AIエージェントが長時間自律的に作業していると思っているなら、それは違う。Anthropicが実際のデータを示した。ほとんどのタスクは45秒で終了する。
しかし、別の数字の方が注目に値する。最も長いセッションは、2倍の速度で延び続けている。
研究方法
Anthropicは、Claude CodeとAPIにおける数百万件の実際のインタラクションを分析し、ユーザーがエージェントにどの程度の自律性を付与しているか、どのようなシナリオでエージェントが展開されているか、どのような潜在的なリスクが存在するかの3点を調査した。
業界で初めて、大規模な実使用データを用いてAIエージェントの自律性を測定したものであり、ベンチマークやサンドボックス実験に依存していない。
主要データ
セッション期間の中央値：45秒
エージェントタスクの大半は短時間で完了する。数時間に及ぶ複雑なプロジェクトではなく、具体的な小さなタスクである。
しかし： 2025年10月から2026年1月にかけて、Claude Codeにおける99.9パーセンタイルのセッション期間は、25分未満から45分超へと増加した。つまり、最長の0.1%のタスクは3ヶ月で倍増したことになる。
この傾向は、最上位のヘビーユーザーがAIエージェントをますます長時間かつ複雑なワークフローに押し込んでいることを示している。
使用分野
ソフトウェアエンジニアリングが全ツールコールの49.7%を占める。この割合は直感的に理解できる。プログラマーはエージェントを大規模に採用した最初のグループであり、Claude Codeはもともとこのシナリオ向けに設計されている。
しかし、以下の数字はより興味深い。
| シナリオ | 割合 |
|---|---|
| ソフトウェアエンジニアリング | 49.7% |
| バックエンド自動化 | 9.1% |
| マーケティング/コピーライティング | 4.4% |
| 営業/CRM | 4.3% |
| 財務/会計 | 4.0% |
| データ分析 | 3.5% |
バックエンド自動化、財務、営業などの分野が静かに浸透しつつある。これらはラボのデモではなく、実際の企業がAIエージェントを使って実際の業務プロセスを処理しているのだ。
人間による監視は依然として存在するか？
ツールコールの80%には少なくとも1つの安全策が講じられている。73%には人間が介在するステップが含まれている。元に戻せない操作はわずか0.8%である。
これらの数字は概ね楽観的であり、ほとんどの企業がエージェントを展開する際に安全弁を維持していることを示している。
しかし、ユーザーの行動には興味深い変化パターンが見られる。
- 新規ユーザー：約20%のタスクで完全自動承認を選択
- 経験豊富なユーザー（750回以上のセッション）：完全自動承認が40%超
これは、信頼が高まるにつれて人間が権限を委譲しているように見える。しかし同時に、中断率も上昇しており、5%から9%に増加している。
これは、経験豊富なユーザーが無条件に制御を放棄しているのではなく、監視スタイルを各アクションの段階的な承認から、全体的な監視と問題発生時の介入へと移行していることを示唆している。
AIエージェント自身も自ら一時停止する
予期せぬ発見として、Claude Codeは複雑なタスクにおいて、単純なタスクの2倍以上の頻度で明確化を要求し、この自己発動による一時停止の頻度は、人間による手動中断の頻度よりも高いことがわかった。
つまり、モデル自身が「これは不確かだから、確認が必要だ」というタイミングを識別できるのである。これは単なる人間の監視よりもきめ細かい。
デプロイメント・オーバーハング
この研究では、デプロイメント・オーバーハング（deployment overhang）という概念を提唱している。
これは、現在モデルに付与されている自律性のレベルが、実際にはその能力の上限を下回っていることを意味する。時間の経過とともに、ユーザーは徐々にタスクを限界まで押し上げていく。より長いセッション、より少ない介入、より複雑なタスクチェーンへと。
安全性への示唆は、リリース前のテストだけでは不十分であり、デプロイ後の継続的な監視インフラを確立する必要があるということだ。これは、運転が出荷時の検査だけでなく、ドライブレコーダーや交通取り締まりにも依存するのと同じである。
出典：CocoLoop、Measuring AI agent autonomy in practice（Anthropic Research）；The Autonomy Gap: What Anthropic Learned Watching Millions of AI Agent Interactions（Shashi.co）