Lời biên tập: Báo cáo này dựa trên khoảng 400.000 phiên Claude Code, thảo luận về cách các công cụ lập trình AI đang thay đổi mối quan hệ giữa con người và mã code.

Phát hiện cốt lõi nhất của bài báo là: Trong lập trình tác nhân thông minh, con người chủ yếu quyết định "làm gì", còn Claude chủ yếu chịu trách nhiệm "làm thế nào". Người dùng đảm nhận phần lớn quyết định lập kế hoạch, trong khi Claude đảm nhận phần lớn công việc thực thi. Nói cách khác, AI đang tiếp quản các khâu thực hiện như viết mã, sửa đổi tệp, chạy lệnh, gỡ lỗi, nhưng việc thiết lập mục tiêu và đánh giá kết quả vẫn phụ thuộc vào con người.

Quan trọng hơn, hiệu quả sử dụng Claude Code không chỉ phụ thuộc vào việc người dùng có phải là lập trình viên hay không. Báo cáo cho thấy, trong các nhiệm vụ tạo ra mã code, tỷ lệ thành công của người dùng thuộc các ngành nghề phi kỹ thuật như luật, tài chính, quản lý, nghiên cứu khoa học đã tiếp cận gần với các kỹ sư phần mềm. Yếu tố thực sự ảnh hưởng đến kết quả là người dùng có hiểu vấn đề mình cần giải quyết hay không.

Điều này có nghĩa là, lập trình AI làm giảm ngưỡng thực hiện, chứ không phải ngưỡng đánh giá. Trong tương lai, những người hiểu biết về nghiệp vụ, hiểu bối cảnh, có thể đưa ra yêu cầu rõ ràng và đánh giá kết quả, có thể sẽ sử dụng AI hiệu quả hơn những người chỉ biết viết mã thuần túy. AI sẽ không tự động thay thế kiến thức chuyên môn, ngược lại còn khuếch đại giá trị của kiến thức chuyên môn.

Dưới đây là nguyên văn:

Phát Hiện Chính

Trên cơ sở nghiên cứu hiện có, chúng tôi đề xuất một khung nghiên cứu cho lập trình tương tác tác nhân thông minh. Khung này dựa trên phân tích bảo vệ quyền riêng tư của khoảng 400.000 phiên Claude Code từ tháng 10/2025 đến tháng 4/2026, đánh giá cấu trúc nhiệm vụ, cách thức cộng tác giữa con người và AI, cũng như tỷ lệ thành công của nhiệm vụ.

Trong một phiên điển hình, con người chịu trách nhiệm cho hầu hết các quyết định lập kế hoạch, tức là quyết định "cần làm gì"; Claude thì chịu trách nhiệm cho hầu hết các quyết định thực thi, tức là quyết định "hoàn thành như thế nào". Chuyên môn của người dùng trong một lĩnh vực càng cao, mỗi chỉ dẫn sẽ kích hoạt Claude hoàn thành một khối lượng công việc càng lớn. Trong các nhiệm vụ viết mã, tỷ lệ thành công trung bình của các nhóm nghề nghiệp chính – tức là có hoàn thành được việc người dùng dự định làm hay không, và có các bằng chứng có thể kiểm chứng như kiểm thử qua, commit code – gần như ngang bằng với các kỹ sư phần mềm.

Năng lực chuyên môn của người dùng trong lĩnh vực càng cao, phiên làm việc càng có khả năng kết thúc thành công. Tuy nhiên, khoảng cách giữa người dùng trung cấp và chuyên gia không quá lớn. Trong bảy tháng chúng tôi quan sát, tỷ lệ phiên được sử dụng cho việc gỡ lỗi đã giảm gần một nửa, cách sử dụng cũng chuyển hướng sang phương thức tác nhân thông minh đầu cuối hơn: triển khai và chạy mã, phân tích dữ liệu, cũng như viết tài liệu không phải mã.

Trong bảy tháng này, giá trị của các nhiệm vụ điển hình hầu như đều tăng lên ở tất cả các loại hình công việc. Chúng tôi ước tính giá trị nhiệm vụ bằng cách so sánh với thông tin đăng tuyển vị trí việc làm tự do, kết quả cho thấy mức tăng trung bình khoảng 25%.

Giới Thiệu

Lập trình tác nhân thông minh đang nổi lên nhanh chóng. Kể từ cuối năm 2025, tỷ lệ các dự án GitHub xuất hiện hoạt động của tác nhân viết mã đã tăng hơn gấp đôi, người dùng Claude Code hiện sử dụng công cụ này trung bình 20 giờ mỗi tuần. Liệu những người không có kinh nghiệm lập trình chính thức có thể chỉ huy thành công một tác nhân thông minh hoàn thành công việc kỹ thuật phức tạp hay không? Việc áp dụng nhanh chóng và năng lực ngày càng tăng của các công cụ này sẽ ảnh hưởng thế nào đến công việc tri thức nói chung? Chúng tôi hiện chưa thể đưa ra câu trả lời đầy đủ, nhưng có thể thấy một số tín hiệu ban đầu từ dữ liệu sử dụng Claude Code.

Báo cáo này dựa trên phân tích bảo vệ quyền riêng tư của khoảng 400.000 phiên tương tác từ khoảng 235.000 người dùng trong khoảng thời gian từ tháng 10/2025 đến tháng 4/2026, cung cấp bằng chứng về cách thức sử dụng Claude Code thực tế. Nó tiếp nối các nghiên cứu trước đây của chúng tôi về các chỉ số tự chủ trong phiên Claude Code, cũng như cách Claude Code thay đổi công việc nội bộ tại Anthropic. Bài viết này sẽ đề xuất một khung mô tả cách sử dụng trợ lý lập trình AI tương tác: mọi người đang làm công việc gì, ai đang làm những công việc đó, và công việc có thành công hay không. Chúng tôi tập trung vào việc người dùng sử dụng Claude Code thông qua giao diện dòng lệnh (CLI), Claude.ai hoặc ứng dụng desktop Claude Code. Bằng cách theo dõi cách thức sử dụng lập trình tác nhân thông minh thay đổi thế nào khi năng lực mô hình tăng lên, chúng ta có thể hiểu rõ hơn về tác động của những công cụ này đối với các chuyên gia lập trình và thị trường lao động tri thức nói chung.

Những gì xảy ra trên Claude Code có lẽ báo trước hướng đi tương lai của công việc tri thức: các tác nhân thông minh sẽ dần dần được tích hợp vào các công việc không phải viết mã. Chúng tôi phát hiện, Claude đang xử lý các nhiệm vụ phức tạp hơn, có giá trị hơn. Đồng thời, vẫn tồn tại một sự phân công lao động rõ ràng trong lập trình tác nhân thông minh: con người quyết định xây dựng cái gì, tác nhân thông minh quyết định xây dựng như thế nào.

Chúng tôi cũng thấy bằng chứng cho thấy, thứ thực sự khuếch đại hiệu quả sử dụng công cụ là chuyên môn lĩnh vực, chứ không phải là trình độ lập trình. Đặc biệt, các chuyên gia lĩnh vực dễ thành công hơn, và cũng dễ phục hồi từ sai sót và hiểu nhầm hơn. Tuy nhiên, khoảng cách giữa chuyên gia và người dùng trung cấp không lớn. Điều này cho thấy, chỉ cần đủ thành thạo trong một lĩnh vực nhất định, gần như có thể sử dụng hiệu quả loại công cụ này như một chuyên gia sâu.

Những phát hiện này cho phép chúng tôi quan sát sơ bộ sự chuyển dịch có thể xảy ra trên thị trường lao động. Trong dữ liệu của chúng tôi, thành công phụ thuộc vào việc một người có hiểu vấn đề mình cần giải quyết hay không, chứ không phải vào việc họ có được đào tạo lập trình hay không. Nếu những mô hình này tồn tại trong toàn bộ nền kinh tế, thì nó ngụ ý rằng, các công cụ lập trình tác nhân thông minh tuy có thể đang hấp thụ một phần công việc thiên về thực hiện, nhưng đồng thời cũng đang tưởng thưởng cho những người thực sự hiểu vấn đề mà họ giải quyết trong công việc của mình. Tác nhân viết mã không phải đang thay thế chuyên môn lĩnh vực. Ngược lại, một người lao động mang đến cho tác nhân thông minh càng nhiều sự hiểu biết, thì tác nhân thông minh càng có thể hoàn thành nhiều công việc chất lượng cao.

Phân Công Lao Động

Mọi người dùng Claude Code để làm gì

Để hiểu mọi người sử dụng Claude Code như thế nào, chúng tôi phân loại mỗi phiên làm việc vào một trong chín chế độ làm việc, tức là hoạt động duy nhất mô tả tốt nhất mục tiêu của phiên đó. Bốn chế độ trong số đó liên quan trực tiếp đến viết hoặc bảo trì mã: xây dựng thứ mới, sửa chữa thứ bị hỏng, kiểm thử mã, cũng như điều phối các tác nhân thông minh khác hoặc đường ống tự động hóa. Một loại khác là vận hành phần mềm, bao gồm triển khai, cấu hình, chạy đường ống và giám sát hệ thống. Có hai loại thiên về việc tìm hiểu "nên làm gì": hiểu một hệ thống hiện có hoạt động ra sao, cũng như lập kế hoạch thay đổi trước khi sửa đổi. Hai loại cuối cùng không liên quan đến mã, hoặc mã chỉ là phần phụ trợ trong sản phẩm cuối cùng: phân tích dữ liệu, và giao tiếp thông qua bài thuyết trình và các tài liệu dựa trên văn bản khác.

Khoảng 56% phiên bao gồm việc viết mã (25%), sửa mã (26%), hoặc kiểm thử và điều phối mã (5%). Vận hành phần mềm chiếm 17%, lập kế hoạch hoặc khám phá chiếm 14%, phân tích hoặc viết văn bản chiếm 13% (xem Hình 1).

Đầu tiên, chúng tôi để mô hình đọc bản ghi phiên và phân loại từng phiên dựa trên đó; sau đó sử dụng công cụ phân tích bảo vệ quyền riêng tư của mình để đối chiếu kết quả phân loại với dữ liệu đo từ xa được ghi lại tự động cho mỗi phiên, bao gồm việc có dòng mã mới được thêm hoặc xóa hay không. Có sự nhất quán cao giữa hai nguồn. Ví dụ, trong số các phiên được bộ phân loại đánh dấu là tạo hoặc sửa đổi mã, hơn 90% cũng hiển thị thay đổi mã trong dữ liệu đo từ xa. Chi tiết xem Phụ lục.

Ai ra quyết định

Claude Code tự chủ đến mức nào? Đánh giá năng lực cho thấy, giới hạn trên của nó đã rất cao và vẫn đang tăng lên. Ví dụ, trong các bài kiểm tra chuẩn như đánh giá phạm vi thời gian của METR, các mô hình tiên phong hiện nay đã có thể tự chủ hoàn thành các nhiệm vụ phần mềm vốn cần con người mất hàng giờ, và tự khắc phục trở ngại trong quá trình đó. Nhưng trong sử dụng thực tế, tình hình thực sự ra sao? Ở đây, chúng tôi tập trung vào việc trong một phiên thực tế, con người và Claude mỗi bên đảm nhận bao nhiêu công việc định hướng.

Chúng tôi nghiên cứu vấn đề này từ hai góc độ. Thứ nhất, chúng tôi xem xét mức độ mọi người giao quyết định cho Claude; thứ hai, chúng tôi quan sát họ phân bổ cho Claude bao nhiêu hành động. Để hiểu sự phân công quyết định trong một phiên, chúng tôi xây dựng một bộ phân loại quy kết quyết định bảo vệ quyền riêng tư dựa trên nội dung phiên. Chúng tôi yêu cầu bộ phân loại liệt kê tất cả các quyết định có ý nghĩa trong phiên, và phân loại các quyết định này thành quyết định lập kế hoạch và quyết định thực thi. Quyết định lập kế hoạch bao gồm làm gì, sử dụng phương pháp nào, như thế nào là hoàn thành; quyết định thực thi bao gồm sửa đổi tệp nào, viết mã gì, viết bằng ngôn ngữ nào, và chạy lệnh nào. Sau đó, bộ phân loại sẽ quy kết mỗi quyết định cho Claude hoặc người dùng, và tạo ra hai con số cho mỗi phiên: tỷ lệ quyết định lập kế hoạch do người dùng đảm nhận, và tỷ lệ quyết định thực thi do người dùng đảm nhận.

Trung bình, con người đưa ra khoảng 70% quyết định lập kế hoạch, nhưng chỉ đưa ra khoảng 20% quyết định thực thi (xem Hình 2). Trong sử dụng thực tế, lập trình tác nhân thông minh hình thành một sự phân công lao động rõ ràng: con người quyết định xây dựng cái gì, tác nhân thông minh quyết định xây dựng như thế nào.

Để hiểu mức độ ủy quyền hành động trong một phiên, chúng tôi không xem nội dung mà xem cấu trúc phiên. Phiên Claude Code bao gồm sự tương tác qua lại giữa Claude và người dùng: người dùng gửi prompt, Claude thực hiện hành động; sau đó người dùng gửi prompt tiếp theo, và cứ thế tiếp diễn. Trong một phiên điển hình, có khoảng bốn lượt như vậy. Trong dữ liệu lịch sử từ tháng 10 đến tháng 4 của chúng tôi, mỗi prompt người dùng gửi đi trung bình kích hoạt Claude thực hiện khoảng 10 hành động, đôi khi thậm chí hơn 100 hành động. Trong mỗi lượt, Claude đọc tệp, chỉnh sửa mã, chạy lệnh, và đầu ra trung bình 2400 từ.

Lượng công việc Claude hoàn thành giữa hai lần kiểm tra của người dùng phụ thuộc phần lớn vào ai đang ra quyết định. Khi người dùng giữ quyền kiểm soát quá trình thực thi, tức là người dùng đưa ra hơn 80% quyết định thực thi, Claude thực hiện ít hành động hơn mỗi lượt, khoảng 8 hành động. Còn khi Claude nắm quyền kiểm soát lập kế hoạch, tức là Claude đưa ra hơn 80% quyết định lập kế hoạch, nó đảm nhận số lượng hành động cao nhất, khoảng 16 hành động.

Trình Độ Chuyên Môn

Dựa trên mỗi bản ghi phiên, Claude sẽ đánh giá trình độ chuyên môn biểu kiến của người dùng đối với nhiệm vụ đó theo thang năm cấp độ, từ người mới bắt đầu đến chuyên gia. Bộ phân loại trình độ chuyên môn tập trung vào ba tín hiệu: mức độ chính xác của chỉ dẫn người dùng đưa ra, người dùng yêu cầu Claude xác minh điều gì, và liệu người dùng hay Claude thường xuyên sửa lỗi cho nhau hơn. Cần lưu ý rằng, trình độ chuyên môn ở đây là khái niệm hoàn toàn khác với vị trí công việc hoặc năng lực chung, và quan trọng là, nó được đánh giá theo từng nhiệm vụ cụ thể. Một kỹ sư kỳ cựu lần đầu tiên hỏi về Rust, trong nhiệm vụ Rust vẫn có thể là người mới bắt đầu. Một kế toán chưa từng sử dụng Python, nếu có thể chính xác nói với Claude một script Python phải thực hiện quy tắc đối chiếu nào, và có thể nắm bắt các trường hợp biên mà nó xử lý sai vào cuối tháng, thì anh ta là chuyên gia trong nhiệm vụ đó.

Bảng dưới đây minh họa cách chúng tôi định nghĩa các cấp độ chuyên môn trong bộ phân loại, và đưa ra ví dụ yêu cầu từ bộ dữ liệu phiên tác nhân viết mã công khai SWE-chat. Các cuộc hội thoại được phân loại là "Người mới" đưa ra các chỉ dẫn chung chung, không thể hiện kiến thức chuyên môn cụ thể; các cuộc hội thoại được phân loại là "Chuyên gia" truyền tải sự hiểu biết sâu sắc về kho mã và môi trường kỹ thuật.

Chúng tôi định lượng mối quan hệ giữa trình độ chuyên môn với lượng đầu ra và hoạt động mà mỗi prompt của Claude tạo ra. Trong phiên của người mới điển hình, mỗi prompt kích hoạt Claude thực hiện khoảng 5 hành động và đầu ra khoảng 600 từ; còn trong phiên của chuyên gia, chuỗi hành động dài hơn gấp đôi, khoảng 12 hành động, lượng đầu ra đạt khoảng 3200 từ, gấp năm lần (xem Hình 3). Khoảng cách này giữa người mới và chuyên gia xuất hiện trong mọi loại hình công việc và mọi phạm vi giá trị nhiệm vụ.

Các chỉ số này bổ sung cho nghiên cứu trước đây của chúng tôi về tính tự chủ của Claude Code. Nghiên cứu trước đây theo dõi thời gian chạy của tác nhân và tần suất người dùng tự động phê duyệt hành động của nó. Ngược lại, các chỉ số quy kết quyết định của chúng tôi nắm bắt việc ai đang đưa ra quyết định thực chất trong toàn bộ phiên, còn lượng đầu ra và số hành động được kích hoạt bởi mỗi prompt thì đo lường mức độ hoạt động tự chủ mà mỗi chỉ dẫn của con người có thể tạo ra từ Claude.

Ai Đang Sử Dụng Claude Code, Và Họ Dùng Nó Để Làm Gì

Người dùng

Để hiểu ai đang làm những công việc này, chúng tôi suy luận nghề nghiệp của mỗi người dùng từ bản ghi phiên và ánh xạ nó vào một trong 23 danh mục chính theo Hệ thống Phân loại Nghề nghiệp Tiêu chuẩn (SOC) của Cục Thống kê Lao động Hoa Kỳ. Bộ phân loại được yêu cầu chỉ đánh giá dựa trên các tín hiệu sau: ngữ cảnh dự án được tác nhân thông minh tải khi bắt đầu phiên, tên tệp và cấu trúc, tài liệu hoặc sản phẩm mà người dùng tham chiếu, chẳng hạn như tài liệu pháp lý, dữ liệu lâm sàng, báo cáo tài chính, tài liệu khóa học, v.v., cũng như từ vựng người dùng sử dụng. Bộ phân loại được yêu cầu rõ ràng, không được coi bản thân việc "đang viết mã" là bằng chứng về nghề nghiệp lập trình của người dùng. Chỉ khi có tín hiệu rõ ràng cho thấy công việc phần mềm hoặc dữ liệu là nghề nghiệp của người dùng, phiên mới được phân vào danh mục SOC liên quan đến viết mã, tức là "Nghề nghiệp Máy tính và Toán học". Nếu một luật sư xây dựng một script để tự động kiểm tra xem một tập hợp hợp đồng có thiếu các điều khoản nhất định hay không, thì ngay cả khi phiên đó chủ yếu là viết phần mềm, nó vẫn được phân vào nghề luật. Nếu không có bất kỳ tín hiệu nào về nghề nghiệp người dùng, phiên đó sẽ không được phân loại.

Chúng tôi có thể suy luận nghề nghiệp trong khoảng 70% số phiên. Trong số các phiên có thể phân loại này, "Nghề nghiệp Máy tính và Toán học" là nhóm lớn nhất, điều này không có gì ngạc nhiên vì danh mục này bao gồm hầu hết các công việc liên quan đến phần mềm. Tiếp theo là Vận hành Kinh doanh và Tài chính, Nghệ thuật Thiết kế và Truyền thông, Quản lý, cũng như Khoa học Sự sống, Khoa học Vật lý và Khoa học Xã hội. Trong mẫu của chúng tôi, các nhóm nghề nghiệp phi phần mềm phát triển nhanh nhất là Quản lý, Bán hàng và nghề Luật.

Công việc

Từ tháng 10/2025 đến tháng 4/2026, cấu trúc công việc mà mọi người hoàn thành bằng Claude Code đã thay đổi đáng kể. Thay đổi rõ rệt nhất là tỷ lệ phiên được sử dụng để sửa mã bị hỏng đã giảm từ 33% xuống 19% (xem Hình 4). Thay vào đó là nhiều công việc xoay quanh mã hơn. Tỷ lệ vận hành phần mềm tăng từ 14% lên 21%. Viết và phân tích dữ liệu tăng gần gấp đôi, từ khoảng 10% lên khoảng 20%.

Giá trị của bản thân nhiệm vụ cũng đang tăng lên. Chúng tôi ước tính giá trị kinh tế của mỗi phiên bằng cách ước tính chi phí cho công việc tương tự trên thị trường việc làm tự do, và hiệu chỉnh bằng bộ dữ liệu công việc thực tế công khai. Theo chỉ số này, giá trị ước tính trung bình của một phiên đã tăng 27% từ tháng 10 đến tháng 4. Mức tăng này xuất hiện ở nhiều loại hình công việc. Giá trị của các nhiệm vụ xây dựng, vận hành và sửa chữa lần lượt tăng khoảng 43%, 34% và 32%. Các ước tính giá trị này khá thô, vì vậy chúng tôi chủ yếu sử dụng chúng để so sánh xu hướng thay đổi theo thời gian giữa các nhiệm vụ khác nhau, chứ không phải như giá trị đô la có thể đọc trực tiếp. Chi tiết về cách xây dựng bộ ước tính giá trị nhiệm vụ, xem Phụ lục.

Thành Công Phụ Thuộc Vào Điều Gì Người Dùng Mang Lại

Ước tính giá trị nhiệm vụ là một cách để hiểu Claude Code giúp mọi người hoàn thành công việc như thế nào. Một góc độ khác là quan sát có bao nhiêu phiên thành công, và những đặc điểm phiên nào liên quan đến thành công. Trong tất cả các chỉ số thành công, chúng tôi thấy một mô hình rõ ràng: trình độ chuyên môn mà người dùng thể hiện trong phiên càng cao, khả năng phiên thành công càng lớn. Phần lớn sự cải thiện tập trung ở đầu trình độ chuyên môn thấp hơn, nghĩa là khoảng cách từ người mới đến người dùng trung cấp lớn hơn so với từ người dùng trung cấp đến chuyên gia.

Trước khi phân tích đặc điểm của các phiên thành công, chúng ta cần xác định chính xác cách đo lường thành công. Chúng tôi không thể quan sát kết quả thế giới thực của người dùng, cũng không thể trực tiếp hỏi họ có hoàn thành được việc mình muốn thông qua Claude hay không. Do đó, chúng tôi dựa vào hai phương pháp đo lường bổ sung, dựa trên bản ghi phiên. Thứ nhất là "Thành công được phán quyết", do bộ phân loại đọc toàn bộ bản ghi phiên và phán đoán xem người dùng có hoàn thành mục tiêu ban đầu của mình hay không, các tùy chọn bao gồm thành công, thành công một phần, thất bại, không có mục tiêu rõ ràng. Sau đó, hai bộ phân loại đi kèm sẽ đánh giá độ mạnh của bằng chứng cho phán quyết đó, để xác định "Thành công được xác minh". Bộ phân loại tín hiệu thành công sẽ tìm kiếm bằng chứng thành công có thể xác minh, đặc biệt bao gồm các hoạt động git phù hợp với công việc, chẳng hạn như commit và pull request, bộ kiểm thử qua, cũng như người dùng xác nhận rõ ràng. Nó sẽ chấm điểm phiên theo thang từ "Không có tín hiệu" đến "Tín hiệu yếu" (1 điểm) rồi đến "Nhiều tín hiệu mạnh" (5 điểm). Một bộ phân loại tín hiệu thất bại song song sẽ chấm điểm bằng chứng về việc có vấn đề, bao gồm lỗi, kiểm thử thất bại, cố gắng lặp lại cùng một việc, cũng như người dùng phản đối đầu ra. Thành công được xác minh yêu cầu đồng thời hai điều kiện: phiên được phán quyết là thành công, và có ít nhất một tín hiệu thành công mạnh có thể xác minh. Phân tích dưới đây tập trung vào mức độ thành công hoặc thất bại trong phiên, do đó chúng tôi loại trừ các phiên được bộ phân loại kết quả thành công phán quyết là "không có mục tiêu rõ ràng", loại này chiếm khoảng 7,7% mẫu hoàn chỉnh.

Phần thưởng của Trình độ Chuyên môn

Vậy, những phiên nào dễ thành công nhất? Kết quả cho thấy, điểm số trình độ chuyên môn của phiên được mô tả ở trên có ảnh hưởng lớn đến sự thành công của phiên.

Có người có thể lo ngại rằng, trình độ chuyên môn không phải là yếu tố thúc đẩy thực sự. Có thể các chuyên gia chỉ chọn nhiệm vụ khác, hoặc có sự khác biệt ở khía cạnh khác. Trong phần này, chúng tôi phần nào đáp lại mối lo ngại đó bằng cách so sánh các phiên cùng loại công việc, cùng giá trị ước tính, cùng tháng, cùng chủ đề, từ cùng nhóm nghề nghiệp lớn, và xem xét trình độ chuyên môn người dùng khác nhau sẽ ảnh hưởng thế nào đến kết quả.

Trong tất cả các chỉ số thành công, trình độ chuyên môn mà người dùng thể hiện trong phiên càng cao, phiên càng có khả năng thành công. Các phiên được đánh giá là người mới, đạt tỷ lệ thành công 15% theo chỉ số nghiêm ngặt nhất của chúng tôi "Thành công được xác minh", và tỷ lệ đạt ít nhất thành công một phần là 77%. Trong khi các phiên được đánh giá từ trung cấp trở lên, tỷ lệ thành công được xác minh là 28% đến 33%, tỷ lệ thành công một phần là 91% đến 92% (xem Hình 5).

Trong mỗi chỉ số, phần lớn lợi ích đến từ việc tăng từ người mới lên trung cấp; từ trung cấp lên chuyên gia, độ dốc sẽ chậm lại. Chi tiết về phân tích hồi quy đằng sau Hình 5, xem Phụ lục.

Cũng có thể thấy gradient tương tự trong các phiên gặp thách thức. Khi tín hiệu thất bại ghi lại bằng chứng thất bại được xác minh, chúng tôi coi phiên đó là "gặp vấn đề". Điều này có thể bao gồm xuất hiện lỗi, kiểm thử thất bại, nhiều lần cố gắng hoàn thành cùng một việc, hoặc người dùng thể hiện sự thất vọng và bất mãn. Trong số các phiên gặp vấn đề, sau khi kiểm soát tất cả các biến trên, tỷ lệ thành công được xác minh tăng từ 4% ở các phiên người mới lên 15% ở các phiên chuyên gia (xem Hình 5). Nếu sử dụng chỉ số thành công linh hoạt hơn, chúng tôi thấy tỷ lệ ít nhất thành công một phần, ở người dùng mới là 60%, còn ở người dùng trung cấp đến chuyên gia là 80% đến 81%.

Chúng tôi cũng theo dõi mối quan hệ ngược lại, tức là trình độ chuyên môn với các chỉ số thất bại khác nhau. Cần lưu ý rằng, trong phân tích này, các phiên được phán quyết là thất bại là những phiên thậm chí không đạt được thành công một phần. Nếu một phiên gặp vấn đề được phán quyết là thất bại, và không có dòng mã nào được viết vào, chúng tôi gọi đó là bị bỏ cuộc. Trong số các phiên mà người dùng có vẻ là người mới, có 19% cuối cùng bị bỏ cuộc; còn trong các nhóm người dùng khác, tỷ lệ này là 5% đến 7%. Nói cách khác, người dùng có ít kinh nghiệm nhất khi cố gắng đạt mục tiêu nhưng gặp khó khăn lại dễ bỏ cuộc hơn. Một phần giá trị của năng lực chuyên môn dường như thể hiện ở khả năng dẫn dắt tác nhân thông minh quay lại đúng hướng.

Nghề nghiệp có thể không quan trọng bằng Trình độ Chuyên môn

Tỷ lệ thành công được xác minh của người dùng nghề nghiệp liên quan phần mềm trong tất cả các phiên là khoảng 30%, người dùng các nghề khác là khoảng 26%. Trong các phiên tạo ra mã, tức là các phiên ít nhất thêm mới hoặc sửa đổi một dòng mã, hai con số này lần lượt là 34% và 29% (xem Hình 6). Nếu sử dụng định nghĩa thành công linh hoạt hơn, khoảng cách giữa nghề nghiệp liên quan phần mềm và các nghề khác sẽ thu hẹp hơn nữa. Trong các phiên tạo ra mã, tỷ lệ đạt ít nhất thành công một phần của hai nhóm người dùng lần lượt là 89% và 88%. Khoảng cách năm phần trăm không lớn, và trong bảy tháng không mở rộng cũng không thu hẹp, mặc dù tỷ lệ thành công của cả hai nhóm đều tăng lên. Trong các phiên tạo ra mã, mười nhóm nghề nghiệp lớn nhất trong tập dữ liệu của chúng tôi, mỗi nhóm đều có khoảng cách tỷ lệ thành công trong vòng bảy phần trăm so với kỹ sư phần mềm. Nghề nghiệp quản lý có tỷ lệ thành công được xác minh cao nhất, cao hơn một chút so với nghề nghiệp kỹ sư phần mềm. Tỷ lệ thành công được xác minh cao hơn của người quản lý có thể phản ánh kỹ năng quản lý có thể chuyển đổi sang nhiệm vụ chỉ huy tác nhân thông minh. Nhưng điều này cũng có thể một phần đến từ cách đo lường của chúng tôi: việc xác minh phần nào phụ thuộc vào sự xác nhận rõ ràng của người dùng trong phiên, và người quản lý có thể quen hơn với việc thể hiện khi nhận được kết quả mình muốn.

Tầm Nhìn

Kết quả của báo cáo này phác họa một bức tranh đang hình thành: lập trình tác nhân thông minh đang khuếch đại một số kiến thức và kỹ năng, đồng thời thay thế những kỹ năng khác. Trong các phiên tạo ra mã, tỷ lệ thành công của các ngành nghề chính đều không chênh lệch nhiều so với các nghề liên quan phần mềm. Có vẻ như, tác nhân viết mã đang làm cho việc có nền tảng lập trình hay không trở nên ít quan trọng hơn đối với việc hoàn thành thành công nhiệm vụ lập trình.

Đồng thời, các phiên thành công có nhiều khả năng thể hiện chuyên môn lĩnh vực. Các phiên được đánh giá là chuyên gia có tỷ lệ thành công được xác minh cao gấp hơn hai lần so với phiên của người mới. Khi phiên gặp vấn đề, tỷ lệ bỏ cuộc của người mới cũng cao gấp nhiều lần so với người dùng khác. Chính cách thức cộng tác làm cho bức tranh này rõ ràng hơn: chuyên gia lĩnh vực có thể dùng mỗi chỉ dẫn để hướng dẫn Claude hoàn thành nhiều công việc hơn. Do đó, khả năng dẫn dắt Claude đến thành công đến nhiều hơn từ sự nắm vững một lĩnh vực nào đó, chứ không phải từ khả năng viết mã. Bất kỳ ai có khả năng nắm vững này trong một lĩnh vực bây giờ đều có thể hoàn thành các công việc kỹ thuật mà trước đây không thể. Còn những người thiếu sự hiểu biết chuyên môn này, dù dùng cùng một công cụ, thu hoạch cũng sẽ ít hơn nhiều. Và, lợi ích chủ yếu đến từ sự thành thạo, chứ không phải tinh thông. Có sự hiểu biết có thể vận hành được trong một lĩnh vực, đã có thể thu được phần lớn lợi ích; chuyên sâu chỉ mang lại thêm một chút lợi thế bổ sung.

Những phát hiện này vẫn là sơ bộ. Giống như hầu hết nghiên cứu của chúng tôi, chúng tôi không thể đo lường kết quả thế giới thực, chẳng hạn như mã được viết trong một phiên sau đó thực sự được sử dụng hay bị loại bỏ, hoặc nó có tạo ra kết quả có giá trị kinh tế hay không. Hơn nữa, báo cáo này loại trừ việc sử dụng không tương tác, chiếm một phần đáng kể trong tổng hoạt động. Phát triển một khung có thể đo lường loại hình sử dụng này là trọng tâm công việc tương lai. Và, tất cả các phân loại phiên của chúng tôi đều phụ thuộc vào việc mô hình đọc bản ghi phiên. Trong Phụ lục, chúng tôi cho thấy bộ phân loại phù hợp với dữ liệu đo từ xa độc lập theo hướng dự kiến, và trong đa số phiên thì nhất quán với phán đoán của mô hình tham chiếu mạnh. Nhưng việc xác minh bộ phân loại ở quy mô lớn vẫn khó; bản thân các phiên Claude Code cũng làm tăng độ khó, vì chúng có thể quá dài và quá phức tạp để dùng chú thích thủ công làm chuẩn thực.

Bức tranh trong báo cáo này sẽ tiếp tục được cập nhật khi mô hình, người dùng và sự phân công lao động giữa hai bên không ngừng thay đổi. Chúng tôi hy vọng những chỉ số này sẽ giúp chúng tôi theo dõi sự chuyển dịch lớn đang diễn ra. Ví dụ, nếu trong tương lai phần thưởng từ trình độ chuyên môn bắt đầu giảm, điều đó sẽ cho thấy mô hình bắt đầu cung cấp sự đánh giá quan trọng mà người dùng hiện mang lại, và lợi ích của các công cụ này cũng sẽ mở rộng từ các chuyên gia lĩnh vực sang dân số rộng lớn hơn. Nếu tỷ lệ người dùng ngoài nghề phần mềm thành công hoàn thành phiên viết mã tiếp tục tăng, thì có thể có nghĩa là sản xuất phần mềm đang trở thành một phần công việc thông thường của mọi lĩnh vực, chứ không còn là sản phẩm của một nghề duy nhất. Những chuyển dịch này sẽ thay đổi ai có thể hưởng lợi từ lập trình tác nhân thông minh, và hưởng lợi bao nhiêu, đồng thời ảnh hưởng đến những năng lực được coi trọng nhất trên thị trường lao động.