AnthropicにおけるAIの働き方への変化

Anthropicは自社のエンジニアおよび研究者を対象に、AIツール（特にClaudeおよびClaude Code）がソフトウェア開発にどのように影響を与えているかを調査した内部研究を実施した。その結果、AIは生産性の大幅な向上と個人の技術的スキルの拡大をもたらしている一方で、技術的専門性やプロフェッショナルなメンターシップに関する新たな緊張を生み出していることが明らかになった。

生産性の向上と出力量の増加

AIの統合により、使用頻度と自己報告による生産性の向上が顕著に見られた。

使用頻度の増加: 従業員の59%が仕事の際にClaudeを使用していると報告しており、1年前の28%から上昇している。
生産性の向上: 平均して従業員は生産性を50%向上させたと報告しており、前年比で2〜3倍の増加である。これは、1エンジニアあたり1日あたりのマージされたプルリクエスト数が67%増加したというデータでも裏付けられている。
出力量 vs. 時間: 生産性の向上は、タスクごとの作業時間の短縮という単純な要因ではなく、ほぼすべてのタスクカテゴリにおいて出力量が大幅に増加していることに起因している。
新たな作業: Claudeを活用した作業の約27%は、そうでなければ実施されていなかったタスクであり、例えばプロジェクトのスケーリング、インタラクティブなデータダッシュボードの作成、および「パパーカット」（小さな品質向上）の修正などである。

AIへのタスク委譲戦略

エンジニアたちは、AIにどのタスクを委譲すべきかについて、特定の直感を身につけつつある。ほとんどの従業員は、自身の仕事の0〜20%しか「完全に委譲」できると報告しており、AIは完全な手放しではなく、積極的な監視が必要な共同作業者として使われていることを示している。

委譲の基準

ユーザーは以下の基準を満たすタスクを委譲する傾向がある。

低複雑性／低文脈: ユーザーが馴染みが薄いが、全体的な複雑性が低いタスク（例：基本的なLinuxやGit操作）。
検証が容易: 出力の検証にかかる努力が、作成にかかる努力に比べて小さいタスク。
明確に定義されたもの: プロジェクトの独立したサブコンポーネント。
低リスク: 高品質が必須でない「捨ててよい」研究やデバッグコード。
反復的: 退屈なタスクで、開始に対する心理的抵抗を生じさせるもの。

信頼の進化

多くのエンジニアは、GPS技術の導入と似た「信頼の進化」を経験していると述べている。基本的なSQLから始まり、最終的には複雑なPythonコードの日常的な作業まで信頼できるようになるが、それでも出力を検証できる能力は維持している。

スキルの変化と「監視のジレンマ」

AIは、エンジニアが自身の専門分野外の領域でも作業できる「フルスタック」化を可能にしている。たとえば、バックエンドエンジニアがUIを構築し、研究者がフロントエンドの可視化を実装している。

スキルの衰えのリスク

新しい能力の広がりにもかかわらず、深い技術的スキルの衰えに関する懸念が強い。

付随的学習の喪失: 手動でのデバッグは、ドキュメントや関係のないコードを読むことを強いるため、システムのマインドマップを構築する機会を提供する。AIによる解決策はこのプロセスを回避する可能性がある。
監視のジレンマ: AIを効果的に使うには高レベルの監視が必要だが、その監視に必要なスキルは、AIの過剰使用によって衰えがちな手動コーディングスキルそのものである。

抽象化の変化

一部のエンジニアは、これはソフトウェアエンジニアリングの自然な進化と捉え、アセンブリ言語から高水準言語への移行に例えている。この視点では、「バイブコーディング」（英語をプログラミング言語として使う）により、エンジニアは低レベルの実装細部ではなく、最終製品や高レベルのパターンに集中できるようになる。

ワークプレイスの社会的ダイナミクスの変化

Claudeは技術的な質問の主要な対応窓口となり、従来のメンターシップや協働の形を変化させている。

同僚への依存の減少: 一部の従業員は、質問の80〜90%が同僚ではなくClaudeに向けられていると報告している。
メンターシップへの影響: 上級エンジニアは、若手が質問に来る頻度が減ったと指摘しており、Claudeが即時的な指導と回答を提供しているためである。
社会的摩擦の減少: 「同僚の時間を取らない」ことで社会的摩擦が減ったと喜ぶ人もいる一方で、AI以前の時代の対人関係や協働的な問題解決を懐かしむ声もある。

Claude Codeの利用傾向

2025年2月から8月までの内部トランスクリプト20万件の分析によると、AIはより複雑なタスクをより自律的に処理するようになっている。

自律性の向上: Claude Codeが人間の介入なしに連続して実行するツールコールの最大数は116%増加（9.8から21.2に）。
人間の入力の減少: トランスクリプトあたりの平均人間のターン数は33%減少（6.2から4.1に）。
タスクの複雑さ: 平均タスクの複雑さは5段階評価で3.2から3.8に上昇した。
タスクタイプの変化: 新機能の実装（14.3%から36.9%）やコード設計／計画（1.0%から9.9%）にClaudeを使用する割合が顕著に増加した。

職業の進化と不確実性

エンジニアたちは、新たなコードの作成者ではなく「AIエージェントの管理者」としての役割を意識するようになっている。この変化は、短期的な生産性の向上と長期的な職業的無関係性への不安との間で、広範なキャリアの不確実性を引き起こしている。適応戦略として、AIレビューのさらなる専門化や、戦略的、人的、合意形成的な仕事へのシフトが見られる。