Judul asli: Agentic coding and persistent returns to expertise
Penulis asli: Anthropoic
Diterjemahkan: Peggy

Catatan editor: Laporan ini didasarkan pada sekitar 400.000 sesi Claude Code, membahas bagaimana alat pemrograman AI sedang mengubah hubungan antara manusia dan kode.

Temuan inti dari artikel ini adalah: dalam pemrograman agen, manusia sebagian besar menentukan "apa yang dilakukan", sementara Claude bertanggung jawab atas "bagaimana melakukannya". Pengguna memegang sebagian besar keputusan perencanaan, sedangkan Claude menangani sebagian besar eksekusi. Dengan kata lain, AI sedang mengambil alih proses pembuatan kode, pengeditan file, menjalankan perintah, debugging, dan tahap implementasi lainnya, tetapi penetapan tujuan dan penilaian hasil tetap bergantung pada manusia.

Yang lebih penting lagi, efektivitas penggunaan Claude Code tidak hanya bergantung pada apakah pengguna adalah programmer. Laporan menunjukkan bahwa dalam tugas menghasilkan kode, pengguna dari profesi non-teknis seperti hukum, keuangan, manajemen, dan penelitian ilmiah sudah mendekati tingkat keberhasilan insinyur perangkat lunak. Faktor yang benar-benar mempengaruhi hasil adalah apakah pengguna memahami masalah yang ingin diselesaikan.

Ini berarti, AI dalam pemrograman menurunkan hambatan implementasi, bukan hambatan penilaian. Di masa depan, orang yang memahami bisnis, konteks, mampu mengajukan kebutuhan secara jelas dan menilai hasilnya, mungkin akan lebih mampu memanfaatkan AI dengan baik daripada mereka yang hanya mampu menulis kode. AI tidak secara otomatis menggantikan pengetahuan domain, malah akan memperbesar nilai dari pengetahuan tersebut.

Berikut adalah teks asli:

Temuan Kunci

Berdasarkan penelitian sebelumnya, kami mengusulkan sebuah kerangka kerja untuk mempelajari pemrograman agen interaktif. Kerangka ini didasarkan pada analisis perlindungan privasi dari sekitar 400.000 sesi Claude Code antara Oktober 2025 dan April 2026, menilai komposisi tugas, cara kolaborasi manusia dan AI, serta tingkat keberhasilan tugas.

Dalam satu sesi tipikal, manusia bertanggung jawab atas sebagian besar keputusan perencanaan, yaitu menentukan "apa yang harus dilakukan"; Claude bertanggung jawab atas sebagian besar keputusan eksekusi, yaitu menentukan "bagaimana melakukannya". Semakin tinggi keahlian pengguna di bidang tertentu, semakin besar pula volume pekerjaan yang dipicu oleh setiap instruksi yang diberikan kepada Claude. Dalam tugas pengkodean, tingkat keberhasilan rata-rata dari berbagai kelompok profesi utama—yaitu apakah mereka menyelesaikan apa yang awalnya ingin dilakukan pengguna, dan ada bukti verifikasi seperti pengujian dan pengiriman kode—hampir setara dengan insinyur perangkat lunak.

Semakin tinggi kemampuan profesional pengguna, semakin besar kemungkinan sesi berakhir dengan keberhasilan. Namun, perbedaan antara pengguna tingkat menengah dan ahli tidak terlalu besar. Dalam tujuh bulan pengamatan kami, proporsi sesi untuk debugging hampir berkurang setengah, dan cara penggunaannya beralih ke penggunaan agen yang lebih end-to-end: menyebarkan dan menjalankan kode, menganalisis data, serta menulis dokumen non-kode.

Dalam periode tujuh bulan ini, nilai dari tugas-tugas tipikal hampir meningkat di semua jenis pekerjaan. Kami memperkirakan nilai tugas ini dengan membandingkan dengan data lowongan pekerjaan freelance, dan hasilnya menunjukkan kenaikan rata-rata sekitar 25%.

Pendahuluan

Pemrograman agen sedang berkembang pesat. Sejak akhir 2025, proporsi proyek di GitHub yang melibatkan aktivitas agen pemrograman telah berlipat ganda, dan pengguna Claude Code kini rata-rata menggunakan alat ini selama 20 jam per minggu. Apakah orang tanpa pengalaman formal dalam pemrograman dapat berhasil mengarahkan agen untuk menyelesaikan pekerjaan teknis yang kompleks? Bagaimana adopsi cepat dan peningkatan kemampuan alat ini akan mempengaruhi pekerjaan berbasis pengetahuan yang lebih luas? Kami belum dapat memberikan jawaban lengkap, tetapi dari data penggunaan Claude Code, kami dapat melihat beberapa sinyal awal.

Laporan ini didasarkan pada analisis perlindungan privasi dari sekitar 235.000 pengguna dan sekitar 400.000 sesi interaktif selama periode Oktober 2025 hingga April 2026, menyediakan bukti tentang cara penggunaan Claude Code secara nyata. Ini melanjutkan penelitian sebelumnya tentang indikator otonomi dalam sesi Claude Code dan bagaimana Claude Code mengubah cara kerja internal di Anthropoc. Artikel ini akan memperkenalkan sebuah kerangka untuk mendeskripsikan penggunaan asisten AI interaktif: apa yang dilakukan orang, siapa yang melakukan, dan apakah pekerjaan tersebut berhasil. Kami fokus pada penggunaan Claude Code melalui antarmuka baris perintah (CLI), Claude.ai, atau aplikasi desktop Claude. Dengan melacak bagaimana penggunaan pemrograman agen berubah seiring peningkatan kemampuan model, kita dapat memahami dampaknya terhadap profesional pemrograman dan pasar tenaga kerja pekerja berbasis pengetahuan.

Peristiwa di Claude Code mungkin menjadi indikator masa depan pekerjaan berbasis pengetahuan: agen akan semakin menyatu ke dalam pekerjaan non-pemrograman. Kami menemukan bahwa Claude sedang menangani tugas yang lebih kompleks dan bernilai lebih tinggi. Sementara itu, ada pembagian kerja yang jelas dalam pemrograman agen: manusia menentukan apa yang akan dibangun, agen menentukan bagaimana membangunnya.

Kami juga menemukan bukti bahwa yang benar-benar memperbesar efektivitas alat adalah pengetahuan domain, bukan keahlian pemrograman. Terutama, para ahli domain lebih mudah berhasil dan lebih cepat pulih dari kesalahan atau kesalahpahaman. Namun, perbedaan antara pengguna tingkat menengah dan ahli tidak terlalu besar. Ini menunjukkan bahwa selama seseorang cukup mahir di bidang tertentu, mereka hampir dapat menggunakan alat ini secara efektif seperti seorang ahli mendalam.

Temuan ini memungkinkan kami untuk mengamati potensi perubahan di pasar tenaga kerja. Dalam data kami, keberhasilan bergantung pada apakah orang memahami masalah yang ingin diselesaikan, bukan pada apakah mereka memiliki pelatihan pemrograman. Jika pola ini berlaku secara luas, itu berarti bahwa meskipun alat pemrograman agen mungkin menyerap sebagian pekerjaan yang berorientasi pada implementasi, mereka juga memberi insentif kepada orang yang benar-benar memahami masalah yang mereka hadapi. Pemrograman agen bukanlah pengganti pengetahuan domain. Sebaliknya, semakin banyak pemahaman yang dimiliki pekerja tentang bidang tertentu, semakin banyak pekerjaan berkualitas tinggi yang dapat diselesaikan agen. Semakin besar pemahaman tersebut, semakin besar manfaatnya, dan keahlian mendalam hanya akan memberikan keuntungan kecil tambahan.

Temuan ini masih bersifat awal. Seperti kebanyakan studi kami, kami tidak dapat mengukur hasil dunia nyata, misalnya apakah kode yang dihasilkan dalam sesi tersebut akhirnya digunakan atau dibuang, atau apakah menghasilkan manfaat ekonomi. Selain itu, laporan ini mengecualikan penggunaan non-interaktif, yang merupakan bagian besar dari aktivitas secara keseluruhan. Mengembangkan kerangka kerja untuk mengukur penggunaan semacam ini adalah salah satu fokus pekerjaan di masa depan. Selanjutnya, semua klasifikasi sesi bergantung pada model yang membaca rekaman sesi. Di lampiran, kami tunjukkan bahwa classifier dan data telemetry independen umumnya sejalan dan seringkali sejalan dengan penilaian model referensi yang kuat. Namun, dalam skala besar, memverifikasi classifier tetap menantang; sesi Claude Code sendiri juga menambah kompleksitas karena sering kali terlalu panjang dan rumit untuk penandaan manual sebagai patokan nyata.

Seiring model, pengguna, dan pembagian kerja di antara keduanya terus berkembang, gambaran dalam laporan ini juga akan terus diperbarui. Kami berharap indikator-indikator ini dapat membantu kita melacak perubahan besar yang sedang berlangsung. Misalnya, jika di masa depan imbal hasil dari tingkat profesional mulai menurun, itu akan menunjukkan bahwa model mulai memberikan penilaian penting yang sebelumnya hanya dilakukan manusia, dan manfaat alat ini akan meluas dari para ahli domain ke populasi yang lebih luas. Jika pengguna di luar profesi pengkodean terus berhasil menyelesaikan sesi pemrograman, itu bisa berarti bahwa produksi perangkat lunak menjadi bagian dari pekerjaan umum di berbagai bidang, bukan lagi produk dari satu profesi saja. Perubahan ini akan mempengaruhi siapa yang dapat memperoleh manfaat dari pemrograman agen dan seberapa besar manfaatnya, serta memengaruhi kemampuan yang paling dihargai di pasar tenaga kerja.

[Link asli]

Klik untuk mengetahui posisi yang dibuka oleh BlockBeats di bidang ini

Selamat bergabung dengan komunitas resmi BlockBeats:

Grup Telegram Berlangganan: https://t.me/theblockbeats

Grup Telegram Diskusi: https://t.me/BlockBeats_App

Akun resmi Twitter: https://twitter.com/BlockBeatsAsia