Az Anthropic a mesterséges intelligencia kutatásában és fejlesztésében az élvonalhoz tartozó vállalat, amelyet leginkább Claude nevű nagy nyelvi modelljéről ismerünk. A Claude.ai és a Claude Code termékcsalád az utóbbi években különösen népszerűvé vált a szoftverfejlesztők körében, köszönhetően kiemelkedő kódgenerálási képességeinek és az automatizálásban elért magas szintű teljesítményének.
Legutóbbi felmérésükben az Anthropic 500 000 kódolással kapcsolatos interakciót elemezve vizsgálta, hogy miként használják a fejlesztők ezeket a modelleket. Az elemzés során a beszélgetéseket két csoportra osztották: a standard chatbot-felületet képviselő Claude.ai-ra, valamint a kifejezetten kódolási feladatokra optimalizált Claude Code ügynökre. A vizsgált paraméterek közé tartozott, hogy az AI mikor működik „automatizált” módon (feladatok önálló végrehajtása) és mikor „kiegészítő” módon ( emberrel együttműködve).
Három fő mintázat rajzolódott ki:
-
Növekvő automatizálási hajlandóság A Claude Code beszélgetések 79 %-a automatizálási célú volt, míg a Claude.ai esetében ez az arány csupán 49 %. A visszacsatolási hurok (feedback loop) és a direktív automatizálás (minimális emberi beavatkozással végzett feladat) mindkét ügynök esetén jelen volt, ám ezek aránya a kódolásra szakosodott agentnél volt a magasabb. Ez arra utal, hogy az LLM-alapú ügynökök térhódításával a fejlesztési folyamatok egyre inkább automatizálttá válhatnak.
-
Felhasználóbarát alkalmazások előretörése A leggyakrabban alkalmazott programozási nyelvek a webes stackből kerültek ki: JavaScript és TypeScript (31 %), HTML és CSS (28 %). A leggyakrabban kért feladatok közé a UI/UX komponensek fejlesztése (12 %) és webes/mobilalkalmazások építése (8 %) tartozott. Ez azt mutatja, hogy a „vibe coding” – amikor a fejlesztő természetes nyelven ad instrukciókat az AI-nak – különösen a felhasználói felületek létrehozásában terjedhet el.
-
Startupok mint korai adaptálók A Claude Code használatának 33 %-át startup-projektekhez kötötték, míg a nagyvállalati alkalmazásokra mindössze 13 % jutott. Ez a „korai” és „késői” elfogadók közötti szakadékot tükrözi: a gyorsan mozgó, innovatív szervezetek előnyre tehetnek szert az új AI-ügynökökben rejlő produktivitásnövelő lehetőségek kihasználásával.
Az elemzés korlátai között szerepel, hogy csak a Claude.ai és a Claude Code interakcióit vizsgálták (nem tértek ki a Team, Enterprise vagy API használatra), továbbá a felhasználói kontextusok besorolása részben becsléseken alapult. Emellett a tanulmány a szoftverfejlesztés ciklikus mintázatait – például sprintciklusok hatását – nem vette figyelembe.
Előre tekintve a kérdés az, hogy a visszacsatolási hurkok túlsúlya meddig marad fenn, és mikor érik el az ügynöki rendszerek azt a képességet, hogy minimális emberi beavatkozással végezzenek el komplex feladatokat. Ahogy az AI egyre fejlettebbé válik, a fejlesztők szerepe átalakulhat: a részletek írása helyett inkább az AI-rendszerek irányítására, felügyeletére és finomhangolására fókuszálhatnak. A szoftverfejlesztés így előre mutató példaként szolgálhat más szakmák számára is, hogy miként alakulhat át a munka világa az egyre nagyobb képességű LLM-modellek integrációjával.