AIによる雇用への影響は、「人が置き換わるか」という問いでは捉えにくくなっている。Anthropic共同創業者のJack Clark氏は、Reasonのインタビューで、Anthropic自身の採用が以前より経験豊富な人材に寄っていると語った。熟練した研究者が考えた実験を、かつてのように大きなエンジニアリングチームで回す必要が薄れ、Claudeが実装や検証の多くを担えるようになったためである。
この発言が示す変化は、若手エンジニアが明日から不要になるという話ではない。問題はもっと構造的だ。AIが実装作業を肩代わりするほど、企業は「何を試すべきか」「どこで止めるべきか」「結果をどう読むべきか」を判断できる人を厚く採りたくなる。従来は、若手が実装や調査を担いながら経験を積み、やがて判断する側へ進んだ。AIがその入口の作業を吸収し始めると、経験者の生産性は上がる一方で、未経験者が経験者へ育つ経路が細くなる。
Anthropicの公開データは、この見方を補強している。同社が2026年6月16日に公表したClaude Codeの利用分析は、2025年10月から2026年4月までの約40万セッション、約23万5,000人の利用者を対象にしている。典型的なClaude Codeセッションでは、人間が計画に関する判断の約70%を担い、Claudeが実行に関する判断の約80%を担う。ユーザーは何を作るか、どの条件を満たせば完了かを決め、Claudeはどのファイルを変更し、どのコマンドを走らせ、どの実装手順を取るかを進める。
この分業は、従来のコード補完とは異なる。Claude Codeは、開発者が次の1行を書く横で候補を出すだけではない。コードベースを読み、複数ファイルを変更し、テストを走らせ、失敗すれば修正を重ねる。Anthropicの製品ページは、同社内ではコードの過半がClaude Codeによって書かれ、エンジニアはアーキテクチャ、プロダクト判断、複数エージェントのオーケストレーションに集中していると説明している。宣伝文として読むべき部分はあるが、同社が自社の開発体制をどう位置づけているかは明確だ。
実装作業より、何を任せるかの判断が価値を持つ
Claude Codeの利用分析で目を引くのは、専門知識のあるユーザーほど、同じ1回の指示からClaudeにより多くの作業を引き出している点である。Anthropicはセッション内の指示の具体性、検証の求め方、AIへの修正の入れ方などから、タスクごとの専門度を5段階で推定した。その結果、初心者と判定されたセッションでは、1回のユーザー指示につきClaudeの行動は平均約5回、出力は約600語だった。専門家と判定されたセッションでは、行動は約12回、出力は約3,200語に増えた。
成功率にも差が出ている。厳格な「検証済み成功」の基準では、初心者セッションは15%にとどまった一方、中級以上のセッションは28〜33%だった。少なくとも部分的に成功した割合でも、初心者は77%、中級以上は91〜92%である。トラブルが起きた場合にも、専門知識の差は表れる。初心者は行き詰まると放棄しやすく、専門家は誤解や失敗を修正しながら目的に戻しやすい。
ここでいう専門知識は、職業としてのソフトウェア開発経験だけではない。Anthropicは、ユーザーの職業推定で「コードを書いている」こと自体をソフトウェア職の証拠にしないよう分類器を設計した。弁護士が契約書フォルダを点検するスクリプトを作る場合、そのセッションは法律職に分類される。コードを生成したセッションでも、ソフトウェア関連職の検証済み成功率は約34%、その他の職種は約29%で、部分的成功まで含めると89%と88%でほぼ並ぶ。
この結果は、AI時代の「強い人材」の定義を少し変える。コードを書けるかどうかだけでなく、対象領域の事情を知り、失敗の兆候を見抜き、AIが出した成果物を目的に照らして評価できるかが問われる。実装能力の一部がツールへ移るほど、何を作るべきかを言語化し、結果を確認し、必要ならやり直させる能力が前面に出る。
若手への影響は、解雇より経験機会の減少に出る
Clark氏はReasonのインタビューで、上位中産階級の雇用がすでに大きく失われているとは言い切っていない。現在の経済データには、COVID-19期の過剰採用やリモートワーク移行などが重なり、AIだけの影響を切り分けにくい。確認できるのは、一部セクターで新卒や若手の採用に弱さが見られることだと説明している。
Anthropicの労働市場分析も、同じ慎重な線を取る。同社はClaudeの実利用と理論上のLLM能力を組み合わせた「observed exposure」という指標を作り、AIの影響を受けやすい職業を追跡している。2022年後半以降、高露出職種で失業率が体系的に上がった証拠はまだない。ただし、22〜25歳の若年層が高露出職種で新しい仕事に就く割合には弱さがあり、ChatGPT登場後の期間で2022年比約14%の低下が示唆された。統計的な強さはぎりぎりであり、AI以外の説明も残るが、入口職の変化を見る上では無視できない信号である。
2026年4月に公表された8万1,000人超のClaudeユーザー調査でも、早期キャリア層はシニア層より雇用喪失への懸念を強く示した。2026年6月のEconomic Index Surveyでは、回答者の6割近くが「今後12カ月でAIが担える自分の業務割合」が現在より大きくなると答え、3分の1超が「AIは自分の仕事の大半またはほぼすべてをこなせるようになる」と予想した。自分自身の失職を「あり得る」「かなりあり得る」とした回答は10%だったが、ジュニア同僚が今後1年で職を失う確率を60%超と見た回答者は3分の1を超えた。
この数字は、実際の解雇件数ではない。Claude利用者の自己申告と期待であり、回答者はAIに関心が高い層に偏っている。それでも、現場でAIを使う人ほど、若手の立場が不安定になると見ていることは読み取れる。特にソフトウェア開発では、バグ修正、下調べ、テスト、単純な機能追加といった作業が、かつては若手の訓練の場でもあった。そこをAIが担うなら、企業は別の形で訓練の場を用意しなければならない。
Claude Corpsは経験形成を作り直す試みになる
Anthropicが同時期に発表したClaude Corpsは、この問題への制度的な回答として読める。同社は1億5,000万ドルを初期拠出し、キャリア初期の1,000人を訓練して全米の非営利団体に配置する。フェローは12カ月間、フルタイムかつ対面で働き、年8万5,000ドルの給与と福利厚生を受ける。最初の100人は2026年10月に始まり、今後12カ月で少なくとも400の非営利団体が受け入れ先になる。
このプログラムの狙いは二つある。非営利団体にAIを活用したツールや業務改善を届けること、そして若手がAIを使って実務経験を積むことだ。Clark氏もReasonのインタビューで、Claude Corpsを「自然実験」として位置づけ、AIスキルを持つ若手が組織のシステム改善に関わることで何が起きるかを見ると説明している。
Anthropicは若手の問題を「教育」だけで処理していない。AIの使い方を教えるだけなら、オンライン講座でも済む。Claude Corpsは、若手を実際の組織に埋め込み、曖昧な要望を仕様にし、データや業務の制約を理解し、失敗を直しながら成果物を残す経験を作ろうとしている。AIが実装の一部を担う時代でも、現実の仕事には相手先の目的、予算、権限、セキュリティ、利用者の信頼といった条件が残る。若手が学ぶべき対象は、コードの書き方だけではなく、その条件の中でAIに何を任せ、何を人が判断するかに移っていく。
高成長と失業増が同時に来るシナリオ
Clark氏が政府に求めているのは、特定の未来予測を信じることではなく、通常の景気循環では説明しにくい組み合わせに備えることだ。同氏はReasonのインタビューで、AIが通常を大きく上回るGDP成長を生みながら、同時に不況時に見られるような失業率の上昇を伴うシナリオに触れている。生産性が伸びれば雇用も安泰だ、という経験則が崩れる可能性を見ている。
AnthropicのEconomic Indexは、まだその未来が来たと断定していない。初期のIndexでは、Claude利用はソフトウェア開発と文章作成に集中し、36%程度の職業で関連タスクの4分の1以上にAI利用が見られた一方、タスクの4分の3以上で使われている職業は約4%に限られていた。利用形態も、当初は人間の能力を高める「augmentation」が57%、AIが直接タスクを実行する「automation」が43%だった。
Claude CodeやCoworkのような長時間動くエージェント型の利用が広がると、この比率だけでは仕事の変化を説明しにくくなる。2026年6月のEconomic Indexは、従来のチャットログだけではAI利用の実態を捉えきれなくなったとし、アウトプットの種類やAIの自律度を測る手法を追加した。Claude Codeでは、ほぼすべてのアウトプット種別でチャットやCoworkよりAIの自律度が高く、同じSonnetモデル同士で比べても差が残る。製品の形そのものが、AIへ任せる範囲を広げている。
次に見るべきなのは、AIが実行を担う範囲ではなく、人間側に残る判断の中身である。現時点のClaude Code分析では、成功を左右するのはユーザーの専門知識であり、AIはその知識を増幅する道具として働いている。今後は、専門知識による成功率の差が縮むかどうかも確認点になる。そこまで進むと、若手だけでなく経験者の優位も揺らぐ。
AIによる労働市場の変化は、失業率の急上昇として突然見えるとは限らない。最初に表れるのは、採用要件の上昇、若手採用枠の縮小、経験者への需要集中、そして「経験を積む仕事」の消失かもしれない。Anthropicの発言とデータが示しているのは、AIが仕事を奪うかどうかという二択ではない。AIが作業を引き受けるほど、人間にはより早く判断者になることが求められる。その要求に若手がどう到達するのかを設計できなければ、技術による生産性向上は、労働市場の入口を狭める力にもなる。