Anthropic के Engineers अपने 59% काम में AI का इस्तेमाल करते हैं — उनका Internal Data क्या बताता है

जब एक AI company खुद पर microscope लगाती है तो क्या होता है? Anthropic ने अभी इसका जवाब publish किया है, और numbers काफी striking हैं — इसलिए नहीं कि वो impossibly high हैं, बल्कि इसलिए कि ये बताते हैं कि AI integration असल में कैसा दिखता है।

August 2025 में, Anthropic ने अपने 132 engineers और researchers का survey किया, 53 in-depth interviews लिए, और February से August 2025 तक के 2 लाख से ज़्यादा internal Claude Code transcripts का analysis किया। [Fact] नतीजा knowledge workers रोज़ाना AI कैसे use करते हैं, इसकी सबसे detailed reports में से एक है — hypothetical survey नहीं, बल्कि actual workflows से आया data।

28% से 59%: Usage Curve तेज़ी से ऊपर जा रहा है

एक साल पहले, Anthropic employees ने report किया कि वो अपने काम के लगभग 28% में Claude use करते हैं। [Fact] August 2025 तक ये figure 59% पर पहुँच गया — बारह महीनों में दोगुने से ज़्यादा। [Fact]

Productivity gains ने भी similar trajectory follow की। Self-reported productivity improvement उसी period में 20% से 50% तक बढ़ी। [Fact] और 14% respondents ने 100% से ज़्यादा gains report कीं — यानी AI assistance से उनका output essentially दोगुना हो गया। [Fact]

ये hypothetical projections नहीं हैं। ये उन लोगों से आई हैं जो AI tools बनाते हैं और हर रोज़ use करते हैं। अगर किसी को AI से value निकालने में expert होना चाहिए, तो वो इसे बनाने वाले engineers हैं। ये context important है, और हम इस पर वापस आएँगे।

Engineers असल में AI किस लिए Use करते हैं

सबसे common daily use case शायद आपको surprise करे: debugging। [Fact] 55% respondents हर रोज़ bugs track करने के लिए Claude use करते हैं। Code understanding 42% के साथ दूसरे नंबर पर है, उसके बाद feature implementation 37% पर। [Fact]

Design और planning tasks — higher-level thinking जिसमें architectural judgment चाहिए — AI adoption में सबसे कम हैं। [Fact] Engineers उन tasks को delegate करना choose कर रहे हैं जहाँ output easily verifiable है: अगर Claude buggy code लिखे, तो test fail होता है और आपको तुरंत पता चल जाता है। अगर Claude कोई ग़लत design decision ले, तो शायद months बाद consequences पता चलें।

Selective delegation का ये pattern Anthropic के Economic Index के हमारे analysis से consistent है, जिसमें पाया गया कि AI use full automation की बजाय "augmentation" के आसपास cluster होता है।

वो 27% जो सब कुछ बदल देता है

शायद सबसे consequential finding: AI-assisted काम का 27% AI के बिना होता ही नहीं। [Fact] ये वो tasks नहीं हैं जो faster हो गए — ये वो tasks हैं जो exist ही नहीं करते। Engineers ने Claude use किया unfamiliar codebases explore करने, वो tests लिखने जो skip कर देते, छोटी-छोटी परेशानियाँ fix करने ("papercut fixes" Claude Code usage का 8.6% हैं [Fact]), और ऐसे ideas prototype करने जो manually try करने में बहुत time-consuming लगते।

ये उस simple narrative को challenge करता है कि AI या तो human work "replace" करता है या "augment"। AI impact का एक substantial हिस्सा entirely new work create कर रहा है — individuals जो feasible मानते हैं उसका scope expand कर रहा है।

Software developers और computer programmers के लिए ये एक meaningful signal है। AI सिर्फ existing tasks को faster नहीं बना रहा; वो एक person जो accomplish कर सकता है उसका scope expand कर रहा है। एक backend engineer अब frontend interface बना सकता है। एक researcher बिना नया framework सीखे data visualizations create कर सकता है। Specializations के बीच की boundary blur हो रही है।

बढ़ती Autonomy, बढ़ती Concerns

Claude Code की autonomy measurably expand हुई है। [Fact] Consecutive tool calls — वो actions जो Claude बिना human intervention के लेता है — छह महीनों में लगभग 10 से 20 तक दोगुने हो गए। इसी बीच, human turns per conversation 33% drop हुए, 6.2 से 4.1 तक। [Fact]

Engineers पीछे हट रहे हैं और AI को लंबे stretches of work independently handle करने दे रहे हैं। Feature implementation as a use case 14% से 37% तक बढ़ा, और design और planning work भी 1% से 10% तक climb किया। [Fact]

लेकिन interviews में concern की एक undercurrent भी दिखती है। एक engineer ने note किया कि "जब output produce करना इतना easy और fast हो जाता है, तो actually time निकालकर कुछ सीखना harder और harder हो जाता है।" [Fact] दूसरे ने एक paradox point किया: Claude effectively use करने के लिए exactly वही coding expertise चाहिए जो Claude पर ज़्यादा rely करने से atrophy हो सकती है।

कुछ ने short-term optimism के साथ long-term uncertainty report की। जैसा कि एक ने कहा: AI likely "मुझे और कई दूसरों को irrelevant बना देगा" eventually। [Fact] ये किसी technophobe की आवाज़ नहीं है — ये वो person है जो ये systems बनाता है।

Software Professionals के लिए इसका क्या मतलब है

Software developers, data scientists, और computer programmers के लिए ये study encouragement और warning दोनों offer करती है।

Encouragement: AI currently developers को replace नहीं कर रहा, बल्कि more productive बना रहा है। Anthropic के engineer per day merged pull requests 67% बढ़े [Fact], लेकिन headcount proportionally नहीं घटा। काम बढ़ी हुई capacity fill करने के लिए expand हुआ।

Warning: trajectory clear है। Usage एक साल में double हुआ। Autonomy छह महीने में double हुई। Design tasks — जो लंबे समय से engineering का सबसे human part मानी जाती थीं — भी delegate होने लगी हैं। अगर आप एक developer हैं जिनकी primary value problems समझने की बजाय code लिखने में है, तो comfortable middle ground erode हो रहा है।

[Claim] वो developers thrive करेंगे जो meta-skill में अच्छे हैं: कब delegate करना है, क्या verify करना है, और AI को effectively कैसे direct करना है। ये study दिखाती है कि एक AI company में भी, आधे से ज़्यादा respondents अपने काम का सिर्फ 0-20% fully delegate करते हैं। [Fact] Future की skill prompting नहीं है — judgment है।

वो Caveat जो आपको Ignore नहीं करना चाहिए

Anthropicn employees typical knowledge workers नहीं हैं। वो Claude बनाते हैं, इसकी capabilities intimately समझते हैं, और AI adoption maximize करने के लिए designed environment में काम करते हैं। [Claim] अगर 59% integration rate पर productivity gains की ceiling लगभग 50% है, तो कम AI expertise और weaker tooling वाली ज़्यादातर companies substantially lower numbers देखेंगी।

Study significant limitations भी acknowledge करती है: engaged users की तरफ selection bias, non-anonymous responses में social desirability effects, और productivity gains self-report करने की inherent difficulty। [Fact]

फिर भी, ये इसलिए valuable है क्योंकि ये दिखाती है कि current AI technical work के लिए क्या कर सकता है उसकी upper bound। ये prophecy नहीं, preview है — लेकिन ये ऐसा preview है जिस पर हर software professional को ध्यान देना चाहिए।

Sources

• 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

Update History

• 2026-03-23: Anthropic internal study (December 2025) के आधार पर initial publication.

---

ये analysis AI की सहायता से तैयार किया गया है। सभी factual claims [Fact] से, opinions और interpretations [Claim] से, और projections [Estimate] से tag किए गए हैं। Source data और methodology details linked paper में मिल सकते हैं। Occupation-level detailed data के लिए individual occupation pages visit करें।