Data Pemakaian Claude Code: Temuan dari 400.000 Sesi

Studi Anthropic menemukan tiap prompt memicu rantai sekitar sepuluh aksi rata-rata, dan kadang lebih dari seratus. Sesi biasa berjalan sekitar empat giliran seperti itu, jadi satu sesi umum melibatkan kira-kira empat puluh tool call. Karena itulah keputusan perencanaan lebih penting daripada tinjauan eksekusi — Anda memegang sekitar 70 persen yang pertama dan hanya 20 persen yang kedua.
Sesi pemula mencapai verified success sekitar 15 persen dan setidaknya partial success 77 persen. Sesi menengah dan ahli mencapai verified success 28 sampai 33 persen dan partial success 91 sampai 92 persen. Angka verified success yang rendah bukan tingkat kegagalan — banyak sesi berguna memang tidak bisa diverifikasi secara mandiri dari dalam sesi itu sendiri.
Tidak, justru sebaliknya. Sesi pemula menghasilkan sekitar lima aksi Claude dan kira-kira 600 kata keluaran, sedangkan sesi ahli menghasilkan dua belas aksi dan sekitar 3.200 kata. Pengguna ahli juga jauh lebih jarang meninggalkan sesi — 5 sampai 7 persen dibanding 19 persen untuk pemula — jadi mode gagalnya adalah sesi panjang tanpa rencana, bukan panjangnya.
Sekitar 56 persen sesi berisi menulis (25 persen), memperbaiki (26 persen), atau menguji dan mengorkestrasi kode (5 persen). Mengoperasikan software mengambil 17 persen, merencanakan atau menjelajah 14 persen, dan analisis atau prosa 13 persen. Menulis kode baru adalah aktivitas minoritas, yang mengejutkan sebagian besar orang yang mengira itulah pemakaian utamanya.
Tidak. Pekerjaan di bidang software mencapai 30 persen verified success secara keseluruhan dibanding 26 persen untuk profesi lain, dan pada sesi yang menghasilkan kode angkanya 34 dan 29 persen. Setiap satu dari sepuluh pekerjaan terbesar berada dalam rentang tujuh poin dari software engineer, jauh lebih sempit daripada asumsi kebanyakan perbincangan soal perkakas AI coding.

Ringkasan Utama
Studi Anthropic atas sekitar 400.000 sesi Claude Code dari kira-kira 235.000 orang antara Oktober 2025 dan April 2026 menemukan bahwa tiap prompt memicu sekitar sepuluh aksi oleh Claude, bahwa manusia mengambil sekitar 70 persen keputusan perencanaan tetapi hanya 20 persen keputusan eksekusi, dan bahwa sesi dari pengguna ahli mencapai verified success 28 sampai 33 persen dibanding 15 persen untuk pemula.
Saya sudah menulis banyak kalimat penuh keyakinan tentang cara memakai Claude Code, semuanya ditarik dari sesi saya sendiri. Sesi saya sendiri adalah sampel berjumlah satu, dan sifat sampel berjumlah satu adalah ia selalu setuju dengan Anda. Jadi ketika Anthropic menerbitkan analisis atas sekitar 400.000 sesi nyata dari kira-kira 235.000 orang, saya membacanya sambil mencari bagian yang tidak setuju dengan saya.
Ternyata ada dua bagian, dan keduanya mengubah kebiasaan harian saya. Tulisan ini menarik keluar angka yang benar-benar bisa ditindaklanjuti — pembagian mode kerja, asimetri keputusan, bagaimana keahlian mengubah bentuk sesi alih-alih sekadar hasilnya, dan apa yang dikatakan pergeseran setahun ini tentang arah ke depan. Setiap angka di bawah berasal dari studi tersebut.
Studi ini mencakup sekitar 400.000 sesi Claude Code dari kira-kira 235.000 orang antara Oktober 2025 dan April 2026, disertai catatan bahwa porsi proyek GitHub dengan aktivitas coding agent sudah lebih dari dua kali lipat sejak akhir 2025 dan bahwa pengguna Claude Code kini rata-rata memakai perkakas ini sekitar dua puluh jam per minggu. Angka terakhir itulah yang membingkai ulang sisanya: ini bukan bantuan sesekali, ini tempat sebagian besar pekan seseorang mengalir.
Perlu jujur soal batasnya sebelum mengutip apa pun. Ini data observasional tentang apa yang orang lakukan, bukan perbandingan terkendali terhadap bekerja tanpa perkakasnya, jadi tidak ada di sini yang mengukur produktivitas dalam pengertian ekonomi. Keberhasilan dinilai dari sesinya sendiri. Yang memang diukur dengan baik adalah bentuk — apa yang orang minta, seberapa banyak yang dikerjakan agent per permintaan, dan bagaimana kedua hal itu berbeda antara yang baru memakainya dan yang tidak.
Koreksi mental terbesar yang diberikan data ini kepada saya adalah: menulis kode baru adalah aktivitas minoritas. Sekitar 56 persen sesi berisi menulis, memperbaiki, atau menguji dan mengorkestrasi kode — tetapi menulis hanya 25 poin dari itu, memperbaiki 26, dan menguji serta orkestrasi cuma 5. Sisa distribusinya adalah bagian yang paling diremehkan orang.
Ke mana sesi-sesi itu sebenarnya pergi:
| Mode | Porsi sesi | Wujudnya dalam praktik |
|---|---|---|
| Menulis dan memperbaiki kode | 51 persen digabung | Kode baru 25, debugging dan perbaikan 26 |
| Mengoperasikan software | 17 persen | Menjalankan, merangkai pipeline, mengemudikan tool |
| Merencanakan atau menjelajah | 14 persen | Membaca codebase, merancang sebelum berkomitmen |
| Analisis atau prosa | 13 persen | Dokumen, laporan, kerja data, tulisan |
Manusia mengambil sekitar 70 persen keputusan perencanaan dan hanya sekitar 20 persen keputusan eksekusi. Ini bukan keluhan soal otonomi — ini deskripsi tentang di mana perhatian Anda punya daya ungkit. Setiap prompt memicu rantai sekitar sepuluh aksi rata-rata, kadang lebih dari seratus, di dalam sesi yang biasanya berjalan sekitar empat giliran seperti itu.
# The number that reframes everything else in the study:
#
# 1 prompt -> ~10 actions by Claude, on average
# (sometimes over 100)
#
# A typical session is about FOUR such turns.
#
# So a four-turn session is roughly forty tool calls you did
# not individually approve. That is why the planning decision
# is the one worth your attention: you make ~70% of those,
# and only ~20% of the execution decisions.Baca aritmetika itu dengan jujur dan kesimpulannya tidak nyaman tetapi berguna: dalam sesi biasa, Anda secara pribadi hanya memutuskan sebagian kecil dari apa yang benar-benar terjadi. Karena itu setiap menit yang dipakai mempertajam rencana bernilai berkali-kali lipat dibanding menit yang dipakai memeriksa eksekusi setelahnya, dan itulah sebabnya plan mode serta rencana tertulis selalu muncul di setiap panduan workflow yang serius. Anda tidak sedang diminta melambat demi melambat. Anda diminta membelanjakan keputusan di tempat yang masih sebagian besar milik Anda.
Saya mengira pengguna berpengalaman menjalankan sesi yang lebih rapat dan lebih pendek. Kenyataannya sebaliknya. Sesi dari pemula menghasilkan sekitar lima aksi Claude dan kira-kira 600 kata keluaran; sesi dari pengguna ahli menghasilkan dua belas aksi dan sekitar 3.200 kata. Orang ahli bukan meminta lebih sedikit, mereka meminta lebih banyak dan berhasil melangkah lebih jauh dengannya.
# Session shape by expertise (verified-success sessions):
#
# novice : 5 actions, ~600 words of output
# expert : 12 actions, ~3,200 words of output
#
# Verified success rate:
# novice : 15% (partial success 77%)
# intermediate /
# expert : 28-33% (partial success 91-92%)
#
# Abandonment:
# novice : 19% of sessions
# expert : 5-7%
#
# Experts do not get shorter sessions out of the tool.
# They get LONGER ones that finish.Angka pengabaian sesi adalah bagian studi yang paling diam-diam mendidik: 19 persen sesi pemula berakhir ditinggalkan, dibanding 5 sampai 7 persen untuk pengguna ahli. Pengabaian adalah sinyal jauh lebih tajam daripada tingkat keberhasilan, karena artinya sesi itu melenceng cukup jauh sampai tak bernilai sama sekali. Kalau sesi Anda sering berakhir tanpa hasil yang bisa dipakai, perbaikannya hampir tidak pernah prompt yang lebih bagus untuk permintaan yang sama — melainkan permintaan yang lebih kecil dan lebih spesifik.
Antara Oktober 2025 dan April 2026 komposisinya bergeser ke arah yang konsisten, dan arahnya berbicara lebih banyak daripada angka tunggal mana pun:
Estimasi nilai sesi rata-rata naik 27 persen pada periode yang sama, dengan tugas membangun naik sekitar 43 persen, tugas mengoperasikan 34 persen, dan memperbaiki 32 persen. Perkakas yang semula lebih banyak memperbaiki kini lebih banyak membuat dan menjalankan, dan itu selaras dengan arah produknya sendiri — setahun terakhir rilisnya didominasi orkestrasi, permission, dan menjalankan pekerjaan tanpa pengawasan, bukan menulis fungsi yang lebih baik.
Pekerjaan di bidang software mencapai 30 persen verified success secara keseluruhan dibanding 26 persen untuk profesi lain, dan khusus pada sesi yang menghasilkan kode angkanya 34 dan 29 persen. Setiap satu dari sepuluh pekerjaan terbesar berada dalam rentang tujuh poin dari software engineer.
Selisih empat poin secara keseluruhan jauh lebih sempit daripada yang tersirat dari perbincangan seputar perkakas AI coding, dan itu selaras dengan 13 persen sesi yang menghasilkan analisis atau prosa alih-alih kode. Kalau Anda developer yang heran kenapa product manager Anda terus mengirimkan transkrip terminal, inilah alasannya: perkakas ini tidak berhenti di departemen engineering.
Jangan membaca verified success 28 sampai 33 persen sebagai tingkat kegagalan dua pertiga. Partial success berada di 91 sampai 92 persen untuk sesi menengah dan ahli, dan sesi yang menghasilkan sesuatu yang berguna tetapi tidak bisa diverifikasi sendiri di dalam sesi itu sangatlah umum dan bukan kegagalan. Angka yang perlu dipantau adalah pengabaian, bukan verified success.
Empat kebiasaan konkret, diurutkan dari yang paling cepat terasa hasilnya:
Kalau Anda butuh satu angka untuk disodorkan ke manajer yang skeptis, pakai dua puluh jam per minggu dan penggandaan proyek GitHub dengan aktivitas coding agent, bukan tingkat keberhasilan mana pun. Angka adopsi bersifat observasional dan sulit dibantah; tingkat keberhasilan mengundang perdebatan soal definisi, dan perdebatan itu akan Anda kalah di ruang rapat.
Studi ini paling berguna sebagai koreksi atas apa pun yang diajarkan sesi Anda sendiri. Sesi saya mengajarkan bahwa lebih pendek berarti lebih aman dan bahwa kode baru adalah acara utamanya; datanya bilang pengguna ahli menjalankan sesi lebih panjang dan bahwa menulis kode baru hanya seperempat pekerjaannya. Kebiasaan yang saya simpan darinya sempit dan murah: belanjakan perhatian Anda pada rencananya, karena itulah bagian sesi yang sebagian besar masih Anda pegang.
Sumber & bacaan lanjutan