AI时代，懂业务胜过写代码
大家好，我是 Ai 学习的老章
Anthropic刚发布一项研究，分析了40万个Claude Code交互会话，得出一个反常识的结论：在AI编程时代，你是否理解业务，远比你是否会写代码更重要。
这份报告名为《Agentic coding and persistent returns to expertise》（智能体编程与专业知识的持续回报），基于2025年10月至2026年4月间约40万次Claude Code交互，覆盖23.5万用户，使用其隐私保护分析工具Clio进行处理。
样本规模庞大，结论扎实，我们逐条解析。
最基础的发现是：在典型会话中，人类负责约70%的规划决策，仅执行约20%的代码操作。
通俗讲：你告诉AI‘要实现什么功能’‘用什么方案’‘做到什么标准算完成’，剩下的‘改哪个文件’‘写什么代码’‘用什么语言’‘执行什么命令’，全由AI决定。
下图展示了这一分工：左侧规划由人主导，右侧执行由Claude承担：
一次典型会话约4轮交互，用户每发一条指令，Claude平均执行10个动作，有时超100个。每轮中，AI需读文件、改代码、跑命令，平均输出2400词。
一个有趣细节：当用户主导80%以上执行决策时，Claude每轮仅做约8个动作；当AI主导80%以上规划时，每轮能执行约16个动作——你越放手，AI越能干。
报告将会话分为九种模式，归纳为四类：
编码相关（约56%）：新建功能25%、修复bug 26%、测试与编排5%；运维相关（17%）：部署、配置、流水线、监控；规划与探索（14%）：理解系统架构、设计改造方案；非代码产出（13%）：数据分析、写文档、做演示。
下图是九种模式的占比分布：
报告用五个等级评估用户专业度：Novice（新手）、Beginner（初学者）、Intermediate（中级）、Advanced（高级）、Expert（专家）。
评估依据是三项信号：
注意，这里衡量的是任务领域的专业度，而非编程技能。一个资深工程师首次问Rust问题，在Rust任务中就是新手；一个从没用过Python的会计，若能精准定义对账规则、识别月末边界情况，那他就是该任务的专家。
下图展示各等级判定标准及来自SWE-chat数据集的示例：
关键数据来了：新手会话中，每条指令触发约5个AI动作、600词输出；专家会话中，每条指令触发12个动作、3200词输出——动作链是新手两倍以上，输出量达五倍。
这一差距在所有任务类型和价值层级中均成立：你越懂业务，AI为你做的就越多。
报告定义了两种成功标准：
结果明确：
验证成功率提升超一倍，但关键点在于：主要提升来自新手到中级的跃迁，中级到专家的增幅微弱。
换言之，你无需成为领域专家，只要掌握业务基本逻辑，就能高效使用AI。
下图展示专业度与成功率趋势，可见新手到中级提升最显著：
遇困时差距更悬殊：新手遇阻后成功率仅4%，专家达15%。更严峻的是：19%的新手会话遇阻后直接放弃（无代码产出），而其他人仅5-7%。
新手遇到问题就放弃，专家能引导AI走出困境——这就是领域知识的价值：你知道问题在哪，知道如何指路。
最反直觉的发现：软件相关职业用户的验证成功率约30%，非软件职业约26%，差距仅4个百分点。
在生成代码的会话中（至少修改一行），软件职业为34%，其他为29%；但按宽松标准，两组成功率均达88-89%。
报告还指出：管理岗的成功率甚至略高于软件工程师。可能因管理技能（指挥协作）自然迁移到指挥AI，或管理者更擅长明确验收标准。
在生成代码的会话中，十大职业的验证成功率均在软件工程师±7个百分点内。金融、法律、管理、科研人员用AI写代码的效率，与专业程序员相差无几。
7个月内，Claude Code使用结构显著变化：
修复bug占比从三分之一降至不足五分之一，说明AI生成质量提升，或用户更会使用。
同时，任务经济价值上升。报告以自由职业报价估算，7个月平均任务价值增长27%，新建任务涨43%，运维涨34%，修复涨32%。
下图展示工作类型结构演变：
报告采用美国劳工统计局SOC职业分类，约70%会话可识别职业。
不出所料，计算机与数学类（软件岗）占比最高，其次为商业金融运营、艺术设计与媒体、管理、生命与社会科学。
增长最快的非软件职业是：管理、销售、法律。
这意味着：Claude Code正从程序员专属工具，转型为全行业知识工作者的助手。律师用它审合同，会计用它做对账，管理者用它搭看板——无需编程背景。
将以上数据浓缩为一张图，核心结论清晰可见：编程背景带来的成功率差异仅4个百分点，而业务专业度带来的差距高达13-18个百分点。
这份报告有几点让我深有共鸣：
第一，领域知识是AI时代的硬通货。AI能写代码，但不知该写什么。你懂业务，就能让AI做更多、做更准的事——这比你会Python重要得多。
第二，别怕不懂编程。数据证明，非程序员用AI编程的成功率与程序员几乎无异。关键是清楚你要解决什么问题。
第三，新手到中级是最大跨越。你无需成为专家，只要掌握基本业务逻辑，就能获得绝大部分收益。这降低了门槛，但也意味着——若连业务都不懂，AI也帮不了你。
第四，管理岗成功率略超程序员，耐人寻味。或许‘指挥AI’本质就是管理能力的延伸：拆解任务、定义标准、及时反馈——这些能力在AI协作中直接复用。
报告也有局限：仅基于Claude Code数据，其他工具是否一致未知；分类器由AI生成，存在误差；未追踪代码最终是否被采用。但作为目前最大规模的AI编程行为分析，其参考价值已非常显著。