Anthropic は研究の焦点を社内に向け、社内での AI の使用方法を見直し、誰もが関心を持つ「AI が実際にオフィスに導入されたら、仕事をする人々に何が起こるのか」という疑問に答えました。 彼らは、132 人へのアンケート、53 人への詳細なインタビュー、および Claude Code の内部ログを使用して、体系的なレビューを実施しました。 要約すると、エンジニアたちがクロードを「絶対に離職しないペアプログラマー」として活用し始めてから、生産性は50%向上し、スキルの限界も大幅に広がりました。しかし同時に、「スキルの深刻な低下、コラボレーションの弱体化、そしてプロフェッショナルとしてのアイデンティティの曖昧化」という3つの大きな不安も引き起こしました。 1. まず、生産性と仕事の本質の変革。 生産性は大幅に向上し、従業員は業務の 60% で Claude を使用しており、その結果、効率が 50% 向上し、昨年の同時期と比べて 2 ～ 3 倍の増加となったと報告しています。 全員が「六角形の戦士」であるため、エンジニアはフロントエンド開発、データベース、API コードなど、専門分野を超えたタスクを処理でき、反復を加速できます。 新しいワークロードでは、Claude の成果物の 27% が、内部ツール、データ ダッシュボード、コード リファクタリングなどの小さな改善など、「これまで行ったことのないタスク」に分類されます。 2. ミッションマップの変更 Claude の主な用途は、コードのバグを修正し、既存のコードベースを理解することです。55% の人がデバッグに、42% がコードの読み取りに、37% が新しい機能の作成に、Claude を毎日使用しています。 低い委任の高頻度使用: 監督なしで Claude に委任できるのはタスクの 0 ～ 20% のみです。重要なコードでは、依然として手動による監督と検証が必要です。 委任戦略では、エンジニアは、コンテキストが低く、複雑性が低く、検証が容易で、明確に定義され、リスクが低く、面倒なタスクを AI に委任する傾向があります。一方、高度な思考、設計上の決定、深い思考を必要とするタスクは、依然として人間が処理します。 信頼は徐々に育まれ、経験を積むにつれてエンジニアたちのクロードへの信頼は深まり、より複雑な任務を彼に任せるようになりました。 3. スキル開発と課題 スキルの拡大と縮小は共存しています。AIはエンジニアのスキルセットを広げますが、AIへの過度の依存によって、詳細なプログラミング、デバッグ、システム理解といったコアとなる技術スキルが衰退するのではないかと懸念する声もあります。 監督パラドックス：AIを効果的に監督するには関連するスキルが必要ですが、AIの普及により、これらのスキルの実践機会は減少する可能性があります。中には、熟練度を維持するために、重要なコードを書く際に意図的にAIを無効にする人もいるかもしれません。 抽象化への傾向は、アセンブリ言語から高水準言語への進化と同様に、ソフトウェアエンジニアリングがより高いレベルの抽象化へと進化していることを示唆しています。英語が新たなプログラミング言語になる可能性さえあります。 4. 仕事の意義と楽しさ プログラミングの意味は変化しており、AI がもたらす高い生産性と最終結果を重視するエンジニアがいる一方で、手でコードを書くことの禅のような感覚に憧れるエンジニアもいます。 人間関係が冷えていくにつれ、クロードは真っ先に連絡を取る同僚となり、質問の80%は最初に彼に尋ねられるようになりました。その結果、同僚との交流やメンタリングの機会が減り、必要とされているという感覚も薄れていきました。 5. キャリアの見通しと不確実性 役割の転換: コードの作成から AI の管理へ。AI コードのレビューに時間の 70% を費やす人もいます。 不確実性が続く中、多くのエンジニアはソフトウェアエンジニアリングにおける長期的なキャリアパスに不安を感じています。AIがあらゆることを行うようになるのではないかと懸念し、毎日仕事に行くことがまるで自動化されているように感じてしまうのではないかと懸念しています。しかし、適応力と高度な概念の理解がさらに重要になると考える人もいます。 6. クロードコードの使用傾向 タスクの複雑さと自律性が高まるにつれて、クロードさんの平均的なタスクの複雑さは増加し、連続したツールの呼び出し回数は 116% 増加し、人間の介入回数は 33% 減少しました。 タスクの配分が変わり、新機能の実装やコード設計・計画に関わるタスクの割合が大幅に増加しました。 それぞれのチームがそれぞれのニーズに合わせてClaudeを活用できます。例えば、セキュリティチームはコード理解のためにClaudeを使用し、非技術系スタッフはデバッグやデータサイエンスのためにClaudeを使用します。 しかしながら、本研究には限界もある。自己選択サンプルであり、匿名化されていないため、肯定的な効果が誇張されている可能性がある。また、クロード・コード分析では、絶対的な作業負荷ではなく、タスク配分の相対的な変化のみを測定した。さらに、AI技術は急速に発展しており、研究結果は新しいモデルの出現によって変化する可能性があり、他の組織や業界に完全に適用できるとは限らない。 #AI研究#AIが仕事に与える影響
ブログanthropic.com/research/how-a…a8
