誰が最もClaude Codeを使いこなすのか？答えはおそらくプログラマーではない

著者：Anthropoic；翻訳：Peggy、ブロックチェーン動向

このレポートは約40万回のClaude Code会話に基づき、AIプログラミングツールが人とコードの関係をどのように変えているかを議論している。

最も核心的な発見は：インテリジェントエージェントによるプログラミングにおいて、人間は主に「何をするか」を決定し、Claudeは「どうやって行うか」を担当していることだ。ユーザーは大部分の計画決定を担い、Claudeは大部分の実行作業を行う。つまり、AIはコードを書く、ファイルを修正する、コマンドを実行する、デバッグするなどの実現段階を引き継ぎつつも、目標設定や結果判断は依然として人間に依存している。

さらに重要なのは、Claude Codeの使用効果は、ユーザーがプログラマーかどうかだけに依存しないことだ。レポートによると、コード生成のタスクにおいて、法律、金融、管理、研究などの非技術職のユーザーの成功率はすでにソフトウェアエンジニアに近づいている。結果に最も影響を与えるのは、ユーザーが自分の解決すべき問題を理解しているかどうかだ。

これは、AIプログラミングが実現のハードルを下げる一方で、判断のハードルを下げているわけではないことを意味する。将来的には、ビジネスやシナリオを理解し、要求や結果を明確に提示できる人が、単にコードを書ける人よりもAIを効果的に使える可能性が高い。AIは分野知識を自動的に置き換えるのではなく、むしろその価値を拡大する。

以下は原文の内容です。

重要な発見

既存の研究を踏まえ、我々はインタラクティブなインテリジェントエージェントによるプログラミングを研究するためのフレームワークを提案した。このフレームワークは、2025年10月から2026年4月までの約40万回のClaude Code会話のプライバシー保護分析に基づき、タスク構成、人間とAIの協働方式、成功率を評価している。

典型的な会話では、人間は大部分の計画決定、すなわち「何をするか」を担当し、Claudeは大部分の実行決定、すなわち「どうやってやるか」を担当する。特定分野の専門知識が高いほど、指示ごとにClaudeが行う作業量は増える。コーディングタスクにおいて、主要な職業群の平均成功率――すなわち、ユーザーが意図したことを完了し、テストやコード提出などの検証証拠を得ているか――は、ほぼソフトウェアエンジニアと同等だ。

ユーザーの分野専門能力が高いほど、会話は成功に近づく傾向がある。ただし、中級者とエキスパートの差はそれほど大きくない。私たちの7か月間の観察では、デバッグに関わる会話の割合はほぼ半減し、よりエンドツーエンドのインテリジェントエージェントの利用にシフトしている：コードの展開と実行、データ分析、非コードドキュメントの作成などだ。

この7か月間で、典型的なタスクの価値はほぼすべての職種で上昇している。フリーランスの求人情報と比較して、平均的な価値の上昇は約25％と推定される。

はじめに

インテリジェントエージェントによるプログラミングは急速に台頭している。2025年末以降、GitHubのプロジェクトにおいてコーディングエージェントの活動比率は2倍以上に増加し、Claude Codeのユーザーは平均して週20時間このツールを使用している。正式なプログラミング経験のない人が、複雑な技術作業をエージェントに指示して成功できるのか？これらのツールの迅速な採用と能力向上は、より広範な知識労働にどのような影響をもたらすのか？我々は完全な答えを持たないが、Claude Codeの使用データからいくつかの初期兆候を見て取れる。

本レポートは、2025年10月から2026年4月までの約23.5万人のユーザーと約40万回のインタラクティブ会話のプライバシー保護分析に基づき、Claude Codeの実際の使用状況の証拠を提供する。これまでのClaude Code会話における自主性指標や、Claude CodeがAnthropic内部の働き方をどう変えているかに関する研究を継続している。本稿では、インタラクティブなAIプログラミングアシスタントの利用状況を記述するフレームワークを提案する：人々は何をしているのか、誰がそれを行っているのか、そして仕事は成功しているのか。私たちは、コマンドラインインターフェース（CLI）、Claude.ai、またはClaude Codeのデスクトップアプリを通じてClaude Codeを使用する状況に注目している。モデル能力の向上に伴い、インテリジェントエージェントの利用方法がどのように変化しているかを追跡することで、これらのツールがプログラミング専門家や知識労働者の労働市場に与える影響を理解しやすくなる。

Claude Codeで起きていることは、知識労働の未来を予示しているかもしれない：インテリジェントエージェントは非コーディング作業に徐々に浸透している。Claudeはより複雑で価値の高いタスクを処理していることがわかる。一方、インテリジェントエージェントによるプログラミングには明確な労働分担も存在している：人間は何を構築するかを決め、エージェントはどう構築するかを決める。

また、ツールの効果を拡大するのは、プログラミング熟練度ではなく、むしろ分野の専門知識であることも示唆されている。特に、専門家は成功しやすく、誤りや誤解からの回復も容易だ。ただし、エキスパートと中級者の差はそれほど大きくない。これは、ある分野に十分な熟練度があれば、深い専門家とほぼ同じようにこれらのツールを効果的に使えることを示している。

これらの発見により、労働市場の潜在的な変化を初歩的に観察できる。私たちのデータでは、成功は本人が解決すべき問題を理解しているかどうかに依存し、プログラミング訓練を受けているかどうかには依存しない。これらのパターンが経済全体に当てはまるなら、インテリジェントエージェントプログラミングツールは、実現志向の仕事の一部を吸収しつつも、問題を理解している人を報いる仕組みになっていることを意味する。コード生成エージェントは、分野の専門知識を置き換えるのではなく、むしろその価値を増幅させる。

労働分業

Claude Codeの利用内容

Claude Codeの利用方法を理解するために、私たちは各会話を最もよく表す単一の活動に分類した。これには、コードの構築、新規作成、修正、テスト、他のインテリジェントエージェントや自動化パイプラインのオーケストレーションの4つの直接的なパターンが含まれる。もう一つはソフトウェア操作：展開、設定、パイプラインの実行、監視だ。さらに、「何をすべきか」を理解するための2つのパターン：既存システムの動作理解と、変更前の計画だ。最後の2つはコードに直接関係しない、またはコードの補助的役割を果たす：データ分析と、プレゼンテーションや文章によるコミュニケーションだ。

約56％の会話は、コードの作成（25％）、修正（26％）、またはテスト・オーケストレーション（5％）で構成される。ソフト操作は17％、計画・探索は14％、分析・文章作成は13％（図1参照）だ。

> 図1：9つの作業パターン。各インタラクティブ会話は、その目的を最もよく表す単一の作業パターンに分類される。

まずモデルに会話記録を読ませ、その後分類器を用いて会話を分類。次に、我々のプライバシー保護分析ツールを使い、分類結果と会話ごとに自動記録されたリモートテレメトリーデータ（コードの追加・削除の有無など）とをクロス検証する。両者は高い一致を示す。例えば、コードの作成や修正と分類された会話の90％超で、リモートデータにもコード変更が見られる。詳細は付録参照。

誰が決定を下すのか

Claude Codeの自主性はどの程度か？能力評価は、その上限がすでに高く、なお上昇中であることを示している。例えば、METRの時間範囲評価などのベンチマークでは、最先端モデルはもはや人間が数時間かけて行うソフトウェア作業を自律的に完了し、途中で障害を克服できる。実際の使用ではどうか？ここでは、実際の会話において、人間とClaudeがそれぞれどれだけ誘導を担っているかに焦点を当てる。

この問題を2つの観点から調査した。第一に、どの程度人々が意思決定をClaudeに委ねているか。第二に、Claudeにどれだけの行動を割り当てているか。会話の意思決定分担を理解するために、会話内容に基づきプライバシー保護の決定帰属分類器を構築した。分類器には、会話中のすべての意味のある決定を列挙させ、それらを計画決定と実行決定に分ける。計画決定は、「何をするか」「どの方法を採用するか」「何をもって完了とみなすか」など。実行決定は、「どのファイルを修正するか」「何のコードを書くか」「どの言語で書くか」「どのコマンドを実行するか」などだ。次に、分類器は各決定をClaudeまたはユーザーに帰属させ、各会話について、ユーザーが担った計画決定の割合と実行決定の割合の2つの数字を生成する。

平均すると、人間は約70％の計画決定を行うが、実行決定は20％にとどまる（図2参照）。実際の使用では、インテリジェントエージェントによるプログラミングは明確な労働分担を形成している：人間は何を構築するかを決め、エージェントはどう構築するかを決める。

次に、会話中の行動の委譲度合いを理解するために、内容ではなく会話の構造を観察した。Claude Codeの会話は、Claudeとユーザーのやりとりからなる：ユーザーがプロンプトを送り、Claudeが動作を行い、その後ユーザーが次のプロンプトを送る、という流れだ。典型的な会話では、ラウンドは約4回。2023年10月から2024年4月までのデータでは、ユーザーが1つのプロンプトを送ると、平均してClaudeは約10の動作を実行し、時には100を超えることもある。各ラウンドで、Claudeはファイルを読む、コードを編集、コマンドを実行し、平均して2400語を出力する。

Claudeがユーザーの確認の間にどれだけ仕事を完了させるかは、誰が意思決定を担うかに大きく依存する。ユーザーが実行過程をコントロールしている場合、すなわち80％以上の実行決定をユーザーが行うと、Claudeの1ラウンドあたりの動作数は少なく、約8個となる。一方、Claudeが計画のコントロールを握るとき、すなわち80％以上の計画決定をClaudeが行うとき、最も多くの動作を担い、約16個となる。

> 図2：計画と実行決定におけるClaudeの占める割合。典型的な会話では、ユーザーは約70％の計画決定を行い、Claudeは約80％の実行決定を担うことが示されている。

専門的なレベル

各会話記録に基づき、Claudeはそのタスクにおけるユーザーの表面的な専門性を5段階で評価する。専門性分類器は、ユーザーの指示の正確さ、Claudeに何を検証させるかの要求、ユーザーがClaudeを訂正する頻度と、Claudeがユーザーを訂正する頻度の3つの信号に注目している。ここでの専門性は、職位や一般的な能力とは全く異なる概念であり、重要なのは、あくまで特定タスクに対してのものであることだ。経験豊富なエンジニアがRustの質問を初めてした場合、そのタスクでは初心者とみなされる可能性がある。未使用の会計士が、Claudeに特定のPythonスクリプトの照合ルールを正確に伝え、月末の締め処理の誤りを捕捉できれば、そのタスクではエキスパートとみなされる。

表1は、分類器が定義した各レベルの専門性の基準と、公開コーディングインテリジェントエージェント会話データセットSWE-chatからの例示リクエストを示す。 「初心者」と分類された会話は、一般的な指示であり、特定の分野知識を示さない。一方、「エキスパート」と分類された会話は、コードベースや技術環境に深い理解を示している。

> 表1：専門性分類器。実会話の例を改変・匿名化・圧縮したもので、分類器によるラベル付け例。多くの例は、公開のインテリジェントエージェント会話データセットSWE-chatからのもの。

我々は、専門性とClaudeの出力・活動量の関係を定量化した。典型的な初心者会話では、各プロンプトはClaudeに約5つの動作をさせ、約600語を出力させる。一方、エキスパート会話では、動作の連鎖長は2倍以上に増え、約12動作、出力量は約3200語となり、前者の5倍に達する（図3参照）。この初心者とエキスパートの差は、すべての作業タイプとすべてのタスク価値区分において観察される。

これらの指標は、以前のClaude Codeの自主性に関する研究を補完する。以前の研究は、インテリジェントエージェントの稼働時間や、ユーザーがどれだけ頻繁に自動的に行動を承認したかを追跡していた。一方、我々の意思決定帰属指標は、会話全体において誰が実質的な決定を下したかを捉え、各プロンプトの出力や動作数は、各人間指示がClaudeにどれだけ自主的な活動を引き起こすかを測る。

> 図3：より専門的なユーザーに対して、Claudeは各プロンプトでより多くの作業を完了させる。専門性が高いほど、Claudeが1つのプロンプトで行う動作数（左の棒グラフ）と出力量（右の棒グラフ）が増加する。箱は四分位範囲を示し、中線は中央値。ひげは第5パーセンタイルから第95パーセンタイルまでを示す。白点は幾何平均。両者の上昇傾向は統計的に有意（p < 0.001）であり、隣接する専門レベル間の差も有意だ。作業モード、タスク価値、月、職業、モデル系列を制御し、ユーザークラスターの標準誤差を考慮しても、この傾向は有意である：専門性が1段階上がるごとに、動作数は9％増加し、出力量は13％増加する。

誰がClaude Codeを使い、何をしているのか

ユーザー

誰がこれらの作業を行っているのか理解するために、私たちは会話記録から各ユーザーの職業を推定し、それを米国労働統計局の主要職業分類（SOC）体系の23の主要カテゴリーの一つにマッピングした。分類器は、次の信号のみに基づいて判断を下すよう求められる：会話開始時にエージェントに読み込まれるコンテキスト、ファイル名と構造、引用された資料や成果物（法律文書、臨床データ、財務報告、コース資料など）、およびユーザーの語彙。分類器には、「コードを書いている」こと自体を、プログラミング職業の証拠とみなさないよう明示的に指示されている。ソフトウェアやデータ作業の明確な証拠がある場合のみ、その会話は「計算機・数学職」などのコーディング関連SOCに分類される。たとえば、弁護士が契約書の一部欠落を自動検査するスクリプトを作成した場合、その会話は主にソフトウェア作業であっても、法律職に分類される。職業に関する証拠がなければ、その会話は分類されない。

私たちは、約70％の会話で職業を推定できる。これらの分類可能な会話の中で、「計算機・数学職」が最も多く、これはソフトウェア関連の仕事を多く含むため自然だ。次いで、ビジネス・金融運営、アート・デザイン・メディア、管理、生命科学・物理科学・社会科学の順だ。サンプル中、最も増加している非ソフトウェア職種は、管理、販売、法律だ。

仕事の内容

2025年10月から2026年4月までの間に、Claude Codeを使った仕事の構成に著しい変化が見られる。最も顕著なのは、壊れたコードの修復に関わる会話の割合が33％から19％に減少したこと（図4参照）。代わりに、コードに関する作業が増加している。ソフトウェア操作の割合は14％から21％に上昇。執筆やデータ分析は約2倍に増え、10％から20％に達している。

また、タスクの価値も上昇している。これを推定するために、同様の仕事のフリーランスマーケットでのコストを用いて、各会話の経済的価値を近似的に測定し、実際の公開求人データセットで校正した。この指標によると、平均的な会話の推定価値は10月から4月までの期間で27％上昇した。これは、多様な仕事タイプにおいて観察される。構築、操作、修復の各タスクの価値は、それぞれ約43％、34％、32％増加した。これらの価格推定は粗いため、主に時間経過による異なるタスク間の比較に用いており、直接的なドル価値としては見なさない。タスク価値推定の詳細は付録参照。

> 図4：2025年10月から2026年4月までのClaude Codeの仕事構成と価値の変化。各種作業モードの会話中占める割合の推移を示す。壊れたコードの修復会話は33％から19％に減少し、ソフト操作、データ分析、ドキュメント作成の割合が増加している。

成功はユーザーがもたらすもの次第

タスクの価値を推定することは、Claude Codeが人々の仕事をどのように支援しているかを理解する一つの方法だ。もう一つは、どれだけの会話が成功し、その特徴が成功とどう関係しているかを観察することだ。すべての成功指標において、明確なパターンが見える：会話中のユーザーの専門性が高いほど、成功の可能性が高まる。多くの向上は、初心者から中級者への差に集中しており、つまり、初心者とエキスパートの差よりも、初心者から中級者への差の方が大きい。

成功会話の特徴を分析する前に、成功の定義を正確に示す必要がある。ユーザーの実世界の結果を直接観測できないため、Claudeを通じてやりたいことを達成したかどうかを直接尋ねることもできない。そこで、会話記録に基づく2つの補完的な指標を用いる。第一に、「成功判定」分類器が会話全体を読んで、ユーザーが元々設定した目標を達成したかどうかを判断し、「成功」「部分成功」「失敗」「明確な目標なし」の4つに分類する。次に、2つの補助分類器が、その判断の証拠の強さを評価し、「検証済み成功」と「検証済み失敗」に分ける。成功証拠分類器は、成功の証拠（例：gitのコミットやプルリクエスト、テストの成功、ユーザーの明示的承認）を探す。これらは、「信号なし」から「弱い信号」（スコア1）、「複数の強い信号」（スコア5）までのレベルで評価される。一方、失敗証拠分類器は、エラー、テスト失敗、繰り返しの試行、ユーザーの反対表明などの証拠を評価する。検証済み成功は、両方の条件を満たす場合に成立：会話が成功と判定され、かつ少なくとも1つの硬い成功証拠が存在する。これらの成功・失敗の程度を分析するため、「明確な目標なし」と判定された会話は除外し、全体の7.7％を占める。

専門性のリターン

では、どの会話が最も成功しやすいのか？結果は、前述の専門性スコアが成功に大きく影響していることを示している。

ただし、専門性が本当に成功のドライバーかどうかには懸念もある。もしかすると、エキスパートは異なるタスクを選び、他の差異もあるかもしれない。本節では、同じ作業タイプ、同じ推定価値、同じ月、同じテーマ、同じ職業群の会話を比較し、そうした懸念に一部応答しつつ、ユーザーの専門性の違いが結果にどう影響するかを検討した。

> 表2：成功と失敗の定義を分類器が推定した例。実会話の例を改変・匿名化・圧縮し、分類器がラベル付けしたもの。多くの例は公開のインテリジェントエージェント会話データセットSWE-chatからのもの。

すべての成功指標において、会話中のユーザーの専門性が高いほど、成功の可能性が高まる。初心者と評価された会話は、最も厳しい成功指標「検証済み成功」で15％、少なくとも部分成功で77％に達する。一方、中級以上と評価された会話は、検証済み成功率が28％から33％、部分成功率が91％から92％に上昇（図5参照）。

各指標において、最も大きな改善は初心者から中級者への移行によるものであり、エキスパートへの進展は緩やかだ。背後の回帰分析の詳細は付録参照。

> 図5：専門性と会話結果の関係。ユーザーのタスクにおける専門性スコア（初心者からエキスパートまでの5段階）に応じて、会話の結果を示す。左は全会話、中央と右は問題に直面した会話（失敗信号が3を超えるもの）に限定し、これらの会話が異なる成功・失敗定義に達した割合を示す。各点は調整済み比率を表し、同じ作業モード、タスク価値、月、テーマ、ユーザータイプ（ソフトウェア関連職か否か）を揃えた上で、回帰分析の結果を示す。信頼区間は誤差線で示す。これらの図は、「明確な目標なし」と判定された会話を除外している。

課題に直面した会話でも、同様の傾向が見られる。失敗信号が検証済みの失敗証拠を伴う場合、その会話は「問題に直面」とみなす。これにはエラー、テスト失敗、同じことを何度も試す、出力に反対表明などが含まれる。検証済み成功の割合は、初心者会話の4％からエキスパート会話の15％に上昇（図5参照）。より緩やかな成功指標を用いると、少なくとも部分成功の割合は、初心者で60％、中級からエキスパートで80％から81％に達する。

また、専門性とさまざまな失敗指標との逆相関も追跡した。注意点として、この分析では、失敗と判定された会話は、部分成功も達成していない会話を指す。問題に直面した会話が失敗と判定され、かつコードを書いていなければ、「放棄」とみなす。ユーザーが初心者とみなす会話では、最終的に放棄されたのは19％だが、他の職業群では5％から7％だ。つまり、経験の浅いユーザーは、目標達成に苦労しながらも放棄しやすい。専門的な理解の一部は、AIを正しい方向に導く能力にあるようだ。

職業よりも専門性の方が重要ではないか

ソフトウェア関連職の会話における検証済み成功率は約30％、その他の職業は約26％だ。コードを生成した会話（少なくとも1行の追加・修正）では、それぞれ34％と29％（図6）。より緩やかな成功定義を用いると、ソフトウェア職と他職種の差はさらに縮小する。コード生成会話において、両群の少なくとも部分成功の割合は89％と88％だ。差はわずか5ポイントであり、7か月間に拡大も縮小もしていない。両群の成功率は上昇傾向にある。データセット中、最大規模の10職種群の成功率差は7ポイント以内だ。管理職は最も高く、ソフトウェア・数学職よりやや上だ。管理職の高い検証済み成功率は、管理スキルが指揮や指導に移行できることを反映している可能性もある。ただし、これは測定方法の影響もあり、会話中の明示的な確認に依存しているため、管理職は望む結果を得たときに表現する習慣があるとも考えられる。

> 図6：推定職業別のコーディング会話の成功率と検証済み成功率。会話中に少なくとも1行の追加・修正を行った場合の、厳格な成功定義（判定成功と検証済み成功）を職業別に示す。最大規模の10職種群を示し、計算機・数学職（SOC分類）と比較。成功率の差は7ポイント以内。誤差線は95％信頼区間を示す。

展望

本レポートの結果は、形成されつつある未来像を描いている：インテリジェントエージェントによるプログラミングは、特定の知識やスキルを拡大しつつ、他のスキルを置き換えつつある。コード生成会話において、主要な職種の成功率はソフトウェア関連職とほぼ同じだ。これは、コーディングエージェントが、プログラミング背景の有無に関わらず、成功に必要な要素を提供し始めていることを示唆している。

同時に、成功した会話は、より多くの分野の専門知識を示す傾向がある。エキスパートと評価された会話は、初心者の2倍以上の検証済み成功率を持つ。問題に直面したとき、初心者の放棄率は他のユーザーより数倍高い。協働の仕方もこの図を明確にしている：分野の専門家は、各指示を用いてClaudeにより多くの仕事をさせることができる。したがって、Claudeを成功に導く能力は、書くコードの能力よりも、特定分野の理解に依存している。ある分野の理解を持つ人は、過去にはできなかった技術作業を今や完遂できる可能性が高い。一方、その理解が乏しい人は、同じツールを使っても得られる成果は少ない。利益は、習熟度ではなく、理解と操作の能力に由来する。深い専門知識は、これらの基盤の上にわずかな追加利益をもたらすにすぎない。

これらの発見はまだ初期段階だ。多くの研究と同様に、実世界の結果（例：会話で書かれたコードが実際に使われたか、経済的価値を生み出したか）を測定できていない。さらに、本レポートでは、非インタラクティブな利用を除外しており、これは全活動のかなりの部分を占める。こうした利用を測る枠組みの構築は、今後の課題だ。加えて、すべての会話分類は、モデルによる会話記録の解読に依存している。付録では、分類器と独立したリモートテレメトリーデータが、期待通りに一致し、多くの会話で強い参照モデルと一致していることを示す。ただし、大規模なシナリオでは、分類の検証は依然として難しい。Claude Codeの会話は長く複雑になりやすく、人工的なラベル付けの基準と比較しても、真の基準を得るのは困難だ。

モデルやユーザー、そして両者の労働分業が変化し続ける中で、本レポートの図も更新されていく。これらの指標は、今後の大きな変化を追跡する助けとなるだろう。例えば、もし将来的に専門性のリターンが低下し始めたら、それはモデルがユーザーの判断を代替し始めた証拠となる。こうしたツールの恩恵は、分野の専門家からより広範な人々へと拡大していく可能性がある。ソフトウェア職以外のユーザーの成功率が上昇し続ければ、ソフトウェアの生産は、特定の職業だけのものから、あらゆる分野の一般的な作業の一部へと変わるだろう。これらの変化は、誰がインテリジェントエージェントプログラ