inúteis”
    • Outra pessoa usou uma frase direta: parece que vai ao trabalho todos os dias para automatizar a si mesma
  • Algumas pessoas se preocupam especialmente com o futuro dos desenvolvedores juniores, mas ao mesmo tempo veem esperança no fato de que eles são a geração que mais rapidamente adota novas tecnologias
    • Existe o risco de juniores implantarem código com erro gerado por IA sem perceber, mas também foi apresentada a expectativa de que, com guardrails melhores, materiais de treinamento e aprendizado a partir de erros, será possível se adaptar ao longo do tempo
  • Surgiram várias respostas sobre estratégias para o futuro e formas de adaptação
    • Planos de transformar em nova especialidade a capacidade de revisar e supervisionar de forma significativa os resultados produzidos por IA
    • A expectativa de migrar para um papel em que se gaste mais tempo com construção de consenso, coordenação e formulação de estratégia entre pessoas, deixando a implementação cada vez mais a cargo da IA
    • Também foram apresentados casos de pessoas que usam o Claude para receber feedback sobre liderança, comunicação e desenvolvimento de carreira, acelerando seu ritmo de aprendizado
  • O sentimento geral pode ser resumido pela percepção de que há pouquíssima certeza sobre quais habilidades serão mais importantes no futuro e pela atitude de que o mais importante é tornar-se uma pessoa ou organização capaz de se adaptar rapidamente ao que quer que venha

Tendências de uso do Claude Code

• Problemas mais difíceis e maior autonomia

  • A Anthropic analisou 200 mil logs internos do Claude Code em dois momentos, fevereiro e agosto de 2025, usando ferramentas internas de proteção de privacidade
    • Ao avaliar cada registro de conversa em uma escala de dificuldade de 1 a 5, a dificuldade média subiu de 3,2 para 3,8
      • Exemplos de nível 3,2 incluem “resolver erro de import de módulo Python”, e de nível 3,8 incluem “implementar e otimizar um sistema de cache”
  • O número de chamadas de ferramentas executadas consecutivamente pelo Claude Code sem intervenção humana aumentou, em média, de 9,8 para 21,2, um salto de 116%
    • Isso significa que o Claude segue por mais tempo, por conta própria, com modificações de arquivos e execução de comandos em sequência para lidar com tarefas complexas
  • O número de turnos humanos por conversa caiu 33%, de uma média de 6,2 para 4,1, revelando uma tendência de redução da interação humana necessária para concluir a mesma tarefa
    • Em conjunto, esses indicadores sugerem que os engenheiros estão delegando tarefas mais complexas ao Claude com mais autonomia

• Mudança na distribuição das tarefas

  • Cada conversa dos logs do Claude Code foi classificada em categorias como debugging, compreensão de código, refatoração, testes, implementação de novos recursos, design/planejamento de código, frontend e ciência de dados, e a distribuição das tarefas foi comparada
    • A distribuição geral ficou, em grande parte, alinhada com os padrões de uso principal relatados pelas pessoas na pesquisa (foco em debugging, compreensão de código e implementação de novos recursos)
  • A mudança mais marcante ao longo de 6 meses foi o forte aumento da participação de implementação de novos recursos e de design/planejamento de código
    • A implementação de novos recursos subiu de 14,3% para 36,9% do total de logs, e as tarefas relacionadas a design e planejamento também aumentaram de 1,0% para 9,9%
    • Segundo a explicação, isso pode significar que o Claude passou a ser mais usado em trabalhos mais complexos e criativos, ou que as equipes começaram a adotar o Claude Code ativamente nesses fluxos de trabalho
    • Os pesquisadores observam que é difícil separar com clareza o aumento do volume absoluto de trabalho da mudança na distribuição relativa, deixando esse ponto como limitação

• Correção de papercuts

  • Em linha com as respostas da pesquisa de que as pessoas passaram a fazer mais pequenas melhorias de qualidade e conveniência no dia a dia, os logs do Claude Code também mostraram que 8,6% de todo o trabalho foi classificado como ‘papercut fix’
    • Isso inclui criação de ferramentas de visualização de desempenho, refatorações para melhorar a manutenibilidade e pequenas funcionalidades de conveniência, como atalhos de terminal ou scripts
  • Essas tarefas são pequenas individualmente, mas, quando acumuladas, podem melhorar visivelmente a produtividade e a experiência do desenvolvedor
    • A característica marcante é que trabalhos antes adiados por baixa prioridade agora estão sendo resolvidos de forma natural, com menos custo, graças ao Claude

• Diferenças de uso por equipe

  • Com base nos logs do Claude Code de agosto de 2025, o resultado da comparação da distribuição por equipe, marcando cada conversa com um tipo principal de tarefa, é apresentado na Figure 5
    • Na média geral (“All Teams”), implementação de novos recursos, debugging e compreensão de código ocupam a maior fatia, mostrando o padrão básico de uso do Claude
  • As principais características por equipe são as seguintes
    • A equipe de Pre-training usa 54,6% do uso do Claude Code em implementação de novos recursos, com destaque para a grande participação de execução de experimentos adicionais diversos
    • As equipes de Alignment & Safety e Post-training têm participação elevada de desenvolvimento frontend, de 7,5% e 7,4%, respectivamente, e usam o Claude principalmente para construir UIs para visualização de dados
    • A equipe de Security tem 48,9% do uso do Claude Code em tarefas de compreensão de código, usando-o com frequência para analisar e entender implicações de segurança em código desconhecido
    • Funcionários não técnicos também usam bastante o Claude Code: 51,5% em debugging (como problemas de rede e de Git) e 12,7% em tarefas de ciência de dados, mostrando seu uso como ferramenta para preencher lacunas de conhecimento técnico
  • De forma geral, as equipes usam o Claude em seus trabalhos centrais (infraestrutura, pesquisa, segurança etc.), mas também o utilizam em tarefas fora das áreas tradicionais de especialização, e os dados confirmam um movimento em que todos ficam, aos poucos, mais próximos de um perfil full-stack

Olhando para frente

• Próximos passos dentro da Anthropic

  • Com base nas mudanças do último ano, a Anthropic diz assumir o papel de “laboratório” para gerenciar com responsabilidade a transição do trabalho com uso do Claude
    • A empresa afirma ter começado a revisar, junto de engenheiros, pesquisadores e liderança, as formas de colaboração, a estrutura de reuniões e comunicação e a definição de papéis por função, além de criar novas boas práticas partindo do pressuposto de trabalho assistido por IA
  • O foco está especialmente em como desenvolvimento de expertise, mentoria, promoção e trajetórias de crescimento devem mudar na era da IA, tendo como referência também o AI fluency framework já publicado pela Anthropic
    • A movimentação busca desenhar treinamentos práticos e políticas internas com base em um framework que define que nível de compreensão, supervisão e capacidade de feedback é necessário quando pessoas e IA trabalham juntas
  • Embora este estudo seja centrado em engenharia, a Anthropic afirma que no futuro pretende expandir o escopo para funções não relacionadas a desenvolvimento, para observar como a IA está mudando o trabalho em toda a empresa

• Parcerias externas, educação e planos de longo prazo

  • Junto da pesquisa interna, a Anthropic também atua para ajudar organizações externas a se adaptarem à era do trabalho assistido por IA
    • Como exemplo, menciona que está apoiando, em parceria com a CodePath, a reformulação do currículo de ciência da computação para um ambiente assistido por IA
    • Isso reflete a percepção de que a formação de desenvolvedores juniores e os caminhos de aprendizado no início da carreira precisam ser redesenhados partindo do uso de ferramentas de IA
  • A empresa avalia que, daqui para frente, abordagens estruturais como redesenho de papéis dentro das organizações, trilhas de requalificação e novas rotas de transição de carreira podem se tornar cada vez mais importantes
    • Por exemplo, pode haver discussões sobre reconhecer formalmente como cargos novas funções ligadas a supervisão de agentes de IA, responsabilidade por qualidade e revisão ética
  • A Anthropic adiantou que vai divulgar planos mais concretos em 2026, posicionando este estudo como ponto de partida e revisão intermediária
    • A mensagem central é que a Anthropic não quer apenas observar passivamente como a IA transforma o trabalho, mas experimentar e ajustar primeiro, por conta própria, para construir um modelo de ‘transição responsável’

[mhj5730]

Do ponto de vista de quem desenvolve, a IA tem ajudado muito na documentação, que costuma ser mentalmente bem desgastante.
[Só adicionar comentários ou explicações] Mesmo que ela faça apenas um rascunho inicial, isso já ajudou a reduzir a carga mental.

[nimgnos]

Então é o surgimento de AI Ops.

[laeyoung]

Final de 2024 - uso do Claude em 28% das tarefas do dia a dia, com aumento de 20% na produtividade
Final de 2025 - uso do Claude em 59% das tarefas do dia a dia, com aumento de 50% na produtividade

Em um ano, as tarefas em que os funcionários usam IA dobraram, e a produtividade aumentou 2,5 vezes.

[geek12356]

Não basta uma simples percepção de aumento de produtividade; são necessárias evidências precisas com base em dados mensuráveis.

[bungker]

Pelo que andei vendo, se medir por algo como story points dá de 2 a 5 vezes; se medir por linhas de código, às vezes dá 30% e às vezes várias dezenas de vezes.

[grenade]

Concordo bastante com a parte do texto que diz que isso ajuda a corrigir pequenos incômodos.
Em vez de delegar algo grande, sinto que recebo muita ajuda da IA quando faço tarefas como adicionar pequenas funcionalidades de conveniência, scripting, refatoração e outros trabalhos meio chatos, mas que, se forem feitos antes, deixam tudo mais confortável depois.

[colus001]

É o café que a minha loja faz; para vender, a gente tem que dizer que é gostoso.