AIがAIを作り始めた？Anthropicの最新データから読み解く「開発自動化」のリアル

これまで新しいAIモデルが登場するたびに、私たちは「人間が新世代のAIを作った」と捉えてきました。GPT-4やClaude 3を人間が開発し、次なるモデルも人間が作り出す――それが当たり前の前提だったわけです。

しかし、この前提が少しずつ、けれど確実に変わり始めています。「人間が作ったAIを使って、次のAIを作る。そしてそのAIがさらに次のAI開発を加速させる」。こうした循環が現実の開発現場でどこまで進んでいるのか、Anthropic（アンソロピック）社が興味深いレポートを公表しました。

テーマは「When AI builds itself（AIが自分自身を作るとき）」です。

今回は、同社が明かした内部データと一次資料の数値を取り上げながら、AI開発の現場で何が起きているのか、そしてそれが私たちの仕事やIT活用にどんな示唆を与えるのかについて、私なりの視点をお話ししたいと思います。

---

数値で見る Anthropic 内部の開発現場

Anthropicが公開した内部データ（2026年8月時点の測定データ等）には、かなり驚くべき数字が並んでいます。

• 本番コードの80%以上をClaude自身が記述: 2025年初頭のテスト段階では数%に過ぎなかった割合が、わずか1年あまりで80%を超えました。
• エンジニア1人あたりのコード出力行数は約8倍: 人間が1行ずつタイピングするのではなく、「このバグを調査・修正してほしい」「機能を実装してほしい」とClaudeへ指示を出し、人間はレビューや方向性の決定に専念する形へとシフトしています（※行数ベースの比較であり、実際の生産性向上倍率とは区別して注記されています）。
• 主要な研究・開発プラットフォーム1つで約3万体のAIエージェントが同時に動く: 1人の人間が数千〜万単位のエージェントに並列で調査や実験を走らせる環境が構築されています。
• 研究・開発作業の26%でAIが「主導」: 業務の関与尺度（関与なし/最小限/補助/共同/主導/完全自律の6段階）において、全体の90%以上で共同作業以上、26%では人間に代わってClaudeが高レベルの指示から作業全体をリードしています。

具体例として、ある大規模なAPIエラーの修正作業では、Claudeが800件以上の修正を自律的に行い、エラー率を1000分の1に削減したケースが紹介されています。担当エンジニアの試算では人間が手作業で行えば約4年かかる内容だったといい、地道で膨大な「誰もやりたがらない作業」をAIが消化した形です。

---

「99%の汗」が自動化されていくプロセス

プログラミングの域を超えて、さらに興味深いのは「研究・実験のループ」そのものにAIが入り込んでいる点です。

トーマス・エジソンの有名な言葉に「天才とは1%のひらめきと99%の汗である」というものがあります。AIの研究開発においても、モデルの着想という「ひらめき」以外の大部分は、泥臭い実験、原因特定、コード書き換え、結果の比較といった「99%の汗」で占められています。

Anthropicのテスト課題（小規模なモデル訓練コードの高速化）において、Claudeは自らコードを書き換え、実行し、タイムを計測し、さらに改善を重ねる実験ループを回しました。人間の熟練研究者が数時間かけて約4倍の高速化を達成する環境下で、AIモデルは改善を重ねてテスト課題において数十倍単位（最大52倍）の高速化を記録したと報告されています（※実際の大型訓練全体が同等に加速したわけではないとの注記付きです）。

また、研究者が途中で判断を誤った129件の分岐点を抽出し、「次に何を試すべきか」をClaudeに判断させたところ、過半数のケースで人間よりも適切なアプローチを提案できたというデータも示されています。

かつては「仮説を立て、次に何を実験すべきか判断する『研究者の勘』こそが人間の最後の領域だ」と考えられていました。しかし、その領域すらもAIエージェントが並列で試行錯誤を繰り返し、補完しつつあります。

---

「再帰的自己改善」は突然起こるのではなく、工程がひとつずつ消えていく

「AIが自分で自分を改良し、爆発的に進化する（再帰的自己改善）」と聞くと、多くの人は「ある日突然スイッチが入り、世界が一変する」ようなSF的な展開を想像しがちです。

しかし、現実のデータを追っていくと、その変化ははるかに静かで、「人間が手でやっていた工程がひとつずつ消えていくグラデーション」として進んでいます。

1. 人間がコードを書く ➔ AIがコードを書く
2. 人間が実験・検証する ➔ AIが実験・検証する
3. 人間が結果を分析する ➔ AIが結果を分析する
4. 人間がコードをレビューする ➔ 生成速度に追いつかず、別のAIが一次レビューを行う

このように、輪（ループ）の中から人間の手作業がひとつずつ抜け、自動化の輪が閉じられていく。Anthropicが提示した未来図の最後にある「Closing the loop（ループを閉じる）」とは、一瞬の奇跡ではなく、地道な工程の自動化が積み重なった結果なのだと感じます。

もちろん、現時点では電力や半導体、通信帯域といった物理的な制限が存在しますし、AI自身の評価・判断が完璧というわけではありません（今回のデータもAnthropic自社内での測定に基づくものです）。

ですが、1人の人間が何千、何万というAIエージェントを動かし、泥臭い実験や業務を並列で処理できる時代が、すぐ目の前まで来ていることは間違いありません。

---

中小企業の現場におけるIT・AI活用の示唆

こうした最先端のAI開発の話は、一見すると地方の中小企業や身近なビジネスとは無縁に思えるかもしれません。しかし、本質はまったく同じです。

AI導入を考える際、「何でも勝手にやってくれる夢のツール」を期待すると失敗しがちです。そうではなく、自社の業務プロセスを細かく分解し、「泥臭い手作業（99%の汗）」の工程をひとつずつAIやITツールに置き換えていく視点こそが重要なのです。

• 日々の問い合わせ対応やデータ入力
• 過去の資料の読み込みと整理
• 業務システムのコード作成や修正作業
• 現場で起きているエラーや不具合の原因特定

大企業のような数万体のエージェントでなくても、社内の小さな業務工程を1つ自動化するだけで、現場の負担は劇的に減ります。「どの工程から手を付けるべきか」「どこに自動化のボトルネックがあるか」を見極めることこそが、これからの経営者や現場リーダーに求められる役割だと感じています。

CloudLabは京都・亀岡を拠点に、中小企業のIT活用・AI導入・ホームページ制作を支援しています。お気軽にご相談ください。