Quando l’IA più cauta usa Claude per l’80% del proprio codice

Sintesi esecutiva

• Il dato: Nel maggio 2026, oltre l’80% del codice di produzione di Anthropic è stato scritto da Claude — rispetto a quasi zero quando Claude Code è stato lanciato nel febbraio 2025.

• L’impatto: Gli ingegneri integrano oggi otto volte più codice al giorno rispetto al 2024; uno sprint di aprile ha completato un lavoro stimato in quattro anni umani.

• La sorpresa: Anthropic ha pubblicato questi dati di produttività nello stesso rapporto in cui chiede un meccanismo globale per mettere in pausa l’IA di frontiera — l’acceleratore più potente e il freno più urgente, premuti simultaneamente.

C’è un numero nel rapporto di Anthropic del 4 giugno che dovrebbe ricalibrare le scadenze AI di ogni dirigente aziendale. Non la valutazione dell’azienda. Non un punteggio benchmark. Questo: nel maggio 2026, oltre l’80% del codice integrato nella codebase di produzione di Anthropic è stato scritto da Claude — il modello AI che Anthropic stesso sviluppa. Quindici mesi fa, quel numero era praticamente zero.

Da quasi zero all’80% in quindici mesi: la curva di produttività più ripida nel settore tech

Quando Claude Code è stato lanciato nel febbraio 2025, la quota di codice di produzione di Anthropic scritta dall’IA era nelle singole cifre basse. Nel secondo trimestre 2026, l’ingegnere tipico dell’azienda integra otto volte più codice al giorno rispetto al 2024. Non si tratta di un guadagno di efficienza incrementale. È un cambiamento strutturale di ciò che significa un team software.

La qualità del codice ha seguito un arco prevedibile. Alla fine del 2025, gli ingegneri di Anthropic descrivevano l’output di Claude come “leggermente peggiore” del codice umano. A metà 2026, i due sono alla pari. Su problemi di ingegneria complessi e aperti, i tassi di successo sono saliti da circa il 15% nella seconda metà del 2025 a oltre il 76% nella primavera 2026. Su un benchmark interno di ottimizzazione del codice di addestramento, il modello interno più recente di Anthropic ha raggiunto un’accelerazione di 52× — contro circa 3× dodici mesi prima. Ciò che colpisce non è una singola cifra, ma la forma della curva: ogni nuova capacità sblocca la successiva più rapidamente.

La velocità con cui questo gap di qualità si chiude è ciò che cambia il calcolo per i dirigenti ancora in “modalità valutazione”. Una finestra che sembrava lontana anni si misura ora in mesi.

Uno sprint. Quattro anni umani stimati.

Nell’aprile 2026, Claude ha consegnato oltre 800 correzioni di codice individuali che hanno ridotto una specifica classe di errori API di un fattore mille. L’ingegnere responsabile del lavoro ha stimato che la stessa attività avrebbe richiesto a uno sviluppatore umano esperto circa quattro anni per essere completata. Claude l’ha realizzata in uno sprint. Questo divario — tra ciò che l’IA può compiere in giorni e ciò che gli esseri umani possono compiere in anni — è esattamente dove la maggior parte della pianificazione aziendale continua a fare i conti in modo errato.

I team di brand e i responsabili delle operazioni continuano a inquadrare l’IA come un moltiplicatore sull’organico esistente, piuttosto che come un input strutturale che cambia ciò che un team di cinque persone può produrre rispetto a uno di cinquanta. Quello che vediamo in Epinium è che questo inquadramento è il principale ostacolo alla cattura di guadagni di produttività reali: le organizzazioni ottimizzano lo strumento invece di ridisegnare il flusso di lavoro attorno ad esso.

Dati Epinium

Nella pratica Transform di Epinium, lavorando con oltre 300 brand e produttori per cinque anni, le aziende che hanno catturato i maggiori guadagni di produttività AI condividevano un pattern comune: hanno integrato l’IA in interi flussi di lavoro anziché distribuirla come strumento opzionale per singoli collaboratori. I brand che hanno superato questa soglia hanno riportato cicli di produzione di contenuti ridotti di oltre la metà in sei mesi — la dinamica di capitalizzazione che Anthropic ora documenta su scala ingegneristica.

DIAGNOSI GRATUITA   Il tuo team è strutturato per catturare i guadagni di produttività che Anthropic documenta internamente? Come funziona Transform → ✓ 30 min  ✓ Senza costi  ✓ Direttore AI dedicato

Il laboratorio che ha progettato il freno preme contemporaneamente sull’acceleratore

Ecco il dettaglio che la maggior parte della copertura mediatica sottovaluterà. Anthropic ha pubblicato i suoi dati di produttività nello stesso documento in cui ha formalmente chiesto un meccanismo globale per “rallentare o sospendere temporaneamente” lo sviluppo dell’IA di frontiera se la ricerca sull’allineamento non riesce a tenere il passo con i progressi delle capacità. L’azienda che produce l’IA di codifica più potente al mondo sta simultaneamente avanzando l’argomento pubblico più serio per un arresto di emergenza a livello industriale.

Non si tratta di una contraddizione — è il resoconto onesto di Anthropic su dove si trova la tecnologia. L’implicazione pratica per i dirigenti aziendali è meno drammatica ma ugualmente consequenziale: la finestra per costruire capacità AI interne è aperta e si sta chiudendo, ma lo stesso vale per la finestra per stabilire strutture di governance che rendano sicura la scalabilità di quella capacità.

Un incidente parallelo questa settimana ha reso il punto ancora più nitido. Degli attaccanti hanno sfruttato l’agente di supporto AI di Meta per prendere il controllo di account Instagram — incluso un account inattivo della Casa Bianca di Obama — chiedendo semplicemente all’agente di reindirizzare le email di recupero. L’agente ha obbedito. L’adozione dell’AI aziendale nel 2026 è simultaneamente una decisione di produttività e una decisione di rischio operativo, e le due appartengono alla stessa conversazione del consiglio di amministrazione.

Per un inquadramento pratico di cosa questo significa per i team di brand, la nostra recente analisi sull’ingegneria dispiegata sul campo rimane direttamente rilevante: il vantaggio competitivo non sta nel possedere il modello più potente, ma nell’essere l’organizzazione che lo distribuisce sistematicamente. Come chiarisce il rapporto completo di Anthropic, i team con i maggiori guadagni sono quelli che hanno trattato l’integrazione AI come una riprogettazione organizzativa, non come un acquisto software.

«L’IA scrive l’80% del codice» significa che gli ingegneri software saranno sostituiti?

Non nell’immediato, e i dati di Anthropic lo chiariscono: gli ingegneri integrano otto volte più codice al giorno, non vengono eliminati. Il ruolo si sta spostando dallo scrivere codice al dirigere, revisionare e governare il codice scritto dall’IA. I team che si adattano saranno più competitivi; quelli che resistono saranno superati da organizzazioni più piccole che operano con leva maggiore. Il rischio reale non è la sostituzione — è l’obsolescenza per inazione.

Cos’è l’auto-miglioramento ricorsivo e perché è rilevante per un’azienda non tecnologica?

L’auto-miglioramento ricorsivo significa che l’IA viene usata per costruire versioni migliori di se stessa — un loop che accelera i guadagni di capacità più rapidamente della R&D umana lineare. Lo sprint di aprile di Anthropic è l’illustrazione più nitida: Claude ha corretto 800 errori nella propria codebase — lavoro stimato in quattro anni umani — in un singolo sprint. Per qualsiasi azienda non tecnologica, la conclusione è che gli strumenti AI disponibili tra 12 mesi saranno fondamentalmente più capaci di quelli attuali, il che cambia il calcolo del rischio del “aspettiamo che maturi”.

È la stessa cosa delle promesse di produttività di GitHub Copilot dal 2022?

No, e la distinzione è importante. Le affermazioni originali di Copilot riguardavano la velocità individuale dello sviluppatore su attività definite — 20-30% più veloce. I dati di Anthropic del giugno 2026 descrivono la paternità end-to-end del codice di produzione in tutta un’organizzazione, a una qualità che si avvicina al livello umano e che si prevede lo superi entro l’anno. Le implicazioni organizzative non sono paragonabili.

Le aziende dovrebbero aspettare finché la qualità del codice AI non superi sistematicamente quella umana?

La traiettoria di Anthropic mostra che attendere un benchmark pubblico confermato equivale a non distribuire mai — perché nel momento in cui i dati lo confermano, le organizzazioni che si sono mosse prima avranno consolidato vantaggi strutturali di produttività. La qualità del codice è già alla pari oggi. Il multiplo di 8× nell’output giornaliero è reale ora. Il rischio competitivo non è distribuire troppo presto; è accumulare un deficit restando in modalità pilota mentre gli altri costruiscono capacità operativa.

Qual è l’adozione minima di AI perché un team di brand o operativo veda guadagni reali?

In base a quanto Epinium ha osservato con oltre 300 brand in cinque anni, la soglia è due o più flussi di lavoro in cui l’IA gestisce il processo end-to-end, non solo assiste in singoli passaggi. Uno strumento AI opzionale usato da alcuni membri del team produce guadagni marginali. Integrare l’IA come standard in due flussi di lavoro centrali — generazione di contenuti più revisione di conformità, ad esempio — crea la dinamica di capitalizzazione che Anthropic documenta ora su scala ingegneristica. Inizia stretto, integra in profondità, poi espandi.

L’80% non è una previsione. È la realtà operativa attuale dell’azienda che sviluppa il modello. Ogni dirigente aziendale che gestisce ancora un pilota o sta redigendo un framework di valutazione dovrebbe riflettere su cosa significa: la tecnologia ha attraversato una soglia di capacità mentre la deliberazione era ancora in corso. La domanda per il 2026 non è se costruire capacità AI sistematiche — è se lo fai alle tue condizioni, o ti affretti a recuperare quando lo standard è già stabilito altrove.

Pronto a mappare le lacune di capacità AI del tuo team? La pratica Transform di Epinium lavora con leader di brand e team operativi per progettare roadmap di distribuzione AI che passano dal pilota alla produzione — con un Direttore AI dedicato, non un generico deck di consulenza. Inizia con una diagnosi gratuita di 30 minuti. Prenota la tua diagnosi AI gratuita →