Anthropicは2026年6月16日(米国時間)、Claude Codeの使われ方を分析した経済研究レポートを公開しました。2025年10月から2026年4月にかけての約40万件の対話セッション(約23.5万人)を、プライバシーを保つ手法で分析したものです。作業の構成、人とAIの協働、成功率を評価しており、典型的なセッションでは何をするかの判断を人が、どうやるかの判断をClaudeが担っていること、利用者が持ち込む分野の専門性が高いほど1つの指示でClaudeがこなす作業量が増えることを報告しています。

分析の対象と方法

• ▸対象 — 2025年10月〜2026年4月のClaude Codeの対話セッション約40万件、約23.5万人。CLI、Claude.ai、Claude Codeデスクトップアプリ経由の利用
• ▸除外 — サードパーティのIDEやSDK経由の利用と、claude -p による単発実行のヘッドレス利用。プログラム的な利用が多く、利用者のセッションを端から端まで観測できないため
• ▸分類器 — 特記のない限りClaude Sonnet 4.6を使用。セッションの記録をモデルが読んで分類し、自動記録されるテレメトリと突き合わせて検証している(コードの作成・変更と分類されたセッションの90%超で、テレメトリ上もコード変更を確認)
• ▸著者 — Zoe Hitzig、Maxim Massenkoff、Eva Lyubich、Shaoyi Zhang、Ryan Heller、Peter McCrory

9つの作業モードの内訳

• ▸コードを書く・保守する — 新規作成25%、修正26%、テストと統括5%で計56%
• ▸ソフトウェアの運用 — 17%
• ▸計画・調査 — 14%
• ▸分析・文章 — 13%

各セッションは、何を達成しようとしているかを最もよく表す1つの作業モードに分類されます。コードを直接書く・保守する4つ(新規作成、修正、テスト、他のエージェントや自動パイプラインの統括)、ソフトウェアの運用(デプロイ、設定、パイプライン実行、監視)、何をするかを見極める2つ(既存システムの理解、変更前の計画)、コードが主目的ではない2つ(データ分析、資料や文書での伝達)です。

役割分担と専門性

• ▸意思決定の分担 — 平均して人が計画の判断の約70%を行い、実行の判断は約20%にとどまる。分類器がセッション内の意思決定を列挙し、計画(何をするか、どの方針か、何をもって完了とするか)と実行(どのファイルを変えるか、どんなコードを書くか、どの言語か、どのコマンドを実行するか)に分けて帰属させた
• ▸セッションの構造 — 1セッションあたりの往復は約4回。1つのプロンプトが平均10件ほど(時に100件超)のClaudeの行動を引き起こし、1ターンあたり平均2,400語を出力する
• ▸主導権と作業量 — 人が実行の判断の8割超を握る場合、Claudeの1ターンあたりの行動は約8件。Claudeが計画の8割超を握る場合は約16件で最多になる
• ▸専門性の判定 — 記録から利用者のそのタスクへの習熟度を初心者〜熟達者の5段階で評価する。指示の具体性、何を検証させるか、どちらがどちらを訂正するかの3点を手がかりにする。職種や一般的な能力とは別物でタスクごとに変わり、Rustを初めて触るベテランエンジニアは初心者、Pythonを知らない会計士でもスクリプトが満たすべき照合ルールを的確に指定し月次締めの例外に気づくならそのタスクの熟達者となる
• ▸専門性と作業量 — 初心者のセッションでは1プロンプトあたり約5件の行動と約600語、熟達者では約12件・約3,200語と、行動は2倍以上、出力は5倍。この差はどの作業種別・どの価値帯でも現れ、作業モード・タスク価値・月・職種・モデル系統を調整した回帰でも、専門性1段階あたり行動+9%、出力+13%で有意

利用者の職業

• ▸推定できた割合 — 約70%のセッション
• ▸多い順 — コンピュータ・数学系が最大。次いでビジネス・財務、芸術/デザイン/メディア、管理職、生命科学・自然科学・社会科学
• ▸伸びが速い非ソフトウェア職 — 管理職、営業、法務

職業は記録から推定し、米国労働統計局のSOC分類の23の大分類に対応づけています。分類器はプロジェクトの文脈、ファイル名や構成、参照される成果物(法的書面、臨床データ、財務報告、カリキュラムなど)、語彙といった手がかりだけを使い、コードを書いている事実そのものをソフトウェア職の証拠として扱わないよう指示されています。弁護士が契約書群の不備を自動で洗い出すスクリプトを作るセッションは、作業がソフトウェア開発でも法務の職種に分類されます。

7か月間の変化

• ▸壊れたコードの修正 — 全セッションの33%から19%へ減少
• ▸ソフトウェアの運用 — 14%から21%へ増加
• ▸文書作成とデータ分析 — 約10%から20%へおよそ倍増
• ▸タスクの推定価値 — フリーランス市場の実際の求人と照合して算出。平均セッションで27%上昇し、新規作成は約43%、運用は約34%、修正は約32%の上昇。レポート冒頭の要約では「ほぼすべての種類の仕事で上がり、平均で約25%」としている

価格の推定は粗く、フリーランス市場との曖昧な突き合わせに基づくため、金額そのものではなくタスク同士や時系列の相対比較に使う前提だと断っています。

成功率と専門性の関係

• ▸全体 — 初心者と判定されたセッションは検証済み成功15%、部分的以上の成功77%。中級以上は検証済み成功28〜33%、部分的以上の成功91〜92%。伸びの大半は初心者から中級への移行で生じ、中級から熟達者の差は小さい
• ▸つまずいたセッション(失敗の兆候が強いもの) — 検証済み成功は初心者4%に対し熟達者15%。部分的以上の成功は初心者60%、中級〜熟達者80〜81%
• ▸放棄 — 失敗と判定されコードが1行も書かれなかったセッションは、初心者で19%、それ以外は5〜7%
• ▸職種による差 — 検証済み成功はソフトウェア関連職が約30%、それ以外の職種が約26%。コードを生成したセッションに限ると34%と29%で、緩い基準(部分的以上)では89%と88%とほぼ差がない。この5ポイント差は7か月間で広がりも縮まりもしていない。上位10職種はいずれもソフトウェアエンジニアの7ポイント以内に収まり、管理職は検証済み成功がわずかに上回る

成功は2つの指標で測っています。1つは記録全体を読んだ分類器が、その人が意図したことを達成できたかを判定する「判定成功」(成功・部分的に成功・失敗・目標が不明瞭)です。もう1つは、作業に対応するコミットやプルリクエスト、テストの通過、利用者の明示的な肯定といった検証可能な根拠の強さを別の分類器が5段階で採点し、判定成功かつ確かな根拠が1つ以上ある場合に認める「検証済み成功」です。目標が明確でないと判定されたセッション(全体の約7.7%)は分析から除いています。比較は、同じ作業種別・同じ価値帯・同じ月・同じ主題・同じ職種区分のセッション同士で行っています。

結論と限界

エージェントを成功へ導く力は、コードを書ける能力よりも分野への理解の深さに由来するとまとめています。分野を押さえていれば、これまで手が出なかった技術的な仕事ができるようになる一方、そうした理解のない人が同じツールから得られるものははるかに少ないとしています。また、利点の大半は深い熟達ではなく一通りの理解から得られるとも述べています。

限界も挙げられています。セッションで書かれたコードが実際に使われたかといった現実の結果は測れないこと、本レポートが除外した非対話的な利用が活動の相当な割合を占めること、分類がすべてモデルによる記録の読み取りに依存し、大規模な検証が難しいことです。今後、専門性の効果が下がっていけばモデルが利用者の判断を肩代わりし始めた兆候になり、ソフトウェア職以外の成功が伸び続ければソフトウェア開発が特定の職種の産物ではなくあらゆる分野の日常業務の一部になりつつある兆候になる、と位置づけています。