Anthropic ha pubblicato il suo ultimo Economic Index, e stavolta c’è un dato che fa riflettere: chi usa Claude da più tempo ottiene risultati migliori. Non di poco — stiamo parlando di un 10% in più di conversazioni riuscite rispetto ai nuovi arrivati.
Cosa è cambiato da novembre 2025
Partiamo dai numeri freschi di febbraio 2026. L’uso di Claude su Claude.ai si è diversificato parecchio: i 10 task più comuni sono scesi dal 24% al 19% del traffico totale. Meno concentrazione, più varietà. Il coding resta il re incontrastato (35% delle conversazioni), ma sta migrando sempre più verso le API invece che l’interfaccia web.
C’è stato anche uno shift verso task meno complessi. Il valore medio dei compiti — misurato come stipendio orario medio di chi fa quel lavoro negli Stati Uniti — è calato da 49,3$ a 47,9$. Non drammatico, ma significativo. Questo perché sono aumentate le query personali tipo “chi ha vinto la partita” o “che tempo fa”, mentre il coding serio si è spostato sulle API.
La curva di adozione classica
È la storia che conosciamo: i primi ad adottare una tecnologia sono quelli con use case specifici e ad alto valore (tipo programmatori). Poi arrivano tutti gli altri, che la usano per… beh, per tutto. Compiti da coursework scesi dal 19% al 12%, uso personale salito dal 35% al 42%.
Model selection: la gente sa cosa sta facendo
Qui viene il bello. Gli utenti paganti di Claude.ai scelgono Opus (il modello più potente e costoso) il 55% delle volte per task di programmazione, ma solo il 45% per compiti educativi. Sanno che Opus costa di più e hanno limiti di utilizzo, quindi lo riservano per la roba seria.
Per ogni 10$ in più di valore orario del task, la percentuale di conversazioni che usa Opus sale dell’1,5% su Claude.ai. Sulle API questo effetto è ancora più forte: 2,8%. Chi sviluppa workflow programmatici evidentemente calibra ancora meglio.
Learning curves: l’esperienza conta
Eccoci al punto principale del report. Gli utenti “high-tenure” — quelli che hanno iniziato ad usare Claude almeno 6 mesi fa — sono diversi:
- Usano Claude per task che richiedono quasi 1 anno in più di istruzione
- Hanno il 10% in meno di conversazioni personali
- Collaborano di più con Claude invece di delegargli tutto
- Soprattutto: hanno un 10% in più di conversazioni riuscite
Quest’ultimo dato regge anche dopo aver controllato per tipo di task, paese di origine, modello usato e altri fattori. Non è che fanno task più facili — è che sono diventati più bravi ad usare Claude.
Learning-by-doing o survivorship bias?
Domanda legittima. Potrebbe essere che i più esperti siano semplicemente persone più tecniche che hanno adottato Claude per prime. O che continuano ad usarlo solo quelli per cui funziona bene. Anthropic riconosce il problema, ma le regressioni controllate suggeriscono che c’è qualcosa di più: una vera curva di apprendimento.
I task con tenure media più alta? Ricerca sull’AI, operazioni git, revisione di manuscript, fundraising per startup. Quelli con tenure più bassa? Scrivere haiku, controllare risultati sportivi, suggerire cibo per una festa.
Disuguaglianze che si consolidano
C’è un lato oscuro in tutto questo. Se l’efficacia nell’uso dell’AI si sviluppa con l’esperienza, e se i primi ad adottarla sono i lavoratori ad alta qualifica, stiamo costruendo un circolo vizioso. Quelli che erano già avvantaggiati diventano ancora più bravi ad usare gli strumenti che potrebbero trasformare il loro lavoro.
Le disuguaglianze geografiche persistono: i primi 20 paesi fanno il 48% dell’uso pro capite (era il 45%). Negli Stati Uniti c’è convergenza tra stati, ma più lenta di quanto stimato nel report precedente — ci vorranno 5-9 anni per arrivare a un uso uniforme, non 2-5.
API vs Claude.ai: mondi diversi
Le API stanno diventando sempre più il regno dell’automazione. Due pattern emergenti con almeno il doppio della frequenza rispetto a tre mesi fa:
- Automazione vendite: generazione di materiale per sales, qualificazione lead B2B, arricchimento dati clienti, bozze di cold-email
- Trading automatizzato: monitoraggio mercati e posizioni, proposte di investimenti, informazioni sulle condizioni di mercato
Questo significa che certi lavori potrebbero essere più vicini alla trasformazione (o sostituzione) di quanto pensiamo. Quando un task migra da Claude.ai alle API, passa da “augmentation” (l’AI aiuta l’umano) ad “automation” (l’AI fa il lavoro).
Cosa significa tutto questo
Il quadro che emerge è di una tecnologia che si sta diffondendo, ma in modo disuguale. I benefici vanno a chi ha iniziato prima, sa scegliere il modello giusto, e ha imparato a collaborare con l’AI invece che semplicemente delegarle compiti.
La skill-biased technological change di cui parlano gli economisti da decenni potrebbe già essere in corso. E il canale è precisamente questo: chi ha task ad alto valore ed è stato early adopter sta diventando sempre più bravo ad usare Claude, mentre chi arriva dopo magari usa l’AI per cose più banali e con meno successo.
Il prossimo anno di dati ci dirà se è davvero learning-by-doing o solo selezione. Ma intanto, se state usando Claude da un po’, sappiate che statisticamente siete più bravi di quanto eravate all’inizio. E se avete appena iniziato… beh, ci vorrà un po’ di pratica.
