Anthropic AI経済指数の長文レポート：自動取引のワークフロー頻度が倍増、Claudeはツールから生活アシスタントへと進化

Anthropic経済指数最新レポート分析 2026年2月 Claudeの利用状況、Claude.aiのシナリオ多様化と平均タスク報酬水準のやや低下を示す。本レポートはAnthropicが発表した研究報告を、動区動趨が翻訳・編集したものです。
（前書き：AnthropicがAIインパクトダッシュボードを公開：職業を入力して、あなたの仕事がAIに奪われる割合を秒で確認）
（補足：CZ：米国の暗号取引手数料が高すぎる。暗号の都を目指すには競争不足が続く）

目次

Toggle

• 前回レポート以降の変化
• 学習曲線
• 第1章：前回レポート以降の変化
  • Claude.aiのシナリオ多様化
  • 新興自動化モデル
  • 地理的収束の再検討
• 第2章：AIの学習と利用
  • モデル選択
  • 学習曲線
    • 経験効果
• 議論
• 脚注

Anthropic経済指数は、私たちのプライバシー保護データ分析システムを用いて、Claudeの経済全体における利用状況を追跡しています。これはAI経済への衝撃を早期に理解し、研究者や政策立案者が準備を整えるための取り組みの一環です。

本レポートは、2026年2月のClaude利用状況を調査し、前回（2025年11月データ）に基づく経済基本枠組みを拡張したものです。サンプル期間は2月5日から2月12日までで、Claude Opus 4.5リリースから3か月後、またClaude Opus 4.6リリースと重なる期間です。

まず、前回レポートからの変化を記録します。Claude.aiとAPIのトラフィックにおいて、インタラクションの増強型（AI補助による協働型）の割合がやや上昇しています。Claude.aiのシナリオは多様化し、上位10タスクの全体利用比率は、2025年11月の水準より低下しています。多様化により、Claude.aiの平均対話あたりのタスク報酬水準は前回よりやや低下しています。

次に、Claudeの労働市場や経済全体への影響を左右する重要要素：採用過程における学習曲線に焦点を当てます。経験豊富なユーザーは、より効果的にClaudeの能力を活用する習慣や戦略を身につけている証拠を示しています。データは、より経験豊富なユーザーは高付加価値のタスクに挑戦し、会話中に成功率も高いことを示唆しています。

前回レポート以降の変化

第1章では、2026年1月に発表された前回の経済指数レポートの調査結果を再検討します。以下の結論に至りました。

• Claude.aiのシナリオ多様化。 コード作成タスクは引き続きClaude.aiの拡増型利用から、私たちのAPIトラフィックにおける自動化ワークフローへと移行しています。本レポートでは、Claude.aiの利用集中度は低下：2026年2月の上位10タスクは全体の19%、11月の24%より低下。これは、コード作成がClaude Codeの代理設計により、多数のAPI呼び出しに分散されたためです。全体の分布は比較的安定していますが、コード作成の比重は増加しています。一方、学業関連の対話は19%から12%に低下し、個人利用は35%から42%に増加しています。冬季休暇や新規ユーザーの増加も影響しています。
• Claudeの採用範囲は低賃金タスクへ拡大。 多様化に伴い、米国労働者の平均賃金で測ると、Claudeの平均作業経済価値はやや低下。これは、スポーツ、商品比較、家庭修理などの個人向けクエリの増加によるものです。標準的な「採用曲線」のナarrativeと一致し、早期採用者はコードなど高付加価値用途に偏重し、その後はより広範なタスクへ拡大しています。
• 世界的な利用不平等は継続。 利用量は依然集中：上位20国は全体の48%、前回の45%より高い。米国内では、州ごとの利用量収束も進行し、上位10州の比率は40%から38%に低下。

学習曲線

経済指数の核心は、Claudeの早期採用は非常に不均衡であることです。高所得国では密に使われ、米国内では知識労働者が多い地域に集中し、少数の専門職・職業に限定されている点です。

重要な問いは、この不平等がAIの利益配分や恩恵を受ける層をどう決定するかです。前回の論点では、AIの効果的な活用には補完的スキルや専門知識が必要とされ、これらは使用や実験を通じて習得可能としました。早期採用の恩恵は、自己強化的なループを形成する可能性があります。

第2章では、ユーザーがどのようにClaudeから価値を引き出すか、モデル能力とタスクのマッチング、利用パターンと効果の変化を調査します。

• モデル選択とタスクのマッチング。 Opusは最も高性能なモデルシリーズで、コスト・速度・性能のトレードオフを反映。高付加価値・難易度の高いタスクにはOpusを選び、簡易な作業には他モデルを使う傾向が見られます。実際、付加価値意識の高いユーザーは、Opusの利用率がコード作成タスクで平均より4ポイント高い一方、教育関連は7ポイント低いです。
• 経験豊富なユーザーは仕事にClaudeを多用。 6か月以上の利用者は、仕事にClaudeを使う確率が7ポイント高く、必要な教育レベルも高い。
• **学習と適応。**経験豊富なユーザーは、会話の成功率も高く、より難しいタスクに挑戦し、より多様なシナリオでClaudeを活用しています。

モデル選択

Claudeのモデルシリーズ（Haiku、Sonnet、Opus）は、コスト・速度・性能のバランスをとっています。Opusは最も高いコンテキスト制限と性能を持ち、コストも高めです。コスト意識の高いユーザーは、難易度高・価値高のタスクにOpusを使い、簡易作業には他モデルを選びます。実例として、Claude.aiの有料ユーザーのうち、ソフトウェア開発のタスクでOpus利用率は34%、教育は12%です。平均時給が10ドル増加するごとに、Opusの利用比率は1.5ポイント上昇します。APIの方が2倍の感度を示します。

学習と適応

Claudeの最初のモデルは2023年3月にリリースされ、その後の急成長により、多様な経験層が形成されました。6か月以上の経験者は、より多くのイテレーションや仕事への適用を行い、より高付加価値のタスクに挑戦しています。彼らは、会話成功率も高く、難易度の高いタスクにClaudeを使いこなしています。

高資歴ユーザーの行動

経験豊富なユーザーは、より多くの仕事にClaudeを使い、より高い教育レベルのタスクを選び、個人用途は少なくなります。彼らの会話成功率は、他のユーザーより約3～4ポイント高いことも示されています。これは、学習や経験によるスキル向上だけでなく、潜在的には早期採用者の特性や選択バイアスも関係していると考えられます。

議論

本レポートは、Claudeの利用主要指標を再検討し、モデル選択と会話成功率の関係も初めて分析しました。2025年8月以降、APIの利用集中が進み、上位10タスクの占める割合は28%から33%に増加。Claude.aiは多様化し、米国内の地理的収束も進行していますが、早期採用国と比較すると遅れも見られます。

経済基本枠組みを用いて、Claudeの縦断的変化を追跡。学業関連の利用は減少し、個人用途は増加。平均入力の複雑さはやや低下し、会話の自立性も向上しています。Claudeは高付加価値・高難易度のタスクを処理していますが、低賃金タスクの比率も増加しています。職業賃金で測ると、Claude.aiの平均タスク価値は下落傾向にあり、APIでは逆に上昇しています。両プラットフォームとも、最も強力なOpusモデルに複雑タスクを集中させる傾向が続いています。

経験豊富なユーザーは、より協働的にClaudeを使い、難易度の高いタスクに挑戦し、より良い成果を得ています。これは、最も進化したユーザー層においても、逆に自動化よりもイテレーションを重視する傾向と一致します。これらの結果は、「学習による能力拡張」の観点とも整合します。

また、群集効果やサバイバルバイアスも、これらの結果を促進している可能性があります。早期採用者は高スキル層であり、Claudeの利用成功も高いと考えられます。これらの分析は、潜在的に、AIの恩恵が高スキル層に偏ることを示唆しています。

脚注

–

2. Claude Codeの自動化コード作成タスクは、Claude.aiのサブスクリプションから集計され、Claude.aiのトラフィックに含まれます。
3. 以下のO*NET職業カテゴリは「個人用途」と定義：1）食品調理・サービス（35-0000）；2）個人ケア・サービス（39-0000）；3）芸術・デザイン・エンタメ・スポーツ・メディア（27-0000）（娯楽・スポーツのみ）；4）農林水産（45-0000）；5）建築・清掃（37-0000）；6）社会福祉・コミュニティサービス（21-0000）。教育関連は含まない。
4. 本分析では、Claude.ai無料プラン利用者は除外しています。
5. 複数職業の平均賃金は、雇用者数とタスクに費やした時間の比率を重み付けして計算しています。
6. 新興モデルの抽出基準：①現在データ中に300回以上出現、②前回比で2倍以上増加。
7. 提示範囲は、前回レポートの重み付け有無による推定差異を反映。
8. 本分析は、プライバシー閾値を満たす日誌レベルデータを用いています。詳細は付録参照。
9. 高資歴の定義に関わらず、結果は類似。
10. スーパーボウル広告と重なる期間にサンプル収集し、多くの新規ユーザーが参加。