Anthropicが、Claude Codeの利用データを分析したレポートを公開しました。対象は、2025年10月から2026年4月までの約40万件のセッション、約23万5000人分の利用です。テーマはシンプルで、「誰がClaude Codeを使い、何に使い、成果はどこで分かれるのか」というものです。
このレポートが面白いのは、AI時代の仕事で大事になる力が少し見えてくる点です。結論から言えば、成果を分けるのは「コードを一から書けるか」だけではありません。むしろ、自分の仕事の目的、制約、失敗しやすいポイントを理解し、AIに的確に任せられるかが重要になっています。
Claude Codeは、コードを書く人だけの道具ではなくなっている
Anthropicの分析では、Claude Codeの利用はもちろんコード作成や修正が中心です。新しく作る、壊れた部分を直す、テストする、といったコードに直接関わる作業が大きな割合を占めます。一方で、運用、データ分析、文書作成、既存システムの理解、変更計画づくりのような作業も増えています。
これは、Claude Codeが単なる「コード補完」ではなく、仕事の中に入り込むAIエージェントになりつつあることを示しています。たとえば営業担当が顧客リストを整理する簡単なスクリプトを作る、経理担当が照合作業を自動化する、管理職がレポート作成の流れを整える。こうした場面では、プログラミングの専門家でなくても、業務の流れを知っている人がAIに作業を任せられるようになります。
人間は「何を作るか」、AIは「どう作るか」を担当する
レポートでは、Claude Codeの作業を「計画」と「実行」に分けて見ています。計画とは、何を作るか、どの方針で進めるか、何をもって完了とするかを決めることです。実行とは、どのファイルを変えるか、どんなコードを書くか、どのコマンドを動かすかといった作業です。
平均的なセッションでは、人間が計画判断の約70％を担い、Claudeが実行判断の約80％を担っていました。つまり、人間が「目的地」を決め、AIが「道順と運転」を担当するような分業です。ここで大事なのは、AIに丸投げすればよいという話ではないことです。目的地が曖昧なら、どれだけ運転が上手でも違う場所に着いてしまいます。
成果を分けるのは、コード力よりも業務理解に近い
Anthropicは、利用者の「その作業に対する専門性」も分析しています。ここでの専門性は、肩書きや学歴ではありません。指示が具体的か、何を検証すべきか分かっているか、AIの間違いを見つけて修正方向を示せるか、といった実務的な力です。
結果として、専門性が高い利用者ほど成功率が高く、Claudeが1回の指示でより多くの作業を進められる傾向がありました。初心者レベルのセッションでは、厳しめの成功判定に届く割合が15％だった一方、中級以上では28〜33％に上がっています。特に差が大きいのは、初心者から中級者になる部分です。深い達人でなくても、仕事の勘所を押さえていればAIをかなり使いこなせる、という見方ができます。
非エンジニアにもチャンスが広がるが、準備なしでは難しい
興味深いのは、ソフトウェア職とそれ以外の職種の差が思ったほど大きくない点です。コードを実際に生み出すセッションでも、ソフトウェア関連職の成功率と、その他の職種の成功率の差は小さく、主要な職種はおおむね近い範囲に収まっていました。管理職が高い成果を出している場面もあります。
ただし、これは「誰でも何の準備もなく開発できる」という意味ではありません。むしろ逆です。AIが実装部分を助けるほど、人間側には「どんな業務課題を解くのか」「ミスると困る条件は何か」「完成後にどう確認するのか」を言語化する力が求められます。AI時代の仕事では、専門知識が不要になるのではなく、専門知識をAIに渡せる形にする力が価値になります。
まとめ：AI活用の差は、道具の有無ではなく任せ方に出る
Claude Codeの利用データから見えるのは、AIがコードを書く時代になっても、人間の役割が消えるわけではないということです。人間は目的、判断基準、現場の事情を持ち込み、AIは実装や試行錯誤を高速に進める。この分業をうまく作れる人ほど成果を出しやすくなります。これからのAI活用では、「AIを触れるか」よりも「自分の仕事をAIに説明できるか」が大きな分かれ目になりそうです。
コメント