Anthropicは2026年11月2日、米証券取引委員会（SEC）に提出した登録届出書の修正書類（S-1/A）で、将来のAIモデルによる研究開発の加速が、同社の安全管理方針で定める基準に近く達する可能性があると明らかにした。同社の内部推定と将来モデルへの予測に基づくものであり、現行モデルがすでに基準を超えたと認定したわけではない。
問題となっているのは、現在のClaudeが自分自身のプログラムを書き換える能力ではなく、次世代AIモデルの研究開発をAIがどこまで担い、その結果としてAIの進歩がどれほど速くなるかだ。Anthropicによると、2026年9月に社内コードベースへ加えられたコードの90%以上をClaudeが執筆した。ただし、コードの作成を自動化することと、研究全体を自律的に進めることは異なる。今回の開示は、AIによる研究開発の加速と、その進歩を人間が把握・管理できるかという問題を浮き彫りにしている。
Anthropicが警戒する「AIの進歩速度が2倍になる」条件
Anthropicの自主的な安全管理方針「Responsible Scaling Policy（RSP）」では、AIによる研究開発能力について二つの基準を設けている。2026年7月8日発効のRSP v3.4（8〜10ページ）によると、一つは同社の研究科学者と研究エンジニア全員を、競争力のある費用でAIに置き換えられること。もう一つは、AIによる研究開発の自動化によって、AIの能力全般の進歩が劇的に加速することだ。
後者の判定には、AIの能力が向上する速度を比較する二つの基準が用いられる。
- AIが研究開発に大きく貢献しなかった場合に予想される進歩速度
- AIが研究開発に大きく貢献していなかった時期に実際に観測された、最も速い持続的な進歩速度（少なくとも3世代のモデルで評価）
Anthropicは、この両方に対して進歩速度が2倍になると観測または予測され、その加速の相当部分が研究開発の自動化によるものと判断できる場合を基準としている。さらに、現在の技術的な傾向が続けば、今後さらに加速する可能性が高いことも条件となる。単に研究者の人数や計算資源を増やして開発を速めることは、AIによる研究開発の加速とは区別される。
ここで重要なのは、研究者の作業効率が2倍になることと、AIモデルの能力が2倍の速さで進歩することは同じではないという点だ。前者は個々の仕事に必要な時間や労力の問題だが、後者は研究開発によって新しいモデルの能力がどれほど速く向上するかを問う。AIが大量のコードを書いても、その成果が次世代モデルの能力向上につながったかを検証しなければ、RSPの基準を満たしたとは判断できない。
また、研究開発の加速と、完全自律的な「再帰的自己改善（Recursive Self-Improvement：RSI）」も区別する必要がある。Anthropic Instituteの解説では、RSIをAIが自律的に後継モデルを設計・開発し、その改善を繰り返す状態としている。同社は、現時点でこの段階には到達しておらず、必ず実現するとも考えていない。人間の監督下でAIが研究開発を加速させることは、研究目標の決定から後継モデルの完成までをAIに全面的に任せられることを意味しない。
コードの90%以上をClaudeが執筆、それでも研究全体の自動化率とは異なる
Anthropicが公表した数字を見ると、AIの研究開発への関与は急速に拡大している。ただし、コード執筆の割合、研究業務の自動化率、従業員による認識は、それぞれ測定対象も方法も異なる。
2026年8月の研究開発を対象とした試験的な自動化指数では、AIが主導する業務の割合は26%だった。一方、9月のコード貢献率は90%を超えている。両者の差をそのまま自律化の進展や、AIが担当できない仕事の割合として解釈することはできない。
Anthropicが公開した主な指標を整理すると、次のようになる。
| 指標 | 対象期間 | 測定対象・方法 | 読み取れる範囲 |
|---|---|---|---|
| コード貢献90%超 | 2026年9月 | 社内コードベースへの貢献のうちClaudeが執筆した割合 | 研究全体の自動化率ではなく、人間によるレビューの割合も不明 |
| AI主導26% | 2026年8月 | 研究開発業務を分類・加重集計した試作指数で、AL4に該当する割合 | AIが大半の作業を担うが、人間の監督を必要とする |
| 従業員の認識51% | 2026年8月 | 2026年初頭のフロンティアモデル開発でAIが担当する仕事の割合について、従業員が回答した中央値 | 主観的な推定であり、実測した工数ではない |
| RSPの進歩速度2倍 | 2026年7月8日発効 | AIが研究開発に大きく貢献しない場合の進歩速度との比較 | 安全管理方針上の判定基準であり、達成済みの実績ではない |
Anthropicの研究開発自動化指数の説明では、業務をAIの関与度に応じてAL0からAL5までの6段階に分類している。AL4は、AIが大まかな指示を受けて仕事の大半を進め、人間が監督する段階だ。一方、AL5は人間が介入せず、AIが完全自律で作業を行う状態を指す。2026年8月時点では、測定対象となった研究開発業務のいずれにもAL5の運用は確認されなかった。
この指数は、Claudeを使って研究開発業務を分類し、自動化段階を評価する方法で作成されている。評価結果は担当者による判定と照合され、集計の重み付けには人間の作業記録が用いられた。ただし、評価にAnthropic自身のAIを利用しているため、評価対象のモデルと判定するモデルが同じ種類の誤りを犯す可能性もある。同社も、異なるAI開発企業の結果を比較するには測定方法の共通化や第三者による検証が必要だと認めている。
コードの執筆量だけでは、研究開発に必要な判断能力も評価できない。AnthropicのRSIに関する解説では、AIは明確な目標が与えられた実験の実行や最適化では高い能力を発揮する一方、研究目標そのものの選択や、どの方向に研究を進めるべきかという判断には依然として課題があると説明している。また、コード行数は成果の質ではなく量を測るため、生産性の向上を過大評価する可能性がある。AIが実装を担当したという事実から、その実験を選んだ判断や研究成果の評価までAIが担ったとは結論づけられない。
Anthropicは研究開発の加速を「事後的に認識した」経験も開示
今回のSEC提出書類で特に注目されるのが、Anthropic自身がAIによる研究開発の加速を十分に早く把握できなかった経験を明らかにしていることだ。同社によると、AIが開発速度に与える影響を評価する際には、変化が起きた後にしか確認できない「遅行指標」に依存する部分が大きい。そのため、開発速度が著しく加速した事実を、実際に加速が起きた後になって認識したことがあるという。
これは、AIが暴走したり、人間が制御を失ったりしたことを認めるものではない。実際の研究開発の進歩と、その進歩を測定・認定する時点にずれが生じ得るという説明だ。特に最新モデルや未公開モデルが研究開発に使われる場合、その寄与を正確に評価することは難しくなる。AIの能力向上が安全対策や監督体制の整備より速く進めば、リスクを十分に把握できないまま開発が進む可能性がある。
Anthropicはこの問題に対応するため、研究開発に利用するAIエージェントの監視体制も整備している。研究開発の測定に関する報告によると、2026年8月時点で同社が最も利用している内部プラットフォームでは、エージェントの行動を実行前に確認するオンライン監視と、実行後の記録を分析するオフライン監視を組み合わせている。前者は危険な操作を事前に阻止することを目的とし、後者は複数の行動にまたがって現れる問題などを検出するための仕組みだ。
ただし、監視の対象となることと、問題を確実に検出できることは異なる。監視体制を評価するには、次の三つを区別する必要がある。
- 監視範囲： AIエージェントの行動のうち、どこまでを監視できているか
- 確認までの時間： 行動が発生してから自動検査や人間による確認が完了するまでの時間
- 検出・対応能力： 問題のある行動をどれだけ検出し、必要な介入につなげられるか
監視する行動の割合が高くても、問題の発見や人間による確認に時間がかかれば、介入の機会を逃す可能性がある。逆に、確認が迅速でも、監視システムが検出できる問題の範囲が狭ければ、別のリスクが残る。これは監視体制を評価する際の一般的な課題であり、Anthropicで特定の監視上の不具合が発生したことを示すものではない。
さらに、個々のAIエージェントの行動を監視する仕組みと、AI研究開発全体の加速を測る仕組みは役割が異なる。前者は進行中の作業に問題がないかを確認するものであり、後者は複数世代にわたるモデルの能力向上がどれほど速くなったかを評価するものだ。エージェントの行動を適切に監視できているからといって、研究開発の加速まで正確に把握できているとは限らない。
再帰的自己改善への接近をどう検証するのか
Anthropicは、現在のClaudeが人間の有意義な監督や理解なしに、次世代フロンティアモデルを完全自律で安全に設計・構築できるとは考えていない。SEC提出書類では、AI研究開発の自動化が進む中でも人間による統制を維持するため、RSPの更新を検討していることも明らかにした。技術的に研究を自動化できることと、その研究を安全に任せられることを区別する立場だ。
今後、同社が研究開発能力の閾値に到達したと認定する場合、その判断を検証するには具体的な根拠が必要になる。AIの能力向上をどの期間で測定し、RSPが定める二つの比較基準とどう照合したのか。計算資源や人員の増加による効果と、研究開発の自動化による寄与をどのように切り分けたのか。こうした情報が公開されなければ、実際にAIによる研究開発の加速が基準を満たしたのか、外部から評価することは難しい。
第三者による検証体制も今後の焦点となる。Anthropicが10月19日に更新したFrontier Safety Roadmapでは、2026年12月15日を目標に、独立した第三者評価者をAI開発企業の内部に組み込むための政策提案を公表する計画が示されている。さらに2027年1月15日には、AI開発の速度そのものを対象とする政策枠組みの公表を目指している。いずれも現時点では目標であり、すでに導入が義務づけられた制度や、有効性が実証された仕組みではない。
こうした取り組みを評価する際には、第三者がどのモデルや内部データにアクセスできるのか、研究開発の加速を独立して検証できるのか、そして人間が必要に応じて開発を停止・変更できる条件が明確になっているかが重要となる。Anthropicが示した基準への接近は、AIによる研究開発の自動化が新たな段階に入りつつある可能性を示す一方、完全自律の再帰的自己改善が実現したことを意味しない。今後は、AIが研究開発をどれほど速められるかだけでなく、その加速を人間が適切な時点で把握し、検証・制御できるかが問われることになる。
