Claude利用の国別格差 — Economic Indexの地理データを読む
AnthropicのEconomic Index第3弾は初めて国・州単位の地理データを扱いました。所得とClaude利用の相関、米国内の州別偏り、自動化優勢への転換までをまとめます。
Economic Index第3弾で地理データが初登場
Anthropicは2025年9月15日、Anthropic Economic Index(AEI)の第3弾レポート「Tracking AI's role in the US and global economy」を公開しました。2024年12月〜2025年1月と2025年2〜3月の過去2回のデータと比べながら、国単位・米国州単位の地理データを初めて扱っています(この枠組みは後の第4弾でEconomic Index Primitivesとはという共通指標へ発展します)。
もう一つの初物がAnthropicの一次(1P)APIトラフィックです。API利用者は主に企業・開発者で、トークン単位の従量課金を払い、自分のプログラムからリクエストを送ります。月額定額のClaude.aiとは行動が異なるため、両者を並べて比較できます。
国別利用 — 米国が圧倒、次点はインド
Claude.aiの世界トラフィックのシェアは、米国が他国を大きく引き離して1位です。2位のインドに、ブラジル・日本・韓国が似たシェアで続きます。
ただし国ごとの人口規模には大きな差があります。そこでAnthropicは、各国のシェアを世界の生産年齢人口に占める割合で割った指標「Anthropic AI Usage Index(AUI)」を作りました。AUIが1.0を上回れば、人口比から予想される以上に使われているという意味です。1.0未満なら逆になります。イスラエルやシンガポールのような技術的に発達した小国が、AUIの上位に入りました。
用途の偏りも国ごとに出ています。ブラジルのユーザーは、翻訳・語学学習にClaudeを使う頻度が世界平均のおよそ6倍です。ハワイの観光関連タスクは全米の2倍、マサチューセッツは科学研究、インドはWebアプリ開発が目立ちます。
これらは各地で最も多い用途という意味ではありません。ソフトウェア開発は、ほぼすべての州と国で依然として最多です。偏りが示すのは、その地域が他より多く頼んでいる用途のほうで、地域の経済構造がそのまま表れています。
所得とAUIの強い相関
AUIと1人あたりGDPの間には明確な相関があります。1人あたりGDPが1%高いと、AUIはおよそ0.7%高くなります。利用の多い国は、インターネット接続が整い、製造業よりも知識労働に寄った経済である傾向があります。
米国の州どうしで比べると、傾きはさらに急です。
所得が1%高いとAUIはどれだけ高いか
国家間の比較
約0.7%
所得の差でAUIの差をより説明できる
米国の州間の比較
約1.8%
傾きは急だが、ばらつきが大きい
最もAUIが高い地域
DC 3.82
米国内の首位
州間では所得の説明力が国家間より弱く、同じ所得でも利用量にばらつきが出ます。所得以外の要因が、国家間より大きな役割を担っているということです。
米国州別の偏り — 利用が最も多い州はコーディング中心ではない
所得で説明しきれない差について、Anthropicは州ごとの経済の構成が効いているという見立てを示しています。Anthropic自身が「最善の推測」と書いている仮説です。
首位のワシントンD.C.では、文書編集や情報検索のような知識労働系のタスクが突出しています。3位のカリフォルニアはコーディング関連、4位のニューヨークは金融関連が目立ちます。AUIが低めのハワイでも、観光関連タスクの比率が全米の2倍です。ハワイのように使用量が少なめの州でも、利用内容は地元の産業とよく対応しています。州ごとの細かい統計は、公開されている対話型サイトで引けます。
意外なのは、利用が最も多い州ほどコーディングが優勢なわけではない点です。コーディングが目立つカリフォルニアは首位ではなく3位です。IT集積地ほど利用が多いという素朴な予想とは、ずれる結果です。
2位のユタ州には注記があります。利用の一部に組織的な不正利用を示す指標が見つかり、ユタの「directive」な自動化スコアが平均より大幅に高いのもそのためです。堅牢性チェックの結果、この活動が全体の結果を左右してはいないと判断されています。
タスク構成の変化 — 知識集約分野が伸びる
2024年12月から9か月のあいだ、コンピューター・数学系タスクは会話全体の37〜40%で最大勢力を保ちました。ただし中身は動いています。
9か月で動いたタスクの会話シェア
教育指導
9% → 13%
4割以上の増加
物理・社会科学
6% → 8%
3分の1の増加
経営管理
5% → 3%
シェアは低下
ビジネス・財務業務
6% → 3%
シェアは半減
減ったのはシェアであり、会話の絶対数は増えています。知識集約的な分野が伸びる一方で、従来型のビジネス業務の相対頻度が下がった形です。
国別では、1人あたりGDPが高いほどコンピューター・数学系の比率が下がり、教育・芸術デザイン・事務サポート・物理社会科学へ利用が分散します。傾向はばらつきを含みますが、ソフトウェア開発は追跡しているすべての国で最も多い用途のままです。米国でも似た傾向ですが、サンプル数の制約から、採用率ごとのタスク構成の違いまでは細かく調べられていません。
自動化と協働の逆転 — directiveな利用が急増
AEIは会話パターンを2系統に分けます。AIが人間の入力を最小限にして成果物を作るのが自動化(automation)、人間とAIが一緒に進めるのが協働(augmentation)です。
自動化の内訳は、人間の関与が最小限のdirectiveと、人間が実世界の結果をモデルに返すfeedback loopです。協働は、情報や説明を求めるlearning、共同作業のtask iteration、フィードバックを求めるvalidationに分かれます。
2024年12月からの変化で目立つのは、directiveな会話が27%から39%へ急上昇したことです。learning・task iteration・feedback loopはその分わずかに下がりました。この結果、Claude.ai全体で自動化(49.1%)が協働(47%)を初めて上回りました。
Anthropicは、AIがユーザーの信頼を急速に得ている兆候と読んでいます。モデル性能の向上で、1回目の出力をそのまま信頼しやすくなったという説明です。2024年12月のデータ収集時点の最新モデルはClaude Sonnet 3.6でした。
国別には逆向きの相関も出ています。人口あたり利用が多い国ほど協働寄りで、利用の少ない国のほうが自動化を好みます。タスクの構成を揃えて比べても、人口比利用が1%増えると自動化の比率はおよそ3%下がります。
報告書でも「意外にも」と書かれた結果です。理由はまだ特定されていません。各国の早期採用者のほうが自動化に抵抗が少ないのか、文化・経済的な要因なのかは今後の課題とされています。
API利用者は圧倒的に自動化へ傾く
1P APIの分析は、2025年8月の100万件のトランスクリプトが対象です。1P APIの利用の約半分にあたる顧客群から無作為に抽出しています。
Claude.aiとAPIの使われ方の差
Claude.ai
コンピューター・数学系のタスクが36%で、教育関連が12%、芸術・エンターテインメントが8%です。自動化と協働の比率はほぼ半々に収まっています。
API
コンピューター・数学系が44%に上り、教育関連は4%、芸術・エンターテインメントは5%です。会話の77%が自動化で、その大半がdirectiveです。協働は12%にとどまります。
APIトラフィックの約5%は、AIシステムの開発と評価そのものに向けたものです。企業ではAIに任せる範囲がすでに広く、労働市場に大きな影響が及びうると指摘されています。過去のタスク自動化は、大きな経済の転換と生産性の向上を伴ってきたためです。
もう一つの調査が、タスクのコストと利用頻度の関係です。ここでいうコストの差は、タスクが消費するトークン数の違いから生じます。API課金は消費トークン数で決まるので、コストの高いタスク分類ほど利用が多いという正の相関が見えました。企業は処理の安さよりも、モデルの能力と生み出す価値を重く見ているという解釈です。
分類手法の補足 — O*NETだけに頼らない分類
AEIは会話を、プライバシーを保つ分類手法で匿名化したトランスクリプトから、O*NET(米国政府が運営する職業・タスクの分類データベース)のタスク群に仕分けています。第3弾ではこれに「ボトムアップ分類」を併用しました。
ボトムアップ分類では、Claude自身が独自の分類軸で会話を仕分けます。O*NETのカテゴリでは拾いきれない使われ方の抜けを補うための仕組みです。
生データが公開され誰でも再分析できる
第3弾のデータセットは、地理データ、タスク単位の利用パターン、タスクごとの自動化と協働の内訳、API利用の概要を含みます。過去のレポートのデータとあわせて、AEIのサイトからダウンロードできます。
同じサイトには、全米の州と追跡中のすべての職業についてClaude.aiの利用傾向を探れる対話型の画面もあります。自分の住む州や、近い職種の使われ方を調べたい読者向けです。後続のカントリーブリーフやEconomic Index connectorのような対話型ツールも、同じ公開の方針の延長にあります。
データを自分の状況に当てはめるときは、見たい単位で指標が変わります。国どうしの比較ならAUIが基準で、利用シェアの順位だけを見ると人口の多い国が有利になります。州の比較は、州の産業構成と合わせて読むのが前提です。API利用の数字は、2025年8月に抽出した100万件の会話に基づく点を押さえておくと、Claude.aiの数字との差を読み違えません。
消費者と企業で自動化の度合いが分かれる
第3弾が描いたのは、国のレベルでも米国の州のレベルでも著しく不均一なAI普及です。
Claude.aiの利用は自動化と協働がほぼ半々で、企業のAPI利用は自動化に大きく傾きます。この差は、労働市場への影響がどちらの層から強く出るかを測る手がかりになります。個別の国の実例は、オーストラリア編とカナダ編のカントリーブリーフにあります。
レポートの結論 — 使い方の落としどころはまだ動いている
Anthropicは結論で、AI普及が「驚くほど不均一」だと総括しています。高所得の国ほど利用が多く、協働を選びやすく、コーディング以外にも用途が広がります。米国内では、技術から観光まで、地域の主要産業が使われ方を左右します。企業は消費者よりも、Claudeに裁量と自律を任せています。
均一でないこと以上に、Anthropicが注目するのはdirectiveな自動化の急増です。人がAIをどれだけ信頼し、どこまで責任を渡すかは、まだ集団として決めている途中だとしています。モデルが良くなったとき、利用者の選択がどこに落ち着くのか、あるいは落ち着くのかどうかは、今後の分析に委ねられています。
まとめ
自分の国や職種のデータを引くときは、AUIが人口比の指標であり、利用の多さそのものではない点に注意が必要です。所得だけでは説明しきれない州ごとの差は、産業構成の仮説で補われており、因果の確定ではありません。