Anthropic 経済指標の時間的パターンレポート – 2026年6月

トピックまとめ

Anthropicの2026年6月版経済指標では、Claudeの利用が現在、時間単位の労働サイクルと一致しており、高賃金職種がより多くのトークン（計算負荷が高い）を消費する成果物を生成していることが明らかになった。また、タスクをClaudeに委任するユーザーは、AIが給与、雇用の安定性、スキルの価値に与える将来の影響について最も楽観的であることが分かった。

1. 新たな測定サイクルが時間単位の労働パターンを捉える

結論: 時間単位でのサンプリングにより、仕事関連の問い合わせは勤務時間中に、個人的な問い合わせは週末にピークを迎えることが確認され、AIの採用が現実の労働サイクルに従っていることが裏付けられた。

データは従来の7日間のウィンドウではなく、時間単位でサンプリングされるようになったため、日々のサイクルを詳細に分析できるようになった。
個人利用の会話は平日では約35％から、週末では50％に近くなる（図1.1）。
時間帯別のピークには、午前7時のニュース依頼、午後6時のレシピ依頼（平均の2.3倍）、午前5時の睡眠アドバイスがある（図1.2）。
4月14日〜15日にかけて、税関連の問い合わせが8倍に急増し、米国の確定申告期限と一致している（図1.4）。
夜間および週末の仕事関連の会話は、コンピュータ・数学系のタスクを除いても、高賃金職種からの割合が顕著に高い。

2. 成果物の分類がClaudeが生成する内容を示す

結論: Claudeの会話の90％以上が具体的な成果物を生成しており、最も一般的な成果物は説明（17％）、文書／報告書（15％）、ガイダンス（11％）である。

成果物は30種類以上のカテゴリに分類されている。分布は図2.1に示されている。
仕事関連の成果物は文書、説明、メール下書きで圧倒的だが、個人利用の成果物は説明（25％）と推薦（22％）が中心である。
特定の成果物タイプはほぼ常に個人的（例：創作文章、レシピ）である一方、他のタイプは主に仕事関連（例：マーケティングコンテンツ、データベースクエリ）である。

3. コンピューティング消費は経済的価値と相関する

結論: 高賃金職種に紐づく会話はより多くのトークンを消費し、トークン使用量は出力の経済的価値と強く関連している。

中央値のトークン数は職種の中央賃金とともに上昇（対数-対数関係、図2.3左）。
アプリの構築は中央値の3倍以上のトークンを消費するのに対し、単純な説明は約0.2倍である。
トークン使用量の賃金勾配の約44％は、成果物タイプの構成による（高賃金職種は計算負荷の高い成果物を多く生成する）。
高賃金の会話では、1ターンあたりのClaude出力が1.34倍、ユーザーのターン数が1.53倍多くなるため、労働の補完（augmentation）が行われていることが示唆される（表2.4）。

4. AIの自律性は表面と出力の種類によって異なる

結論: 同じモデル（例：Sonnet）を使用しても、Claude CodeのセッションはチャットやCoworkよりも高いAI自律性を示している。

自律性は1〜5のスケールで評価され、Claude Codeは平均で0.37ポイント高い（図2.5）。
差の主な原因は、Claude Codeでのより高いタスク委任（差の約2/3）と、出力の種類の違い（差の約1/3）にある。
高自律性の出力（例：アプリやウェブサイトの作成）は、最も高いトークン消費量を示しており、相関係数r = 0.68である。

5. Claudeの応答は通常、プロンプトよりも複雑である

結論: 成果物の種類に関わらず、Claudeの返答は平均してユーザーのプロンプトより教育レベルで1年分高い。特にデザイン重視のタスクでは差が最大（例：グラフィックス＋2.6年）。

読解レベルの推定は、理解に必要な教育年数で表される（図2.6）。
学術論文の出力には16年以上の教育が必要だが、レシピは10年未満で十分である。
オーディエンス向けの執筆（ブログ、メール）では、プロンプトと応答の差はほぼゼロである。

6. サーベイの洞察：期待、楽観性、人口統計

結論: サーベイ対象のClaudeユーザー（約9,700人）の多くは、来年中にAIの能力が拡張すると予想しており、より多くのタスクを自動化しているユーザーほど、給与、雇用の安定性、スキルの価値について最も楽観的である。

応答者はコンピュータ・数学系（約30％）および管理職（約23％）に偏っており、米国の雇用構成比と比べて顕著に高い。
60％が12か月以内に自身のタスクの多くがAI自動化可能になると予想しており、33％以上がAIが自身の仕事の大部分またはすべてを処理すると予想している。
実際の利用状況と理論的な利用可能性は一致しているが、将来の利用可能性については職種間で均一に予想されている。
自動化率が高いほど、6つの職業質の次元すべてで楽観性が高くなる（図3.6）。
女性（サンプルの12％）は、職種を調整しても、仕事や自動化においてClaudeをあまり使わず、より反復的な利用傾向にある（図3.8）。

7. AI変革された経済で人々が望むこと

結論: 最も一般的な願いは、意味ある仕事におけるAIと人間の協働、面倒な作業の自動化による時間の解放、AIが生み出す経済的利益の広範な共有である。

開放型回答の50％以上が、意味あるタスクにおけるAIと人間の協働を挙げている。
同じくらいの割合が、退屈な作業の自動化により余暇を増やしたいと望んでいる。
約1/3の回答者が、AIの生産性向上が広く分配されることを望んでいる。

8. 研究者および政策立案者への示唆

結論: 細かい利用データと成果物分類は、AIの経済的普及の早期指標を提供する一方、サーベイ結果は観察された利用状況とユーザーの期待の間にギャップがあることを示しており、これは労働市場政策に影響を与える可能性がある。

時間単位のテレメトリにより、AIの採用サイクルをリアルタイムで監視でき、労働力計画ツールに活用できる。
トークン-賃金関係は、AI生成作業の経済的価値の代理指標として、コンピューティングコストが使える可能性を示唆している。
高自動化ユーザーの楽観性は、採用の加速を引き起こす可能性があるが、職種間で急速な能力向上を均一に期待している点は、業界別影響の予測に注意が必要である。
性別による利用の違いは、高自律性AIツールへの公平なアクセスを確保するための包括的設計の必要性を示している。

完全な方法論付録およびデータ可視化は、オリジナルレポートのPDFに掲載されています。