AI, Anthropic में काम को कैसे बदल रहा है

• Anthropic के भीतर 132 इंजीनियरों और शोधकर्ताओं के सर्वे में पाया गया कि Claude-केंद्रित AI सहयोग काम करने के तरीकों को व्यापक रूप से बदल रहा है, और साथ ही productivity तथा काम के दायरे—दोनों का विस्तार कर रहा है
• कर्मचारी अपने काम के 59% हिस्से में Claude का उपयोग करते हैं और औसतन 50% productivity improvement महसूस कर रहे हैं; output की मात्रा काफ़ी बढ़ी है, साथ ही समय के उपयोग का तरीका भी पुनर्गठित हो रहा है
• Claude की वजह से Claude-सहायता प्राप्त कुल काम का 27% उन कामों से भरा है जो वे मूल रूप से करते ही नहीं, और इसमें prototyping, dashboard, testing, documentation जैसे ‘बाद में करने के लिए टाले गए काम’ भी शामिल हो रहे हैं
• दूसरी ओर तकनीकी क्षमता के कमजोर होने, mentorship में कमी, और coding craftsmanship के खोने को लेकर चिंताएँ भी बढ़ रही हैं, और एक प्रवृत्ति दिख रही है जिसमें लोग धीरे-धीरे AI agent manager और supervisor की भूमिका की ओर बढ़ रहे हैं
• कुल मिलाकर AI डेवलपर्स को ‘और अधिक full-stack और अधिक काम करने वाला व्यक्ति’ बना रहा है, लेकिन साथ ही दीर्घकालिक career path, सीखने के तरीकों, और organizational culture को लेकर अनिश्चितता और adaptation की ज़रूरत भी बढ़ा रहा है

---

अवलोकन

• AI के labor market पर प्रभाव को लेकर पहले से मौजूद macro research के बाद, Anthropic ने इस बार अपने ही इंजीनियरों और शोधकर्ताओं पर आंतरिक अध्ययन किया कि AI वास्तव में काम को कैसे बदल रहा है
  • यह अध्ययन 2025 के अगस्त तक 132 इंजीनियरों और शोधकर्ताओं के survey, 53 qualitative interviews, और Claude Code usage log data के संयुक्त विश्लेषण पर आधारित है
  • विश्लेषण से पता चला कि डेवलपर्स अब अधिक काम कर पा रहे हैं और अधिक विविध क्षेत्रों को संभाल रहे हैं, लेकिन उसी अनुपात में तकनीकी गहराई, सहयोग, और career के भविष्य को लेकर चिंताएँ भी बढ़ रही हैं
• Anthropic के इंजीनियर Claude की मदद से अधिक full-stack के करीब की भूमिका निभा रहे हैं, learning और iteration cycle को तेज कर रहे हैं, और पहले टाले गए काम भी पूरा कर रहे हैं
  • साथ ही, ऐसी व्यापकता के कारण गहरी तकनीकी क्षमता में कमी और supervision ability के कमजोर होने की चिंता भी मौजूद है
• Anthropic मानता है कि वह ऐसे विशेष वातावरण में है जहाँ उसे सबसे नए tools तक सबसे पहले पहुँच मिलती है, लेकिन फिर भी वह इस आंतरिक बदलाव को आने वाले व्यापक सामाजिक और औद्योगिक परिवर्तन का शुरुआती संकेत मानता है, इसलिए इसका प्रारंभिक अवलोकन महत्वपूर्ण है
  • अध्ययन के समय सबसे शक्तिशाली मॉडल Claude Sonnet 4 और Claude Opus 4 थे, और उसके बाद भी मॉडल performance लगातार बेहतर होती जा रही है
• व्यापक रूप से देखें तो productivity growth और work expansion के साथ-साथ, तकनीकी विशेषज्ञता बनाए रखना, सार्थक collaboration को सुरक्षित रखना, और अनिश्चित भविष्य के लिए तैयारी जैसी चुनौतियाँ एक साथ सामने आ रही हैं; Anthropic के भीतर इन्हें लेकर प्रयास भी जारी हैं
  • एक अलग लेख में AI-संबंधित आर्थिक नीति के विचारों पर भी चर्चा की जा रही है, जबकि यह लेख मुख्यतः संगठन के भीतर काम और भूमिकाओं में बदलाव पर केंद्रित है

Key findings

• survey data के अनुसार, Anthropic के इंजीनियर Claude का उपयोग मुख्य रूप से debugging और code understanding के लिए कर रहे हैं, और उपयोग दर तथा महसूस की गई productivity improvement दोनों पिछले एक वर्ष में 2 से 3 गुना तक बढ़ गए हैं
  • Claude-सहायता प्राप्त कुल काम का 27% ऐसे कामों का है जो वे मूल रूप से नहीं करते, और यह project expansion, dashboard, exploratory experiment जैसे अतिरिक्त कार्यों से भरा हुआ है
  • अधिकांश कर्मचारी Claude का अक्सर उपयोग करते हैं, लेकिन उनका कहना है कि पूरी तरह delegate किए जा सकने वाले काम केवल 0% से 20% के स्तर पर हैं; यानी सक्रिय supervision और verification अब भी अनिवार्य हैं
• interviews से यह सामने आया कि लोग AI delegation intuition विकसित करने की प्रक्रिया में हैं, और एक समान पैटर्न यह है कि वे पहले उन कामों को delegate करते हैं जिन्हें verify करना आसान हो और जो low-risk, boring, या repetitive हों
  • Claude की मदद से तकनीकी spectrum चौड़ा होकर full-stack के करीब की क्षमता मिल रही है, लेकिन गहन coding और debugging practice कम होने से बुनियादी क्षमता कमजोर पड़ सकती है, ऐसी चिंता भी है
  • Claude साथियों से पूछे जाने वाले काफ़ी सवालों की जगह ले रहा है, इसलिए mentorship, peer learning के अवसरों में कमी, और मानवीय संबंधों के कमजोर होने को लेकर भी कई आवाज़ें उठीं
• Claude Code usage logs में काम की कठिनाई का बढ़ना, लगातार tool calls की संख्या में वृद्धि, और human turns में कमी—ये तीनों एक साथ देखे गए, जिससे यह स्पष्ट हुआ कि अधिक जटिल काम कम हस्तक्षेप के साथ सौंपे जा रहे हैं
  • 6 महीनों में नई features का implementation और code design/planning का अनुपात काफ़ी बढ़ा, और कुल काम का 8.6% ‘papercut fix’ जैसे लंबे समय से टाले गए छोटे quality improvement कार्यों से भरा हुआ है
  • टीमों के हिसाब से Pre-training, Alignment & Safety, Security, और Non-technical teams में Claude का उपयोग अपनी-अपनी विशेषज्ञता से बाहर के काम के लिए भी हो रहा है, और हर कोई कुछ न कुछ हद तक अधिक full-stack बनता दिख रहा है
• Looking forward section में Anthropic ने AI के साथ काम करने की best practices की प्रयोगशाला बनने का लक्ष्य रखा है, और collaboration methods के redesign, career development support, और AI उपयोग की best practices स्थापित करने के अगले चरणों का उल्लेख किया है
  • शोध को इंजीनियरों से आगे दूसरे job functions तक बढ़ाने, और CodePath जैसे बाहरी educational institutions के साथ मिलकर CS curriculum को AI era के अनुरूप पुनर्गठित करने पर भी काम जारी है

सर्वे डेटा

• Claude के उपयोग

  • 132 इंजीनियरों और शोधकर्ताओं के सर्वे के आधार पर, Claude के उपयोग को डिबगिंग·कोड समझना·रिफैक्टरिंग·डेटा साइंस·फ्रंटएंड·डिज़ाइन/प्लानिंग आदि में बांटकर उनकी आवृत्ति का सर्वे किया गया
    • उत्तरदाताओं में 55% ने कहा कि वे हर दिन डिबगिंग के लिए Claude का उपयोग करते हैं, 42% कोड समझने के लिए, और 37% नए फीचर इम्प्लीमेंट करने के लिए इसका दैनिक उपयोग करते हैं
    • इसके विपरीत, हाई-लेवल डिज़ाइन·प्लानिंग·डेटा साइंस·फ्रंटएंड डेवलपमेंट में कुल काम अपेक्षाकृत कम होता है और लोग इन्हें खुद करना पसंद करते हैं, इसलिए इनका दैनिक उपयोग अनुपात कम बताया गया
  • यह वितरण आगे प्रस्तुत किए गए Claude Code के वास्तविक उपयोग लॉग में काम के वितरण से भी मोटे तौर पर मेल खाता है, और डिबगिंग·कोड समझना·नए फीचर इम्प्लीमेंट करना इसके मुख्य उपयोग-अक्ष के रूप में स्थापित हैं

• उपयोग और उत्पादकता

  • कर्मचारियों ने याद करते हुए कहा कि 12 महीने पहले वे अपने काम के 28% हिस्से में Claude का उपयोग करते थे और लगभग 20% उत्पादकता वृद्धि महसूस करते थे, जबकि अब वे काम के 59% हिस्से में Claude का उपयोग करते हैं और औसतन 50% उत्पादकता वृद्धि का अनुभव करते हैं
    • इसे एक साल में उपयोग अनुपात और उत्पादकता वृद्धि, दोनों में 2 गुना से अधिक बढ़ोतरी के रूप में आंका जा रहा है
    • आंतरिक रूप से यह मेट्रिक भी दिया गया कि प्रति इंजीनियर प्रति दिन merge हुए PR की औसत संख्या 67% बढ़ी है, और कहा गया कि यह Claude Code के कंपनी-व्यापी अपनाने के समय के बदलाव से जुड़ा है
  • सर्वे विश्लेषण में पाया गया कि Claude का उपयोग जितना अधिक था, स्व-रिपोर्टेड उत्पादकता वृद्धि भी उतनी अधिक थी, और 14% उत्तरदाताओं को 100% या उससे अधिक उत्पादकता वृद्धि का अनुभव करने वाले ‘पावर यूज़र’ के रूप में वर्गीकृत किया गया
    • हालांकि, शोधकर्ताओं ने यह भी कहा कि उत्पादकता को मापना बहुत कठिन है, और स्व-रिपोर्टेड आंकड़ों में पक्षपात और काम की कैटेगरी वर्गीकरण की सीमाएं मौजूद हैं
    • METR के बाहरी शोध में यह पाया गया कि डेवलपर्स AI की मदद लेते समय उत्पादकता वृद्धि को बढ़ा-चढ़ाकर आंकने की प्रवृत्ति रखते हैं, लेकिन Anthropic ने कहा कि उनके मामले में जहां AI कम लागू होता है, उन क्षेत्रों को जानबूझकर फ़िल्टर कर दिया गया था, इसलिए अंतर हो सकता है
  • Claude की मदद से किए जाने वाले हर काम की कैटेगरी में, कर्मचारियों ने समय थोड़ा कम लगने और आउटपुट की मात्रा काफी बढ़ने का पैटर्न रिपोर्ट किया
    • डिबगिंग·कोड समझना·रिफैक्टरिंग जैसी अधिकांश श्रेणियों में समय घटने वाली प्रतिक्रियाएं अधिक थीं, लेकिन साथ ही ‘समय बढ़ने’ वाली प्रतिक्रियाएं भी काफी थीं, जिससे ध्रुवीकरण जैसा पैटर्न दिखा
    • जिन लोगों ने समय बढ़ने का अनुभव किया, उन्होंने मुख्य रूप से Claude के कोड को डिबग और व्यवस्थित करने का बोझ, AI द्वारा लिखे गए कोड को समझने के लिए अतिरिक्त संज्ञानात्मक भार, और अधिक खोजबीन व सीखने की स्थिति को कारण बताया
    • शोध में यह सीमा भी बताई गई कि बचा हुआ समय कहां दोबारा लगाया जाता है, और क्या उसमें काम के बाहर की गतिविधियां भी शामिल हैं, यह इस डेटा से स्पष्ट रूप से नहीं जाना जा सकता, और आगे के शोध की आवश्यकता पर जोर दिया गया

• Claude से खुलने वाले नए काम

  • कर्मचारियों ने कहा कि Claude की वजह से, Claude-सहायता प्राप्त जिन कार्यों को वे करते हैं उनमें लगभग 27% ऐसे हैं जिन्हें वे मूल रूप से करते ही नहीं
    • इसमें प्रोजेक्ट स्केल-अप, interactive data dashboard जैसे nice-to-have टूल बनाना, documentation·testing जैसे दोहराव वाले लेकिन उपयोगी काम, और ऐसे exploratory experiments जिनकी cost-effectiveness पहले कम थी शामिल हैं
    • छोटे गुणवत्ता-क्षरण कारक (papercut) ठीक करना, maintainability बढ़ाने के लिए रिफैक्टरिंग, और काम को तेज़ी से मदद करने वाले छोटे scripts व tools भी इसी श्रेणी में आते हैं
  • एक शोधकर्ता ने बताया कि वह Claude के कई versions एक साथ चलाकर अलग-अलग approaches को parallel में explore करता है, और इसे उसने “एक अकेले high-performance model के बजाय असंख्य ‘घोड़ों’ को एक साथ दौड़ाने जैसा रूप” कहा
    • इस parallel exploration की वजह से idea exploration की चौड़ाई और experiments की संख्या पहले की तुलना में काफी बढ़ी है, और इससे अधिक रचनात्मक approaches संभव हुई हैं

• पूरी तरह सौंपे जा सकने वाले काम का अनुपात

  • Claude का अक्सर उपयोग करने वाले इंजीनियरों में भी, पूरी तरह delegate किए जा सकने वाले काम का अनुपात 0~20% के बीच है — ऐसा कहने वालों की संख्या आधे से अधिक थी
    • शोधकर्ताओं ने जोड़ा कि यहां ‘पूरी तरह delegate’ को उत्तरदाता बिना सत्यापन छोड़ देने योग्य स्तर से लेकर, बहुत हल्की समीक्षा ही पर्याप्त होने वाले स्तर तक व्यापक रूप से समझ रहे हो सकते हैं
  • लोगों ने समझाया कि खासकर जटिल काम·उच्च-जोखिम डोमेन·उच्च कोड गुणवत्ता मानकों वाले क्षेत्रों में वे अब भी Claude के साथ सक्रिय रूप से इंटरैक्ट करते हुए आउटपुट को सत्यापित करने का तरीका अपनाते हैं
    • नतीजतन, Claude हमेशा साथ रहने वाले सहयोगी के ज्यादा करीब है, और इसे ऐसा automation tool जिससे इंसान पूरी तरह हाथ खींच ले मानने वालों का अनुपात अभी भी कम है

Qualitative interviews

• AI डेलीगेशन रणनीतियाँ

  • इंटरव्यू में शामिल इंजीनियरों और शोधकर्ताओं ने Claude को काम सौंपने के अपने मानदंड और रणनीतियाँ विस्तार से बताईं, और आम तौर पर कहा कि वे नीचे दी गई शर्तों को प्राथमिकता देते हैं
    • जब user context कम हो लेकिन task सरल हो: उदाहरण के लिए, उन्होंने बताया कि अधिकांश infrastructure काम कठिन समस्याएँ नहीं होते, और Git·Linux का अनुभव कम होने पर भी Claude उस कमी को अच्छी तरह पूरा कर देता है
    • ऐसे काम जिन्हें verify करना आसान हो: इसे उन्होंने “ऐसे काम जहाँ verification cost, generation cost से बड़ी न हो” के लिए बहुत उपयुक्त बताया, और ऐसे काम पहले सौंपे जाते हैं जिनके नतीजों को जल्दी से sniff check किया जा सके
    • अच्छी तरह परिभाषित subcomponent: प्रोजेक्ट में ठीक से अलग किए गए submodule या function-स्तर के काम पहले Claude को दिए जाते हैं
    • ऐसे क्षेत्र जहाँ code quality जीवन-मरण जैसा महत्वपूर्ण न हो: one-off debug code, research code, experimental script जैसी चीज़ें पहले Claude को दे दी जाती हैं, जबकि महत्वपूर्ण design, high-difficulty debugging, और refined design जैसी चीज़ें वे खुद संभालते हैं
    • दोहराए जाने वाले, उबाऊ और टाले गए काम: जिन कामों को करने का मन नहीं था और इसलिए टाल दिया गया था, उनके बारे में उन्होंने कहा कि Claude के साथ बातचीत शुरू करते ही entry barrier काफी कम हो जाता है
  • सर्वे में Claude-सहायता प्राप्त कामों में औसतन 44% ऐसे थे जिन्हें लोग “खुद खुशी-खुशी नहीं करते”, जिससे यह भी सामने आया कि लोग जितना कम आनंददायक काम हो, उसे AI को उतना अधिक सौंपते हैं
  • इसके उलट, कुछ लोगों ने कहा कि अगर कोई छोटा काम 10 मिनट में खत्म हो सकता हो, तो वे Claude का इस्तेमाल नहीं करते; और codebase के internal context को AI को समझाने की “cold start problem” के कारण कुछ मामलों में काम खुद करना तेज़ पड़ता है

• भरोसा बनना और verification

  • कई इंजीनियरों ने बताया कि शुरुआत में वे सरल सवाल, language help, और अनजानी languages (जैसे Rust) से जुड़े बुनियादी प्रश्नों से शुरू करते हैं, और फिर धीरे-धीरे Claude को अधिक जटिल काम सौंपने लगते हैं—यानी भरोसा बनने का एक चरण होता है
    • एक इंजीनियर ने Claude पर भरोसा बनाने की प्रक्रिया की तुलना Google Maps इस्तेमाल करने की आदत में बदलाव से की: पहले वह इसे सिर्फ अनजाने रास्तों के लिए इस्तेमाल करते थे, लेकिन अब ऑफिस आने-जाने का रास्ता भी पूरी तरह उसी पर छोड़ देने जैसा अनुभव हो गया है
  • Claude का इस्तेमाल अपने specialization के बाहर करना चाहिए या उसी specialization के भीतर, इस पर राय बंटी हुई थी
    • कुछ लोग Claude का इस्तेमाल उन क्षेत्रों में करते हैं जहाँ वे खुद कमजोर हैं—जैसे frontend, infrastructure, database—ताकि implementation time कम किया जा सके
    • दूसरे लोग मानते हैं कि नतीजे का मूल्यांकन करने के लिए उन्हें खुद पर्याप्त समझ होना जरूरी है, इसलिए वे Claude का इस्तेमाल उन्हीं क्षेत्रों में करते हैं जिन्हें वे अच्छी तरह जानते हैं, और उसे accelerator की तरह इस्तेमाल करते हैं
  • एक security engineer ने कहा कि Claude द्वारा सुझाए गए कुछ solutions “ऐसे खतरनाक लेकिन चतुर विचारों” जैसे लगते हैं, जो कोई बहुत सक्षम junior दे सकता है, और इस बात पर ज़ोर दिया कि जोखिम पहचानने के लिए पर्याप्त अनुभव और judgment जरूरी है
  • कुछ इंजीनियरों ने बताया कि वे अपने core domain और आसपास के क्षेत्रों, दोनों में Claude का इस्तेमाल करते हैं, और अपनी skill level के अनुसार prompting style और verification level को बारीकी से समायोजित करते हैं
    • जिन क्षेत्रों को वे अच्छी तरह जानते हैं, वहाँ वे Claude को ठोस steps और constraints बताते हैं; और जिन क्षेत्रों को वे कम जानते हैं, वहाँ Claude से expert की भूमिका निभाने और कई options व considerations पेश करने को कहते हैं

• वे सीमाएँ जहाँ काम इंसान खुद करता है

  • लोगों ने आम तौर पर कहा कि high-level और strategic thinking, system design, organizational context, और ‘taste’ की जरूरत वाले निर्णय अब भी वे खुद ही लेते हैं
    • इंटरव्यू में यह बात आई कि “आमतौर पर big picture और design मैं खुद करता हूँ, जबकि नई features implement करना, debugging वगैरह जितना हो सके delegate कर देता हूँ”
  • सर्वे में भी design और planning वाले क्षेत्रों में productivity improvement सबसे कम दिखा, और इसकी व्याख्या इस रूप में की गई कि लोग design को अब भी इंसानी भूमिका मानते हैं
  • हालांकि इस सीमा को स्थिर नहीं बल्कि ‘moving target’ बताया गया, और यह साझा धारणा सामने आई कि model performance बेहतर होने के साथ AI के जिम्मे आने वाला क्षेत्र धीरे-धीरे ऊपर की ओर बढ़ रहा है

• skills में बदलाव और विस्तार

  • Claude की वजह से कई इंजीनियरों ने कहा कि वे अब अपने मूल specialization के बाहर के काम भी कर पा रहे हैं
    • एक backend engineer ने Claude के साथ कई बार बातचीत करते हुए एक जटिल UI तैयार किया, और designers ने उनसे पूछा कि “क्या यह सच में तुमने बनाया है?”
    • कई उत्तरदाताओं ने कहा कि Claude की वजह से वे frontend, transaction DB, API, और experiment infrastructure जैसे क्षेत्रों में पहले से अधिक निडर होकर हाथ डाल पा रहे हैं, और अब उन क्षेत्रों तक भी पहुँच रहे हैं जिन्हें पहले छूने में डर लगता था
  • इस तरह की capability expansion से feedback loop और learning speed भी तेज़ हो रही है
    • उन्होंने बताया कि पहले किसी feature को बनाना, meeting सेट करना, feedback लेना और फिर दोबारा सुधारना—इन सबमें हफ्ते लग जाते थे, लेकिन अब इसे कुछ घंटों के real-time collaborative session से बदला जा सकता है
  • कई लोगों ने कहा कि Claude की वजह से prototype की speed, parallel work करने की क्षमता, और project ambition का स्तर—तीनों बढ़े हैं
    • एक senior engineer ने कहा कि “इस tool की वजह से junior engineers अधिक productive होते हैं और बड़े projects को चुनौती देने का साहस जुटा पाते हैं”
    • एक अन्य इंजीनियर ने कहा कि Claude की वजह से काम शुरू करने के लिए जरूरी ‘activation energy’ काफी कम हो गई है, जिससे टाले गए मुद्दों पर भी आसानी से काम शुरू हो जाता है

• skill घटने की चिंता और supervision paradox

  • दूसरी ओर, कई उत्तरदाताओं ने चिंता जताई कि “जितना delegation बढ़ रहा है, उतना लगता है कि मेरी अपनी skills घट रही हैं”, और खास तौर पर problem solving के दौरान होने वाली incidental learning में कमी को लेकर चिंता जताई
    • कठिन bugs को खुद debug करते समय वे documentation, आसपास का code, और related settings बहुत व्यापक रूप से पढ़ते थे; लेकिन जब Claude सीधे मूल बिंदु तक पहुँचा देता है, तो पूरे system का mental model बनाने का मौका कम हो जाता है
    • कुछ लोगों ने यह भी कहा कि पहले जब वे कोई नया tool इस्तेमाल करते थे, तो उसकी settings के सारे options खंगालते थे और features को हाथ से सीखते थे, लेकिन अब सिर्फ AI द्वारा बताए गए तरीके का उपयोग करने से गहरी समझ छूटती जा रही है
  • एक senior engineer ने कहा कि चूँकि उनके fundamentals पहले से ही काफी मजबूत हैं, इसलिए उन्हें कम चिंता है; लेकिन अगर वे career की शुरुआत में होते, तो उन्हें अपनी skills को जानबूझकर विकसित करने के लिए कहीं अधिक सचेत प्रयास करना पड़ता
  • खास तौर पर बार-बार सामने आया विचार था “paradox of supervision”
    • Claude को सुरक्षित तरीके से इस्तेमाल करने के लिए AI output की supervision और verification करने की क्षमता जरूरी है, लेकिन AI पर निर्भरता बढ़ने के साथ वही coding और design skills कमजोर पड़ सकती हैं जो इस supervision के लिए चाहिए, यही इस paradox की ओर इशारा करता है
    • एक व्यक्ति ने कहा कि “सिर्फ skill degradation की समस्या से अधिक, इस बात की चिंता है कि supervision क्षमता घटने से AI को सुरक्षित तरीके से इस्तेमाल करना मुश्किल हो जाएगा”
  • इसकी भरपाई के लिए कुछ इंजीनियरों ने कहा कि वे जानबूझकर “Claude के बिना हल करने का अभ्यास” करते हैं
    • उन्होंने बताया कि भले ही उन्हें पता हो Claude इस समस्या को अच्छी तरह हल कर सकता है, फिर भी कुछ समस्याएँ वे खुद हल करते हैं ताकि अपनी पकड़ बनी रहे

• ‘उच्चतर abstraction’ और software craftsmanship

  • कई इंटरव्यू में यह दृष्टिकोण सामने आया कि software engineering अब abstraction के और ऊँचे स्तर की ओर बढ़ रही है
    • उनका कहना था कि अतीत में memory को manually manage करने, assembly, और hardware switches toggle करने के दौर से आगे बढ़ते हुए high-level languages और runtimes ने low-level details को संभालना शुरू किया; और अब हम ‘English as a programming language’, यानी natural language में इरादा समझाकर code generate कराने वाले चरण में पहुँच रहे हैं
    • किसी ने computer science की classes में महत्वपूर्ण मानी जाने वाली linked list implement करने की मिसाल दी और कहा कि खुद उसे implement कर पाना अब भी अच्छा है, लेकिन वास्तविक काम में उसे सीधे code करना लगभग खत्म हो चुका है
  • कुछ लोगों ने कहा कि Claude की वजह से वे उलटे high-level concepts, patterns, और user experience पर अधिक ध्यान देने लगे हैं, और उन्होंने कहा, “शायद मुझे असल में code लिखना नहीं, बल्कि code से आने वाले परिणाम पसंद थे”
  • वहीं कुछ अन्य लोगों ने coding से मिलने वाले आनंद और ‘craftsmanship’ वाली संतुष्टि के कम होने पर अफसोस जताया
    • 25 साल से programming कर रहे एक व्यक्ति ने कहा कि अपनी तराशी हुई coding skill पर गर्व उनके काम की संतुष्टि का मुख्य हिस्सा था, और अब उन्हें लगता है कि यह हिस्सा धुंधला पड़ रहा है
    • यह भी कहा गया कि दिन भर सिर्फ prompt टाइप करते रहना आनंददायक नहीं है, और संगीत सुनते हुए खुद code लिखने से मिलने वाला ‘flow state’ का आनंद खो जाता है

• कुछ लोग कहते हैं, “मुझे refactoring में पूरी तरह डूब जाने वाली ‘zen state’ की याद ज़रूर आएगी, लेकिन कुल productivity में जो बड़ा सुधार हुआ है, उसके लिए मैं इसे खुशी-खुशी छोड़ दूँगा,” जिससे यह दिखता है कि वे खुद हाथ से बनाने के आनंद और नतीजों को अधिकतम करने के बीच एक व्यावहारिक चुनाव कर रहे हैं

  • निष्कर्षतः, AI सहायता को लोग कैसे महसूस करते हैं, यह इस बात पर बहुत निर्भर करता है कि वे software engineering में किस चीज़ को सबसे अधिक अर्थपूर्ण मानते हैं

• सहयोग और सामाजिक संबंधों में बदलाव

  • Claude अब कई लोगों के लिए सहकर्मी से पूछने से पहले पहला सवाल पूछने की जगह बन गया है
    • एक उत्तरदाता ने बताया कि वह पहले से ज़्यादा सवाल पूछता है, लेकिन उनमें से 80~90% Claude से पूछता है, और सिर्फ बाकी 10~20% इंसानों से
    • इसके चलते रूटीन सवाल Claude संभाल लेता है, और इंसानों तक पहुँचने वाले सवाल रणनीतिक, context-dependent, और कठिन समस्याओं तक फ़िल्टर हो जाते हैं
  • लगभग आधे लोग अब भी मानते हैं कि टीम collaboration के पैटर्न में बहुत बड़ा बदलाव नहीं आया है, और मीटिंग, context sharing, और दिशा चुनना जैसी चीज़ें अभी भी लोग आपस में ही करते हैं
    • हालांकि, यह भी राय सामने आई कि आगे चलकर deep work के समय की जगह कई ‘Claude instances’ के साथ बातचीत ही काम की नई बुनियादी इकाई बन सकती है
  • कुछ अन्य लोग साफ़ तौर पर महसूस करते हैं कि सहकर्मियों के साथ उनकी बातचीत कम हो गई है
    • “आजकल लगता है कि मैं सहकर्मियों से ज़्यादा Claude के साथ काम करता हूँ” जैसी बात सामने आई; सहकर्मियों का समय लेने का guilt कम होना अच्छी बात है, लेकिन लोगों के साथ काम करने का आनंद कम हो जाना उन्हें खलता भी है
    • कुछ लोगों को टीम के भीतर “पहले Claude से पूछा क्या?” जैसा जवाब अपने-आप लौट आने वाली संस्कृति असहज लगती है, और कुछ ने कहा कि वे लोगों के साथ सीधे मिलकर काम करने का तरीका ज़्यादा पसंद करते हैं
  • खास तौर पर mentorship और junior training के पहलू में बदलाव बहुत स्पष्ट दिखा
    • Claude juniors को विस्तृत coaching और code review जैसी मदद काफी देने लगा है, इसलिए juniors का seniors से सवाल पूछने आना बहुत कम हो गया है
    • एक senior ने कहा, “जूनियर अब मुझसे कम सवाल पूछने आते हैं, यह थोड़ा अफ़सोसजनक है, लेकिन यह भी सच है कि उन्हें अपने सवालों के जवाब ज़्यादा जल्दी और बेहतर मिल रहे हैं, और वे तेज़ी से सीख भी रहे हैं,” जिससे मिश्रित भावनाएँ सामने आईं

• करियर अनिश्चितता और अनुकूलन

  • कई लोगों ने बताया कि उनकी भूमिका खुद कोड लिखने वाले व्यक्ति से AI agent manager और code reviewer की ओर खिसक रही है
    • एक व्यक्ति ने अपने काम को “1, 5, 100 Claude जो काम कर रहे हैं, उसकी ज़िम्मेदारी लेने वाली भूमिका” बताया, और कहा कि वह पहले से ही दिन भर कई Claude instances चलाकर काम करता है
    • एक अन्य व्यक्ति ने अनुमान लगाया कि उसके काम का 70% से अधिक हिस्सा code review और correction की भूमिका में बदल चुका है
  • लंबे समय के career outlook को लेकर short-term optimism और long-term anxiety मिला-जुला रूप में दिखे
    • “कम समय के लिए मैं काफ़ी optimistic हूँ, लेकिन लंबे समय में चिंता है कि AI आख़िरकार ज़्यादातर काम खुद कर लेगा और मैं तथा बहुत से लोग बेकार हो जाएँगे,” जैसी बात सामने आई
    • एक अन्य व्यक्ति ने सीधा कहा कि “हर दिन काम पर आकर मैं खुद को automate करने का काम कर रहा हूँ”
  • कुछ लोग खास तौर पर junior developers के भविष्य को लेकर चिंतित थे, लेकिन साथ ही उन्हें इस बात से उम्मीद भी दिखी कि वे नई तकनीक को सबसे तेज़ी से अपनाने वाली पीढ़ी हैं
    • AI द्वारा गलती वाला code juniors के हाथों वैसे का वैसा deploy हो जाने का ख़तरा है, लेकिन बेहतर guardrails, training materials, और गलतियों से सीखने का संयोजन समय के साथ अनुकूलन संभव बना सकता है, ऐसी उम्मीद भी जताई गई
  • भविष्य की रणनीति और अनुकूलन के तरीकों पर कई तरह के जवाब मिले
    • AI outputs को अर्थपूर्ण ढंग से review और supervise करने की क्षमता को नई विशेषज्ञता बनाने की योजना
    • लोगों के बीच सहमति बनाना, समन्वय करना, और रणनीति तैयार करना जैसी चीज़ों पर अधिक समय देना, और implementation का बड़ा हिस्सा AI को सौंपने वाली भूमिका की ओर बढ़ने की उम्मीद
    • Claude का उपयोग करके leadership, communication, और career development feedback लेना और सीखने की रफ़्तार बढ़ाना भी एक उदाहरण के रूप में सामने आया
  • कुल मिलाकर भावना को इस तरह समेटा जा सकता है: “भविष्य में कौन-सी skill सबसे महत्वपूर्ण होगी, इसे लेकर भरोसा बहुत कम है,” और “अहम बात यह है कि जो भी बदलाव आए, उसके अनुसार तेज़ी से ढल सकने वाले व्यक्ति और संगठन बनना”

Claude Code उपयोग रुझान

• अधिक कठिन समस्याएं और अधिक स्वायत्तता

  • Anthropic ने आंतरिक privacy protection tools का उपयोग करके फ़रवरी 2025 और अगस्त 2025, इन दो समय बिंदुओं के Claude Code के 2 लाख आंतरिक logs का विश्लेषण किया
    • जब प्रत्येक बातचीत रिकॉर्ड को 1~5 अंक कठिनाई स्केल पर आंका गया, तो औसत कठिनाई 3.2 से बढ़कर 3.8 हो गई
      • कठिनाई 3.2 स्तर का उदाहरण है “Python module import error ठीक करना”, और 3.8 स्तर का उदाहरण है “caching system लागू करना और optimize करना”
  • Claude Code द्वारा मानव हस्तक्षेप के बिना लगातार किए जाने वाले tool calls की संख्या औसतन 9.8 से 21.2 तक 116% बढ़ी
    • इसका मतलब है कि Claude लगातार file edits और command execution को अधिक समय तक खुद जारी रखते हुए जटिल काम संभाल रहा है
  • प्रति बातचीत मानव turns की संख्या औसतन 6.2 से घटकर 4.1, यानी 33% कम हुई, जिससे यह रुझान सामने आता है कि एक ही काम पूरा करने के लिए मानव interaction कम हो रहा है
    • इन संकेतकों को साथ में देखें तो यह दिखाता है कि engineers ज़्यादा जटिल काम Claude को अधिक स्वायत्तता देकर सौंप रहे हैं

• कार्य वितरण में बदलाव

  • Claude Code logs की प्रत्येक बातचीत को debugging, code understanding, refactoring, testing, नई feature implementation, code design/planning, frontend, data science आदि में वर्गीकृत करके कार्य वितरण की तुलना की गई
    • समग्र वितरण मोटे तौर पर survey में लोगों द्वारा बताई गई मुख्य उपयोग प्रवृत्तियों (debugging, code understanding, नई feature implementation केंद्रित) से मेल खाता है
  • 6 महीनों के दौरान सबसे प्रमुख बदलाव नई feature implementation और code design/planning के हिस्से में तेज़ वृद्धि है
    • नई feature implementation कुल logs में 14.3% से बढ़कर 36.9% हो गई, और design/planning से जुड़े काम 1.0% से बढ़कर 9.9% हो गए
    • इसका मतलब यह हो सकता है कि Claude का उपयोग अधिक जटिल और रचनात्मक कामों में बढ़ा है, या टीमों ने Claude Code को ऐसे workflows में सक्रिय रूप से अपनाना शुरू किया है
    • शोधकर्ताओं ने कहा कि absolute workload वृद्धि और relative distribution change को साफ़ तौर पर अलग करना कठिन है, और इसे उन्होंने एक सीमा के रूप में छोड़ा

• Papercut fixes

  • survey में लोगों ने कहा था कि वे छोटे quality improvements और रोज़मर्रा की सुविधा बढ़ाने वाले काम अधिक करने लगे हैं; इसी के अनुरूप Claude Code logs में कुल कामों में से 8.6% को ‘papercut fix’ के रूप में वर्गीकृत किया गया
    • इसमें performance visualization tools बनाना, maintainability बढ़ाने के लिए refactoring, terminal shortcuts या scripts जैसी छोटी सुविधा features बनाना शामिल है
  • ये काम अलग-अलग देखें तो छोटे हैं, लेकिन जैसे-जैसे ये जमा होते हैं, productivity और developer experience में स्पष्ट सुधार ला सकते हैं
    • इसकी खास बात यह है कि जो काम पहले priority में पीछे छूट जाते थे, वे Claude की वजह से कम बोझ के साथ स्वाभाविक रूप से पूरे हो रहे हैं

• टीमों के बीच उपयोग का अंतर

  • अगस्त 2025 के Claude Code logs के आधार पर, हर बातचीत को एक मुख्य कार्य प्रकार के साथ tag करके टीम-वार वितरण की तुलना की गई, जिसे Figure 5 के रूप में प्रस्तुत किया गया
    • समग्र औसत (“All Teams”) में नई feature implementation, debugging, और code understanding सबसे बड़ा हिस्सा लेते हैं, जो Claude उपयोग का बुनियादी पैटर्न दिखाता है
  • प्रमुख टीम-वार विशेषताएं इस प्रकार हैं
    • Pre-training टीम Claude Code उपयोग का 54.6% नई feature implementation पर लगाती है, और इसमें विशेष रूप से विभिन्न अतिरिक्त experiments चलाना बड़ा हिस्सा है
    • Alignment & Safety टीम और Post-training टीम में frontend development का हिस्सा क्रमशः 7.5% और 7.4% है, और वे मुख्य रूप से data visualization के लिए UI बनाने में Claude का उपयोग करती हैं
    • Security टीम में Claude Code उपयोग का 48.9% code understanding tasks के लिए है, और इसका उपयोग अक्सर अपरिचित code के security implications का विश्लेषण और समझने के लिए किया जाता है
    • Non-technical कर्मचारी भी Claude Code का काफ़ी उपयोग करते हैं; इनमें 51.5% debugging (network issues, Git problems आदि) और 12.7% data science tasks हैं, और यह तकनीकी ज्ञान की खाई पाटने वाले tool के रूप में इस्तेमाल हो रहा है
  • कुल मिलाकर, टीमें Claude का उपयोग अपने मुख्य कार्यों (infrastructure, research, security आदि) में भी कर रही हैं, लेकिन साथ ही पारंपरिक विशेषज्ञता के बाहर के कामों में भी Claude का उपयोग करके सभी लोग थोड़ा-थोड़ा full-stack के करीब आते दिख रहे हैं

आगे की दिशा

• Anthropic के अंदर अगले कदम

  • Anthropic पिछले 1 साल में हुए बदलावों के आधार पर, Claude का उपयोग करके काम में आ रहे बदलाव को ज़िम्मेदारी से प्रबंधित करने वाली ‘प्रयोगशाला’ की भूमिका निभाने का दावा कर रहा है
    • कंपनी ने कहा कि engineers, researchers और leadership के साथ मिलकर सहयोग के तरीके, meetings और communication structure, तथा role-wise जिम्मेदारियों की परिभाषा की फिर से समीक्षा की जा रही है, और AI-assisted work को आधार मानकर नई best practices बनाने का काम शुरू किया गया है
  • खास तौर पर फोकस इस बात पर है कि expertise development, mentorship, promotion और growth paths AI युग में कैसे बदलने चाहिए; इसके लिए Anthropic द्वारा पहले जारी किया गया AI fluency framework भी संदर्भ के रूप में इस्तेमाल हो रहा है
    • यह एक ऐसा प्रयास है जिसमें इंसान और AI के साथ काम करने की स्थिति में किस स्तर की समझ, oversight और feedback capability होनी चाहिए, इसे परिभाषित करने वाले framework के आधार पर व्यावहारिक training और internal policies तैयार की जाएंगी
  • यह अध्ययन engineers-केंद्रित है, लेकिन आगे चलकर non-developer roles तक दायरा बढ़ाकर यह देखने की योजना है कि Anthropic में AI काम को कैसे बदल रहा है

• बाहरी partnerships, education, और दीर्घकालिक योजना

  • Anthropic आंतरिक शोध के साथ-साथ बाहरी संगठनों को AI-assisted युग के अनुकूल होने में मदद करने की भूमिका भी निभा रहा है
    • उदाहरण के तौर पर, उसने कहा कि वह CodePath के साथ मिलकर computer science curriculum को AI-assisted environment के अनुरूप पुनर्गठित करने के काम का समर्थन कर रहा है
    • यह इस समझ को दर्शाता है कि junior developers की शिक्षा और early-career learning paths को AI tools के उपयोग को आधार मानकर फिर से डिज़ाइन करना होगा
  • आगे चलकर संगठन के भीतर roles का redesign, reskilling paths, और नए job-transition routes जैसे संरचनात्मक दृष्टिकोण और महत्वपूर्ण हो सकते हैं
    • उदाहरण के लिए, AI agents की supervision, quality responsibility, और ethics review जैसी नई भूमिकाओं को औपचारिक job roles के रूप में मान्यता देने पर चर्चा हो सकती है
  • Anthropic ने संकेत दिया है कि वह 2026 में और अधिक ठोस योजनाएं सार्वजनिक करेगा, और इस अध्ययन को एक शुरुआत और एक मध्यवर्ती समीक्षा के रूप में रखता है
    • मुख्य संदेश यह है कि Anthropic AI द्वारा काम बदलने की प्रक्रिया को केवल देख भर नहीं रहा, बल्कि खुद पहले प्रयोग और समायोजन करके ‘ज़िम्मेदार परिवर्तन’ का मॉडल बनाने की कोशिश कर रहा है