Quando Claude costruisce Claude: i dati di produzione Anthropic sull'authorship AI del codice raggiungono l'80%

A maggio 2026, Anthropic ha pubblicato 16 mesi di dati longitudinali di produzione che mostrano come Claude abbia scritto oltre l'80% di tutto il codice unito all'interno dell'azienda — in crescita rispetto alle singole cifre percentuali registrate prima di febbraio 2025 — mentre gli ingegneri hanno consegnato 8 volte più codice per trimestre rispetto alla linea di base del 2024. Co-firmata da Marina Favaro e Jack Clark e pubblicata sul sito Anthropic Institute, l'analisi costituisce il primo grande record empirico di auto-miglioramento ricorsivo in un ambiente di sviluppo AI commerciale reale.

Cosa mostrano i dati di produzione: metriche su 16 mesi

Il dataset copre la codebase di produzione unita di Anthropic dall'inizio del 2025 a maggio 2026 — un record longitudinale nel mondo reale, distinto da un ambiente di benchmark controllato. Il dato principale, oltre l'80% del codice unito scritto da Claude, misura codice scritto, testato e sottoposto da sistemi AI, con la revisione umana nel ruolo di gate di qualità e la paternità del codice attribuita ai sistemi AI piuttosto che agli ingegneri che approvano il merge.

Parallelamente al volume di codice, Anthropic riporta che gli ingegneri hanno consegnato 8 volte più codice per trimestre nel Q2 2026 rispetto al 2024. Un sondaggio interno di marzo 2026 (n=130 dipendenti) ha registrato un aumento mediano dell'output auto-dichiarato di 4 volte dopo l'accesso a Mythos Preview — il sistema di coding agentale interno di Anthropic basato su Claude Opus 4.6.

Il tasso di successo su task a formato aperto ha raggiunto il 76% a maggio 2026, un guadagno di 50 punti percentuali in sei mesi. L'orizzonte dei task si è espanso a un ritmo costante attraverso tre generazioni di modelli: Claude Opus 3 completava task da 4 minuti (marzo 2024), Claude Sonnet 3.7 gestiva task da 90 minuti (marzo 2025), e Claude Opus 4.6 ha gestito task da 12 ore (marzo 2026) — circa un ordine di grandezza per generazione.

I dati sulla qualità del codice completano le cifre sul volume. La revisione automatizzata di Claude intercetta circa un terzo dei bug di produzione che superano i controlli dei migliori ingegneri umani di Anthropic. Ad aprile 2026, Claude ha inviato più di 800 correzioni mirate che hanno ridotto una specifica classe di errori API di un fattore 1.000×. L'ingegnere responsabile del progetto ha stimato che un team umano avrebbe richiesto quattro anni per produrre risultati equivalenti.

I benchmark di ottimizzazione del codice seguono la stessa accelerazione. L'ottimizzazione guidata da Claude ha prodotto uno speedup medio di ~3× a maggio 2025; ad aprile 2026, la stessa classe di task ha prodotto uno speedup di ~52× — rispetto al 4× ottenuto da umani esperti in 4–8 ore, posizionando le prestazioni AI a un vantaggio di 13× sugli esperti umani in questa classe di task.

Le metriche di giudizio nella ricerca seguono una traiettoria parallela. A novembre 2025, Claude ha selezionato la direzione di ricerca superiore nel 51% di 129 valutazioni dirette contro ricercatori umani. Ad aprile 2026, quella cifra è avanzata al 64% sullo stesso set di valutazione — stabilendo Claude come il research director di scelta di maggioranza in scenari decisionali complessi.

Un progetto di ricerca autonomo condotto su 800 ore di calcolo cumulative (costo totale: circa 18.000 dollari) ha visto Claude chiudere il 97% del gap prestazionale su un task di ricerca mirato; i ricercatori umani hanno chiuso il 23% in un periodo comparabile. Il Progetto Glasswing, un'iniziativa interna di sicurezza che utilizza Mythos Preview, ha identificato oltre 10.000 vulnerabilità software ad alto e critico impatto nelle sue prime settimane di operatività.

Perché questo dataset supera ciò che i benchmark possono dire ai leader R&D

Tre caratteristiche distinguono questa evidenza dai report standard sulle prestazioni AI e influenzano direttamente il modo in cui i responsabili della ricerca devono interpretare i numeri.

In primo luogo, l'ambiente di misurazione è la codebase di produzione di Anthropic — la codebase di un'organizzazione con forti incentivi istituzionali a mantenere standard di qualità rigorosi. L'80% di authorship del codice riflette decisioni di merge reali e revisioni di codice reali, con conseguenze dirette per l'affidabilità del sistema. Questo è un segnale produttivo che porta il peso dell'accountability operativa — una dimensione assente dai punteggi dei benchmark competitivi.

In secondo luogo, la riduzione 1.000× degli errori API e lo speedup 52× nell'ottimizzazione sono risultati assoluti specifici del dominio espressi in unità ingegneristiche. Una riduzione 1.000× nei tassi di errore produce un miglioramento diretto e misurabile nell'affidabilità del sistema. Uno speedup 52× nell'ottimizzazione si traduce in un vantaggio prestazionale di 13× sugli esperti umani in un dominio che richiedeva anni di formazione specializzata per raggiungere quel livello di prestazione umana. Questi risultati sono nella stessa unità degli obiettivi ingegneristici di produzione, rendendo il confronto diretto con l'output umano inequivocabile.

In terzo luogo, la progressione dell'orizzonte dei task — 4 minuti, 90 minuti, 12 ore attraverso tre generazioni consecutive — è empiricamente coerente e in accelerazione. Il paper accoppia questa traiettoria con una proposta di governance: Anthropic propone esplicitamente un meccanismo globale di pausa progettato per attivarsi quando l'auto-miglioramento ricorsivo supera la capacità di supervisione umana. Un'organizzazione che riporta il più alto tasso noto di authorship AI del codice e propone simultaneamente un meccanismo internazionale di freno invia un segnale di governance che merita peso indipendentemente dall'eventuale attivazione di tale meccanismo.

La domanda infrastrutturale a cui la tua roadmap 2027 deve rispondere

I dati di produzione di Anthropic stabiliscono una traiettoria di riferimento concreta: un percorso di 16 mesi da singole cifre percentuali all'80% di authorship AI del codice corrisponde a un moltiplicatore di produttività di 8× e un'espansione misurabile nella capacità dei task autonomi. La domanda strategica per i CTO e i responsabili della ricerca che allocano i budget 2026–2027 è precisa: a quale percentuale di authorship AI del codice la tua attuale infrastruttura di quality assurance e revisione preserva il segnale di affidabilità che l'authorship umana forniva a tassi di authorship AI bassi — e quale investimento raggiunge quella soglia prima che la percentuale salga oltre il livello che il tuo team può supervisionare efficacemente?