AIが及ぼす経済的影響レポートをClaude開発企業のAnthropicが公開、国やタスクによってAIの効果には大きなバラつきがある

チャットAIのClaudeを開発するAnthropicが、AIが経済に及ぼす影響を評価したレポート「Anthropic Economic Index」の第4弾を公開しました。今回のレポートでは新しく、Claudeの経済効果を長期にわたって追跡するための5つの指標「economic primitives」が導入されています。

Anthropic Economic Index report: Economic primitives \ Anthropic
https://www.anthropic.com/research/anthropic-economic-index-january-2026-report

Anthropic Economic Index: new building blocks for understanding AI use \ Anthropic
https://www.anthropic.com/research/economic-index-primitives

AnthropicはAIによる経済への潜在的影響を評価するため、2025年11月に収集されたClaudeの利用履歴を基に分析を行いました。11月にClaudeと交わされたチャットのうち24％は最も利用頻度の高い10個のタスクに集中しており、この割合は上昇傾向にあると報告されています。また、ビジネスにおけるClaudeの導入を追跡するためにAPI顧客の利用状況を分析したところ、最も利用頻度の高い10個のタスクが全体の32％を占めていました。

Claudeの利用パターンには地域差がみられることもわかっています。以下のグラフは、縦軸が人口比でどれほど頻繁にClaudeが使用されたのかを示すAnthropic AI Usage Index(AUI、数字が大きいほど人口比で多い割合がClaudeを使っている)、横軸がその州に占めるコンピューター関連および数学関連職種の労働者の割合を示したもの。全体的に、コンピューターや数学関連の職に就いている人の割合が大きいほど、Claudeの使用率が高い傾向がみられます。しかし、Claude普及率の低い地域での利用率上昇が速いことから、その差は次第に埋まっていくとAnthropicは予測しています。

今回のレポートでは「タスクの複雑さ」「スキルレベル」「AI使用の目的」「AIの自律性」「タスクの成功率」という5項目からなるeconomic primitivesという指標が導入されています。

Claudeによって最も高速化されたのはより複雑なタスクであり、高校卒業程度の理解力を必要とするプロンプトを含むタスクは9倍、大学卒業程度の理解力を必要とするプロンプトを含むタスクは12倍高速化されたと報告されています。この結果は、AIによる生産性向上は比較的高い人的資本を必要とするタスクで顕著に表れていることを示唆するものです。

以下のグラフは、縦軸はClaudeによってタスクがどれほど高速化されたのかを、横軸はそのタスクに必要な就学年数を表したもの。赤い点が通常のClaudeを、青い点がClaude APIを示しています。より高度なタスクほど高速化されていることがわかります。

縦軸でClaudeによるタスクの成功率、横軸でタスクに必要な就学年数を表したグラフが以下。高度なタスクほど成功率は減少傾向にありますが、Anthropicは「これは全体的な効果を弱めるものの、完全に排除するものではありません」と述べ、これはClaudeによる効率化を相殺するほどではないと主張しました。

また、経済発展段階の異なる国の間では、Claudeが遂行するタスクの種類も異なることもわかりました。1人当たりGDPが高い国ではClaudeが仕事や個人的な用途で頻繁に利用される一方、GDPが低い国では教育課程でClaudeが利用される可能性が高くなるとのこと。これは、低所得国では教育に占めるAI利用が大きい一方、仕事としてAIが必要になるタスクは少ないことを示唆しています。

以下のグラフは、いずれも縦軸が特定分野におけるClaudeの利用率、横軸が国ごとのGDPを表したもの。一番左が仕事におけるClaude利用、真ん中が教育におけるClaude利用、一番右が個人的な用途におけるClaude利用の割合を示しており、国のGDPとそれぞれの利用率に関連性がみられます。

2025年1月のレポートでは、少なくとも4分の1のタスクでClaudeが利用されている職種はサンプル全体の36％でしたが、複数のレポートを総合するとその割合は49％まで上昇するとのこと。しかし、単純に「Claudeでタスクが頻繁に処理される職種ほどClaudeの成功率が高い」というわけではありません。

以下のグラフは、縦軸が「労働者が1日に行うタスクのうちClaudeが成功させられる割合」を、横軸が「タスクがどの程度Claudeで処理されようとしているか(タスクカバレッジ)」を示したもの。基本的には、Claudeの成功率が高い職種ほどタスクカバレッジも高くなりますが、「Data Entry Keyers(データ入力)」「Radiologists(レントゲン技師)」などの職種は、タスクカバレッジに比べて成功率が高い傾向があります。一方、「Psychology Teachers, Postseconadary(高校の心理教師)」「Microbiologists(微生物学者)」などは、タスクカバレッジの割にタスク成功率が低いといえます。

Anthropicは、「私たちの経済指標レポートから導かれる最も直接的な結論は、AIが世界の労働力に与える影響は依然として極めて不均一であるという点です。AI利用は特定の国や職種に集中したままであり、タスクカバレッジに関する証拠が示唆するように、職種によってその影響の受け方は大きく異なります」と述べました。