Anthropicは2026年9月17日、社内のAI研究・開発でClaudeがどこまで仕事を担っているかを測る指標を公開しました。2026年8月時点で、同社が定義した測定対象の26%をClaudeが「lead」していたという報告です。AI導入を検討する企業にとって重要なのは、26%を自社の生産性向上率と読み替えないことです。何を測った数字か、どの監視の下で出た数字か、そして自社の業務で何を測るかを分けて考える必要があります。Anthropicの測定資料を基に、発表の意味と試行の設計を整理します。
26%は「Claudeが26%を自動化した」という意味ではない
Anthropicの資料では、AIの関与度を複数段階で表しています。AIが関与しない状態から、AIが人と協働して大きな部分を担う状態、さらに高レベルの指示から作業の大半を終え、人が監督する状態へと区分します。今回の26%は、そのうちClaudeが「lead」する作業の割合です。完全自律で人間の確認が不要になった割合ではありません。資料自身も、測定対象のどの部分でもClaudeが完全自律で動いているわけではないと説明しています。
この区別は、社内の資料作成や調査に数字を使うときにも重要です。AIが下調べ、分類、コードの一部、実験案の作成を担っていても、目的の設定、入力の選択、出力の評価、最終承認が人に残っていれば、業務全体が自動化されたとは言えません。26%はAIの能力だけでなく、Anthropicが仕事を分割し、監視し、人が確認できる形にした運用の結果でもあります。
数字の根拠と、比較できない理由
Anthropicは、最も利用される内部プラットフォームで約3万のエージェントが研究・エンジニアリング作業を行っていると説明しています。対象は同社の内部環境であり、すべての従業員の仕事や、一般のClaude利用者の会話を表すものではありません。したがって「Claude利用企業の26%」や「一般の開発者が26%短縮できる」といった解釈はできません。
測定の価値は、単一の大きな数字より、何を追加で公開したかにあります。Anthropicはオンライン監視について、対象エージェントの行動が実行前に確認される仕組みを説明し、オフライン監視では実行後の活動を調べる仕組みを説明しています。2026年8月の10億超の判断では、オンライン監視がブロックした割合を0.002%としています。オフラインでは週あたり約10万の記録がフラグ対象になり、そのうち優先度の高いものが人の確認へ進むとしています。
ただし、これらはAnthropic自身の環境・分類・監視方法による数字です。同社も、モデルを評価する側が同じモデルであることによる誤りの可能性、共通方法論の不足、第三者検証の必要性を認めています。公式の数値として紹介することはできますが、独立した性能評価や他社との公平な比較として紹介することはできません。
企業の導入判断で見るべきは「関与率」より工程の境界
自社で同じような数字を作るなら、最初に「AIが何割入ったか」を追うのではなく、どの工程を任せ、どこで人が止めるかを決めます。例えば問い合わせ対応なら、回答文の下書きだけをAIに任せ、顧客情報の参照と送信は人が行う、と境界を定義します。境界が曖昧なまま利用率だけを伸ばすと、誤情報の確認負荷や機密情報の混入を見落とします。
想定例1：社内ナレッジ調査
業務改善担当が、社内規程や過去の議事録から「新しい申請フローに関係する変更点」を探すケースです。AIに渡す資料を承認済みの文書に限定し、出力には根拠文書の位置を付けさせます。評価するのは回答の見た目ではなく、重要な変更点を拾えた割合、根拠のない記述の数、担当者が確認に要した時間です。根拠が追えない回答は、速くても採用しません。
想定例2：マーケティング施策の比較
マーケティング担当が、複数の施策案を目的・対象・必要素材・確認作業で整理するケースです。AIには社内で公開可能な情報だけを入力し、競合や市場の事実は公式資料または確認済みの出典と照合します。評価指標は案の数ではなく、比較表の抜け漏れ、事実確認に戻った回数、採用案を人が修正した箇所です。売上増加を試行前から約束せず、意思決定までの確認工程を測ります。
小さく試すための5段階
- 対象を一つに絞る。週に何度も発生し、入力と正解の確認方法がある作業を選びます。高リスクの顧客判断や公開直前の成果物から始めない方が安全です。
- 入力の境界を決める。個人情報、契約情報、未公開の企画など、入力してよい情報と禁止する情報を一覧化します。利用するプランや契約のデータ取り扱い条件は、各社の最新案内と自社契約で確認します。
- 人の確認点を固定する。数値、固有名詞、引用、外部共有の可否など、出力ごとに必ず確認する項目を決めます。確認者が変わっても同じ観点で判定できることが重要です。
- 小さな件数で比較する。AIを使った例と従来方法の例を同じ条件で比べ、作業時間だけでなく修正回数、見落とし、確認に戻った回数を記録します。Anthropicの26%を目標値として転用せず、自社の基準線から変化を見ます。
- 継続・縮小・中止を決める。確認負荷が減り、品質が保てた場合だけ対象を広げます。誤りが重大、監視が形骸化、費用や契約条件が合わない場合は、利用率が高くても中止します。
この発表から今すぐ断定できないこと
今回の発表だけでは、Claudeが日本の企業アカウントで同じ範囲の機能を使えること、特定の料金プランで同じ監視が提供されること、26%の数字が他社や自社に再現することは確認できません。Anthropicの資料は社内研究・開発の測定であり、一般的な事務作業やマーケティングの成果を測ったものではないからです。日本での利用可否、契約、データ保持、管理機能は、導入時点の公式案内と契約条件を別途確認してください。
また、「AIがAI研究の4分の1以上をリードする」という変化は、導入すれば人を減らせるという話ではありません。仕事を分割し、監視し、誤りを戻し、最終責任を持つ仕組みがあって初めて、AIの関与を業務上の価値へ変換できます。むしろ最初に測るべきは、AIの割合ではなく、人がどの判断に時間を使い、どの出力を採用しなかったかです。
導入前に確認するチェック項目
- 対象業務と、AIに任せる範囲が一文で説明できるか。
- 入力してよい情報、禁止する情報、保存場所が決まっているか。
- 出力の正しさを誰が何と照合するか決まっているか。
- 時間、修正、見落とし、差し戻しを従来方法と比較できるか。
- 重大な誤りや条件変更があったとき、停止・縮小する担当者がいるか。
Anthropicの26%という数字は、AIが研究をどこまで担えるかを考える材料であると同時に、AI導入の成果を測るには運用設計が必要だと示す材料でもあります。自社で試すなら、まず一つの業務を選び、入力・監視・採否の境界を決め、従来方法との比較を記録してください。その結果が確認負荷まで含めて妥当なら、次の業務へ進めばよいのです。