Claude利用実態を外部研究へ開放、会話25万件をStanford・Oxford・METRに提供

Anthropicは2026年春、外部の研究機関3つに匿名化したClaude利用データへのアクセスを提供しました。対象は2026年4〜5月のClaude.aiとClaude Codeの会話です。各機関の初期結果は2026年8月26日に公表されました。AI企業が自社の利用データで外部研究者に独立した研究を公表させたのは今回が初めてだと、Anthropicは説明しています。

数字

今回のパイロットの規模

• 分析した会話

  約25万件

  各機関の研究ごとの規模

• 外部研究機関

  3機関

  Stanford・Oxford・METR

• 修正・削除の割合

  5%未満

  安全策の回避方法に当たるカテゴリーと会話

外部研究者にClaude利用データを開いた理由

AI利用の実データは、これまでAnthropicのような開発企業の内部に集中していました。外部の研究者が使える選択肢は2つしかありません。

1つはEconomic Indexのように企業が公表する分析を参照する方法です。実際の利用を反映する反面、その企業自身の問いに答える内容になりがちです。もう1つは公開データセットで、誰でも自由に分析できます。ただしカジュアルな利用に偏り、AIの実際の使われ方を映しているとは限りません。どちらも、独立した検証の材料としては不十分でした。

そこで今回のパイロットでは、3つの外部研究機関に「Anthropic Insights」(旧称Clio)へのアクセスが提供されました。Anthropic Insightsは、社内チームが数百万件規模の会話から利用パターンを分析するために使っているプライバシー保護分析ツールです。研究課題は研究チームが設計し、データ収集はAnthropicが代行し、分析と公表は各機関が独立して行っています。

研究者は会話を読めないまま、どうカテゴリーを得るのか

研究者が会話の中身を直接読むことはありません。やり取りは次の流れで進みます。

手順

質問文から集計結果が届くまで

1. 1

   研究者が質問文を書く

   「この人はどんな種類の助言を求めているか」のような質問を、研究者が用意します。

2. 2

   Claudeが全会話に質問を適用する

   対象のすべての会話について、Claudeが質問への答えを出します。

3. 3

   答えがカテゴリーにまとまる

   似た答えが集計され、カテゴリーごとの会話の割合が算出されます。

4. 4

   研究者に届くのは集計結果だけ

   研究者が見るのは最終的なカテゴリーとその割合です。Anthropicの社内向けと同じ法務・プライバシー審査を通った出力だけが渡されます。

分類の担い手がClaude自身なので、質問の立て方が結果を左右します。質問を分けて別々に答えさせる手法の研究は、分解プロンプトで信頼性が上がる理由で扱っています。

契約上の関与も絞られています。Anthropicがレビューできるのは、利用者のプライバシー、利用規約違反を助長しうる情報、Anthropicの機密情報、研究の正確性の4点だけです。それ以外の分析内容に口は出せず、結果がAnthropicにとって都合が悪くても研究者はそのまま公表できます。

匿名化が守られているかは、第三者機関のImperial College Londonが、共有したすべてのデータを対象に別途プライバシー監査をしました。公開データセットの説明には、監査側が利用者の再特定を試みたが成功しなかったと書かれています。

分類カテゴリーの一部には、禁止行為の相談など利用規約違反が現れます。「何が試みられたか」は原則そのまま共有され、「どうやって安全策を回避したか」に当たるカテゴリーだけが修正・削除されました。どこを変えたかは研究者に個別に説明されています。規約違反が検出された集計データは、社内のSafeguardsチームにも回ってレビューを受けます。標準の運用です。クラスターの名前と説明は、共有の前にAnthropicのスタッフが1件ずつ手作業で確認しています。

Stanfordチームは人間とAIの共同作業をどう見たか

Stanford大学のSocial and Language Technologies(SALT)Labは、人がどんな作業をAIに持ち込み、その作業のどの役割を自分の手元に残すかを調べました。共同作業がどこで行き詰まるかも対象です。

これまでの研究では、人は責任の軽いタスクをAIに任せ、やり直しが利かない重要な作業は自分でやると指摘されてきました。ところがSALT Labの分析では、Claudeとの会話の半数以上に、他者に影響する、やり直しが利かないといった「結果の重い」作業が含まれていました。とくに法律・金融の専門的な助言を求める場面で目立ちます。同じ相談の領域はClaudeに相談やアドバイスを求める人はどれくらいいるかでも分析されています。

会話のおよそ4分の3では、人が方向性を決め、Claudeが補助する形でした。出力をそのまま使わず、手を入れる人が多数です。一方で、人が出力からどれだけ理解し、学んでいるかには個人差があります。

摩擦も起きますが、SALT Labは多くの場合それが生産的に働くと見ています。Claudeの試行を眺め、要求のどこが曖昧だったかに気づいて指示を練り直す過程が、結果の質を上げるという見立てです。

Oxfordチームが見つけた感情とAI挙動の関係

オックスフォード大学のHuman Information Processing Labは、Claudeを使っているときの人の感情と、Claudeの挙動との関係を調べています。初期の分析では、Claudeとユーザーの振る舞いが対になって会話に現れました。

もう1つの発見は、没入・苛立ち・楽しさといった心理状態の並び方が、日常のインターネット閲覧を扱った別の研究とよく似ていたことです。AIとのやり取りは、他のデジタル活動での関わり方と共通点がある可能性があります。

METRはコーディングエージェントの生産性をどう測ったか

AIモデルの評価を手がける非営利団体METRは、Claude Codeの会話を使って、コーディングエージェントによる実務上の生産性向上が、モデルの世代でどう変わるかを調べています。

暫定結果では、新しいモデルほど時間の節約が大きい傾向が出ました。METRの手法は、Claude自身に「AIなしならこのタスクにどれくらいかかったか」を推測させ、実際にかかった時間と比べるものです。旧モデルと新モデルでこの比較を並べて、世代差を見ています。

推測の妥当性は、既知の開発者調査の完了時間と突き合わせて検証されました。Claudeの推測は実際の所要時間と相関しており、所要時間の推定はそれなりに使える指標のようです。次の焦点は、AIが研究者自身の作業をどれだけ加速するかです。AI自身の開発をAIが担う場面が増えるほど重要になる、とAnthropicは書いています。METRの分析は継続中です。

質問文の書き方が結果を左右する

Anthropicにとってこのパイロットは、外部研究者に自社データを触らせながら、利用者のプライバシーと研究者の独立性を両立できるかを試す実験でした。研究者が生の会話に一度も触れない設計は機能しました。一方で、AI企業の通常の研究スピードからすると遅く、運営にも手間がかかりました。規模を広げるうえでの課題です。

もう1つの学びは、同じ問題を別の視点で追う価値です。METRの研究提案は、Anthropic社内の経済学チームが進めていた「Agentic coding and persistent returns to expertise」と重なっていました。重なりのおかげで、外部の研究者が似たデータを調べ、自分の結論を出せたといいます。両者を引き合わせた結果、双方の研究が改善しました。

技術面の課題の1つが質問文の精度でした。

くらべる

質問文の磨き方は、社内と外部で違う

何週間も反復

社内チーム

何週間もかけて質問文を何度も調整し、カテゴリー分けの精度を上げます。

事前確認は公開データ

外部の研究者

共有のたびにプライバシー審査が入るので、同じ反復はできません。代わりに公開データセットのWildChatで質問文を試し、会話と答えを自分で突き合わせました。

WildChatはカジュアルで創作寄りの利用に偏っています。そこでうまく動いた質問文が、実際のClaudeの会話に当てると、実態を取り違えたカテゴリーに分けた例が出ました。解釈のガイダンス文書を用意してこの差に対処しています。外部研究者が質問文を事前に磨く方法は、今後の課題として残っています。

公開データを使うときの偏りと使い方

各プロジェクトの集計データは、Hugging Faceでライセンスがクリエイティブ・コモンズ表示4.0(CC BY 4.0)のもと公開されています。Stanford・Oxford・METRの3つに加え、新しいサンプルで集計の最小件数を厳しくしたMETRの追跡調査のデータが1つ付きます。元の会話や利用者・組織の識別子は含まれません。

各行は、研究者の質問に似た答えを返した会話のまとまり(クラスター)です。会話数、全体に占める割合と95%信頼区間、組織数が載り、ほかの質問との掛け合わせの列も並びます。計算されなかった組み合わせと、プライバシーの閾値を下回った組み合わせは空欄です。

読む前に押さえたい制約は、データセットの説明に3つ書かれています。

まとめ

公開データを読む前に

• 対象の偏り

  サンプルはFree・Pro・Maxの利用だけです。Team・Enterprise・APIのデータは含まれず、利用者全体を代表しません。Claude Codeの会話は、モデル改善へのデータ利用に同意した個人ユーザーに限られます。

• ラベルはClaudeの解釈

  クラスター名と説明はClaudeが生成した解釈です。元システムの検証では、会話の約3%が割り当て先のクラスターでは明確に説明できませんでした。精度の数字は会話の話題を問う質問で測ったもので、モデルの挙動や感情の判定には当てはまりません。安全策が止めた試みと成功した試みはデータから区別できず、有害な依頼を述べるクラスターは、Claudeが返した内容ではなく利用者の依頼を映していることが多くなります。Oxfordの出力からは、質問文の不備が疑われた質問が1つ丸ごと外されています。

• 一回きりの断面

  2026年4〜5月の固定期間を切り取った一回限りのサンプルで、経年の変化は読み取れません。

この開放はAI利用実態の研究をどう変えるか

これまで公開されてきたAI利用データの多くは、Economic Indexのように、Anthropic自身が発表する集計や調査でした。今回目新しいのは、実際の会話を土台に、研究課題の設計から結果の公表判断までを外部の研究チームに委ねた点です。3チームの結果には、Anthropic自身なら立てなかった問いが表れています。

ただし規模は小さく、参加は3機関です。METRの分析がClaude Codeに偏り、Oxfordの報告が未完である点、サンプルがFree・Pro・Maxに限られる点を考えると、結果をAI利用全体の実態として一般化するのは早計です。Economic Index connectorのような既存のデータ公開と並べると、AI企業が利用データをどこまで外に開くかという流れの中の一歩です。社会科学者へのコーディングエージェント調査のように、Anthropicが主導する調査と外部の独立した調査は、互いを補う関係にあります。

Anthropicは、まずゆっくり始めてプライバシー・安全・研究の質を守ると書いています。拡大できるかどうかは、支援できる研究の種類と同時に回せる件数の両方で決まります。

よくある質問

各チームの論文は読めますか

Stanfordの報告は、alphaXivに載っています。OxfordとMETRは執筆中で、公開されたらAnthropicの記事とデータセットのページにリンクが足されます。

今後このプログラムに参加できますか

関心表明フォームが用意されています。Anthropic Insightsへのアクセスがあれば、今はできない研究を進められる研究者に向けたものです。審査基準や次回募集の時期は、Anthropicの発表記事には書かれていません。

まとめ

このデータを引用するときは、「2026年4〜5月のFree・Pro・Maxの会話に対するClaudeの解釈」と対象と時期を添えて書くと、読み違えを防げます。会話に触れさせずに独立性を保つ設計は成り立った一方、運営の重さは拡大の課題として、質問文の事前検証は今後の課題として残りました。