調査票ではなく、実際の利用ログからAIの広がりを測る。AnthropicのEconomic Indexは、同社のAI「Claude」の実際の利用データを分析し、AIが仕事にどう広がっているかを継続的に公表する取り組みです。「経済プリミティブ」と題した報告では、タスクの複雑さ、利用者のスキル水準、利用目的、自律性の度合い、成功度という5つの基礎指標が導入されました。

5つの指標は、自社の利用分析の観点表になる

5つの指標は、会話データに対してAI自身が分類を行う形で算出されています。利用目的が仕事か教育か個人か、タスクにどの程度の教育水準が求められるかといった切り口は、自社のAI利用ログを分析する際の観点表として転用できます。導入部門の数ではなく「どの作業に、どの深さで使われているか」を見る発想であり、自社で同様の分析を行う場合は、部門別の利用傾向を月次で追い、研修内容の更新材料として使う方法があります。

「簡単な作業から」という通説への留保

報告では、複雑なタスクほどClaudeによる速度向上が大きく、高校水準の知識を要するタスクで9倍、大学水準では12倍の高速化が示されたとされています。これは同社の分析モデルによる推計であり、業務への単純適用はできません。ただし「簡単な作業から」という通説とは逆の示唆であり、自社の適用先を簡単な作業だけに限定しない検討材料になります。

拡張か、自動化か──比率で利用の質を見る

同報告では、利用の型として人間を拡張する使い方（Augmentation）と自動化する使い方（Automation）の比率も継続観測されています。2025年11月のデータでは拡張型が52%、自動化型が45%とされています。自社の利用でもこの比率を定期的に眺めることで、効率化一辺倒になっていないか、人の判断が残る設計になっているかを点検できます。比率は一度測って終わる数字ではなく、継続観測されて初めて意味を持ちます。同じ物差しで測り続けるからこそ、利用の広がりと質の変化を切り分けて議論できるようになります。

なお、5つの指標の中でも「自律性の度合い」と「成功度」が含まれている点は見逃せません。AIがどこまで自律的にタスクを進め、その結果が成功したのかまでを測る設計は、利用の量だけでなく、任せ方の変化そのものを追う物差しです。自社の利用分析でも、利用回数や利用者数のような量の指標だけでは、任せ方の質の変化は捉えられません。どの作業を、どの深さで、どこまで任せているかという観点を加えることで、研修の次の一手――たとえば確認工程の設計や、任せる範囲の線引きの見直し――が見えてきます。

判断のポイント

  • 数字（9倍・12倍）は同社の分析モデルによる推計であり、自社業務への単純適用はしない
  • 借りるべきは数字ではなく、5指標という「測り方の枠組み」の方である
  • 自社の利用分析では、導入部門数ではなく作業の深さを追う設計にする
  • 拡張型と自動化型の比率を定期的に眺め、人の判断が残る設計かを確認する

つまり、この報告の使い方は、ベンダーの数字を自社の根拠にすることではありません。測り方の枠組みを自社の利用分析に借り、数字は自社のログから作り直す。その線引きを守れるかどうかが、実利用データ型のレポートを実務に活かせるかを分けます。

あわせて読みたい

「レポート紹介：AIの影響を「曝露」と「実績」で分けて読むために」 https://axdx.aohalab.ai/#/article/70

「論文紹介：生成AI支援でサポート担当者の生産性はどう変わったか」 https://axdx.aohalab.ai/#/article/61

出典：Anthropic公式「Economic Index: New building blocks for AI use」（経済プリミティブ報告） https://www.anthropic.com/research/economic-index-primitives

本記事で紹介した内容は2026年11月時点の公表情報に基づきます。最新の内容は出典の一次情報をご確認ください。