90% кода Claude Code написано самим Claude Code

Когда Anthropic сообщила, что 90% кода их флагманского продукта Claude Code написано самим Claude Code, это прозвучало как рекламный слоган. Но за этой цифрой стоит реальная трансформация того, как пишется софт в 2026 году.

Что происходит внутри Anthropic

Компания опубликовала внутреннее исследование, и цифры впечатляют. Год назад инженеры Anthropic использовали Claude примерно в 28% рабочих задач и отмечали прирост продуктивности около 20%. Сейчас — 59% задач и +50% к продуктивности. Количество успешно влитых пулл-реквестов на инженера выросло на 67%.

Но самое интересное — как изменился характер работы. Полгода назад Claude Code выполнял около 10 действий подряд, прежде чем требовалось вмешательство человека. Теперь — около 20. Инженеры всё чаще делегируют ему не рутину, а сложные задачи: проектирование архитектуры (рост с 1% до 10% использования) и реализацию новых фич (с 14% до 37%).

Почему именно сейчас

Переломный момент случился в ноябре-декабре 2025 года. Три релиза подряд — Opus 4.5 от Anthropic, GPT-5.2 от OpenAI и Gemini 3 от Google — создали то, что разработчики называют "ага-моментом". Модели перестали быть умными автодополнителями и превратились в полноценных исполнителей.

Малте Убл, технический директор Vercel, описал свои праздничные эксперименты так: «Opus + Claude Code теперь ведёт себя как senior-инженер, которому можно просто сказать, что делать, и он сделает. Надзор всё ещё нужен для сложных задач, но обратная связь работает отлично». За каникулы он построил два крупных open-source проекта и начал писать книгу — всё с помощью AI.

Герго Орос из The Pragmatic Engineer формулирует жёстче: «Стоимость производства софта стремится к нулю».

Vibe coding выходит из тени

Термин "vibe coding" — написание программ на естественном языке вместо кода — появился ещё в начале 2025 года. Но до недавнего времени это было скорее баловством: можно было собрать прототип, но не production-ready продукт.

Сейчас ситуация изменилась. По данным Axios, Claude Code читает целые кодовые базы, планирует сложные изменения, пишет и отлаживает код автономно, выполняет команды и может работать часами над задачей без вмешательства. Один инженер, по оценкам, получает продуктивность четырёх-пяти.

Фарос AI, компания, специализирующаяся на метриках разработки, фиксирует у некоторых команд рост завершённых задач на 164% и почти двукратное увеличение скорости мержа пулл-реквестов.

Скептики тоже есть

Аналитики William Blair выпустили отчёт, где предостерегают от чрезмерного оптимизма. Их аргумент: техническая сложность написания кода давно не является главным барьером для успешных софтверных компаний. Важнее понять, что именно строить и как это должно работать в рамках большей системы.

Есть и практические ограничения. Исследование METR показало, что AI-инструменты дают меньший прирост там, где разработчик хорошо знает кодовую базу, и в больших сложных репозиториях. Делегировать задачу — не то же самое, что получить нужный результат.

Внутри Anthropic это тоже признают: сотрудники описывают «прогрессию доверия» — сначала простые вопросы, потом всё более сложные задачи. Критерии делегирования у разных команд похожи, что говорит о том, что правильный выбор задач критически важен для получения реальной пользы.

Что это значит для разработчиков

Ценность некоторых навыков, вероятно, снизится. Быстрое прототипирование, владение многими языками, узкая специализация в стеке — всё это AI делает хорошо. Но превратить работающий прототип в безопасное enterprise-приложение по-прежнему требует человека с реальными навыками программирования.

Адди Османи, известный инженер из Google, описывает новый подход к работе: LLM — это мощный парный программист, который требует чёткого направления, контекста и надзора, а не автономного принятия решений. Те, кто получает максимум от AI-агентов, обычно имеют сильные практики тестирования. «Агент может лететь через проект, если есть хороший тестовый набор как страховочная сеть».

Куда всё движется

Появились асинхронные AI-агенты вроде GitHub Copilot Agent и Google Jules — они клонируют репозиторий в облачную виртуальную машину, работают над задачей в фоне, а потом открывают готовый пулл-реквест с кодом и пройденными тестами.

Но главное изменение — не в инструментах, а в методологии. Как заметил один разработчик: «2025 был годом, когда все получили AI-инструменты для кодинга. 2026 станет годом, когда выяснится, кто действительно знал, что с ними делать».

Разрыв между командами, которые процветают, и командами, которые буксуют, не сокращается — он растёт. И дело не в том, какой инструмент вы используете, а в системах вокруг работы с AI: систематическое планирование, автоматизация качества, архитектурные паттерны, которые масштабируются.