Quante volte avete aperto Claude Code e poi passato i successivi venti minuti a dirgli esattamente quale file aprire, quale riga modificare, quale comando eseguire? Se la risposta è "spesso", non siete soli, ma state probabilmente usando lo strumento nel modo sbagliato. Anthropic ha analizzato circa 400.000 sessioni reali di Claude Code per capire come le persone lo usano davvero, e i risultati sono abbastanza chiari su cosa funziona e cosa no. Il primo dato che emerge dalla ricerca è che gli utenti che ottengono di più da Claude Code delegano davvero il lavoro, invece di supervisionare ogni singolo passo. Dai dati emerge una divisione piuttosto netta: gli utenti prendono circa il 70% delle decisioni di pianificazione (cosa fare, quale approccio seguire, come appare un buon risultato), mentre Claude gestisce circa l'80% delle decisioni esecutive (quali file modificare, quale codice scrivere, quali comandi eseguire).Questa divisione ha conseguenze pratiche misurabili. In media, ogni prompt dell'utente genera una catena di circa 10 azioni da parte di Claude, che possono includere lettura di file, modifica di codice ed esecuzione di comandi. In alcuni casi quel numero supera il centinaio. Ma quando gli utenti si mettono a controllare ogni singola mossa, il numero di azioni per turno scende a circa 8. Quando invece lasciano più autonomia a Claude, si arriva a circa 16 azioni per turno. In pratica: più microgestite, meno lavoro viene fatto.L'approccio giusto è quello di spiegare l'obiettivo finale, i vincoli da rispettare e il contesto necessario, poi lasciare che Claude trovi la strada. Se volete ottimizzare qualcosa sul vostro sistema, non ditegli quale cartella aprire e quale processo controllare: spiegate cosa volete migliorare e perché, e lasciate fare. Uno dei punti più interessanti della ricerca riguarda il ruolo dell'esperienza dell'utente. Anthropic chiarisce che per "esperienza" non intende il titolo di lavoro o la competenza tecnica generica, ma qualcosa di più specifico: la capacità di capire il problema che si sta cercando di risolvere. Fanno l'esempio di un commercialista che non sa scrivere Python, ma conosce perfettamente le regole di riconciliazione che uno script deve seguire e sa riconoscere quando Claude gestisce male un caso limite. In quella sessione, il commercialista è comunque l'esperto.I numeri confermano quanto questo conti. Nelle sessioni con utenti alle prime armi, ogni prompt genera in media circa 5 azioni e 600 parole di output. Nelle sessioni con utenti esperti, si sale a circa 12 azioni e 3.200 parole. Il divario non dipende dal fatto che gli esperti assegnino compiti più grandi o complicati: la spiegazione più probabile è che sappiano dare a Claude abbastanza contesto, direzione e spazio per lavorare senza dover intervenire continuamente. Un altro pattern che emerge riguarda il modo in cui gli utenti verificano il lavoro di Claude. I principianti tendono a usare prompt generici come "ricontrolla" o "sei sicuro?", che Anthropic non considera verifiche reali: state essenzialmente chiedendo a Claude di giudicare se Claude ha fatto un buon lavoro. Gli utenti intermedi mescolano controlli generici con verifiche più mirate, mentre quelli avanzati chiedono cose specifiche, come mostrare come è stata impostata una certa configurazione o verificare se una funzione specifica è stata effettivamente chiamata. Al livello esperto, si anticipano i casi limite e si progettano test attorno ai modi in cui l'implementazione potrebbe fallire.La regola pratica è semplice: invece di terminare un prompt con "ricontrolla il tuo lavoro", pensate a cosa dimostrerebbe oggettivamente che il compito è riuscito. Se Claude sta correggendo un bug, dategli un test che riproduca il bug e verificate che passi. Se sta modificando una configurazione, fategli mostrare lo stato risultante. Più il feedback loop è oggettivo, meno vi affidate alla parola di Claude. L'ultimo punto riguarda la gestione dei fallimenti. Quando una sessione inizia ad andare male, la tentazione di ricominciare da zero è forte. I dati di Anthropic mostrano però che gli utenti esperti si comportano diversamente: nelle sessioni con chiari segnali di difficoltà, solo circa il 4% delle sessioni dei principianti arriva a un esito verificato come positivo, contro circa il 15% degli esperti. Il 19% dei principianti in difficoltà abbandona la sessione, contro il 5-7% degli utenti più esperti.La buona notizia è che non serve diventare utenti avanzati per vedere la maggior parte dei benefici: il salto più grande avviene tra principianti e intermedi, mentre i guadagni tra intermedi ed esperti sono molto più contenuti. Sviluppare una comprensione decente del problema che si sta cercando di risolvere potrebbe già essere sufficiente per fare una differenza significativa, come del resto vale per qualsiasi strumento AI che si usa sul serio.In fondo, il valore di questi strumenti dipende quasi sempre più da chi li usa che dallo strumento stesso: un pattern che vale per Claude Code come per qualsiasi altra tecnologia che promette di fare il lavoro al posto nostro.L'articolo Anthropic ha analizzato 400.000 sessioni reali di Claude Code e ha scoperto cosa sbagliamo più spesso sembra essere il primo su Smartworld.