Anthropicがエージェントの実態調査を公開：熟練者の自動承認率は4割超に

AIエージェントの自律性が語られる機会は増えましたが、実際の現場で人間はどれほどAIに権限を委ねているのでしょうか。

Anthropicは2月18日、コーディング支援ツール「Claude Code」およびパブリックAPIの数百万件に及ぶインタラクションログを分析した研究結果を公開しました。現在のモデルは、人間が実際に許容している以上の自律タスクをこなす余力があるという実態が浮き彫りになっています。

熟練ユーザーは自動承認を活用、自律時間も倍増

日常的なタスクにおけるエージェントの動作は依然として短時間です。Claude Codeのセッション時間の全体中央値は約45秒にとどまり、この数カ月間大きな変動は見られません。

しかし、複雑な作業を伴う上位0.1％のロングテール領域では劇的な変化が起きています。人間の介入なしにClaude Codeが自律稼働する最長クラスの時間は、2025年10月の25分未満から、2026年1月には45分超へと倍増しました。

利用者の習熟度による行動の違いも明らかになっています。利用回数が50回未満の新規ユーザーでは全アクションを自動承認する割合が約20％にとどまるのに対し、750回以上の経験を積んだユーザーでは40％以上に跳ね上がります。慣れたユーザーほど1手ごとの確認を手放し、問題発生時のみ止めるスタイルへ移行しています。

また、最難関レベルの課題においては、人間が介入して処理を止める回数よりも、Claude Code側が判断に迷って説明や指示を求める停止回数のほうが2倍以上多いことも分かりました。社内利用のデータでも、高難度タスクの成功率が8月から12月にかけて倍増する一方、1回あたりの介入回数は5.4回から3.3回へ減少しています。

開発用途が半数、高リスク領域への本格展開は途上

API全体のツール呼び出しデータを見ると、エージェント利用の約50％はソフトウェアエンジニアリング分野が占めています。医療、金融、サイバーセキュリティ領域でも活用が始まっているものの、実行されている操作のほとんどは低リスクでやり直しが可能な処理にとどまっています。

ベンチマーク機関METRの評価では、Claude Opus 4.5は人間が5時間かかるタスクをこなす能力を持つとされていますが、実環境での最長稼働時間は42分程度です。Anthropicはこのギャップを、モデルの潜在能力に現実の運用が追いついていない状態と捉えています。

なぜ重要か

本調査は、エージェントの自律性がモデルの性能向上だけでなく、利用側の信頼の蓄積によって進むことをデータで証明した点で価値があります。開発者にとって、750回以上の利用で自動承認率が倍になるという数字は、導入初期の監視コストをどう乗り越えるかの目安になります。

業界全体で見れば、競争の焦点がモデルの賢さ単体から、人間とAIがリスクを共同管理するインターフェース設計へと移りつつあることを示しています。

特に、AIが勝手に暴走するのではなく自発的に立ち止まって質問する仕組みは、実用化に向けた極めて現実的で賢いアプローチです。今後は長時間の自律運用をアピールするだけでなく、どこで安全に止まれるかを保証できるベンダーが企業利用のシェアを握ることになると私たちは考えます。