
クロードがAnthropicのAI研究開発の26%を主導:AIがAIの研究開発を始める時、人間に残された最後の一手は何か?
著者:Robonaissance
翻訳:TechFlow
TechFlowリード:Anthropic は自社のモデルを用いて自社 R&D における AI の関与度を統計し、その結果、業務の 26% を Claude が主導していることが判明した。この数字は技術進歩の証であると同時に、人間の役割を再考する起点でもある。実務者にとって重要な問題は、AI が作業できるかどうかではなく、人間がどのポジションに残っているかである。

Jackson クラークが賭ける:2028 年までに AI が自らを構築する
2026年5月4日、ジャック・クラークは自身のニュースレター『Import AI』において、「最後の人間がフィードバックループから退出する日」に賭けを示した。彼は数字を辛うじて付け加えたと述べている。2028年末までに、人間の介入なしで自らの後継システムを構築できるほど強力な AI システムが出現する確率は 60%以上である。2027年には 30%と見積もり、それを低く抑えた理由を説明している。AI 研究には「創造力と異端的な洞察」が必要であり、現時点ではシステムがいかなる重要側面でもそのような能力を発揮していないためだ。
それから5週後の6月8日、彼は再び記した。過去数ヶ月にわたって Anthropic 内で証拠を集め、同じ考え方の縮小版、つまりラボ自体の生産性の複合的な加速が既に始まっていることを証明しようとしていたのだ。そして彼は自問した。「これについて何か結論は出ているか?いいや、ない。」
9月15日の NPR インタビューで、クラークは率直にこう語った。「我々が何を言っているのかを検証してくれる第三者はいない。」
2日後の9月17日、Anthropic が統計数字を公表した。記事は Marina Favaro と Phillie Wright によって執筆され、Clark は研究ディレクターとして記載されている。2026年8月時点で、同ラボの独自統計によれば、Claude が Anthropic の AI 研究開発業務の 26% を主導しており、2月のこの数字はわずか 1%未満だった。測定されたあらゆる R&D 業務は、人間の関与なしには稼働していない。
人間は今どの段階にいるのか
Anthropic のページでは、クラークが述べた事象に「再帰的自我改善」という名前を付け、これはモデルが完全に自律的に自らの後継を構築することを指す。この統計数は、その瞬間まで世界がいかに近づいているかを説明する根拠として用いられている。この数字の裏にはより素朴な問いがある。フィードバックループ内に最後に残るのは誰なのか。彼らは何をしているのか。
Epoch AI の階級尺度はこの問いを6段階のステージで答える。各段階は人間の役割によって定義される。図1 に全6段階が列挙されている。そのうち4段階が現行パターンを示しており、残りの2段階(未使用および補助)は下位のステージに配置されている。
「補助」レベルでは、AI が資料調査と推敲を手伝う。「協業」レベルでは、AI が大規模な作業を遂行するが、意思決定は人間が行う。「主導」レベルでは、AI が上位の指示に基づき大半のタスクを完了し、人間は監視、軌道修正、承認を担当する。「自律」レベルでは、AI が完全に独立して作業し、フィードバックループ内に人間はいない。
どこまで速やかに進展するかは別の問題である。この統計は Anthropic 独自のものであり、同社従業員を対象とし、2026年7月に実施した業務の種類に関する計測である。これは Claude が何を実現できるかを評価するものではなく、これらの業務が通常どのように遂行されているかを評価するものである。

Anthropic が採用した Epoch AI の6段階自動化スケール、および各段階における人間の役割。占有率は Anthropic 独自の統計であり、2026年8月時点の AI 研究開発業務を7月の人時間で加重計算したものである。「主導」は第4段階である。2026年8月時点で、同ラボは第5段階「完全自律」において測定対象の業務がないと報告している。
Claude が集計するデータ:一週ずつ、一人ずつカウント
誰が集計したのか? Claude がだ。
あの数字の背景にある精算作業は、人間ではなく Claude によって完了した。2026年7月の毎週、モデル研究フィードバックループを構成する各部門から従業員を五分の一抽出し、Claude エージェントがそれらの従業員の週間記録を整理した。それは Slack メッセージや社内文書を読み込み、各々が何を行ったかを記録した。
個人と1週間を取り上げてみよう。その人物に重み単位1つが与えられ、個々のタスクに均等に分けられる。タスクが4つなら各タスクは0.25単位、10個なら各タスクは0.1単位となる。ページ内の記述によれば、これは粗い近似値であるが、平均的には妥当に機能する。多くの人が行うタスクカテゴリーほど多くの重みを蓄積するためだ。
ここに全対象者を加える。7月毎週にサンプリングされた全員の記録を同様に読み込ませ、約1万5千項目の詳細なタスクの平坦化リストに集約した。
その後、それらのタスクはツリー構造に格納された。深さが異なるノードが 542 個あり、うち 378 個が葉(リーフ)、つまり最も細粒々なノードである。このツリーは凍結されており、毎月の評価は同一の業務セットに対して行われる。葉の表記は研究ラボでの1週間のようである。「プラットフォーム欠陥の診断と修復の評価」「強化学習サンドボックスのエグジットとネットワークポリシー」「サービスインシデントのレビュー」など。
その後、各ノードには評価が付与された。ある Claude エージェントは、同種業務が社内全体でどのように遂行され、誰が執行し、どのツールを使い、AI がどの程度完了したかを研究した。別の独立した Claude 審査員は証拠を読み取り、6段階のうちの一つを選択した。任意の月について、エージェントはその当月またはそれ以前の証拠を参照できる。
ページでは「主導」レベルを Claude が実現可能な能力として記述しているが、評価は Epoch スケールの著者の規則に従う。それはタスクが最先端ラボで「通常どのように完了するか」を記述するものであり、最大限の努力で何が可能かを表すものではない。
ラボページ上の仮定例により、これらの段階は具体的に描かれる。夜間にデータパイプラインが障害を起こし、翌日の実行前に修復しなければならないとする。「協業」レベルでは、エンジニアがログを Claude に渡す(おそらく一つの推測を含む)。新しい問題が発生すると Claude は一時停止し、エンジニアは回避するか完全に修復するかを決定する。テスト通過後、エンジニアは変更点を一行ずつ確認し、パイプラインを再実行してデプロイするかもしれない。「主導」レベルでは、エンジニアは故障アラートを Claude に投げるだけで、残りは Claude が担当する。Claude はエラーが発生したフェーズとその原因を見つけ、修復スクリプトを作成・テストし、データの複製上でパイプラインを再実行し、出力を前回の正常動作時と比較し、何が間違っていたかを記録する。Claude はデプロイしない。それはエンジニアにマーキングし、エンジニアはレポートを読み、変更点をチェックし、質問をするかもしれない。そして今夜リリースするか延期するかを決定する。さらに高い段階、まだ到達していない段階では、Claude が監視、修復、デプロイを行うことが信頼され、人間は参加したい場合のみ関与する。
このような評価はどれほど信頼性が高いのか?各業務領域の責任者は、審査結果を見ずに自らの領域に評価を与える。審査員と人間が特定のレベルで一致する確率は 59%であり、人間同士が一致する確率は 35%である。審査員と人間の評価差が1段階以内になる確率は 97%である。サンプル詳細は記載されていないが、脆弱性はラボ自身の言葉で明確に述べられている。「境界事例においては確かに意見の相違が生じる余地があり」、例えば「協業」がどこで終わり、「主導」がどこから始まるかという点が挙げられる。「協業」から「主導」への評価切り替え一つで、あの 26% という数値は変動してしまう。
図2は、2月の1%未満から8月の26%へ、毎月同じ7月の業務セットに対して評価を与えたラボの月間推移を示している。またラボは、「協業」以上のレベルで占める業務比率が 90%超であると報告している。

Anthropic 独自の評価であり、Claude 評価員が Epoch AI の6段階自動化スケールに基づき、同ラボの2026年7月の業務セットに対するモデル R&D 業務を月次で採点し、7月の人時間で加重したものである。2月の数値はグラフ内の表記(1%未満)による。3月から8月は図に記載の数値である。Anthropic のグラフは90%測定区間および他の自動化等級も示しているが、ここでは再描画していない。Leads は本スケールの第4段階であり、人間による監督が存在することを意味する。2026年8月時点で、同ラボは測定対象の業務タイプが第5段階に達していないと報告している。
つまりこの数字の成り立ちは、1週間、1本のツリー、1名の評価員、そして1つの境界線である。結果はラボ全体の総数であり、業務類型別に分解されていないため、どのタスクがその 26% に含まれるのかを明確にすることができない。
Epoch は意思決定を低採点し、コード記述を高採点する
5月、クラークは2種類の業務の間に線を引いた。彼は次のように記した。AI は現在 AI エンジニアリング業務の大部分、あるいは全てを自動化可能である一方、AI リサーチにおいてどれくらいを自動化できるかは不明瞭である。
Epoch の著者もまたラボの業務を分類しており、第一類は意思決定:何をすべきか、継続すべきか、計算資源をどこに配分するかである。Epoch 独自の例示評価(ベストエフォートスタートポイントと呼ぶ)は、「何をリリースするか決定すること」と「チームの方向性を設定すること」を1点、すなわち限定的な支援とし、「研究コードの記述」を4点、いわゆる Leads(主導)としている。26% がこの両極の間でどこに位置するのか、まさにこの総数では答えられない問いである。
ラボで語られた日付もまた同様の方向を指している。クラークが共著した記事によると、Claude は4月に 800 件以上の修正パッチを提供し、特定のカテゴリの API エラーを千分の一に削減した。監督を務めたエンジニアは、この業務量が人間の手に掛れば4年かかると見積もり、ある従業員は約5ヶ月間コードを記述していなかったと伝える。別の従業員は、「すべてが正常に functioning している間は、自分が何をしてもどうでもよいように思える。全てが崩壊した際には、『自分が今何をし続けてきたのかわからなくなる』」と記している。
ラボの8月リスクレポートは、人手ステップを残す理由を一つの単語で説明した:信頼性。研究者は価値のある業務において非常に多量の AI リソースを利用できたはずだが、モデルの実行を信頼できない工程があるため、適度な利用量に留めた。レポートはこの同一事実から第二の結論を引き出した。ラボにはモデルで研究者を置き換える十分な理由があったが、そうしなかった。レポートはこの状況を、モデルが未だ研究チーム全体を代替できないことを示唆するシグナルとして解釈した。レポートはまた、この解釈はまだ部分的にしか検証されていないと述べている。ラボは、モデルが失敗した任務において研究者コストの5倍のリソースを費やし、資金がギャップを埋められるかを確認したことはないからだ。
OpenAI の状況も同様である。8月中旬時点で、同社の研究組織は1人日あたり 3.1 件のエージェント人日を運用しており、第90パーセンタイルのユーザーは1日のトークン消費額が 7,000 ドルを超えていた。現場の人間は依然として研究優先順位を設定し、どのアイデアや成果を進めるべきかを見極め、スケールアップするか、一時停止するか、デプロイするかを決定している。
エンジニアリングはすでにクラークが機械に委ねた領域である。リサーチこそが、彼が残しておいた問いである。
ラボのルールが焦点するのは割合ではなく速度である
6月の声明は速度について語っている。ラボ生産性の複合加速とは進歩速度に関する記述であり、今回の数字が計測しているのは別のこと、すなわち外部に委任された業務比率である。
9月30日、外部 AI モデル評価機関である Model Evaluation and Threat Research(METR)の最高経営責任者 Chris Painter は、「Rogue AI: Securing the Homeland Against AI Agent Attacks」をテーマとする議会の公聴会における書面証言として、26% を上院記録に提出した。彼は後に次のように記している。企業が AI で AI リサーチを自動化するとき、フィードバックループは「能力の自己維持型の加速をもたらす可能性がある」。
Anthropic 自らのルールにおいてこの脅威を引き起こすのは割合ではなく速度である。「急激な加速」とは、進歩速度が2倍になること、すなわち1年でベースライン当時の2年に相当する進歩を達成することを指す。ルールは、これが研究生産性の2倍増を意味するわけではないと述べている。なぜなら、投入を2倍にしても必ずしも進歩速度が2倍になるわけではないからだ。
8月リスクレポートの解釈によれば、7月15日までの期間中、ラボの研究速度は AI なしの場合に比べ顕著に高速であったものの、2倍には至っておらず、ラボ側もこれを不確定視しており、測定は困難を極めた。加速の初期兆候はすでに出現しており、ラボは来年以内に閾値を超える可能性がある。Anthropic が9月17日にデータを公表してから5日後、Claude Opus 5.5 のシステムカードは、ラボの内部計測では AI に起因する持続的な2倍の加速は認められないことを明らかにした。
METR はさらに9月22日、Claude Opus 5.5 のリリース前評価サマリーを公開した。その中で METR は、サマリー執筆者よりも高権限を持つ別 METR チームの見通しを引用した。AI による総合的な能力加速は約1.5倍であり、2倍に達する確率は約30%である。同チームは証拠をサマリー執筆者と共有できなかったほか、この見積もりがカバーする時間帯については言及されていなかった。
9月17日の数字は委任の程度を計測している。8月レポートおよびシステムカードは速度を見積もっている。いずれも同一期間において同種の業務に対し2種類の計測を同時に行なったものではない。
26% という数字の解釈
ラボ独自の統計によれば、2026年8月時点で Claude が Anthropic の AI 研究業務の 26% を主導しており、この数字は7月業務のサンプルセットにおいて連続6か月間にわたって上昇している。これはラボの基準に基づく委任度の計算であり、Claude による収集データを実際業務を担当する従業員の評価と比較したものである。
これを閉ループにどれだけ近づいているかの指標として解釈することはできない。ラボのルールは速度に焦点を当てており、ラボ自身の見積もりはルールが定めるラインを下回っている。この数字が解明していない点は、26% に何が含まれているかである。もし 26% が主にエンジニアリングならば、それは5月にクラークが既に手の届く場所と見なしていた部分の計測である。もしそれが意思決定やリサーチに踏み入っているのなら、彼は答えを残しておくべき部分の計測である。
26% はエンジニアリングを指している。評価は意思決定を低位に配置し、ラボの例示ではリリース決定を人間に残しており、研究者はまだ信頼を留保している。これは解釈であって計測ではなく、業務類型別に分割したデータがあればこれを検証できる。低位にある意思決定と Leads レベルの研究コードが、この解釈を実証するだろう。意思決定が Leads レベルに達すれば、26% はリサーチ側にシフトする。
当該ページによる最高段階の説明において、人間に関する節は「人間が自ら関与したいと望まない限り、介入は不要である」となっている。その一段階下では、ラボ自身の例示によれば最後の人間はレポートを握り締め、今夜リリースするかどうかを決定するエンジニアである。
フロンティアの最新動向を読む。最先端ラボの公開内容を精緻に読み解き、その重要性を示す枠組みを通じて展開する。













