Claude Code約40万セッション研究で分かったこと｜専門知識・成功率・仕事の変化

結論：AIにコードを書かせるほど、問題を定義する力が残る

Anthropicの研究が描く分業は、人間が何を作るか、どの制約を守るか、何を完了とするかを決め、Claudeがファイル、コード、コマンドなどの実行方法を担う形です。研究上の数字をそのまま生産性の因果効果とみなすのではなく、個人開発では「目的、制約、合格条件を先に言語化できるか」がagentへの委任範囲を決めるという補助線として使うのが実用的です。

対象と分類方法

仕事モードの内訳

研究では、コードの新規作成、壊れたコードの修正、テスト、agentやpipelineのorchestrationを合わせたコード中心のセッションが約56%でした。運用は17%、計画や既存システムの探索は14%、データ分析や文章などは13%です。特に壊れたコードの修正は7か月で33%から19%へ下がり、operating software、データ分析、文章作成が伸びたと報告されています。これはClaude Codeがコード補完だけでなく、運用や知識労働へ使われる観察結果ですが、効果や品質が同じ割合で上がったという意味ではありません。

planningは人間、executionはagentという分業

研究では、各セッションの意思決定をplanning（何をするか、どの方法か、完了条件）とexecution（どのファイルを変えるか、どのコード・コマンドを使うか）へ分け、どちらを人間とClaudeが担ったかを分類しています。典型的なセッションでは、人間がplanningの約70%、Claudeがexecutionの約80%を担うという傾向が示されています。これは「人間が何も考えない」という話ではなく、agentを使うほど目的と評価基準を人間が持つ分業になりやすい、という解釈です。

専門知識とverified success

この研究から個人開発者が変える依頼の書き方

• 何を作るかだけでなく、何を作らないかを書く
• 正解の例、禁止事項、触ってよい範囲、確認コマンドを先に渡す
• 「完了」を、build成功・テスト成功・主要画面確認・差分確認などに分解する
• 専門判断が必要な箇所は、agentに結論を出させず、候補と根拠を出させる
• 失敗したときに、retryを繰り返すのではなく、問題の定義や入力資料を見直す

研究の限界と、Codex研究との違い

Anthropicの研究はClaude Codeの利用セッションと会話・telemetryを分析する企業公式研究です。実世界の成果を直接観測せず、classifierが「成功らしい」証拠を読み取るため、git commitやtestが通っても長期保守が良いとは限りません。OpenAIのCodex利用研究とは対象、ツール、分類、successの定義が違うため、どちらが優れているかを比較する材料にはしません。両方から、短い質問より目的・制約・成果物を渡す委任タスクが広がっているという流れを読み、自分のrepoで検証します。