Anthropic Economic Index September 2025レポート

TL;DR

AIの導入は富裕国と米国の一部の州に集中しており、企業向けAPIの利用は主にコーディングと自動化に向けられているため、生産性の向上がすでに豊かな経済圏に主に還元される可能性がある。

主な発見の概要

地理的集中: Anthropic AI利用指数（AUI）によると、高所得国は低所得国よりも労働年齢人口1人あたりClaude AIを多く利用している（例：イスラエル 7倍、シンガポール 4.6倍、インド 0.27倍）。
タスクの多様化: 高導入地域では、コーディングから教育、科学、ビジネスタスクへと利用が拡大しているが、低導入地域はコーディング中心のままである。
協働モードの変化: 1人あたりの利用量が増えるにつれて、自動化中心の「指示型」インタラクションから、より協働的な「強化型」パターンへと移行している。
企業向けAPIの展開: APIトラフィックの77%が自動化中心であり、コーディングと事務/管理タスクが過剰に占めている。コスト感度は低く、文脈情報の可用性が複雑な展開を制限している。

1. クラウド.ai利用の時間的変化

結論: Claudeの利用は、知識集約型タスクとより自律的なインタラクションへとシフトしており、モデルの進化と新機能の導入が背景にある。

教育・科学の成長: 教育タスクの割合は9.3%から12.4%に上昇；科学タスクは6.3%から7.2%に増加。
コーディングが依然として主導: コーディングは全サンプル会話の36%を占める。
指示型自動化の増加: 「指示型」会話は27%から39%に増加し、自動化が初めて大多数のインタラクションモードとなった。
機能駆動型のタスク変化: Web検索機能（2025年3月）のリリースで「電子的資料の検索」は0.03%から0.49%に上昇；Researchモード（2025年4月）で「インターネットベースの調査」は0.003%から0.27%に上昇；教材作成は6倍に増加（0.2% → 1.5%）。
コード作成 vs. デバッグ: コード作成タスクは4.5pp増加（4.1% → 8.6%）；デバッグは2.9pp減少（16.1% → 13.3%）。

"指示型利用の急増は、AIに完全なタスクを委任する自信の高まりを示している可能性がある。これは、実践を通じた学びの形である。" – Anthropicレポート

2. AI導入の地理的拡散

結論: 1人あたりのAI利用は国民所得と強く相関しており、高所得経済圏が不釣り合いな利益を享受するグローバルな格差が生じている。

2.1 グローバルな利用パターン

米国主導: 米国はClaude利用全体の21.6%を占める。
AUIと所得の相関: 労働年齢人口1人あたりのGDPが高い国ほどAUI値も高い（例：イスラエル 7倍、シンガポール 4.6倍、カナダ 2.9倍）。インド（0.27倍）、インドネシア（0.36倍）、ナイジェリア（0.2倍）などの新興経済国は大きく遅れをとっている。
タスク構成の違い: 低AUI国では利用の50%以上がコーディングに割り当てられているが、高AUI地域では教育、科学、ビジネスに分散している。
自動化 vs. 強化: タスク構成を調整しても、高AUI国では強化（協働）利用が顕著であり、低AUI国では自動化が好まれている。

2.2 米国州レベルの洞察

1人あたりリーダー: ワシントンD.C.がAUI 3.82で首位、ユタ州（3.78）がそれに次ぐ。カリフォルニア州（2.13）を上回っている。
経済的相関: 州のGDP人あたりが1%増えるごとにAI利用指数は1.8%増加するが、所得は州間差の半分未満を説明している。
専門的利用: D.C.では文書編集、情報提供、求人応募支援が過剰に利用されている。カリフォルニア州はITおよびデジタルマーケティングタスクに注力。フロリダ州はビジネスアドバイスやフィットネス関連の質問に偏っている。

3. クラウドの企業向けAPI展開

結論: 早期の企業導入者は、ソフトウェア開発など高付加価値で自動化に適したタスクにClaudeを主に活用しており、価格感度は低く、容易に入手可能な文脈情報に強く依存している。

3.1 API利用の状況

タスクの集中: APIトラフィックの約44%がコンピュータ・数学職に該当；事務/管理タスクは約10%を占める。
自動化の優位性: APIトランスクリプトの77%が自動化パターン（タスクの完全委任）を示す一方、強化は約12%にとどまる。
コスト vs. 利用: 高コストタスク（例：高度なコーディング）は利用シェアが高く、タスク特性を制御した上で1%のコスト上昇は利用を0.29%しか減少させないため、価格弾力性は低い。

3.2 文脈情報がボトルネックとなる

入出力関係: すべてのタスクにおいて、入力トークン長が1%増えると出力トークン長は0.38%増加する。これは、長文脈でのリターンが逓減していることを示している。
複雑なタスクの制約: 売上戦略生成など、広範な文脈を必要とするタスクは、企業が中央集権的なデータリポジトリを持っていない場合、導入の障壁となる可能性がある。

"複雑な分野におけるAIの高インパクト展開には、適切な文脈情報へのアクセスが必要である。" – Anthropicレポート

4. 不均等な導入の経済的影響

結論: 現在のAI利用の集中は、グローバルな格差を拡大するリスクをはらみ、労働市場を再編し、高スキル労働者に利益をもたらす一方で、低スキル職を置き換える可能性がある。

成長の収束リスク: 電気やインターネットの歴史的類似例から、初期の集中は持続的な分岐を引き起こす可能性がある。AIの生産性向上も、富裕地域に主に還元される可能性がある。
労働市場のダイナミクス: 自動化中心の導入は、ルーティンなコーディングやデータ入力の職を置き換える可能性があるが、組織内での暗黙知を持つ労働者は、AIの補完として需要が高まる可能性がある。
政策的課題: デジタル格差の深化を防ぐため、インフラギャップの解消、AIリテラシーの促進、広範かつ包括的なAI普及を促進する規制の検討が求められる。

5. 独立研究のためのオープンデータ

Anthropicは、Claude.aiおよび1P APIトラフィックのタスクレベルの利用データを公開した（地理的分解は現在Claude.aiのみ）。データセットには以下の内容が含まれる：

O*NETマッピングされたタスク分類
ボトムアップ型リクエスト分類体系
協働モードの内訳
メソドロジー文書

研究者は、地域労働市場への影響、国際的なAI導入の決定要因、企業導入の価格感度、文脈情報がAI効果に与える役割といった課題を独自に探求することを歓迎する。

6. 結論

Anthropicの2025年9月経済指数は、AIの導入が前例のない速度で進んでいるものの、地域や企業利用ケースにおいて極めて不均等であることを示している。高所得経済圏に集中する利用と、自動化中心の企業向け展開は、生産性の向上が不均等に分配される可能性を示唆しており、既存の経済格差を拡大する恐れがある。AIの変革的潜在能力を包括的な成長へと導くためには、継続的なモニタリング、オープンデータの共有、そして積極的な政策介入が不可欠である。