結論から言うと、2026年9月17日、AnthropicはR&D自動化指数（R&D Automation Index）を公開しました。これは、フロンティアモデルを開発するラボの内部で、実際にどれだけの業務をAIが担っているかを詳細に示した初の公開測定です。主な結果は、2026年8月時点でClaudeが同社のモデル研究開発業務の26%を「主導」しているというもので、同年2月の1%未満から増えています。その業務の90%超が「協働」レベル以上で行われ、完全な自律に達した測定カテゴリーはありません。あなたのビジネスにとって最も重要なのは数字ではありません。その背後にある手法です。すでにお持ちのツールで、自社の業務に再現できるからです。

Anthropicが実際に公開したもの

「業務のどれだけが自動化されているか」をめぐる議論の多くは印象に基づいています。マネージャーはチームの業務の半分がすでに自動化されたと言い、同じチームの開発者はツールは定型コードを書くだけだと言います。Anthropicが行ったのは、この問いを印象ではなく、固定された方法論による再現可能な測定に変えることでした。

考え方の核心はシンプルです。モデルの研究開発部門で実際に行われているあらゆる種類の業務を目録化し、モデルがどの程度関与しているかを捉える尺度でそれぞれを評価し、各業務の重要度を反映した重みで評価を集計します。同社はこの指数を最終的な測定ではなく試作版と位置付け、この技術がどれほどの速さで進んでいるかについて、フロンティアラボが知っていることと一般の人々が知っていることのギャップを縮める、より広い取り組みの一環としています。

六段階の尺度：AL0からAL5まで

この尺度はEpoch AIによるもので、自動化レベル（Automation Level）と呼ばれ、ゼロから五まであります。

  • AL0：AIの関与はまったくない。
  • AL1とAL2：最小限の関与、次に支援。人が作業を行い、モデルは小さなステップを提案したり速めたりする。
  • AL3、「協働」：人間による綿密で継続的な指示のもと、モデルが作業の大きな部分を完了する。
  • AL4、「主導」：モデルが高レベルの指示から作業の大部分を最初から最後まで仕上げ、人間が監督する。
  • AL5：人間が介在しない完全な自律。測定したどのカテゴリーでも達していないレベル。

Anthropicが「26%」と言うとき、それは具体的にAL4に達したカテゴリーを指します。運用上重要なのはAL3とAL4の間の差です。前者では人がすべてのステップの中にとどまり、後者では人の役割が目標の設定と成果物のレビューへと移ります。

レポートで最も重要な数字は26%ではない

方法論の中に、見出し以上に注目すべき数字が埋もれています。モデルによる自動化の評価を、その業務を行う従業員自身の評価と比べたところ、両者は59%のケースで完全に一致し、97%のケースで1レベル以内の差に収まりました。一方、ある従業員の評価を、同じ業務についての同僚の評価と比べると、一致したのはわずか35%でした。

平たく言えば、人は自分の業務がどれだけ自動化されているかについて、モデルとよりも互いの間で意見が食い違うのです。これで、結論が出ないまま終わる社内会議の理由がわかります。同じチームの同僚2人が自分たちの業務の説明について合意できないなら、集団的な印象に基づくAI投資の判断は、どれも柔らかい地盤の上に立っていることになります。解決策は議論を増やすことではありません。書面で固定した尺度を、一定の間隔で同じ対象に繰り返し適用することです。

自社版の指数を1週間で作る方法

Anthropicが説明した方法論は、中堅企業の規模に縮小できます。手順を簡単にまとめます。

  • 職務記述書ではなく、実際の業務を目録化する：Anthropicは2026年7月に該当部門のスタッフの20%を無作為に抽出し、社内の会話や文書から実際の業務を確認して、約15,000件の細かなタスクを洗い出しました。あなたの場合は、はるかに小さなサンプル、つまり1〜2チームの実際の1週間分の業務で十分です。
  • タスクをツリー状に整理する：その15,000件のタスクは542ノードのツリーにまとめられ、そのうち378が末端カテゴリーでした。中堅企業なら、三十〜五十の末端カテゴリーで有用な全体像が得られます。
  • 感覚ではなく時間で重み付けする：各タスクに費やされた人員の時間を、その重要度の代理指標として使いました。これにより、目立つが影響の小さいタスクが全体像を支配するのを防げます。
  • 各カテゴリーをAL0–AL5の尺度で評価する：評価の理由を1行で書き添え、後で見直せるようにします。
  • バスケットを固定して測り直す：肝心なのは、カテゴリー一覧を一度作ったら固定し、毎回の再測定を新しい一覧ではなく同じ対象に対して行うことです。固定しなければ、自動化の進展ではなく一覧の変化を測ることになります。

この作業の成果は、自慢するための数字ではありません。自社の業務でAIが実際にどこにいるかを示す地図です。どのカテゴリーが「協働」に達し、さらに深い自動化に値するのか、どのカテゴリーが多くの時間を消費しながらまだゼロのままなのか。後者こそが最も身近なチャンスです。

「主導」レベルは実務で何を意味するか

社内のある業務カテゴリーがAL4に達すると、変わるのはチームの規模だけでなく、マネジメントの形です。指示は高レベルになり、レビューは最終成果物へと移ります。つまり成果物の品質は2つのことにかかっています。書面の指示の明確さと、取り返しのつかない影響が生じる前のレビューポイントです。顧客への送信、実データの変更、金銭的な約束などがそれにあたります。

私たちが顧客のために構築するプロジェクトでは、これが頼れる自動化と不安を抱かせる自動化の違いです。モデルはタスク全体を主導できますが、モデルが間違えたときに何が起こるかを決めるのは、その周りのシステムです。エラーはレビュー可能なログに現れて承認ゲートで止まるのか、それとも顧客にそのまま届くのか。AL3からAL4への移行は、モデルへの信頼の問題である前に、システム設計の判断なのです。

Anthropic自身が示した注意点

公平を期すため、同社が自らの測定に設けた限界にも触れておく必要があります。独立した外部機関による検証は行われておらず、その大部分はClaude自身を使って作成されました。つまり測定対象のモデルが測定に関与しており、その誤りが判断に持ち込まれる可能性があります。Anthropicは後に第三者の評価者を招く予定だとしています。また、タスクのバスケットを2026年7月時点を基準に固定したため、その後に生まれた業務カテゴリーは計算に含まれません。

したがって、この数字はありのままに読むべきです。フロンティアラボの内部から発せられた強い方向性のシグナルであって、労働市場についての確定した事実ではありません。六か月で1%未満から26%への跳躍は、小数点以下の精度にかかわらず注目に値します。

どこから始めるか

1つのチームと1週間から始めましょう。チームが実際に何をしたかを記録し、三十のカテゴリーに分類し、それぞれを尺度で評価し、一覧を固定して、三か月後に測り直します。最終的に、今日ほとんどの企業が持っていないものが手に入ります。議論するのではなく比較するための、書面の基準値です。そして、ゼロだったカテゴリーを実際に動くシステムに変えたいなら、それこそがOrigamiで私たちが構築しているものです。

出典

  • Anthropic：フロンティアラボ内部でのAI開発のペースを測る：anthropic.com
  • Epoch AI：指数で使われている自動化レベルの尺度：epoch.ai