تقول Anthropic في تقرير When AI builds itself إن Claude كتب، حتى مايو ٢٠٢٦، أكثر من ٨٠٪ من الشيفرة التي تُدمج في مستودعها؛ وقبل إطلاق Claude Code في فبراير ٢٠٢٥ كانت هذه النسبة في خانة الآحاد. والشركة نفسها سمعت في استطلاع أغسطس ٢٠٢٥ لـ١٣٢ من مهندسيها وباحثيها أن معظمهم لا يستطيعون أن يفوّضوا إلى Claude تفويضًا كاملًا إلا ما بين ٠ و٢٠٪ من عملهم.
الرقمان لا يتناقضان: أحدهما حصة من الشيفرة، والآخر حصة من العمل الذي يُسلَّم دون إشراف، وبينهما تسعة أشهر. لكنهما معًا يُظهران أين بقي العمل الحقيقي: في النص الذي يكتبه الناس لـClaude، وفي مراجعة ما يعيده. وتقارير Anthropic عن كل فريق على حدة تُظهر الشيء نفسه بالتفصيل.
الأرقام، مع تحفّظاتها
- أكثر من ٨٠٪ من الشيفرة المدموجة كتبها Claude حتى مايو ٢٠٢٦. كانت قيادة Anthropic قد ذكرت من قبل ٩٠٪ أو أكثر؛ ويعطي التقرير الرقم الأكثر تحفظًا لأن مسار نسبة الشيفرة إلى كاتبها فيه ثغرات. (When AI builds itself)
- ثمانية أضعاف الشيفرة يوميًا لكل مهندس في الربع الثاني من ٢٠٢٦ مقارنةً بعام ٢٠٢٤. ويقول التقرير نفسه إن هذا الرقم يكاد يكون بالتأكيد أكبر من المكسب الفعلي في الإنتاجية، لأن عدد الأسطر لا يقيس الجودة. (المصدر نفسه)
- في استطلاع أغسطس ٢٠٢٥ قال الموظفون إنهم يستخدمون Claude في نحو ٦٠٪ من عملهم، وإن إنتاجيتهم ارتفعت ٥٠٪ (مقابل ٢٠٪ قبل عام). و٢٧٪ من العمل المُنجز بـClaude ما كان ليُنجز أصلًا من دونه. وكان الاستخدام اليومي الأشيع تصحيح الأخطاء (٥٥٪)، ثم فهم الشيفرة (٤٢٪). (How AI is transforming work at Anthropic)
- في نحو ٢٠٠ ألف transcript داخلي لـClaude Code بين فبراير وأغسطس ٢٠٢٥، ارتفع الحد الأقصى لاستدعاءات الأدوات المتتالية في كل transcript من ٩٫٨ إلى ٢١٫٢، وانخفضت أدوار الإنسان من ٦٫٢ إلى ٤٫١. (المصدر نفسه)
النمط المشترك: ما تكتبه الفرق لـClaude
تحليل البيانات. تقول Anthropic إن Claude يجيب عن ٩٥٪ من استعلامات تحليلات الأعمال لديها، بدقة نحو ٩٥٪ إجمالًا. ويقول المنشور نفسه إن دقة Claude من دون skills لم تتجاوز ٢١٪ في تقييماتهم. والفارق بين الرقمين في تلك التقييمات هو الـskills: معرفة العمل وإجراءات التحليل وقد كُتبت، إلى جانب طبقة semantic والتحقق. ويحذّر المنشور أيضًا من أن هذه الدقة تعني أنه لم تُكتشف ثغرات واضحة، لا أن الإجابة الخاطئة لا تأتي أبدًا. (How Anthropic enables self-service data analytics with Claude)
هندسة RL. لأخطاء Claude المتكررة في استدعاء الأدوات، أضاف الفريق سطرًا إلى CLAUDE.md من هذا النوع: «run pytest not run and don't cd unnecessarily - just use the right path». وبحسب التقرير تحسّن الاتساق تحسنًا ملحوظًا. (How Anthropic teams use Claude Code، ملف PDF)
هندسة الأمن. كتب هذا الفريق نصف جميع الـslash commands المخصّصة في المستودع الموحّد (monorepo) لدى Anthropic. (ملف PDF نفسه)
فريق Claude Code نفسه. للنماذج الأولية، يشغّلون وضع auto-accept ويتركون Claude في حلقة من الكتابة وتشغيل الاختبارات والتكرار؛ ثم يراجعون حلًا مكتملًا بنحو ٨٠٪ ويُنهونه. بهذه الطريقة بُنيت اختصارات Vim في Claude Code، وكان نحو ٧٠٪ من التنفيذ النهائي عملًا ذاتيًا من Claude. وشرطهم: البدء من حالة git نظيفة وعمل commit لنقاط حفظ بانتظام، حتى يسهل التراجع إذا خرج Claude عن المسار. (ملف PDF نفسه)
علم البيانات وML. يسمّونها آلة القمار (slot machine): اعمل commit لحالتك، ودع Claude يعمل نصف ساعة، ثم إما أن تقبل النتيجة أو تبدأ من جديد. وبحسب تجربتهم، ينجح البدء من جديد في الغالب أكثر من إصلاح أخطاء Claude. (ملف PDF نفسه)
خارج الهندسة
- بنى الفريق القانوني نموذجًا أوليًا لـ«شجرة هاتف» توصل كل شخص إلى المحامي المناسب في Anthropic. وفي ساعة واحدة بنى أحد أعضائه تطبيقًا يقترح ردودًا عبر speech-to-text وينطقها بصوت مسموع، لفرد من عائلته يجد صعوبة في الكلام بسبب حالة مرضية.
- بنى فريق تسويق النمو إضافة لـFigma تولّد حتى ١٠٠ نسخة من الإعلان الواحد، بنصف ثانية لكل دفعة؛ وانخفضت كتابة نص الإعلان من ساعتين إلى ١٥ دقيقة.
- يقول مصممو المنتج إن Figma وClaude Code مفتوحان معًا ٨٠٪ من الوقت. وإزالة عبارة «research preview» من قاعدة الشيفرة كلها، التي كانت ستحتاج أسبوعًا من الأخذ والرد، أُنجزت في مكالمتين مدة كل منهما ٣٠ دقيقة.
- حين توقفت الـpods في Kubernetes عن الجدولة، أعطى فريق البنية التحتية للبيانات Claude Code لقطات شاشة من لوحة المراقبة؛ فقادهم Claude قائمةً بعد قائمة إلى تحذير بنفاد عناوين IP للـpods، وأعطاهم أوامر إنشاء IP pool جديد، من دون الحاجة إلى متخصص في الشبكات.
الحالات الأربع كلها من ملف PDF نفسه؛ وملخصها موجود أيضًا في مدونة Claude.
حيث لا ينجح
- يقول فريق RL إن Claude ينجز PR صغيرًا أو متوسطًا بشكل صحيح من المحاولة الأولى في نحو ثلث المرات فقط. ونصيحتهم: جرّب المحاولة الواحدة أولًا، وإن لم تنجح فانتقل إلى العمل الموجَّه. (ملف PDF)
- يخشى الموظفون ضمور مهاراتهم. ويشير تقرير ٢٠٢٥ إلى مفارقة الإشراف: الإشراف على Claude يتطلب المهارة نفسها التي يُضعفها التفويض. ويقول بعضهم إنهم صاروا يعملون مع Claude أكثر مما يعملون مع زملائهم. (How AI is transforming work at Anthropic)
- يقول تقرير ٢٠٢٦ إن كثيرًا من الموظفين رأوا أن الشيفرة التي كتبها Claude كانت في أواخر ٢٠٢٥ لا تزال أدنى جودة من الشيفرة البشرية في Anthropic؛ ولا يوجد إجماع كامل. (When AI builds itself)
- وجد تحليل بأثر رجعي أن Claude لو راجع كل تغيير في الشيفرة تلقائيًا، لاكتُشف نحو ثلث الأخطاء التي كانت وراء حوادث claude.ai السابقة قبل وصولها إلى production. أما البقية فلا. (المصدر نفسه)
في مستودعنا
مستودع هذا الموقع خاص، لذا فما يلي owner-reported.
في ملف CLAUDE.md لدينا قسم اسمه Traps already paid for: كل سطر فيه فخّ وقعنا فيه مرة ولا نريد أن يقع فيه Claude مجددًا. مثلًا: لا تمرّر مخرجات تشغيل Nx إلى tail عبر pipe داخل سكربت، لأن الـdaemon يرث ذلك الـpipe فلا يعود الأمر أبدًا. هذا هو سطر pytest لدى فريق RL، في مشروع آخر. وقاعدة أخرى: شيفرة الحركة لا تُكتب من الذاكرة، ويقرأ Claude أولًا الـskill الخاصة بـGSAP. وحتى اليوم، يحمل ٦٦ من أصل ٧١ commit في هذا المستودع سطر Claude بوصفه مؤلفًا مشاركًا.
وهذا المقال، وهذه الترجمة أيضًا، أنشأهما Claude Code مسودةً انطلاقًا من فكرة على لوحة المحتوى لدينا، عبر خادم MCP الخاص بنظام إدارة المحتوى لدينا. أما نشرهما فقرار شخص يقرؤهما.
المصادر
- When AI builds itself، Anthropic، بيانات حتى مايو ٢٠٢٦
- How AI is transforming work at Anthropic، Anthropic، ٢ ديسمبر ٢٠٢٥
- How Anthropic teams use Claude Code، ٢٤ يوليو ٢٠٢٥، والنص الكامل بصيغة PDF
- How Anthropic enables self-service data analytics with Claude، ٣ يونيو ٢٠٢٦
مسودة بمساعدة الذكاء الاصطناعي، راجعها [الاسم]