AIコーディングに専門知識は要るのか──Anthropicが40万セッションを分析した研究を公開

3行まとめ

1. Anthropicが自社のClaude Codeの利用データ（23万5000人・40万セッション・2025年10月〜2026年4月）を分析した研究を公開
2. 職業別の成功率差は7ポイント以内。検証済み成功率では経営職（37%）がソフトウェアエンジニア（34%）を上回った
3. 初心者の放棄率は19%と突出するが、中級者以上になれば経験差の影響は小さくなる傾向

何が発表されたか（2026年6月）

Anthropicの研究チームが、自社のAIコーディングツール「Claude Code」の利用実態を分析した論文を公開した。対象は23万5000人のユーザーによる40万セッション、期間は2025年10月から2026年4月の7ヶ月間。

項目	内容
調査対象	Claude Code
ユーザー数	約23万5000人
セッション数	約40万
期間	2025年10月〜2026年4月（7ヶ月）
専門度分類	5段階（初心者〜エキスパート）
成功判定	6段階（放棄〜検証済み成功）

人間とAIの分業

研究によると、AIコーディングにおける人間とAIの役割分担は明確に分かれている。

• 計画の70%は人間が決定し、実行の80%はAIが担当
• コードの検証は人間が62%、AIが38%
• 利用モードは9つに分類され、最も多いのは「新規構築」、次いで「修正」と「拡張」

Anthropicの研究チームはこれを「人間が方向を決め、AIが走る」構造と表現している。

専門度と成功率

利用者は会話中の専門用語の使用頻度やAIへのフィードバックの質に基づき、5段階の専門度に分類された。

職業別の成功率差は7ポイント以内に収まっている。注目すべきは、検証済み成功率（テスト通過・コミット成功等の証拠があるもの）では経営職が37%で最も高く、ソフトウェアエンジニアの34%を上回った点だ。

研究チームはこの結果について「経営職のほうが依頼の粒度が適切で、ゴールが明確な傾向がある」との仮説を示している。

ただし、ここで言う「経営職」はClaude Codeを自ら使おうとした経営職であり、全経営者の代表ではない。

初心者の壁とエキスパートの差

経験の差が最も顕著に表れるのは、成功率ではなく利用の仕方だった。

• 初心者は1回のプロンプトで平均5アクション・600語の出力
• エキスパートは12アクション・3200語──約5倍の差

しかし成功率のカーブを見ると、専門度1→3（初心者→中級者）の伸びが大きく、3→5（中級者→エキスパート）の差は小さい。中級者になれば、恩恵の大半は得られる傾向がデータに出ている。

一方で、初心者の放棄率は19%。それ以外の専門度では5〜7%に留まっており、最初の壁が最も高いことを示している。

7ヶ月間の変化

調査期間中に、利用パターン自体にも変化が見られた。

• デバッグに費やす時間が33%→19%に減少
• タスクの価値が平均25%上昇（構築+43%、運用+34%、修正+32%）

「火消し」から「ものづくり」へのシフトが、7ヶ月のデータに表れている。

この研究の限界

この研究にはいくつかの重要な留意点がある。

1. 調査対象はClaude Codeのみ。GitHub CopilotやCursorなど他のAIコーディングツールは含まれていない
2. 利用者はClaude Codeを選んで使っている人。プログラミングに全く関心がない層は含まれない
3. 成功率の判定にはClaude自身が使われている。研究チームは人間との一致率が高いと報告しているが、第三者による再現検証は行われていない
4. Anthropicは自社製品の改善にこのデータを活かしたい立場にある。都合の悪い結果を強調する動機は弱い

データの方向性は興味深いが、割り引いて読む必要がある。

出典・但し書き

• 出典: Anthropic Research「Does Claude Code Bridge the Expertise Gap?」（2026年6月公開）
• 本記事のデータは全てAnthropicが自社製品について調査・公開したものであり、第三者による独立した検証は行われていない
• 職業別成功率の「経営職」はClaude Codeを利用した経営職であり、全経営者の代表ではない
• 成功率の数値（37%、34%等）は「検証済み成功」の基準による。判定基準が変われば数値も変わる
• 本記事は研究内容の紹介であり、AIコーディングツールの購入・利用を推奨するものではない