Anthropic Economic Index January 2026 Report

Anthropicは、Claudeの現実世界における経済的影響を追跡するために、5つの基礎的な測定指標である「economic primitives」を導入しました。2026年1月レポートでは、AIによる生産性の向上は、高度な人的資本を必要とする複雑なタスクにおいて最も顕著であるものの、タスクの複雑さによって成功率が異なるため、その効果は緩和されることが明らかになりました。

Economic Primitives: A New Measurement Framework

Anthropicは現在、Claude.aiおよび自社提供のAPIからの会話を分析するために、5つのeconomic primitivesを使用しています。これらのprimitivesは、Claudeにサンプル内のすべての会話を以下の基準に基づいて分類させることで導き出されます。

Task complexity
Skill level
Purpose (work, education, or personal use)
AI autonomy
Success

このフレームワークにより、Anthropicは単なるタスクの網羅率を超えて、AIが職業や労働生産性の性質をどのように変えているかを理解できるようになります。

Impact on Task Performance and Productivity

Complexity-Driven Speedups

Claudeは、最も複雑なタスクにおいて最も大幅な時間の節約を実現します。タスクの入力を理解するために必要な教育年数の推定に基づき、Anthropicは以下の結果を見出しました。

High school education (12 years): Claude.aiにおけるタスクのスピードアップは9倍でした。
College degree (16 years): Claude.aiにおけるタスクのスピードアップは12倍でした。

スピードアップはAPIにおいてさらに大きくなると報告されています。単純なタスクの方が成功率はわずかに高いものの（高校卒業未満の教育を必要とするタスクでは70%、大学卒業を必要とするタスクでは66%）、生産性の向上は、成功率の低下よりも複雑さによってより急激にスケールします。

Effective Time Horizons

METRのようなベンチマークは、Claude Sonnet 4.5が2時間のタスクに対して50%の成功率を達成すると示唆していますが、Anthropicの現実世界でのデータは異なる結果を示しています。

API users: 約3.5時間のタスクに対して50%の成功率。
Claude.ai users: 約19時間のタスクに対して50%の成功率。

Anthropicは、この差異を選択バイアス（ユーザーがうまくいくと信じているタスクを持ち込む）と、ユーザーが複雑なタスクを小さなステップに分割してモデルの軌道を修正する、反復的なインタラクションの性質に起因するものとしています。

Occupational and Global Trends

Effective AI Coverage and Deskilling

Anthropicは、「task coverage」（使用におけるタスクの割合）と「effective AI coverage」（時間重み付けされた業務の割合で、AIが正常に遂行できる割合）を区別しています。この調整により、放射線科医やデータ入力担当者などの職業は、タスクの網羅率だけでは示唆されるよりもAIの影響をより強く受けており、一方で教師やソフトウェア開発者は影響が少ないことが明らかになりました。

タスク内容の分析によれば、Claudeは、経済全体の平均（13.2年）と比較して、より高度な教育（平均14.4年）を必要とするタスクをカバーする傾向が強いことが示されています。Anthropicは、もしAIがこれらの高学歴層向けのタスクを完全に自動化した場合、教師、旅行代理店、テクニカルライターなどの職業における「deskilling」（技能の低下）効果をもたらす可能性があると指摘しています。

Global Adoption Patterns

AIの使用は、国の経済発展度によって大きく異なります。

High GDP per capita countries: Claudeは、仕事や個人の目的でより頻繁に使用されます。
Lower GDP per capita countries: 使用は教育課程の学習に強く集中しています。

Aggregate Economic Impact

When when adjusting for task reliability (the probability of success), Anthropicは、米国の労働生産性成長率の以前の予測を修正しました。タスクのスピードアップ単独では年率1.8パーセントポイントの増加を示唆していましたが、成功率を考慮すると、予測値は以下のように低下しました。

1.2 percentage points per year for tasks on Claude.ai.
1.0 percentage points per year for tasks on the API.

この減少にもかかわらず、1パーセントポイントの増加は、米国の生産性成長を1990年代後半から2000年代初頭にかけて見られたレベルに戻すことができます。

Longitudinal Trends (January to November 2025)

Task Concentration: AIの使用は依然として集中しています。Claude.aiにおける上位10の仕事用タスクは、現在全仕事用タスクの24%を占めており、2025年1月の21%から上昇しています。
Interaction Patterns: Claude.aiにおける主要なインタラクションパターンは、自動化（45%）を上回り、拡張（52%）が主流となりました。
Geographic Distribution: 世界的な使用は依然として一人当たりのGDPに結在びついていますが、Claudeの米国における使用は、州ごとに、より均等に分散しています。