Anthropicのレポートから読む「AIを使いこなす人」の条件――プログラミング技能より対象分野の専門知識

バイブコーディングでプログラミングの中身とか知らなくてもいいんじゃないの？ そういう意見もありますけれども、成功率みたいなものが一番高かった職業っていうのは、実はソフトウェアエンジニア職じゃなくてマネジメント職だったということです。AIをマネージするのと人間をマネージするのって、すごく似たスキルセットがあるなと。何を作るべきかっていうことを決めて、結果を検証したり、失敗から立ち直れるようにするっていうスキルが、このエージェントに任せられる量と成功率を左右してるのではないかと。

どうもこんにちは。安野貴博です。本日はAnthropic社のClaudeやClaude Codeをどのようにみんな使ってるのかというレポートを読んだので、そちらの内容について見ていきたいと思います。職業別にどういう使い方の違いがあるのかということや、同じClaude Codeであっても初心者の人と専門家の人がどういうふうな違いを持って使っているのかということについて書かれていて、非常に面白かったです。

ある意味、今バイブコーディングで、プログラミングの中身とか知らなくてもいいんじゃないのと、もう別にプログラミングを学習しなくてもいいという、そういう意見もありますけれども、一方で初心者が使う時と中級者、上級者が使う時で、どれだけ成果を出せてる度合いが違うのかというところもこのレポートで見えてきたので、紹介をしたいと思います。

まず、使う側の属性によって使われ方ってどう違うのかというところなんですが、こちらの表をご覧ください。横軸がその職業の時給を示していて、縦軸が使われてるトークンの量、いわゆる会話の長さとか考える長さに相当するものです。これを見てみると、右側に行けば行くほど賃金が高い人たち、時給が高い人たちの仕事なんですけど、この相関を見てみると右上に向かっていってると。つまり、時給が高い職業に対応する会話ほど、使われるトークン量、AIとのやり取りの量っていうのは多くなっていると。

このレポートの例で言うと、時給80ドル、時給80ドルは結構高いですね。日本円で言うと1万2000円くらいのマーケティングマネージャーの業務にあたる会話は、時給37ドルのエディターの業務にあたる会話の大体2.5倍くらいのトークンを使っていたよということでした。

面白いのは、この高賃金業務にあたる会話っていうのは中身も結構特徴があったらしくて、Claudeの出力量は、1回聞いて答える時の出力の量なんですけど、1ターンあたりに1.34倍くらい変わったよと。ユーザーがやり取りするターン数、何往復のターンをやりますかっていうのも結構長くて、1.5倍くらい。このじっくり考えさせる拡張思考っていう機能があるんですけれども、これを有効にしてる割合もちょっと高くなってるということでした。

これに対してAnthropicの解釈によると、賃金水準が高い職業の業務は、人間が深く関与しながら使っていっていて、つまり結構深く何回も何回も指示したり、結構細かめに指示したりすることによって、人間の仕事をAIが補強しているんじゃないかということを言っております。

次に、Claude Codeの分析に移ります。今まで喋ってたのが普通のClaudeだったんですけど、Claude Codeでコーディングエージェントは実際何をさせられていて、使ってるのはエンジニアだけなのかという話です。

まず、こちらの図をご覧ください。こちらの図が、Claude Codeをどういうふうに皆さん使っているのかというのを示した図になっておりまして、一番上にあるのは、なんか壊れたバグを直すということで、2つ目の大きなのが何か新しい機能を作るよというもの。なんか新しいものを作ると。3つ目がソフトウェアを使うっていう、運用するっていうもので、4つ目がドキュメントを書くと。文書を書いたりプレゼンを書くことに使っているよというもので、システムを理解するために使ったり、どういうふうな変更を作ろうかっていうのを計画立てたりするっていうのが、どんどん並んでいっております。なので、4分の1くらいはバグを直してるし、4分の1くらいは新しい機能を作ってるということですね。

なんですが、この調査は7か月くらいやっていて、この7か月でも結構この比率に差が出てきたらしいです。これもちょっと面白いので見てみると、バグ修正、一番上のバグ修正なんですが、実は元々この調査が始まった2025年の10月の段階では33％くらいバグ修正だったんだけど、どんどん比率として下がってて、2026年の4月段階では19％ぐらいになっていました。一方で、ソフトウェアの運用であるとか文章を作成したりすることは結構増えてて、ソフトウェアの運用が14％から21％になり、文書作成は10％から20％に倍増してるっていう、そんな形になっております。

次に、使ってる人の職業です。この調査に協力してくれた人たちの中の70％くらいのセッションで、このユーザーの職業というのを推定することができたと書いてあります。その中で、やっぱり最大のグループっていうのはソフトウェア関連の職業だったと。ソフトウェア・マスのところが一番大きかったんですが、次に大きかったのがビジネス、ファイナンス、金融業務ですね。そしてアート、デザイン、メディア、マネジメント、そして生命科学、物理科学、社会科学というような、そういった分野が続いていたということです。

一方で、このサンプルの中で急速に成長してるソフトウェア関連業務じゃないものに関して言うと、営業、経営、そしてリーガルのこの3つにおいては、結構急速に利用が成長していってるよということを言っています。

では、この職業によってClaude Codeを使いこなすことに差が出るのかということを、セッションが成功したかどうかっていうのを、いろんな手法を組み合わせて推定をAnthropicがしました。例えば、Gitのコードのコミットが成功したのかとか、テストが成功したのかとか、そういう客観的な証拠があるものを厳しめの基準で見た時に、こういう成果だったよということです。

このデータによると、ソフトウェア関連職の人のClaude Codeを使って作業した時の成功率が、結構厳しめに見た数値なんで低めなんですけど、成功率が30％で、それ以外の職業が26％ということで、差が5ポイントぐらいあったねということです。これ、コード生成のセッションとコード生成じゃないセッションがありますけど、コード生成のセッションに限って言っても、34％対29％ということで、それくらいの差だったと。

これ結構面白くて、要するに何かって言うと、ソースコードを作る、プログラムを作るという仕事の成功率っていうのが、ソフトウェアエンジニアはもちろん高いんだけれども、そうじゃない職種のマネジメントの人とか経営の人とか、リーガルの法律の人とか、ビジネスの人とかヘルスケアの人とか、そういういろんな職業の人を合わせて考えても、大体ソフトウェアエンジニアの7ポイント以内くらいに収まっていたよということです。

この中身も結構面白くて、職業グループごとに見ていくと、その成功率みたいなものが一番高かった職業っていうのは、実はソフトウェアエンジニア職じゃなくて、この2番目に写っているマネジメント職だったということです。ソフトウェアが一番厳しく見て34％で、このマネジメントは37％成功していると。Anthropic社の仮説によると、この管理職のマネジメント職が高い理由っていうのは、そもそもAIをマネージする能力っていうのと、人間をマネージする能力っていうのは結構近いものがあるんじゃないかと。それが実際にタスクを成功させることにつながってるんじゃないかっていうことを言っていました。これは私は直感的にはすごい分かるなと思います。AIをマネージするのと人間をマネージするのって、すごく似たスキルセットがあるなということは思います。

そうすると、職業ごとに見た時にそんなに成功率に差がないんだとすると、じゃあ逆に成果に差がつくポイントってどこなのっていう疑問が湧いてきますよね。それについても少し調べています。別の調査で、ユーザーが専門知識をどれだけ持ってるのかに応じて成功率がどう変わるのかっていう調査もされています。

このセッションの中身から、ユーザーの指示がどれだけ正確かとか、問題が起きた時にどういうふうに直せるかとか、そういったことを通じて、この人って割と初心者なのか、それとも専門家なのかを5段階で評価をしていると。これはコーディングのスキルというよりかは、扱ってる問題について、自分が解決したい問題についてどれくらい理解してるかという意味での専門知識を測ったそうです。

この5段階のレベル分けでさっきの成功率を見てみると、初心者が15％で専門家が33％だったと。つまり専門家レベルだと初心者の2倍以上の成功率になっていたそうです。また、うまくいかなかった時にセッションをそのまま打ち切る割合っていうのも、初心者は19％くらいあるんですけれども、上級者になると7％、低いところだと5％から7％くらいということで、結構ここら辺も違っているということです。うまくいかなかった時にも、やろうとしている問題をうまく把握していて、人間の側で立て直すことができるかってところが、結構この成功率を左右してるんじゃないか。諦めちゃう率の変化を左右してるんじゃないかということです。

この5つのレベルに応じて、エージェントに仕事を任せられる量というのも違っているそうです。1回の指示に対してエージェントが実行するアクションの数っていうものがあるんですけれども、初心者のセッションだと大体平均して5つくらいで、専門家のセッションだと平均すると12個くらいあるということで、一度にAIがガーっと仕事ができる量っていうのも専門家と初心者で違っている。出力される文章の量っていうのも、大体初心者だと600くらいなんだけど、専門家だと3200くらいということで、5倍くらいの開きがあるようになってます。なので、専門知識がある人ほどAIを自律的にいろいろ動かせているということが分かります。

この結果を受けての結論として、その調査レポートで言っていたのは、こういったコーディングエージェントっていうのはプログラミングの技術的なスキル自体は不要にしつつあるんだけれども、そのやろうとしている対象分野の専門知識っていうものは、価値が依然として残っているんじゃないかと。それこそ、その対象分野について初心者の人と専門家の人とでは、全然このタスクの成功率も変わってくるということを結論付けています。

合わせて、もうちょっと面白いのが、この5段階に分けた時に成功率の伸びがあるわけですよね。クイっと伸びるんですけど、この伸びの大部分は、実は初級者から中級者になる時にググっと伸びていて、熟練してるレベル5の人とレベル4の人の間の差っていうのは、そんなに大きくないっていうことも指摘されています。つまり、トップレベルの本当に熟練した専門家にならなかったとしても、その対象について初心者レベルを脱して、中級者レベルに行くだけでググっとこの成功率が上がるのでいいのだということを、Anthropicのレポートでは言っていました。

なので、コーディングの経験は壁が低くなった一方で、何を作るべきかっていうことを決めて結果を検証したり、全然うまくいかなかったとしても失敗から立ち直れるようにするっていうスキルが、このエージェントに任せられる量と成功率を左右してるのではないかという調査でございました。

一点だけ、レポートの中にもある注意を載せておくと、どのレポートもサンプルはやっぱり偏ってると。大きくソフトウェアエンジニアに偏ってはいるので、一般の人口を代表するものではないよということを言っているので、社会全体の話じゃなくて、AIを日常的に使ってる人の話の中としてはこういう傾向があるよというレポートだよということでした。

ということで、今回の動画が参考になる方がいたら、チャンネル登録と高評価をぜひよろしくお願いいたします。では、では。