Anthropicが実践におけるAIエージェントの自律性を測定 – 主な発見とその意味

TL;DR

Anthropicの2026年2月の研究によると、Claude Codeエージェントは現在、1ターンあたり最大45分の自律実行が可能となっており、経験豊富なユーザーはより多くのアクションを自動承認する一方で、より頻繁に中断するようになっている。また、複雑なタスクではモデルが人間よりも2倍頻繁に確認を求める一方、APIベースのエージェント行動の大部分は低リスクであるものの、医療、金融、サイバーセキュリティ分野における新たな利用傾向がリスクの新たなフロンティアを示唆している。

2つのデータソースで自律性を測定

Anthropicは、(1) Claude Code のセッションログ（ワークフロー全体にわたるリクエストを関連付ける）と、(2) パブリックAPI のツールコール記録（数千の顧客にわたる広範なデータ）の2つのデータソースを統合した。両データストリームは、ユーザーの機密性を守るためのAnthropic独自のインフラストラクチャ「Clio」を用いて処理され、数百万回の相互作用を分析可能となった。

Claude Code は、各セッションが完全に観測可能であるため、ターンごとの自律性、中断、確認の行動に関する深い洞察を提供する。

パブリックAPI は、分野横断的なエージェント展開の広範な視点を提供するが、個々のツールコールの粒度しか得られず、マルチステップのワークフローを再構成する能力に制限がある。

Claude Codeの自律性は増大している

ターンの長さはほぼ2倍に：最も長い0.1 %のセッションでは、2025年10月の25分未満から2026年1月には45分以上に上昇。中央値のターン長は約45秒で安定している。
増加はモデルリリースの間で滑らかに進行しており、単なる能力の向上だけでなく、ユーザーの信頼、タスクの野心、製品改善といった要因が長時間の自律実行を促進していることを示している。
Anthropic社内での利用も同様の傾向を示しており、最も難しいタスクでの成功確率は2倍に、平均的な人間の介入回数は1セッションあたり5.4回から3.3回に減少した。

「自律モデルは、実際の運用で行使しているよりもはるかに高い能力を有している。」 – Anthropic研究チーム

経験豊富なユーザーは監視戦略を変化させる

自動承認率は経験に比例して上昇：新規ユーザー（50セッション未満）は約20 %のセッションを自動承認するが、約750セッションのユーザーは40 %以上を自動承認する。
中断率も上昇：約10セッションのユーザーはターンの約5 %を中断するが、熟練ユーザーは約9 %を中断する。
両者の増加は、個別アクションの承認から 監視と必要時の介入 への戦略の転換を示している。熟練ユーザーはエージェントに自由に実行させつつ、必要に応じて介入する。
パブリックAPIでは、低複雑度のツールコールでは人間の関与が87 %にまで達するが、高複雑度のコールでは67 %に低下しており、大規模なワークフローではステップバイステップの承認が現実的でないことを示唆している。

エージェントは確認要求によって自己規制する

Claude Codeは、最も複雑なタスクでは最小複雑度タスクの2倍以上にあたる頻度で確認を求める。
確認要求の頻度が人間による中断を上回っていることから、モデルが不確実性を感じると自らの自律性を制限していることがわかる。
表1（元の投稿に掲載）では、モデルが自発的に停止する主な理由（例：代替アプローチの提示 35 %）と、人間による中断の主な理由（例：欠落した技術的文脈の提供 32 %）が示されている。

パブリックAPIエージェントのリスク状況

Anthropicは各ツールコールを1〜10のリスクスケールと1〜10の自律性スケールで評価した。80 % のコールに少なくとも1つのセーフガードが設けられ、73 % では人間がループに参加しており、逆不可のコールはわずか0.8 % にとどまる。
高リスククラスタ（例：APIキーの漏洩、患者記録の取得）は稀だが存在しており、多くは本番利用ではなくセキュリティ評価に起因している。
高自律性クラスタには、自動システム健全性監視や暗号通貨取引ボットが含まれ、自律性スコアは最大8.3に達する。
分野別分布：ソフトウェアエンジニアリングがツールコールの約50 %を占める。他の分野（ビジネスインテリジェンス、金融、ECなど）はそれぞれ数パーセントずつ貢献している。

研究の限界

データはAnthropicがホストするモデルに限定されており、他のプロバイダーでは異なるパターンが見られる可能性がある。
パブリックAPI分析ではマルチステップセッションを再構成できないため、高頻度のワークフローが過剰に代表される可能性がある。
すべての分類（リスク、自律性、中断理由）はClaude自身が生成しており、プライバシー制約により手動検証は限られている。
スナップショットは2025年末〜2026年初頭のデータをカバーしており、急速な能力や採用の変化によりトレンドが変化する可能性がある。
一部の高リスク行動は、ライブプロダクションの影響ではなく、シミュレートされた評価に起因している可能性がある。

ステークホルダーへの提言

モデル・製品開発者

プライバシーを守りつつ、離散的なツールコールを一貫したセッションに紐づけるデプロイ後モニタリングを投資する。
モデルに不確実性を認識させ、確認要求を提示するように訓練する。Claudeの行動は、これにより監視されない自律性が減少することを示している。
個別アクション承認を義務付けるのではなく、アクティブモニタリング（リアルタイムステアリング、OpenTelemetry）を可能にするインターフェースを設計する。

政策立案者

すべてのアクションに人間の承認を義務付ける規制を避けるべき。データは、経験豊富なユーザーが監視と選択的介入を好むことを示している。
プライバシーを守りつつセッションレベルの自律性メトリクスを捉えることができる業界標準のテレメトリを促進する。

核心的な洞察

現実世界で見られるエージェントの自律性は、モデルの行動、ユーザーの信頼、製品設計の共同構築である。Claude Codeエージェントは、現在与えられているよりもはるかに高い自律性を備えている。ユーザーは段階的に細かい承認から戦略的監視へと移行しており、モデル自身は確認要求を通じて自己規制している。したがって、効果的な安全フレームワークには、現実世界のモニタリング、不確実性を認識するモデル、そして必要時に介入できるようにするツールが不可欠である。

著者: Miles McCain, Thomas Millar, Saffron Huang, Jake Eaton, Kunal Handa, Michael Stern, Alex Tamkin, Matt Kearney, Esin Durmus, Judy Shen, Jerry Hong, Brian Calvert, Jun Shern Chan, Francesco Mosconi, David Saunders, Tyler Neylon, Gabriel Nicholas, Sarah Pollack, Jack Clark, Deep Ganguli.