В Anthropic заявляют, что 80% нового рабочего кода теперь создается с помощью Claude — как вашей компании догнать лидеров

Сооснователь и генеральный директор Anthropic Дарио Амодей предупреждал об этом, но происходящее по-прежнему воспринимается как важный рубеж: более 80% кода, добавленного в продакшн-репозиторий Anthropic в мае, написано не людьми, а собственной ИИ-моделью компании — Claude. Об этом говорится в новом отчете, опубликованном сегодня этим бьющим рекорды ИИ-стартапом.

Эта трансформация привела к 8-кратному росту объема кода, выпускаемого одним инженером за квартал по сравнению с базовыми показателями компании за 2021–2025 годы, что, как отмечают в компании, означает еще большую потребность в проверке кода людьми или системами.

Для технических руководителей корпоративного сектора это больше не локальное исследовательское любопытство — это новый жесткий конкурентный стандарт.

Если передовая ИИ-лаборатория может успешно переложить подавляющую часть своей инженерной работы на автономных агентов, демонстрируя признаки долгожданного Грааля искусственного интеллекта — «рекурсивного самосовершенствования» (моделей, способных самостоятельно проводить исследования и обновляться), — то что мешает предприятиям в других секторах также автоматизировать разработку программного обеспечения с помощью ИИ-агентов?

Конечно, это проще сказать, чем сделать. Anthropic — один из главных создателей нынешнего бума генеративного ИИ, поэтому вполне ожидаемо, что они знают, как эффективно внедрять эту технологию.

Но для других компаний, желающих увеличить объем кода и рабочих процессов, обрабатываемых агентами, в новом посте в блоге Anthropic обрисованы контуры общего плана. Его можно взять на вооружение, чтобы перестроить свои операции и рабочие процессы для использования последних достижений в области ИИ.

Дорожная карта Anthropic, которой могут следовать другие компании

Переход от кодирования силами человека к автономной оркестровке требует понимания эволюции возможностей ИИ. Anthropic описывает четкий исторический континуум, который предприятия могут соотнести со своими собственными картами цифровой трансформации:

• 2021–2023 гг. (Ручное написание): инженеры пишут код и документацию непосредственно в локальных текстовых редакторах.

• 2023–2025 гг. (Помощь чат-ботов): разработчики используют ранние модели для генерации коротких фрагментов кода, вручную копируя и вставляя результаты в свои среды.

• 2025–2026 гг. (Агенты-программисты): способные агенты активно пишут и редактируют целые файлы в автономном режиме.

• Наши дни (Автономные агенты): агенты независимо выполняют код, отлаживают рабочие среды и делегируют многочасовые рабочие процессы специализированным субагентам.

Эта стремительная эволюция подтверждается внешними бенчмарками. Такие платформы оценки программной инженерии, как SWE-bench (в рамках которой модели должны устранять реальные баг-репорты в сложных кодовых базах с открытым исходным кодом), исчерпали себя за двухлетний период.

Кроме того, оценки долгосрочных возможностей показывают, что такие модели, как Claude Opus 4.6, могут надежно поддерживать работу над 12-часовыми задачами, в то время как Claude Mythos Preview преодолевает рубеж в 16 часов непрерывного решения проблем.

Внутри компании этот технологический скачок выглядит еще более резким. На чрезвычайно сложных, открытых инженерных задачах, где изначально отсутствуют четкие спецификации, показатель успешности Claude вырос до 76% в мае 2026 года, увеличившись на 50 процентных пунктов всего за шесть месяцев.

В изолированных бенчмарках оптимизации, где перед моделями ставилась задача ускорения кода обучения ИИ-моделей, внутренняя модель Anthropic Mythos Preview достигла 52-кратного ускорения.

Для сравнения, опытному разработчику-человеку обычно требуется от четырех до восьми часов ручного рефакторинга, чтобы добиться всего лишь 4-кратного ускорения на той же кодовой базе.

План из 3 шагов для более полной автоматизации продакшн-кода

Чтобы предприятие могло повторить достижение Anthropic в 80 процентов, техническим директорам необходимо отказаться от ментальной модели «помощника разработчика» и перейти к архитектуре «автоматизированного завода». Этот сдвиг влияет на управление продуктами, операционную деятельность и рабочие процессы разработчиков тремя отчетливыми способами:

1. Переход от выполнения кода к архитектурному надзору

Когда затраты времени человека на генерацию кода стремятся к нулю, основная роль инженера смещается с написания программного обеспечения на постановку целей и проверку результатов. Лидеры предприятий должны переучить разработчиков на роли системных архитекторов и арбитров. Как отметил один из сотрудников Anthropic, комментируя операционную реальность этого сдвига:

«Сегодня ситуация выглядит примерно так: у людей есть идеи, а модели способны реализовывать, тестировать и оценивать их [на порядок] быстрее, чем раньше».

2. Преодоление узкого места в виде код-ревью

Внедрение огромных объемов сгенерированного ИИ кода в организацию неизбежно создает операционные трения.

Согласно закону Амдала, ускорение любого процесса строго ограничено его последовательными, неавтоматизированными узкими местами.

В Anthropic наводнение системы синтетическим кодом мгновенно превратило проверку кода людьми в критическое узкое место.

Чтобы противостоять этому, корпоративные команды должны внедрять автоматизированные ИИ-инструменты ревью кода непосредственно в свои конвейеры непрерывной интеграции и непрерывного развертывания (CI/CD).

Anthropic внедрила автоматизированный инструмент ревью на базе Claude (публично доступная версия Claude Code Review была выпущена для коммерческого использования в марте), задача которого заключается в анализе каждого пул-реквеста на наличие архитектурных дефектов, уязвимостей безопасности и регрессионных багов перед слиянием. Другие профильные компании, такие как Qodo, также предлагают инструменты, созданные специально для этих целей.

В случае Anthropic ретроспективный анализ показал, что автоматизированный уровень выловил примерно треть производственных ошибок, приводивших к историческим сбоям на флагманском сайте claude.ai.

3. Устранение масштабного операционного долга

Предприятия часто оказываются парализованы поддержкой устаревшего кода и долго накапливавшимся техническим долгом. Вместо того чтобы задействовать агентов для написания спекулятивных новых функций, техническим лидерам следует направить автономных агентов на замкнутые циклы кропотливой работы по очистке.

В апреле 2026 года инженер Anthropic задействовал Claude для решения перманентного класса ошибок API. Работая автономно, модель выпустила более 800 индивидуальных исправление, успешно снизив частоту ошибок в 1000 раз.

Курирующий инженер подсчитал, что разработчику-человеку потребовалось бы четыре полных года на выполнение этой же работы из-за когнитивной нагрузки, связанной с одновременным удержанием в голове огромного объема незнакомого контекста кода.

Соображения для предприятий, движущихся вперед в эпоху преимущественно сгенерированного ИИ кода

Управление кодовой базой, которая преимущественно написана искусственным интеллектом, создает уникальные проблемы управления, с которыми должны справляться юридические и ИБ-отделы предприятий.

В отличие от моделей лицензирования с открытым исходным кодом (таких как мягкая лицензия MIT или фреймворки copyleft GPL), корпоративные кодовые базы, использующие проприетарную инфраструктуру LLM, по-прежнему подпадают под коммерческие условия обслуживания соответствующих ИИ-провайдеров.

Развертывание автономных агентов требует жестких протоколов проверки для обеспечения соответствия нормативным требованиям, безопасности и защиты интеллектуальной собственности:

• Качество кода и обслуживание: Внутренние данные Anthropic показывают, что хотя написанный ИИ код объективно уступал по качеству человеческому в конце 2025 года, к середине 2026 года он достиг примерно паритета, а в течение года ожидается превосходство над стандартами человека. Корпоративное управление должно адаптироваться к реальности, в которой базовое качество автоматизированного вывода структурно превосходит среднее ручное кодирование.

• Аудит безопасности в масштабе: Огромные объемы создания автоматизированного кода требуют автоматизированного поиска уязвимостей. Проект Glasswing от Anthropic иллюстрирует масштаб этой проблемы: используя Mythos Preview, проект за первые несколько недель выявил более 10 000 программных уязвимостей высокой и критической степени тяжести в глобальной цифровой инфраструктуре. Это полностью сместило проблему корпоративной кибербезопасности с обнаружения уязвимостей на скорость развертывания патчей.

• Риск каскадов согласуемости: Технические лидеры должны поддерживать строгие барьеры проверки. Если предприятие использует ИИ-систему для непрерывного изменения, поддержки и расширения своей проприетарной программной инфраструктуры, невыявленные ошибки или тонкие рассогласования могут накапливаться в течение последовательных сессий агентов, постепенно разрушая целостность системы или внедряя эксплойты безопасности, ускользающие от внимания человека.

Приготовьтесь к потрясениям во внутренней корпоративной культуре

Переход на доминируемую искусственным интеллектом кодовую базу меняет культурную динамику инженерных команд, привнося как беспрецедентную эффективность, так и глубокие психологические трения.

Публично Anthropic представила эти метрики как предвестник более масштабной трансформации. В официальном заявлении в X компания отметила:

«Наши внутренние данные показывают, что Claude ускоряет разработку ИИ — это возможный путь к рекурсивному самосовершенствованию, когда ИИ автономно создает более способного преемника. Это происходит быстрее, чем мы думали, и последствия заслуживают большего внимания».

Вскоре после этого они подробнее остановились на последствиях для сиюминутной производительности:

«Сегодня инженеры Anthropic в среднем выпускают в 8 раз больше кода за квартал по сравнению с периодом 2021–2025 годов… Многие инженеры также говорят, что качество кода Claude теперь не уступает человеческому; мы ожидаем, что в течение года оно станет лучше».

За этими корпоративными метриками скрывается сложная человеческая реальность. Внутренние коммуникации сотрудников обнаруживают заметную эрозию традиционного сотрудничества на рабочем месте, поскольку взаимодействие разработчиков друг с другом систематически заменяется асинхронными вызовами агентов:

«Работа (и жизнь) строилась на экономике даров в виде мелких услуг между людьми. „Ты не мог бы помочь мне запустить этот скрипт?“ […] каждая из них создавала небольшой долг, небольшое взаимное осознание. Claude пожрал эти одолжения. Это быстрее, это создает нулевой долг, но каждая такая ситуация — это утраченная заявка на человеческое сотрудничество».

Для индивидуальных контрибьюторов полная автоматизация их ключевого набора навыков порождает острую профессиональную тревогу по поводу актуальности и системного контроля:

«Я начал активно склоняться к „Клодификации“ около года назад. Это было безумное приключение, и прошло уже около 5 месяцев с тех пор, как я в последний раз писал хоть какой-то код сам».

«В дни, когда все работает отлично, меня не покидает мысль, что все, что я делаю, не имеет значения, все автоматизировано, лучше и быстрее, чем я когда-либо смогу. Но потом наступают дни, когда все ломается, и я не понимаю почему, и осознаю, что больше понятия не имею, чем я вообще занимался».

Корпоративные лидеры, стремящиеся соответствовать технической скорости Anthropic, не могут позволить себе игнорировать эту психологическую динамику.

Достижение 80-процентной автоматизации кодовой базы требует нечто большего, чем покупка токенов API или настройка циклов агентов; это требует полной культурной перестройки, стратегии смягчения тревоги разработчиков по поводу их устаревания и внедрения строгих автоматизированных защитных механизмов проверки для сохранения конечного человеческого контроля над программным стеком.