Pragmatiq AI uudised — tehisintellekti trendid ja ärivaatlused Eestis

Kuidas on AI tööd muutmas: Anthropic uurimuse tegelikud numbrid

2025-12-11 14:03
Anthropic viis läbi ulatusliku sisemise uuringu, et mõista, kuidas AI muudab meie tööviisi. 2025. aasta augustis küsitleti 132 inseneri ja teadurit, viidi läbi 53 põhjalikku intervjuud ja analüüsiti 200 000 reaalset Claude Code sessiooni.

Juhtide jaoks olulised numbrid

  • +50% produktiivsus — keskmise töötaja produktiivsuse kasv
  • 59% tööajast — AI kasutamise osakaal ülesannete täitmisel (28% aasta tagasi)
  • 27% tööst — ülesanded, mida ilma AI-ta üldse ei tehtaks
  • 67% kasv ühendatud pull taotlustest inseneri kohta päevas
14% töötajatest suurendasid oma produktiivsust rohkem kui kaks korda — need „kogenud kasutajad” omandasid tõhusad AI koostöö strateegiad.

Milliseid ülesandeid delegeeritakse AI-le kõige sagedamini

Joonis 1: Claude-i igapäevaselt erinevate programmeerimisülesannete jaoks kasutavate töötajate osakaal

Kõige populaarsemad ülesanded:
  • Silumine — 55% kasutab igapäevaselt
  • Koodist arusaamine — 42% igapäevaselt
  • Uute funktsioonide rakendamine — 37% igapäevaselt

Kuidas produktiivsus tegelikult kasvab

Uuring tõi esile huvitava mustri: ülesannete täitmisele kuluv aeg väheneb veidi, kuid töö tulemuslikkus suureneb märkimisväärselt.

Joonis 2: Claude-i mõju ajale ja töö tulemuslikkusele. Enamik ülesandeid nõuab vähem aega, kuid annab palju suurema tulemuslikkuse

Mida see praktikas tähendab:
  • Töötajad tegelevad varem edasi lükatud ülesannetega.
  • Teevad põhjalikumaid teste.
  • Parandavad koodi kvaliteeti, milleks varem ei olnud aega.
  • Uurivad uusi lähenemisviise ja eksperimenteerivad rohkem.
„Inimesed kipuvad mõtlema supervõimekate mudelite peale kui üheainsa juhtumi peale, nagu näiteks kiirema auto ostmine. Aga miljonit hobujõudu omades... saab proovida palju erinevaid ideid... See on põnev ja loomingulisem, kui sul on selline täiendav võimalus uurida.“ — Anthropic teadur

Usalduse areng: lihtsast keeruliseks

Üks huvitavamaid mustreid on see, kuidas töötajad järk-järgult laiendavad oma AI kasutamist. Paljud kirjeldasid, kuidas nad aja jooksul delegeerivad üha keerulisemaid ülesandeid.
Üks insener võrdles seda Google Maps-iga kohanemisega:
"Alguses kasutasin Google Maps-i ainult marsruutide jaoks, mida ma ei tundnud... See on nagu ma kasutaksin Claude-i, et kirjutada SQL-i, mida ma ei oska, aga ei paluks sellel kirjutada Pythonit, mida ma oskan. Seejärel hakkasin kasutama Google Maps-i marsruutidel, mida ma enamasti tundsin, aga võib-olla ei tundnud viimast kilomeetrit... Täna kasutan Google Maps-i kogu aeg, isegi oma igapäevaseks sõiduks tööle. Kui see ütleb, et ma peaksin võtma teise tee, siis ma teen seda ja usaldan, et see on kaalunud kõiki võimalusi... Ma kasutan Claude Code-i täna sarnasel viisil."
Turvalisuse insener rõhutas kogemuse tähtsust AI soovituste hindamisel: Claude pakkus välja lahenduse, mis oli „ohtlikult nutikas, selline, mida väga andekas noor insener võiks välja pakkuda”. Ainult kogenud kasutaja suutis potentsiaalset probleemi ära tunda.

Tõhusa delegeerimise kriteeriumid

✓ Uuring näitas, et edukad AI kasutajad delegeerivad ülesandeid, mis on:
  • Lihtne kontrollida — valideerimise maht on võrreldes loomisega väike.
  • Väljaspool põhilist kompetentsi — madal keerukus, kuid nõuab tundmatuid tehnoloogiaid.
  • Hästi defineeritud — alamülesanded, mida saab eraldada ülejäänud projektist
  • Kvaliteet ei ole kriitiline — ajutine silumine või uurimiskood.
  • Igav või korduv — 44% AI abil tehtavast tööst koosneb ülesannetest, mida töötajad ise teha ei tahaks.
✗ EI delegeerita:
  • Kõrgetasemeline strateegiline mõtlemine
  • Organisatsioonilist konteksti nõudvad disainilahendused
  • Ülesanded, kus kogemus ja „maitse” on olulised

Full-Stack revolutsioon: pädevuste laiendamine

Töötajad on oluliselt laiendanud oma võimekust:
„Ma oskan väga osavalt töötada front-end või tehingute andmebaasidega... varasemalt oleksin ma kartnud neid puudutada.“
Backend-insener lõi Claude abiga keeruka kasutajaliidese:
„See töötas palju paremini, kui mina oleks suutnud. Ma poleks seda suutnud teha, kindlasti mitte õigeaegselt... Disainerid küsisid: „Oota, sa tegid selle?“ Ma vastasin: „Ei, Claude tegi selle – mina ainult andsin juhiseid.“

AI muutub autonoomsemaks

200 000 tegeliku sessiooni analüüs näitab dramaatilisi muutusi kuue kuu jooksul:

Joonis 3: 6 kuu jooksul suurenes ülesannete keerukus, inimese sekkumiseta toimingud kasvasid 116% ja inimestevaheline suhtlus vähenes 33%

  • Ülesande keerukus: 3.2 → 3.8 (skaalal 1-5).
  • Üksteisele järgnevad tegevused ilma sekkumiseta: ~10 → ~21 (+116%).
  • Inimestevaheline suhtlus ülesande kohta: 6.2 → 4.1 (-33%).

Joonis 4: Uute funktsioonide kasutuselevõtu (14% → 37%) ja disaini (1% → 10%) märkimisväärne kasv

Kuidas erinevad meeskonnad AI-d kasutavad

Joonis 5: Iga meeskond kasutab AI-d erinevalt, avardades oma põhioskusi.

  • Turvameeskond: 49% — tundmatu koodi analüüsimine
  • Teadurid: 7-8% — eesliides andmete visualiseerimiseks
  • Mitte-tehnilised töötajad: 52% — silumine, 13% — andmete analüüs
8,6% kõikidest ülesannetest on lihtsad parandused: väikesed elukvaliteeti parandavad muudatused (refaktoreerimine, tööriistade loomine), mida varem lükati edasi, kuid mis nüüd omavad märkimisväärset mõju.

Töö tähendus on muutumas

Insenerid on käsitsi programmeerimise kaotamise suhtes väga erinevatel seisukohtadel. Mõned tunnevad tõelist kaotust:
„Minu jaoks on see ühe ajastu lõpp – olen programmeerinud 25 aastat ja selle oskuse valdamine on minu tööalase rahulolu keskne osa.“
Teised leppisid kompromissiga:
„Kindlasti on mõned asjad koodi kirjutamisel, mida ma igatsen – näiteks zen-seisundisse jõudmine koodi ümberkirjutamisel, kuid üldiselt olen ma nüüd palju produktiivsem, seega olen valmis sellest hea meelega loobuma.”
Teised keskenduvad tulemustele:
„Ma arvasin, et selleks ajaks tunnen ma hirmu või igavust... aga tegelikult ei tunne ma kumbagi. Selle asemel tunnen ma pigem põnevust, et suudan teha märkimisväärselt rohkem. Ma arvasin, et mulle meeldib koodi kirjutamine, aga tegelikult naudin ma hoopis seda, mida koodi kirjutamisest saan.“
Üks insener seadis kahtluse alla selle seisukoha:
„Oskuste ‘roostetamine’ põhineb eeldusel, et programmeerimine muutub kunagi tagasi selliseks nagu see oli enne Claude 3.5 versiooni. Ma ei usu, et see nii läheb.“

Töötajate peamised mured

1. Oskuste taandumine

„Kui väljundi loomine on nii lihtne ja kiire, muutub üha raskemaks leida aega, et tõesti midagi õppida.”
Käsitsi probleemide lahendamine pakub „juhuslikku õppimist” – silumise käigus loed dokumentatsiooni ja koodi, luues endale süsteemi mentaalse mudeli. AI abil väheneb see protsess.

2. Järelevalve paradoks

Tõhus AI kasutamine nõuab selle töö kontrollimist. Kuid kontrollimine nõuab oskusi, mis AI ülemäärase kasutamise tõttu taanduvad.
„Ma kasutan AI-d peamiselt juhtudel, kus ma tean, milline peaks olema vastus või kuidas see peaks välja nägema. Ma arendasin selle oskuse välja, tehes SWE-d „raskel kujul“... Aga kui ma oleksin oma karjääri alguses] usun, et oma oskuste arendamiseks oleks vaja palju teadlikku pingutust, selle asemel et pimesi aktsepteerida mudeli väljundit.“

3. Muutuv sotsiaalne dünaamika

Pooled vastanutest teatasid, et kolleegidega suhtlemine on vähenenud. Claude sai esimeseks kontaktiks küsimuste korral: „80–90% küsimustest suunatakse Claude-le.”
Mentorlus kannatab samuti:
„Kahju, et vähem kogenud inimesed ei tule enam minu juurde nii tihti küsimustega, kuigi nad saavad kindlasti oma küsimustele tõhusamad vastused ja õpivad kiiremini.“

4. Ebakindlus karjääri osas

Paljud näevad oma rolli muutumas koodi kirjutamisest AI agentide haldamiseks. Mõned väljendasid konflikti lühiajalise optimismi ja pikaajalise ebakindluse vahel:
„Lühiajalises perspektiivis olen optimistlik, kuid pikemas perspektiivis arvan, et AI hakkab lõpuks kõike tegema ja muudab minu ja paljud teised inimesed ebavajalikuks.“

Kuidas kohaneda

Töötajatele:
  • Arenda strateegilist mõtlemist
  • Harjuta teadlikult ilma AI-d kasutamata
  • Kasuta AI-d karjääri edendamiseks
  • Ole kohanemisvõimeline
Juhtidele:
  • Investeeri tõhusa AI töö jaoks koolitustesse – keskmise ja kogenud kasutaja vahe on tohutu
  • Loo tingimused ilma AI abita praktiseerimiseks – kaitse kriitiliste oskuste taandumise vastu
  • Mõtle mentorlusprotsessid ümber – traditsioonilised lähenemisviisid on muutumas
  • Valmistu rollide arenguks – „AI agendi juht” roll on muutumas reaalsuseks
  • Pööra tähelepanu sotsiaalsele dünaamikale – vähenenud kolleegidevaheline suhtlus nõuab teadlikku lähenemist

Mida see tähendab teistele tööstusharudele

Kuigi uuring viidi läbi tehnoloogiaettevõttes, millel oli võimalus kasutada tipptasemel tööriistu, on selle tulemused laiemalt rakendatavad. Olulisemad järeldused on asjakohased igasuguse äritegevuse puhul:
Produktiivsus kasvab mahu, mitte kiiruse kaudu — inimesed teevad rohkem, mitte kiiremini. See tähendab, et AI väärtus ei seisne inimeste asendamises, vaid nende võimete täiendamises.
Delegeerimine nõuab strateegiat — mitte kõik ei peaks kanduma AI-le. Edukad kasutajad arendavad intuitsiooni selle osas, milliseid ülesandeid delegeerida ja millised endale jätta.
Järelevalveoskus muutub kriitiliseks — suutlikkus kontrollida ja suunata AI tööd nõuab sügavat valdkonna mõistmist. See on paradoks: AI võib õõnestada just neid oskusi, mis on vajalikud selle tõhusaks kasutamiseks.
Sotsiaalsed aspektid on olulised — muutused meeskonna dünaamikas, mentorlus ja karjääriredelid nõuavad tähelepanu vähemalt sama palju kui tehnilised rakendamise aspektid.

Ärilised järeldused

  1. Reaalne produktiivsuse kasv on võimalik, kuid nõuab strateegiat. Keskmise kasutaja (+50%) ja kogenud kasutaja (+100%+) vaheline erinevus seisneb delegeerimisoskustes.
  2. Uus töö, mitte asendamine — 27% tööst ei saaks ilma AI abi kasutamata tehtud. See on lisaväärtus.
  3. Järelevalveoskused on kriitilise tähtsusega — tõhusus nõuab kontrollimisvõimet, mitte pimesi usaldamist.
  4. Varajane kasutuselevõtt annab eelise — kuue kuu pikkuse uuringu jooksul muutusid mudelid oluliselt võimekamaks.
  5. Valmistu ebakindluseks — isegi AI loojad ütlevad: „Keegi ei tea, mis juhtub... oluline on lihtsalt olla väga kohanemisvõimeline.”

Soovid mõista, kuidas AI suudab muuta su ettevõtet?

Anthropicu uuringu numbrid on muljetavaldavad, kuid iga ettevõte on unikaalne. Millised protsessid on sinu ettevõttes automatiseeritavad? Kus annab AI maksimaalse investeeringutasuvuse? Milliseid riske tuleks arvesse võtta?
Broneeri tasuta konsultatsioon — aitame hinnata AI potentsiaali sinu ettevõttes ja koostame sinu valdkonnale kohandatud juurutamiskava.
[Broneeri tasuta konsultatsioon]
Põhineb Anthropicu uurimusel „Kuidas muudab AI tööd Anthropic-us” (detsember 2025). Kõik diagrammid ja pildid on võetud Anthropicu originaalsest materjalist.