Claudeの使われ方は、この1年でどう変わったか
Anthropicの3つのレポートから

こんにちは、アースダイバー代表の佐藤です。弊社では、記事の下調べからサイトの更新まで、毎日の仕事の多くをAIのClaudeと一緒に進めています。使っているうちに、任せる仕事の大きさも、頼み方も、1年前とはずいぶん変わったと感じます。

では、世界中の利用者の使い方は、どう変わったのでしょうか。Claudeを開発するAnthropicは、「Anthropic Economic Index」という名前で、Claudeの会話を集計した分析を定期的に公開しています。2026年に入ってからは、1月・3月・6月の3回、レポートが出ました。

この記事では、その3本のレポートを読み込み、この1年でClaudeの使われ方がどう変わったかをまとめます。最後に、企業がAIの使い方を考えるうえで何を読み取れるかを、弊社の見解として書きます。

先に、ポイントを3つにまとめておきます。

1. AIに作業を丸ごと任せる「指示型」の会話は、2025年1月の27%から8月に39%まで増え、11月には32%に戻った。任せきりから、やりとりしながら仕上げる使い方へ、揺り戻しが起きている
2. 使い方は広がっている。よく使われる上位10の作業が会話に占める割合は24%から19%に下がり、個人の用事に使う会話は35%から42%に増えた
3. チャットで減った「任せきり」は、Claude Codeでは増えている。任せられるかどうかは、AIが結果を自分で確かめられる環境かどうかで決まる、と弊社はみている

何が発表されたか：Claudeの会話を集計した3本のレポート

Anthropic Economic Indexは、Claudeとの会話を、中身を人が読まない仕組みで分類・集計し、AIが経済のどんな仕事に使われているかを調べるものです。2025年から公開が続いていて、今回読んだのは次の3本です。

1月と3月のレポートは、Claude.ai（ブラウザやアプリで使うClaude）とAPI（企業が自社のシステムからClaudeを呼び出す使い方）の会話を、それぞれ100万件ずつ集めて分析しています。6月のレポートは、集計の仕組みを新しくして、日ごと・時間ごとの変化まで追えるようにしました。あわせて、約9,700人へのアンケートと利用の記録を結びつけています。

注意点として、これはClaudeだけのデータです。ChatGPTやGeminiの使われ方とは違う可能性があります。また、会話の分類はClaude自身が行っています。レポートは、人の判定と多少ずれることはあっても、傾向は正しく捉えているとしています。

変化1：任せきりは一度増え、揺り戻した

レポートでは、AIとの協働の仕方を、AIに作業を代わりにやらせる「自動化」と、人がAIと一緒に考えて仕上げる「拡張」に分けています。

Claude.aiの会話では、2025年1月は拡張が56%で主流でした。それが8月には、自動化が拡張を上回ります。ところが11月には、拡張が52%に戻り、自動化は45%に下がりました（1月のレポート）。

いちばん大きく動いたのが、自動化の中の「指示型（directive）」です。最小限のやりとりで、作業を丸ごとAIに任せる使い方を指します。指示型の会話は、2025年1月の27%から8月には39%まで増え、11月には32%に下がりました。

レポートは、拡張が増えた主な理由を、学ぶための会話の増加より「作業の繰り返し（task iteration）」の増加にあるとしています。AIに出させた案に、人が直しを入れて、もう一度出させる。この往復で仕上げる使い方が増えたということです。

3月のレポートでも、Claude.aiでは拡張の割合がわずかに増えました。一方、APIでは自動化の割合が大きく下がっています（3月のレポート）。

変化2：使い方は、仕事の外にも広がった

Claude.aiの会話に占めるコンピュータ・数学の作業は、2025年3月の40%をピークに、11月には34%に下がりました。いまも「ソフトウェアの誤りを直す」が最も多い作業ですが、使い方は広がっています（1月のレポート）。

2025年11月から2026年2月の3か月で、Claude.aiでよく使われる上位10の作業が会話に占める割合は、24%から19%に下がりました。同じ期間に、個人の用事に使う会話は35%から42%に増え、学校の課題に使う会話は19%から12%に減っています（3月のレポート）。

課題が減ったのは、多くの国が冬休みだった時期と重なったためでもあります。またレポートは、コーディングの作業がClaude.aiからAPIへ移ったことも、上位の作業が薄まった理由に挙げています。プログラムを書く仕事は、チャットの画面で1回ずつやりとりする形から、開発の道具の中でAIがファイルを直接直す形へ移りつつあるということです。

教える・学ぶに関わる会話も伸びました。Claude.aiの会話に占める教育・指導の作業は、2025年1月の9%から11月には15%に増え、コンピュータ・数学に次ぐ2番目の分野になっています（1月のレポート）。

6月のレポートでは、生活のリズムも数字に表れています。個人の用事に使う会話の割合は、平日の約35%から、週末には50%近くまで上がります。米国の確定申告の期限の前日にあたる4月14日には、税金に関する会話が、5月の平均的な日の8倍ありました（6月のレポート）。

変化3：使い慣れた人ほど、難しい仕事に使う

3月のレポートの題は「Learning curves（学習曲線）」です。使い続けるうちに、使い方がうまくなるのかを調べています。

Claudeを使いはじめて6か月以上たった人は、それより新しい人と比べて、次の違いがありました（3月のレポート）。

• 仕事に使う割合が7ポイント高い
• 丸ごと任せる指示型が少なく、何度も直しながら仕上げる使い方が多い
• 会話の成功率が高い。言語・モデル・作業の種類・国などの違いをそろえて比べても、約4ポイント高い
• 使った年数が1年長いと、入力する内容に必要な教育年数が、ほぼ1年分高い

ここでいう「難しい仕事」は、レポートでは「その頼みごとを理解するのに、何年分の教育が必要か」で測っています。たとえば、Claude.aiでのソフトウェア開発の頼みごとは約13.8年分、生活の用事の頼みごとは9.1〜9.4年分でした（1月のレポート）。論文を書く会話では16年分を超え、そのうち15%は博士の水準です。レシピや暮らしの助言は10年分に届きません（6月のレポート）。

使い慣れた人に多い作業と、使いはじめたばかりの人に多い作業も、具体的に挙がっています（3月のレポート）。

使い慣れた人は、答えが1つに決まらず、専門の知識と何度もの手直しが要る仕事をAIに持ち込んでいる、ということです。こうした仕事ほど、AIによる時短の効果も大きくなります。1月のレポートでは、高校卒業程度の頼みごとで約9倍、大学卒業程度の頼みごとで約12倍、人だけでやるより速く終わると推計しています（1月のレポート）。一方で、成功率は生活の用事の78%に対して、ソフトウェア開発は61%と低くなります。難しい仕事ほど、効果は大きく、失敗も多いということです。

ただしレポート自身も、うまく使えた人が使い続けて残っているだけの可能性や、早くから使いはじめた人がもともと違う人たちだった可能性を挙げています。使い続けたから上達したとは、まだ言い切れません。

変化4：会話から、任せて待つ使い方へ

6月のレポートは、1年前との違いを、こうまとめています。1年前は、Claudeの利用の大半が、利用者とアシスタントの会話の形でした。いまは、長い時間をかけてAIが自分で作業を進める「エージェント型」の作業が増えています（6月のレポート）。

その差がはっきり出ているのが、チャットと、プログラムを書く作業を任せる道具「Claude Code」の比較です。ブログの記事をつくる会話で比べると、チャット（Coworkを含む）では、往復の中央値が13回でした。Claude Codeでは、人の指示は中央値で1回です。

AIにどこまで判断を任せているかを1〜5で測ると、成果物の種類31のうち26で、Claude Codeのほうが高い値でした。使われるモデルも違い、Claude Codeの会話の54%は最上位のOpusで処理されていて、チャットの10%を大きく上回ります。

もうひとつ、6月のレポートは、Claudeとの会話の93%が、説明・文書・コードなど何かの成果物をつくっていると分類しています。多いのは、説明（17%）、文書・レポート（15%）、助言（11%）です。

使う人の層も変わりました。最近使いはじめた人ほど、労働市場で賃金の低い仕事の作業にClaudeを使っています。技術者が中心だった利用が、ほかの職種に広がっているということです。

アンケートでは、AIで仕事が速くなったと答えた人が86%、できる仕事の範囲が広がったと答えた人が82%、質が上がったと答えた人が69%でした。

この1年の変化から、弊社が読み取ったこと

ここまでの数字を並べると、1つずつの変化の裏に、共通した動きが見えてきます。以下は、レポートの数字をもとにした弊社の見立てです。

1. 任せる量は減っていない。任せられる「場所」が変わった

チャットでは、丸ごと任せる指示型が一度増えてから減りました。ところが、Claude Codeでは逆に、任せる度合いが高くなっています。6月のレポートは、チャットとClaude Codeの差のうち約3分の2が、「同じ種類の作業を、Claude Codeではより任せて行っている」ことで説明できるとしています（6月のレポート）。

任せきりそのものが減ったというより、任せきりがうまくいく環境で使われるようになった、と弊社はみています。違いは、AIが自分の作業の結果を確かめられるかどうかです。Claude Codeは、ファイルを直したあとに、プログラムを動かして結果を確かめ、まちがいがあれば自分で直せます。チャットでは、AIが出したものを確かめるのは人なので、往復が増えます。

弊社のサイトの更新を、話しかけるだけで任せられているのも、同じ理由です。リンク切れや仮の文言を毎回プログラムで点検する仕組みがあるので、AIが自分で確かめてから公開できます（WordPressも管理画面も、いらなくなった。AIに話しかけるだけで、サイトを更新・公開している話）。

企業がすること：AIに任せたい仕事ごとに、「できたかどうかを、どう確かめるか」を先に決めます。チェックリスト、ひな形、元のデータとの照合など、確かめ方が決まっている仕事ほど、任せられる範囲を広げられます。

2. 一度に任せられる仕事の大きさには、まだ限りがある

1月のレポートは、作業の大きさと成功率の関係も調べています。APIでの成功率は、人がやれば1時間かからない作業で約60%、5時間以上かかる作業で約45%でした。成功率が50%を下回るのは、人がやれば3.5時間ほどかかる作業からです。一方、何度もやりとりできるClaude.aiでは、この線が約19時間まで伸びると推計しています（1月のレポート）。

大きな仕事を一度に渡すより、区切って渡し、途中で確かめるほうが、うまくいくということです。往復は手間に見えますが、成功率を上げるための工夫でもあります。使い慣れた人ほど、何度も直しながら仕上げているという3月の結果とも合います。

企業がすること：AIに渡す仕事を、1時間ほどで確かめられる大きさに区切ります。「提案書を全部つくって」より、「構成をつくって」「3枚目を書いて」と分けるほうが、結果として早く仕上がります。

3. 差がつくのは、AIを使えるかより、どこまで深く使うか

最近使いはじめた人ほど、賃金の低い仕事の作業にもClaudeを使っていて、利用者の層は広がっています。一方で、使い方の深さには大きな差があります。賃金の高い上位3分の1の職種の会話は、下位3分の1の約2.07倍の量のやりとりをしています。たとえば、マーケティングの責任者の作業にあたる会話は、編集者の作業の約2.5倍でした（6月のレポート）。

では、「深く使う」とは具体的に何が違うのか。レポートの数字から、4つの差が読み取れます。

1. 何をつくらせるか：説明を聞くだけの会話は、やりとりの量が全体の中央値の約5分の1です。アプリをつくる会話は3倍を超えます。職種による量の差の約44%は、この「何をつくらせているか」の違いで説明できるとしています（6月のレポート）
2. 何往復するか：賃金の高い職種の会話は、往復の回数が約1.53倍、1回の返事の長さが約1.34倍です（6月のレポート）
3. どれだけ考えさせるか：AIに時間をかけて考えさせる機能を使う会話は、賃金の高い職種で34%、それ以外で31%です（6月のレポート）
4. どのモデルを選ぶか：作業の時給の価値が10ドル上がるごとに、最上位のOpusを使う割合は1.5ポイント上がります。ソフトウェア開発者の作業では34%がOpus、家庭教師の作業では12%です（3月のレポート）

マーケティングの仕事に置きかえると、たとえば次のような差になると弊社はみています。

AIを持っているかどうかでは差がつかなくなり、何をつくらせ、何往復させ、どこまで任せるかで差がつく段階に入った、と弊社はみています。

企業がすること：社内で使いこなしている人が、何をつくらせ、どう直しているかを、実際の頼み方ごと集めて共有します。ツールの契約の数より、説明を聞くだけの使い方から、成果物をつくらせる使い方に移った人が何人いるかを見ます。

4. 効果は、費用の削減より、速さと範囲に出ている

6月のアンケートでは、AIで仕事が速くなったと答えた人が86%、できる仕事の範囲が広がったと答えた人が82%でした。一方、外注していた仕事の費用が減ったと答えた人は27%にとどまります（6月のレポート）。

1月のレポートも、AIによる米国の労働生産性の押し上げを、年に1.8ポイントと見積もったうえで、成功率を考えると1.0〜1.2ポイント、AIが手伝えない作業が足を引っ張ることまで考えると0.7〜0.9ポイントになると試算しています（1月のレポート）。AIが速くしても、ほかの作業や人の確認が遅いままなら、全体は速くならないということです。

企業がすること：AIの効果を、人件費や外注費の削減額だけで測らないようにします。同じ時間でできる仕事の量や、これまで手が回らなかった仕事に手が届いたかを見ます。あわせて、承認や確認の流れが詰まっていないかを見直します。

5. AIが難しい部分を受け持つと、人に残る仕事の中身が変わる

1月のレポートによると、Claudeが使われている作業に必要な教育年数は平均14.4年で、経済全体の作業の平均13.2年より約1年長くなっています。AIは、仕事の中でも比較的難しい作業に使われているということです（1月のレポート）。

その結果、職種によっては、人に残る作業がかえって易しくなります。レポートが挙げた例は、技術文書を書く仕事と旅行代理店です。

技術文書を書く仕事では、「分野の動きを見て、改訂が要るか判断する」「出版物を見直し、改訂を提案する」といった判断の作業にAIが使われています。人に残るのは、「説明用の図をスケッチする」「製造や開発の現場を見る」です。旅行代理店では、プランを立てて説明し、売ることや費用の計算にAIが使われ、人には発券の手配や代金の受け取りが残ります。

逆の例もあります。不動産の管理の仕事では、売上の記録や家賃を相場と比べる作業にAIが使われ、人には資金の手配、設計会社との交渉、理事会との打ち合わせが残ります。人に残る仕事が、かえって高度になる例です（1月のレポート）。

2つの例の違いは、AIに任せたあとに人に何が残るかです。技術文書や旅行の例では、判断をAIに渡し、手続きが人に残りました。不動産の管理の例では、手続きをAIに渡し、交渉や判断が人に残りました。

マーケティングでも、何も決めないまま任せると、前者になりやすいと弊社はみています。下調べ・構成・原稿・数字の集計をAIに渡したあと、人の仕事が「AIの出したものを貼り付けて、体裁を整える」だけになる形です。

弊社の考える、人に残すべき仕事は次の4つです。

• 何を言うかを決める：弊社がサイトを作り直したときも、約5時間の対話のうち6割は、トップページで「この会社は何を言うのか」を詰める議論でした（コーポレートサイトをAIと作り直したら、5時間でできた話）
• お客様から、課題と言葉を聞く：AIは、まだ聞いていないお客様の事情を知りません。商談や取材で聞いた言葉が、AIに渡す材料になります
• 事実を確かめ、責任を持つ：数字・事例・出典が正しいかを確かめ、外に出すと決めるのは人です
• 社外と交渉し、関係をつくる：取引先や媒体との調整、社内の合意づくりは、不動産の管理の例と同じく、人に残る仕事です

企業がすること：AIに任せる作業を決めるときに、人に残る仕事も同時に決めて、役割として書いておきます。任せた結果、人の仕事が手続きだけになっていないかを、半年に一度は見直すのがよいと考えています。

よくある質問

Q. このデータは、ChatGPTなどほかのAIにも当てはまりますか？
そのままは当てはまりません。Claudeは、プログラミングや仕事での利用が多いAIです。ほかのAIでは、使われ方の割合が違う可能性があります。ただ、任せ方の揺り戻しや、使い慣れた人ほど難しい仕事に使う傾向は、AI全般の使い方を考える手がかりになると考えています。

Q. 会話の中身は、人に読まれているのですか？
Anthropicは、会話の中身を人が読まない形で、分類と集計だけを行う仕組みで分析していると説明しています。公開されるのは、集計した割合や傾向です。

Q. 自社のAIの使い方も、同じように測れますか？
細かな分類までは難しくても、どの仕事に、どの頼み方で使っているかを、社員に記録してもらうことはできます。丸ごと任せたのか、何度も直したのか、成果物をそのまま使えたのかを数週間分集めるだけでも、次にどの仕事から広げるかを決める材料になります。

参考：Anthropic「Anthropic Economic Index report: Economic primitives」（2026年1月15日）／Anthropic「Anthropic Economic Index report: Learning curves」（2026年3月24日）／Anthropic「Anthropic Economic Index report: Cadences」（2026年6月26日）

WRITTEN BY佐藤 大貴アースダイバー株式会社 代表取締役DeNAで男性向けライフスタイルメディアの立ち上げを牽引し、ローンチから約1年半で月間3,000万PV規模に。ポートではコンテンツマーケティング責任者として幅広い領域のメディアを管掌し、上場とM&Aを経験。2019年に創業し、AI時代のマーケティング戦略とその実行を手がける。プロフィールを見る →LinkedIn