特集 ── 2026-10-24

AI Fluency Index：9,830会話の基準値

Anthropicが9,830会話を分析。反復する人ほど評価行動が多い。

何が変わるか

AIの使いこなしを測る対象が、利用の多さから行動へ移る。Anthropicの報告は、AIとの協働で観察できる行動を数えている。

報告によると、会話を重ねて修正する人ほど、AIの根拠を問う行動も多い。一方、成果物が作られる会話では確認の行動が減っていた。Anthropicは、見栄えのよい出力が増えるほど、出力を批判的に評価する力の価値は高まると述べている。

なぜ重要か

Anthropicは、AIの利用が日常に入るペースが1年前には予測しにくかったと書いている。同社は、利用の広がりだけでは影響が分からないとみている。

問いは、人々がAIをうまく使う技能を身につけているかどうかである。今回の調査は、その変化を追うための最初の基準値になる。AIの性能が変われば行動も変わりうるため、早い時期の測定に意味がある。

報告の中身

Anthropicの報告は、AI流暢性（AIを安全かつ効果的に使う行動の習熟度）を測るAI Fluency Indexを示した。調査対象は9,830会話である。

会話の85.7%で、ユーザーが前のやり取りを踏まえて修正する「反復と改良」が見られた。反復のある会話は、ない会話より流暢性の行動が平均2.67多かった。反復のない会話では1.33である。反復のある会話は、AIの推論を問う確率が5.6倍、不足する文脈を指摘する確率が4倍だった。

会話の12.3%ではコードや文書などの成果物が作られた。こうした会話では、目的の明確化が14.7ポイント、形式の指定が14.5ポイント、例の提示が13.4ポイント多かった。他方、不足文脈の指摘は5.2ポイント、事実確認は3.7ポイント、推論の説明要求は3.1ポイント少なかった。

AIの利用方法を指示する会話は30%にとどまった。

誰が・どの範囲を

報告を出したのはAnthropicである。著者にはKristen Swansonらが並び、枠組みはRick DakanとJoseph Fellerが同社と共同で作った。

対象は、Claude.aiで複数回のやり取りがあった匿名の会話9,830件である。期間は2026年1月20日から26日の7日間だ。英語、フランス語、スペイン語、中国語、日本語、ドイツ語の6言語を含む。

Anthropicは、この利用者は早期導入者に偏る可能性があると述べている。結果は幅広い人口の代表ではなく、この集団の基準値だとしている。

なぜこの報告か

Anthropicは、前の教育報告で大学生と教育者のClaudeの使い方を調べた。今回の問いは、AIを使う人が時間とともにどう「流暢性」を高めるかである。

同社は、採用が進んでも技能が育つとは限らないとみている。そこで、AIの上手な使い方を示す行動の有無を大量の会話で数えた。将来の変化を測る出発点を作ることが目的である。

どう調べたか

Anthropicは、Rick DakanとJoseph Fellerが同社と作った4D AI Fluency Frameworkを使った。この枠組みは、安全で効果的なAIとの協働を示す行動を24個定めている。

そのうち11個はClaude.aiやClaude Codeの会話で直接観察できる。残る13個は会話の外で起こるため、今回は対象外である。13個には、AIの関与を正直に伝えることなどがある。

同社はプライバシー保護型の分析ツールを使った。11個の行動ごとに2値の分類器を走らせ、各会話で行動が有るか無いかを判定した。分類にはClaude Sonnet 4を使い、言語判定にはClaude Haiku 3.5を使った。挨拶や雑談を除く選別も行った。

結果は曜日ごと、言語ごとに概ね安定していたという。

要点

Anthropicの9,830会話の分析では、85.7%で反復と改良が見られ、その会話は他の流暢性行動が約2倍多かった。
成果物が作られる会話では、目的や形式の指示は増えたが、不足文脈の指摘は5.2ポイント、事実確認は3.7ポイント減った。
この結果は相関であり、サンプルは1週間のClaude.ai利用者に限られるため、一般化には限界がある。

結語

Anthropicの報告は、AI流暢性の最初の基準値を9,830会話で示した。反復する利用者ほど評価行動が多い一方、成果物の場面では確認が減っていた。同社は今後、新規利用者と経験者の比較や因果の検証を行うとしている。

引用と出典

“85.7% of the conversations in our sample exhibited iteration and refinement: building on previous exchanges to refine the user's work, rather than accepting the first response and moving to a new task.”（和訳）サンプルの会話の85.7%で反復と改良が見られた。最初の回答を受け入れて次の作業に移るのではなく、前のやり取りを踏まえて自分の作業を磨いている。
── Anthropic, 2026-10-23

“users are less likely to question its reasoning (-3.1 percentage points) or identify missing context (-5.2pp)”（和訳）ユーザーはAIの推論を問う確率（-3.1ポイント）や、不足する文脈を指摘する確率（-5.2ポイント）が低くなる。
── Anthropic, 2026-10-23

“In only 30% of conversations do users tell Claude how they'd like it to interact with them.”（和訳）ユーザーがClaudeに、どのように対話してほしいかを伝える会話は30%にすぎない。
── Anthropic, 2026-10-23

“Our sample should be understood as providing a baseline for this population, not as a universal benchmark.”（和訳）このサンプルは、この集団の基準値を示すものであり、普遍的な指標として理解すべきではない。
── Anthropic, 2026-10-23

材料にした記事

Anthropic 2026-10-23

この特集は AI（Claude）が報告とその報道から書き、Jev（TypeSafe の判定モデル）と Gemini の裏取り、引用の逐語の照合を通したものです。