Anthropic調査:社会科学者のコーディングエージェント常用率は20%、ワーキングペーパーは75%増

Anthropicは2026年5月27日、量的社会科学者1,260人を対象にコーディングエージェントの利用実態を調べた研究「Coding agents in the social sciences」を公開しました。執筆者はThomas Lyttelton氏、Maxim Massenkoff氏、Nathan Wilmers氏の3名です。AIチャットボットを研究に使ったことのある人は81%に上る一方、Claude CodeやCodexのようなコーディングエージェントを週1回超使う人は20%にとどまりました。しかも、その20%は男性的な名前の研究者・若手・上位校に偏っています。

数字

調査の全体像

• AIを研究に使った経験

  81%

  チャットボットを含む

• コーディングエージェントを週1回超

  20%

  コマンドライン統合型

• その利用者のうちClaude Code

  86%

  Codexは31%

• ワーキングペーパー投稿

  最大75%増

  ジャーナル投稿は有意差なし

同じ分野・同じキャリア段階の研究者と比べた生産性の差は、研究の上流にだけ現れました。ただし著者らは、この差を因果として読まないよう明記しています。

なぜコーディングエージェントを別に測ったのか

AIチャットボットは、最も権威ある学術誌の論文や社会科学の研究にも関わるようになりました。生産性が上がるという期待がある一方で、査読の過負荷や、質の低いAI生成論文の氾濫を恐れる声もあります。ただしチャットボットは、これまで主に文章の手直しに使われてきました。ターンごとに人が指示を出す道具だからです。コーディングエージェントはもう少し先まで動きます。研究のアイデアとデータセットを渡すと、分析コードを書いて実行し、出力を解釈して、自分で繰り返し直します。実証研究のうち人間にしかできないとされてきた手順が、初めて自動化できる範囲に入った、というのが著者らの見立てです。

極端な例では、コンピューターサイエンスの研究を自動化するマルチエージェントの仕組みや、社会科学の研究アイデアを自律的に実行する仕組みも作られています。研究を速く安く回せれば、探索はより大胆になりえます。その反面、研究資源の差を広げたり、学術記録を混雑させたりする恐れもあります。AIが分析の選択を担うほど、AI特有の選び方が私たちの経済や社会への理解に刻まれるという指摘もあります。参考文献には、Wilmers氏らのプレプリント「The Paper Factory」も挙がっています。

今回の調査は、この変化を追う大きな研究の第1回目にあたります。誰が、何のために使い、成果にどんな差があり、研究者自身は普及をどう見ているかを調べています。

調査の枠組み:Claude Maxの提供を条件に募った自己選択サンプル

調査対象は、Claude Maxアカウントの提供を伴う研究への参加として、メールで募った量的社会科学者です。代表性のあるランダムサンプルではなく、AIツールに関心のある層が多く集まりうる、と著者らは冒頭で述べています。ただし、より一般的な招待に答えた以前の標本と回答者の属性は近い、とも付記されています。調査は研究者のワークフローとAI利用を調べる研究として募られたため、回答者は非回答者より利用が多く、LLMにも楽観的だろうと著者らは見ています。

分野は経済学・政治学・社会学がそれぞれ約2割で、経営科学と心理学が続き、公衆衛生・教育・コミュニケーションは少数です。キャリア段階は正教授・准教授が約40%、助教が25%、博士課程が約30%でした。

AI全般の利用率は、研究の進め方を助けるために生成AIモデルを以前使ったことがあるか、という質問への「はい」が81%です。コーディングエージェントの利用率は、次の質問への回答と、続く確認質問で決まります。

コマンドラインに統合されたAIコーディングアシスタント(Codex、Cursor、Claude Codeなど)を、定期的(週1回超)に使っていますか?

確認質問で、Claude Code・Codex・Cursor・Google Antigravityのいずれかを使っていることを確かめています。調査はClaude Coworkの公開から1か月後、OpenAIのCodexアプリの公開前に始まりました。そのため設問はコマンドライン型のツールに絞られ、汎用のデスクトップアプリ経由だけでエージェントを使う人は20%に入りません。コーディングエージェントの利用者は、Claude Codeを86%、Codexを31%が挙げています(複数回答)。

調査は2026年2月末から3月で、12月下旬にClaude CodeとOpus 4.6が話題になってから約2か月後にあたります。その時期に、AIへの関心が強い層が集まった標本でも、エージェントを仕事に組み込んだのは5人に1人でした。

20%の内側で何が起きているか:利用率の格差

チャットボット利用は81%に広がった一方で、週1回超のエージェント利用は20%です。差は、分野・キャリア・名前・所属で大きく開きます。

くらべる

利用率が高い層と低い層

早く入った人

高い層

経済学者が39%、政治学者が25%です。博士課程とポスドクは週1回以上の利用が4分の1を少し超えます。上位25校(Nature Indexの主要機関)の研究者は、他の研究者より利用率が40%高くなります。

まだ入っていない人

低い層

公衆衛生は6%、教育は4%、コミュニケーションは6%です。テニュアを持つ教授の利用率は、若手の半分に満たない水準まで下がります。

性別は、回答者の名前を分類して推定しています。男性的な名前の研究者は、女性的な名前の研究者の2倍を超える率で採用しています。性別そのものを尋ねた結果ではない点に注意が要ります。大学の面では、上位校のほかに私立大学でも利用が目立って高くなります。上位校はNature Indexの主要機関で定義されています。

この性別の差は、AIを試したかどうかの差だけでは説明できません。AIを研究に使ったことのある人に絞ると、定期利用の差はむしろ少し広がります。同じ分野・同じキャリア段階の中で比べても、差は残りました。報告されたグループ間の差はすべてp < 0.05で有意です。キャリア段階・性別・大学の属性ごとに、AI全般の利用とエージェントの利用を左右に並べて比べた図が、その根拠です。しかもこれらの差は、AI全般の利用の差より大きく開いています。著者らは、少なくともエージェント採用の初期には、格差がより大きいと読んでいます。

キャリア段階別の図には、AIを研究に使った人の割合と、エージェントを定期的に使う人の割合が並べて描かれています。後者は初期キャリアで最も高くなります。分野の傾斜は、AI全般の利用率の分野差とおおむね並びます。ただし、エージェントの採用のほうが平均で急な傾斜です。著者らはこの時期の採用を、若手ほど技術に明るく、コードやデータを直接扱い、成果を出す圧力も強いことと結びつけています。

使い方の中身:コード生成が中心で、散文の起草は少数

AIの利用者(エージェント利用者もチャットボットだけの人も)に研究での使い道を尋ねたところ、最も多いのはコード生成でした。エージェント利用者の97%、それ以外のAI利用者の77%が、定量データの分析コードを書かせています。続くのが文章の編集、統計手法の相談、先行研究の背景調べです。

AIで散文を起草した経験があるのは、AI利用者全体の3分の1にすぎません。AIに本文を書かせることに議論が集まりがちですが、実際の使い道はコードと編集が先に立っています。散文の起草が一般的なのは、経済学者と経営学の研究者に限られます。この傾向は、分野を分けて見てもおおむね変わりません。調査の図では、エージェント利用者とチャットボットだけの人に分けた集計と、分野別の集計が並べて示されています。議論は幻覚入りの文献レビュー、定型的な導入文、論文の完全自動化といった執筆の話題に集まってきました。設問は研究での用途に限り、複数回答が可能です。

同じ「コードが先」という傾向は、Anthropic自社エンジニア132人の生産性調査のようにソフトウェア開発の現場を対象にした調査とも向きが合います。ただし、こちらは研究者の自己申告にもとづく使い道の割合で、作業時間の配分ではありません。

生産性のシグナル:上流で先行し、ジャーナル投稿は動かない

比較の対象は、直近6か月の自己申告の成果です。統制変数はキャリア段階・分野・回答した週で、利用者と非利用者を同じ条件に近づけて比べています。ワーキングペーパーの公開、ジャーナル投稿、再投稿は互いに重ならない区分で、統計的に有意な差には図中で星印が付き、誤差は95%信頼区間で示されています。対象は、プロジェクトの着手から論文の投稿までの各段階です。

くらべる

差が出た段階と出なかった段階

研究の上流

差が出た

新規プロジェクトの着手は約10%多く、およそ0.25本ぶんの差です。ワーキングペーパーの公開は約75%多く、およそ0.5本ぶんの差です。助成金の申請も多く、学会投稿も多い可能性があります。

ジャーナルの下流

差が出なかった

ジャーナルへの新規投稿と再投稿に、有意差は見られません。

下流に差が出ない理由として、著者らは2つを挙げています。1つは時間です。エージェントの利用が最近の現象なので、論文が投稿に届くまでの期間がまだ経っていない可能性があります。もう1つは、エージェントが「プロジェクトを立ち上げる」ことには役立っても、論文を投稿水準まで磨く最後の工程には役立ちにくい可能性です。

重要なのは、この比較が記述的なことです。著者らは、回答者が研究目的の調査に応じた人なので、非回答者よりAIを多く使い、LLMにも楽観的だろうと述べています。エージェントを選んで使う人と使わない人は、観測できない点でも違います。早く採用した人が、もともと生産性の高い研究者だっただけかもしれません。ワーキングペーパーや助成金の申請が増えた理由が、ツールにあるのか人にあるのかは、この調査では切り分けられません。比べているのは本数だけで、研究の質には触れていません。

AIへの期待:自分の論文には楽観、分野全体には慎重

論文の生産性に対するAIの影響を10点満点で尋ねると、88%が5点を超え、半数が8点以上をつけました。質問は2つで、論文を書くうえでAIは社会科学者の生産性を下げるか上げるか、AIは社会科学を悪くするか良くするか、をそれぞれ10点のスライダーで尋ねています。AIを使う作業の種類が多い人ほど、またエージェント利用者ほど、評価は高くなります。回答者は関心の強い層なので、ある程度の楽観は不思議ではありません。

一方で、「AIは社会科学を良くするか悪くするか」という分野全体への評価は、これより低めです。回答者の70%は、論文の生産性への期待より分野全体への期待のほうが低く、逆の人はわずかで、分野全体のほうを悲観的に見る人が多数でした。著者らは、論文が増えて注目の奪い合いが起きる混雑と、選択的な報告やリスクを避けた小粒な研究のような既存の問題をAIが悪化させる懸念が、背景にあるかもしれないと述べています。

他のAnthropic調査との位置関係

2026年4月に公開されたClaudeユーザー8万人の自由記述調査は、Claudeの利用者全般を対象に、AIの経済的な影響と仕事への見方を扱いました。今回は研究者という一つの職業に絞り、チャットボットとコーディングエージェントを分けて測った点が違います。同じ4月には、ランダムに選んだClaudeユーザーへ毎月質問するEconomic Index Surveyの月次運用開始も発表されています。今回の調査は招待制のメール調査で、こちらの月次調査とは標本の作り方が違います。

約3週間後の2026年6月16日には、共著者のMassenkoff氏が加わるEconomic Researchチームが、約40万件のClaude Codeセッションを分析したClaude Code 40万セッション分析を公開しました。そちらは実際のセッションでの成功率を扱い、本調査は誰が使っているかを扱います。

続報で何が変わるか

調査は、研究生産性へのコーディングエージェントの効果を調べる長期の研究の、基準となる回です(ベースライン調査)。第1回の目的は、誰が何のために使い、成果がどう違い、普及をどう見ているかを押さえることでした。その研究にはClaude Codeへのアクセスをランダムに提供する実験が含まれ、結果は後日公表される予定です。実験が出れば、早く採用した人がもともと生産性の高い人だったのか、エージェントが生産性を上げたのかを切り分けられます。成果の質や内容の違いも、今後の報告で比べるとされています。比較の相手は、利用者と条件の揃ったきれいな比較群になります。

著者らは、エージェントの採用がAI全般の利用より偏って広がっている点を、現時点の特徴として挙げています。Claude Codeの導入支援を若手に先に届けるか、増えるワーキングペーパーを査読が受け止められるかは、研究機関が向き合う論点になりえます。著者らは、経済や政治を研究する方法が、AIコーディングエージェントが分析上の判断の一部を担う形へ移りつつあるとみています。この種の自動化の可能性とリスクについて、追加の証拠を報告に重ねていく予定です。分野別の利用率(経済学39%に対して公衆衛生6%)は、自分の分野がどこにいるかを測る物差しとして使えます。