O Que 400 Mil Sessões do Claude Code Revelam: Expertise de Domínio Vale Mais do Que Saber Programar

A Anthropic acabou de publicar um dos estudos mais contraintuitivos sobre ferramentas de IA para programação: analisou quase 400 mil sessões do Claude Code e chegou a uma conclusão que muda o jogo — o que separa quem extrai valor real da ferramenta de quem fica na superfície não é saber programar. É ter expertise de domínio. Um advogado que entende profundamente o problema que precisa resolver tem taxas de sucesso quase idênticas às de um engenheiro de software experiente. Isso muda tudo sobre como eu penso no Claude Code.

O que a Anthropic mediu: 400 mil sessões reais do Claude Code

O estudo cobriu de outubro de 2025 a abril de 2026 — seis meses de uso real, nada de benchmark sintético. Foram 400 mil sessões interativas de 235 mil usuários distintos, classificados por nível de expertise (novato, intermediário, expert), ocupação e tipo de tarefa. A Anthropic usou classificadores de machine learning para medir modos de trabalho, sinais de sucesso e padrões de uso. O número que mais me chamou atenção: a taxa de sucesso verificado — quando há evidência concreta como testes passando ou git commit realizado — ficou em 15% para novatos e subiu para 28-33% para intermediários e experts. Os novatos abandonam sessões problemáticas em 19% dos casos; para experts, esse número cai para 5-7%. Esse rigor empírico lembra o que a Anthropic já aplicou no estudo sobre análise de dados self-service com Claude Skills: medir outputs reais, não percepções.

A divisão de trabalho que ninguém esperava: você decide o quê, o Claude decide o como

A pesquisa identificou uma divisão de trabalho precisa: usuários tomam cerca de 70% das decisões de planejamento — o quê fazer — enquanto o Claude toma cerca de 80% das decisões de execução — como fazer. Na prática, você pensa na estratégia e o Claude resolve os detalhes de implementação. O interessante é que esse padrão não muda com a ocupação. Um gerente de produto que entende profundamente o problema dirige o Claude com a mesma eficiência que um dev sênior. O modelo não exige que você saiba escrever código — exige que você saiba descrever o problema com precisão. Essa divisão explica por que workflows dinâmicos com subagentes paralelos funcionam tão bem: quem entende a tarefa consegue orquestrar agentes com clareza, independente do background técnico.

Experts extraem 2,4x mais ações e 5,3x mais output do Claude Code

Os números de amplificação por expertise são impressionantes. Experts disparam em média 12 ações do Claude por prompt; novatos disparam apenas 5 — uma diferença de 2,4x. Mas o impacto em output é ainda maior: experts recebem em média 3.200 palavras de output por sessão versus 600 para novatos — 5,3x mais. Minha leitura é direta: experts sabem como decompor problemas, interpretar o que o Claude produziu e iterar com prompts cada vez mais cirúrgicos. Novatos chegam com um pedido vago e aceitam a primeira resposta. É exatamente a mesma diferença que existe entre um dev sênior e um júnior usando documentação — o sênior sabe o que está procurando e como avaliar o que recebeu. O modelo não nivela essa diferença; ele a amplifica.

Advogados e contadores com taxa de sucesso quase igual à de engenheiros de software

Esse foi o dado mais contraintuitivo do estudo inteiro. Em sessões que produziram código, a Anthropic comparou as taxas de sucesso por ocupação — e todas as ocupações ficaram dentro de sete pontos percentuais dos engenheiros de software. Gerentes, advogados, contadores, analistas financeiros — todos performaram próximos a devs quando tinham domínio do problema que estavam resolvendo. Isso derruba de vez a narrativa de que Claude Code é ferramenta exclusiva para programadores. O modelo amplifica o que você já sabe sobre o domínio de negócio. Se você sabe o que precisa ser construído com precisão, o Claude executa. O que ele não consegue substituir é o entendimento profundo do problema — e esse entendimento vem de anos de experiência em qualquer área, não só em programação.

O debugging caiu quase à metade em 6 meses — e o que isso significa para devs

De outubro de 2025 a abril de 2026, sessões focadas em debugging caíram de 33% para 19% do total — quase à metade em apenas 6 meses. No mesmo período, 'software operation' cresceu de 14% para 21% e o valor médio das tarefas aumentou 27%. Na minha interpretação, o modelo evoluiu a ponto de resolver mais erros antes que o usuário precise debugar explicitamente — o que libera capacidade cognitiva para trabalhos mais estratégicos. Vejo isso acontecer na prática: hoje trago problemas mais complexos para o Claude Code do que traria há 6 meses, porque os simples o modelo resolve sozinho durante a execução. Isso se conecta diretamente ao que o Claude Opus 4.8 mostrou no SWE-Bench Pro: capacidade crescente de resolver tarefas de software de ponta a ponta, sem precisar de intervenção humana em cada erro.

Conclusão: agentes de código amplificam expertise, não substituem

O que a pesquisa da Anthropic deixa claro é que agentes de código não estão substituindo expertise — estão amplificando-a. Quanto mais domínio você traz para uma sessão, mais o Claude produz. E esse multiplicador vale para qualquer área, não só para programação. O reframe que eu faço é: Claude Code não é uma ferramenta de programação. É uma ferramenta de execução para quem sabe o que quer construir. Se você ainda não usa porque 'não é dev', esse estudo é um argumento concreto para repensar. A pesquisa completa está disponível no artigo Agentic Coding and Persistent Returns to Expertise — vale muito a leitura completa.