Anthropic-এর ইঞ্জিনিয়াররা ৫৯% কাজে AI ব্যবহার করেন — অভ্যন্তরীণ ডেটা কী বলছে

একটা AI কোম্পানি যখন নিজের উপরই মাইক্রোস্কোপ তাক করে তখন কী হয়? Anthropic এইমাত্র সেই উত্তর প্রকাশ করেছে, আর সংখ্যাগুলো চমকে দেওয়ার মতো — অবিশ্বাস্য রকম বেশি বলে না, বরং AI ইন্টিগ্রেশন বাস্তবে ঠিক কেমন দেখায় সেটা দেখায় বলে।

২০২৫ সালের আগস্টে Anthropic নিজের ১৩২ জন ইঞ্জিনিয়ার ও গবেষকের সার্ভে করে, ৫৩টি গভীর সাক্ষাৎকার নেয়, আর ২০২৫ ফেব্রুয়ারি থেকে আগস্ট পর্যন্ত ২ লক্ষের বেশি অভ্যন্তরীণ Claude Code ট্রান্সক্রিপ্ট বিশ্লেষণ করে। [তথ্য] ফলাফল হলো knowledge worker-রা কীভাবে প্রতিদিন AI ব্যবহার করে তার সবচেয়ে বিস্তারিত চিত্রগুলোর একটি — কোনো কাল্পনিক সার্ভেতে না, বাস্তব workflow-এ।

২৮% থেকে ৫৯%: ব্যবহারের বক্ররেখা খাড়া হচ্ছে

এক বছর আগে Anthropic কর্মীরা জানিয়েছিল তাদের কাজের প্রায় ২৮%-এ Claude ব্যবহার করেন। [তথ্য] ২০২৫ আগস্ট নাগাদ সেটা লাফিয়ে ৫৯%-এ পৌঁছেছে — বারো মাসে দ্বিগুণেরও বেশি। [তথ্য]

উৎপাদনশীলতার উন্নতিও একই রকম গতিপথ ধরেছে। স্ব-প্রতিবেদিত productivity উন্নতি ২০% থেকে ৫০%-এ গেছে একই সময়কালে। [তথ্য] আর ১৪% উত্তরদাতা ১০০%-এর বেশি উন্নতির কথা জানিয়েছে — মানে AI সহায়তায় আউটপুট প্রায় দ্বিগুণ। [তথ্য]

এগুলো কাল্পনিক অনুমান না। এগুলো এমন মানুষদের কাছ থেকে এসেছে যারা AI টুল বানায় আর প্রতিদিন ব্যবহার করে। AI থেকে মূল্য বের করতে কেউ যদি ভালো হওয়া উচিত, সেটা যারা এটা তৈরি করে তারাই। এই প্রসঙ্গটা গুরুত্বপূর্ণ, পরে ফিরে আসব।

ইঞ্জিনিয়াররা আসলে AI দিয়ে কী করে

সবচেয়ে সাধারণ দৈনিক use case হয়তো অবাক করবে: ডিবাগিং। [তথ্য] ৫৫% উত্তরদাতা প্রতিদিন Claude দিয়ে বাগ খোঁজে। কোড বোঝা দ্বিতীয়তে ৪২%, তারপর ফিচার ইমপ্লিমেন্টেশন ৩৭%। [তথ্য]

ডিজাইন ও পরিকল্পনা কাজ — আর্কিটেকচারাল বিচারবুদ্ধি দরকার এমন উচ্চ-স্তরের চিন্তাভাবনা — সবচেয়ে কম AI adoption-এর ক্ষেত্র হয়ে আছে। [তথ্য] ইঞ্জিনিয়াররা সেই কাজগুলো বেছে নিয়ে দিচ্ছে যেখানে আউটপুট সহজে যাচাই করা যায়: Claude যদি buggy কোড লেখে, টেস্ট ফেল হবে আর আপনি সাথে সাথে জানবেন। Claude যদি খারাপ ডিজাইন সিদ্ধান্ত নেয়, পরিণতি হয়তো মাসখানেক পরে ধরা পড়বে।

এই সিলেক্টিভ ডেলিগেশনের প্যাটার্ন আমাদের Anthropic Economic Index বিশ্লেষণের সাথে সামঞ্জস্যপূর্ণ, যেখানে দেখা গেছে AI ব্যবহার সম্পূর্ণ অটোমেশন না বরং "augmentation"-এ কেন্দ্রীভূত।

সব বদলে দেওয়া ২৭%

সম্ভবত সবচেয়ে গুরুত্বপূর্ণ finding: AI-সহায়তা কাজের ২৭% AI ছাড়া আদৌ করা হতো না। [তথ্য] এগুলো দ্রুত হওয়া কাজ না — এগুলো এমন কাজ যা একেবারেই থাকত না। ইঞ্জিনিয়াররা Claude ব্যবহার করেছে অচেনা কোডবেস explore করতে, এমন টেস্ট লিখতে যা স্কিপ করত, ছোট বিরক্তি ঠিক করতে (তথাকথিত "papercut fix" Claude Code ব্যবহারের ৮.৬% [তথ্য]), আর এমন আইডিয়া প্রোটোটাইপ করতে যা হাতে করলে খুব সময়সাপেক্ষ মনে হতো।

এটা AI মানুষের কাজকে হয় "প্রতিস্থাপন" করে নয়তো "বাড়ায়" — এই সরল narrative-কে চ্যালেঞ্জ করে। AI-এর প্রভাবের একটা বড় অংশ হলো সম্পূর্ণ নতুন কাজ তৈরি করা — ব্যক্তি তার সময়ের সীমাবদ্ধতার মধ্যে কী সম্ভব মনে করে সেই পরিধি বাড়ানো।

সফটওয়্যার ডেভেলপার আর কম্পিউটার প্রোগ্রামারদের জন্য এটা একটা অর্থবহ সংকেত। AI শুধু বিদ্যমান কাজ দ্রুত করছে না; একজন মানুষ কতটুকু করতে পারে তার পরিধি বাড়াচ্ছে। একজন ব্যাকএন্ড ইঞ্জিনিয়ার এখন ফ্রন্টএন্ড ইন্টারফেস বানাতে পারে। একজন গবেষক নতুন ফ্রেমওয়ার্ক না শিখেই ডেটা ভিজ্যুয়ালাইজেশন তৈরি করতে পারে। বিশেষায়নের সীমারেখা ঝাপসা হচ্ছে।

বাড়তে থাকা স্বায়ত্তশাসন, বাড়তে থাকা উদ্বেগ

Claude Code-এর autonomy পরিমাপযোগ্যভাবে বেড়েছে। [তথ্য] পরপর tool call — Claude মানুষের হস্তক্ষেপ ছাড়া যে action নেয় — ছয় মাসে প্রায় ১০ থেকে ২০-তে দ্বিগুণ। এদিকে প্রতি কথোপকথনে মানুষের টার্ন কমেছে ৩৩%, ৬.২ থেকে ৪.১-এ। [তথ্য]

ইঞ্জিনিয়াররা পিছিয়ে আসছে আর AI-কে দীর্ঘ কাজের stretch স্বাধীনভাবে সামলাতে দিচ্ছে। Use case হিসেবে ফিচার ইমপ্লিমেন্টেশন ১৪% থেকে ৩৭%-এ বেড়েছে, এমনকি ডিজাইন ও পরিকল্পনা কাজ ১% থেকে ১০%-এ উঠেছে। [তথ্য]

কিন্তু সাক্ষাৎকারে একটা অন্তর্নিহিত উদ্বেগ ফুটে ওঠে। একজন ইঞ্জিনিয়ার বলেছেন, "যখন output তৈরি করা এত সহজ আর দ্রুত, তখন আসলে সময় নিয়ে কিছু শেখাটা ক্রমশ কঠিন হয়ে যায়।" [তথ্য] আরেকজন একটা প্যারাডক্সের দিকে ইঙ্গিত করেছেন: Claude কার্যকরভাবে ব্যবহার করতে ঠিক সেই ধরনের কোডিং দক্ষতা লাগে যা Claude-এর উপর বেশি নির্ভর করলে ক্ষয়ে যেতে পারে।

কেউ কেউ স্বল্পমেয়াদী আশাবাদ আর দীর্ঘমেয়াদী অনিশ্চয়তার মিশ্রণ জানিয়েছেন। একজন যেমন বলেছেন: AI সম্ভবত "আমাকে আর আরও অনেককে শেষ পর্যন্ত অপ্রাসঙ্গিক করে দেবে।" [তথ্য] এটা কোনো প্রযুক্তি-ভীতুর কথা না — এটা এমন কেউ যে জীবিকার জন্য এসব সিস্টেম বানায়।

সফটওয়্যার পেশাদারদের জন্য মানে কী

সফটওয়্যার ডেভেলপার, ডেটা সায়েন্টিস্ট, আর কম্পিউটার প্রোগ্রামারদের জন্য এই গবেষণা উৎসাহ আর সতর্কবাণী দুটোই দেয়।

উৎসাহ: AI বর্তমানে ডেভেলপারদের আরও productive করছে, প্রতিস্থাপন করছে না। Anthropic-এর প্রতি ইঞ্জিনিয়ার প্রতিদিন merge হওয়া Pull Request বেড়েছে ৬৭% [তথ্য], কিন্তু headcount সেই অনুপাতে কমেনি। কাজ বিস্তৃত হয়ে নতুন ক্যাপাসিটি পূরণ করেছে।

সতর্কবাণী: গতিপথ স্পষ্ট। ব্যবহার এক বছরে দ্বিগুণ। Autonomy ছয় মাসে দ্বিগুণ। ডিজাইন কাজ — দীর্ঘদিন ইঞ্জিনিয়ারিংয়ের সবচেয়ে মানবিক অংশ বলে বিবেচিত — সেটাও delegate হতে শুরু করেছে। আপনি যদি এমন ডেভেলপার হন যার মূল মূল্য কোড লেখায়, সমস্যা বোঝায় না, তাহলে আরামের জায়গা সংকুচিত হচ্ছে।

[মতামত] যারা সফল হবে তারা meta-skill-এ পারদর্শী: কখন delegate করতে হবে, কী verify করতে হবে, কীভাবে AI-কে কার্যকরভাবে চালাতে হবে — এটা জানা। এই গবেষণা দেখায়, একটা AI কোম্পানিতেও অর্ধেকের বেশি উত্তরদাতা মাত্র ০-২০% কাজ পুরোপুরি delegate করে। [তথ্য] ভবিষ্যতের skill prompting না — judgment।

যে সতর্কতা এড়ানো উচিত নয়

Anthropic-এর কর্মীরা সাধারণ knowledge worker না। তারা Claude বানায়, এর ক্ষমতা ভালোভাবে বোঝে, আর এমন পরিবেশে কাজ করে যা সর্বোচ্চ AI adoption-এর জন্য ডিজাইন করা। [মতামত] যদি ৫৯% integration rate-এ AI productivity gain-এর সীমা প্রায় ৫০% হয়, তাহলে কম AI expertise আর দুর্বল tooling-সহ অধিকাংশ কোম্পানি উল্লেখযোগ্যভাবে কম দেখবে।

গবেষণা উল্লেখযোগ্য সীমাবদ্ধতাও স্বীকার করে: সক্রিয় ব্যবহারকারীদের প্রতি selection bias, non-anonymous উত্তরে social desirability effect, আর productivity gain নিজে রিপোর্ট করার সহজাত কঠিনতা। [তথ্য]

তবু এটা মূল্যবান ঠিক এই কারণেই — বর্তমান AI প্রযুক্তিগত কাজের জন্য কী করতে পারে তার upper bound দেখায়। এটা preview, prophecy না — কিন্তু প্রতিটি সফটওয়্যার পেশাদারের মনোযোগ দেওয়া উচিত।

সূত্র

• Huang, S., Seethor, B., Durmus, E., Handa, K., McCain, M., Stern, M., & Ganguli, D. (2025). "How AI is transforming work at Anthropic." Anthropic Research. https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

আপডেট ইতিহাস

• ২০২৬-০৩-২৩: Anthropic অভ্যন্তরীণ গবেষণার (ডিসেম্বর ২০২৫) ভিত্তিতে প্রথম প্রকাশনা।

---

এই বিশ্লেষণ AI সহায়তায় তৈরি। সমস্ত তথ্যভিত্তিক দাবি [তথ্য], মতামত [মতামত], আর অনুমান [অনুমান] দিয়ে চিহ্নিত। উৎস ডেটা ও পদ্ধতি লিঙ্ক করা পেপারে আছে। বিস্তারিত পেশা ডেটার জন্য পেশা পৃষ্ঠা দেখুন।