AI Fluency Indexとは — Claude対話11の行動指標で測る協働スキル
AI Fluency Indexとは、Anthropicが会話9,830件でAIとの協働11行動を数えた調査です。反復修正のある会話は行動が約2倍、成果物の会話では検証が減った結果と、読み方の注意点を解説します。
AI Fluency Indexとは、Anthropicが2026年2月23日に公開した教育レポートで、人がAIと協働するときの行動を会話ログから数えた調査です。AIが普及しても、人々が使いこなす力を身につけているかは分かりません。そこでClaude.ai上の会話9,830件から、11の行動の出現率を測りました。AIを使っているかどうかではなく、使い方の質を追うための最初のベースラインです。レポート本文はClaudeのアカデミーのページで読めます。
結論から言うと、数字は2つの傾向を示しました。会話を重ねる人ほどほかの行動も増えること。そして、成果物(アーティファクト)が出てくる会話では、指示は増えるのに検証が減ることです。
レポートの規模と主要な数字
分析した会話
9,830件
Claude.aiで複数回やり取りした会話
観測できた行動
11 / 24
4Dフレームワークの行動のうち会話で見えるもの
反復修正のある会話
85.7%
8,424件。ない会話は1,406件
成果物を伴う会話
12.3%
1,209件。ない会話は8,621件
11行動はどの枠組みから来たのか
11行動は、Rick Dakan教授とJoseph Feller教授がAnthropicと共同開発した「4D AI Fluency Framework」の24行動のうち、会話から直接見える部分です。このフレームワークは、安全で効果的な人間とAIの協働を24の行動で定義しています。
残る13行動は、AIの関与を正直に開示する、AI生成物を共有したときの影響を考える、といった画面の外の振る舞いです。レポートはこの13行動を「最も重要な側面の一部」と位置づけ、今後は質的な手法で調べるとしています。同じ4DフレームワークはClaude Reflectの振り返り機能でも使われています。会話ログで測る側と、本人の振り返りで扱う側の両方に使われている枠組みです。
過去の教育レポートでは、学生がレポート作成やラボ結果の分析に、教育者が授業教材づくりや定型業務の自動化にClaudeを使う傾向を示していました。調査設計と分析はKristen Swansonが主導し、Zoe LudwigとDrew Bentが枠組みとの整合や発信内容を確認しています。今回は利用の中身ではなく、AIとの向き合い方がどう育つかに焦点が移っています。
数え方と、数字を読むときの足場
分類は、プライバシー保護分析ツールで会話を「コードのデバッグ」「経済概念の説明」のような高レベルの要約にしてから行います。行動ごとに1つ、計11個の二値分類器を回し、Claude Sonnet 4が行動の有無を、Claude Haiku 3.5が言語を判定しました。分類器は行動ごとに独立して判定するため、1つの会話が複数の行動に該当することもあります。後述する1.33個は反復修正のない会話の平均で、2.67個はそこからの上乗せ分です。
対象は2026年1月20日〜26日の7日間です。挨拶・単語だけのやり取り・テストメッセージ・雑談は事前に除外されました。除外された会話から200件を人手で見ると、どれも流暢性の指標に該当せず、行動の順位には影響しないと判断されています。
ここでの数字は、会話の中に現れた行動の割合です。人の能力の高さを測った点数ではありません。
曜日と言語でのぶれも公表されています。
- 曜日: ほとんどの行動で1〜5ポイントの範囲。土曜は反復修正が81.4%で、平日のピーク87.9%より低い
- 言語: 英語・フランス語・スペイン語・中国語・日本語・ドイツ語の6言語で、多くの行動が3ポイント以内
土曜の低さは、気軽な利用と目的のある利用の違いを示唆するとされています。日本語の会話も6言語に含まれています。
曜日にも言語にも、構造的に意味のある偏りは見られませんでした。レポートはここから、測れた行動を、時期や曜日、言語・文化の違いによる見かけではなく、AIとの関わり方の一貫した習慣とみています。
反復修正のある会話は、ほかの行動も多い
レポートは、AIの流暢性を程度の問題として扱っています。多くの人にとって、使い方の技術はさらに伸ばせるという前提です。
最も強いパターンは、反復修正(iteration and refinement)とほかの全行動の関係です。最初の応答を受け入れて次の話題に移らず、前のやり取りを土台に成果物を磨く行動で、サンプルの85.7%に見られました。
反復修正のある会話は、ない会話より平均2.67個多く流暢性の行動を示します。ない会話の平均は1.33個で、おおよそ2倍です。差が特に大きいのはClaudeの出力を評価する行動で、推論に疑問を投げる行動は5.6倍、欠けている文脈を指摘する行動は4倍出やすくなっています。
レポート冒頭では、この傾向をAIを「思考のパートナー」として使う型と表現し、仕事を丸ごと任せる使い方との対比で語っています。
成果物が出ると、指示は増えて検証は減る
ここでの成果物は、コード・文書・対話型ツールなど、Claudeが作る出力を指します。アプリのように動くものも含まれます。
成果物の会話では、記述と委任に関わる行動が増えます。一方で、評価に関わる3つの行動はすべて減ります。
成果物を伴う会話と伴わない会話の差(ポイント)
増える
- 目標を明確にする: +14.7
- フォーマットを指定する: +14.5
- 例を示す: +13.4
- 反復する: +9.7
減る
- 欠けている文脈を指摘する: -5.2
- 事実確認をする: -3.7
- 推論の説明を求める: -3.1
作らせる作業は丁寧になるのに、出てきたものを疑う作業は薄くなる非対称です。
レポートは、複雑なタスクほどClaudeが苦戦するというEconomic Indexの知見を挙げ、このパターンを特に注目に値するとしています。最近のコーディングスキル研究でも関連する傾向が見られたとのことです。難しい仕事ほど検証が要ると考えるなら、検証の言葉が減っている点は気がかりな材料です。ただしレポートは、成果物の会話が複雑なタスクだとは述べていません。
理由についてAnthropicが挙げる仮説は3つです。
- 仕上がって見える成果物は、完成したものとして扱われやすい
- UIの設計のように、事実の正確さより見た目や機能が重視されるタスクが多い。法務分析のように正確さが問われる文書とは対照的です
- コードの実行、アプリの動作テスト、同僚への共有といった、会話の外での検証が観測できていない
レポートは3つを並べ、主因は1つに絞っていません。
AIが仕上がって見える出力を作る力を上げるほど、出力を批判的に評価する力の価値は下がるのでなく上がっていく、というのがレポートの見通しです。評価は、直接の会話でも、会話の外の手段でも構いません。
「検証が減った」をどう読むか
減少は、検証をしなくなったことを直接示すものではありません。測っているのは「会話の中で検証の言葉を口にしたか」であり、手元でコードを動かして確かめる人は、この指標では何もしていない人と区別がつきません。
自分の使い方に当てはめると、次のように分かれます。
| 成果物の使い道 | 指標上の見え方 | 確認の置き場所 |
|---|---|---|
| コード・アプリ | 指標上の見え方会話内の検証は少なく見える | 確認の置き場所実行・テストで確かめているなら実質的には評価済み |
| 社内文書・提案資料 | 指標上の見え方同上 | 確認の置き場所同僚への共有やレビューが確認の場になる |
| 事実や数字を含む文書 | 指標上の見え方事実確認の減少が誤りに直結する | 確認の置き場所会話の中でも外でも確認しないと、誤りが残る |
最下段のように、確認の場がどこにも無い使い方が、レポートの言う「評価の減少」で懸念される部分です。表の分け方は、レポートが挙げた仮説をもとにした整理で、Anthropicの分類ではありません。
3つの改善余地を、そのまま使える形にする
レポートは、データから見える改善余地を3つ挙げています。いずれも、依頼文と最初の応答への向き合い方に関わる内容です。
会話の型に落とす3つの動き
- 1
最初の応答を出発点にする
反復修正はすべての流暢性行動で最強の相関を持ちます。フォローアップの質問や、違和感のある部分への押し戻しを前提に始めます。
- 2
仕上がりが良いときに一度止まる
見た目が整った出力が出た瞬間に、正確か、抜けはないか、推論は妥当かを問います。成果物の会話で検証が減るという結果への対処です。
- 3
協働の条件を先に伝える
どう対話してほしいかを伝えた会話は全体の30%で、「前提が間違っていたら指摘して」「答えを出す前に推論過程を説明して」「不確かな点を教えて」のような指示が例に挙げられています。
3つはつながっています。1つ目が土台で、2つ目は成果物が出た場面、3つ目は会話の冒頭に当たります。
結果を一般化できない理由
サンプルは、2026年1月の1週間にClaude.aiで複数回やり取りしたユーザーです。AIの普及がまだ初期段階であることから、AIに慣れた早期採用層に偏る可能性があり、レポートは「普遍的な基準ではなく、この集団のベースライン」と位置づけています。データは1週間分なので、季節による変動や長期の変化も捉えられません。
ほかの制約は4つあります。
- 各行動は「あり / なし」の二値で、部分的とも言える実践や、行動どうしが重なるシグナルは拾えない
- 行動を頭の中で行い、会話に表さない人は数えられない(Claudeの主張を自分の知識と照らして確かめても、発言しなければ記録されない。成果物の結果で特に重要)
- 関係はいずれも相関で、反復修正が評価行動を生むのか、タスクの複雑さなどの共通要因なのかは区別できない
- 対象はClaude.aiのみで、ほかのAIプラットフォームでの使い方は含まれない。同じ傾向がほかでも出るかは、この数字からは言えない
こうした限界があっても、指標の狙いは変わりません。モデルが変わるにつれて、これらの行動がどう推移するかを追う土台を作ることです。
公式ページには、小さな食い違いも見えます。レポート冒頭では11行動を「Claude.aiまたはClaude Codeで直接観測できる」と書く一方、制限事項の節では「Claude.aiの会話で観測できる11」としています。分析対象はClaude.aiで、Claude Code(主にソフトウェア開発者が使うプラットフォーム)は予備分析でClaude.aiと整合的な傾向が見られた段階で、利用者層も機能も大きく違うため、本格的な調査が別に必要とされています。引用用のBibtexは公開日を2026-02-16と記し、URLも/news/配下ですが、ページ本文の公開日は2026年2月23日です。
Economic Indexとの関係と今後の計画
Economic Indexが、どんなタスクにどれだけAIが使われているかを追うのに対し、AI Fluency Indexは同じ会話データの別の面、つまり使い手がAIとどう向き合うかを見ます。インドのClaude利用のような地域別分析が使われ方の分布を測るのに対し、こちらは使い方の質そのものが対象で、補完関係にあります。
今後の計画は3つです。新規ユーザーと経験豊富なユーザーを比べるコホート分析(経験とともに行動が増えるのかを同じ指標で追えます)、観測できない13行動の質的調査、そして反復的な対話が批判的評価を本当に促すのかという因果の検証です。Claude Codeでの流暢性行動の調査も予定されています。
AIツールの設計側から読むと、1往復で完成形を渡すインターフェースは、便利さと引き換えに検証の機会を減らす恐れがあります。下書きの提示や確認質問を挟む設計が批判的な評価を引き出すかどうかは、レポートが今後の課題に挙げる因果の問いに当たります。
まとめ
自分のAI利用を見直すなら、成果物が出た直後に「確認はどこで行うか」を決めておくのが、レポートの結果に最も直結します。