Anthropicは自社の従業員を対象に、Claudeが実際にどれだけ作業時間を節約しているかを調査しました。その結果は印象的で、従業員の大半が「以前は1時間かかっていた作業が今では15分以下で終わる」と答えています。一方、同じモデルを使う一般ユーザーで同程度の効果を報告しているのは、およそ4人に1人にとどまります。社内の人々が秘密のモデルや隠されたプロンプトの技を持っているわけではありません。彼らは他の誰もが使うのと同じClaudeに料金を払い、同じように使っています。両者を分けているのは日々の習慣の積み重ねとみられ、その習慣はコードを書かない人を含め、誰でも真似できるものです。
この知見は、Anthropicが2026年10月16日に公開した2本のレポートに基づいています。1本は社内で雇用と採用がどう変わりつつあるかを、もう1本はAIの最前線で働くことが従業員の期待をどう形づくるかを扱ったものです。両方を合わせて読むと、非技術職の専門職がすぐに実践できる7つの習慣が浮かび上がります。
習慣1:Claudeを自分待ちにしない
Anthropicは従業員とClaudeのやり取りを数日、数週間、数か月にわたって追跡し、モデルがアクティブなチャット時間のおよそ80%を人間の応答待ちに費やしていることを突き止めました。あるAnthropicのエンジニアは、「エージェントのボトルネックになっているのは人間のほうで、その逆ではない」と率直に表現しています。
対策は、モデルが動き出す前に人間側の入力をすべて先に済ませることです。質問が出るたびに一つずつ答えるのではなく、最初の時点で「必要なことはすべて一度にまとめて質問し、その後は止まらずに残りの作業を実行する」ようClaudeに指示します。有効な歯止めとして、「費用が発生する操作や取り消せない操作の場合だけ一時停止する」よう伝えておくとよいでしょう。
この習慣は、簡単な形の並行作業も可能にします。会議に入る直前に負荷の高いタスクをClaudeに着手させれば、あなたが会議に出ている30~60分のあいだモデルが働き続けます。カレンダー上の1つの予定枠から、成果物が1つではなく2つ生まれるわけです。7つの習慣の中で最も取り入れやすく、効果も特に大きいものの一つです。
習慣2:2回やったら、3回目はやらない
Anthropicの従業員は一貫したルールに従っています。初めての作業は手作業で行い、2回目に同じ作業が発生したら再利用できるスキルやプロジェクト設定に変え、3回目はClaudeだけに任せるというものです。ここでいう「スキル」とは、改めて説明しなくてもモデルが再び適用できる、保存済みの指示一式を指します。
Anthropic社内での成果は具体的でした。繰り返しの事務作業を自動化した営業担当者は、時間の約30%を取り戻し、それを顧客との直接の対話に充てました。これを実現するプロンプトは、作業を2回目に終えた直後に使います。Claudeにチャット履歴を見直させ、自分が踏んだ手順を特定させ、それをスキルとしてまとめさせるのです。以降は、毎回必要なのは新しい生データだけで、手順を一から説明し直す必要はなくなります。
| 回数 | 行うこと |
|---|---|
| 1回目 | 手作業で行う、またはClaudeの助けを借りて行う |
| 2回目 | Claudeにチャットをスキルに変えるよう依頼する |
| 3回目以降 | スキルが作業を担う |
習慣3:Claudeが書く前に、何を読むかを決める
冗長なAIの出力は「読む」という問題を生み、ほとんどの人はそれを「読まない」ことで解決しています。Anthropicは、Claudeが社内チームのために生成するテキストの量と、それをすべて読むのに必要な時間を測定しました。財務担当者なら週に約43時間、営業担当者なら約35時間が必要になります。いずれも標準的な週40時間労働と同等かそれ以上であり、実際には従業員はその大半を読み飛ばしています。その結果、誤りや疑わしい前提が気づかれないまま通り抜けてしまう可能性があります。

▲ 詳細の前に置く3行の要約
解決策は、生成の前に出力形式を指定しておくことです。あるプロンプトのパターンでは、すべての回答の冒頭にちょうど3行を置くようClaudeに求めます。
- 発見事項または決定事項
- あなたの承認が必要な項目
- 不確実な点
裏付けとなる詳細はその下に続きます。3行が妥当に見えれば、そこで読むのをやめて構いません。何かおかしいと感じたら、確認のための詳細が下にあります。要するに、何に注意を向けるかを決めるのはモデルではなく読み手だということです。
習慣4:セットアップに本気で時間をかける
1年前、Anthropicの従業員がClaudeのセッションのうちプロンプトやシステム指示、ツール設定の改善に充てていたのは、およそ10回に1回でした。2026年10月のレポート時点では、その割合は2倍の5回に1回、つまり全セッションの20%に増えています。セットアップにかけた時間は、その後のあらゆるタスクの精度を高め、モデルが単独でこなせる範囲を広げます。
この習慣の実践的な形が、毎週金曜日の15分レビューです。Claudeにその週のチャットを振り返らせ、あなたがモデルの作業を修正したりやり直したりした箇所をすべて見つけ出させ、それぞれの修正を次の3つに分類させます。
- プロジェクト指示の変更
- 再利用するスキルの変更
- 変更の必要がない一度きりの例外
最初の2つの分類については、追加すべき正確な文言をClaudeに提示させます。数週間続けると、修正内容がセットアップに書き込まれていくため、同じ修正が繰り返されなくなります。
習慣5:Claudeが見える場所に書き残す
この習慣はプロンプトというより組織文化の話です。口頭で語られただけで文書化されなかったことは、AIシステムには見えません。Anthropicのレポートには、小さいながら示唆に富む例が載っています。ある従業員がマーケティング職を離れたにもかかわらず、同僚からマグカップやTシャツ、セーターの依頼が届き続けたというものです。役割の変更が会話の中で話されただけで、Claudeが読める場所にはどこにも記録されていなかったためでした。

▲ AIにとっての口頭情報と文書情報
推奨される対応は、社内会議をほぼすべて記録し、文字起こしを共有システムに保管することです。ただし一つだけ例外が示されており、機密性の高い1対1の人事評価面談は対象外です。文字起こしと文書化された決定事項は、Claudeがワークフローを回し、より良い提案を行い、意思決定を支えるための素材になります。ここでの見立ては、丁寧に文書化するチームは時間とともに優位を積み上げていく一方、知識を雑談の場に置き去りにするチームは、AIツールが古い文脈をもとに動く状況に直面するというものです。
会議の後に使える出発点のプロンプトはこうです。「今日の会議のメモまたは文字起こしです。私たちの働き方を変える決定事項があれば、チームの作業文書を更新し、変更した箇所を正確に示してください」。Claudeに文書を更新させて差分を報告させることは、モデル自身に指示、スキル、プロジェクトを維持させるための第一歩です。
習慣6:新モデルが出たら、より難しい仕事を渡す
Anthropicには、モデルが向上するにつれてAIに対してより野心的になるべきだという社内の合言葉があり、データは従業員が実際にそう行動していることを示しています。主要なモデルがリリースされた直後、従業員はClaudeに与えるタスクの複雑さを約30%引き上げます。リリースサイクルが短くなり、能力の飛躍が大きくなる中で、新しいモデルに旧モデルと同じ定型作業をさせ続けていては、その価値の大半が手つかずのまま残ります。
これを実践する一つの方法が、AIがこれまで失敗した価値の高いタスクのリストを常に更新しておくことです。新しいモデルが登場したら、まずリストの中で最も難しい項目を試します。例として、レポート作成プロセスに高い目標を設定するプロンプトがあります。「現在、月次レポートは月末から約10日後に完成します。これを翌月1日の朝に完成させたいのです。これは妥当な目標です。そこに至る方法を正確に示してください。不可能に見えるステップがあっても、方法が見つかるまで取り組み続けてください」
このプロンプトには、重要な表現の工夫が2つあります。目標を「妥当」と呼ぶことと、不可能に見えるステップでも粘り強く取り組むよう指示することです。これらはフロンティアモデルの問題への取り組み方を変え、解決の道筋を見つける確率を高めるとみられます。
習慣7:コードではなく指示でツールを作る
Anthropicの調査では、非技術職の従業員がClaudeで自分のツールを作る動きが急増していました。月に約2セッションだったものが、1年のうちに月およそ90セッションにまで増えています。そうしたツール作りの多くはコードではなく自然言語で行われており、この手法を選ぶ理由は実用的なものです。
| 指示ベースのツール | コードベースのツール |
|---|---|
| 読みやすく、編集と改良が容易 | 継続的なバグ修正とパッチ適用が必要 |
| 状況が変わっても適応する | 入力が変わると壊れることがある |
| セキュリティ上の攻撃面が小さい | 脆弱性が発見・悪用される恐れがあり、AI支援のスキャナーによるものが増えている |
平易な言葉で書かれたスキルやプロジェクトは、一般のユーザーでも内容を確認して変更しやすく、モデルは状況の変化にクラッシュせず柔軟に対応できます。一方、独自コードはチームを保守サイクルに引き込み、サイバーセキュリティ上のリスクを増やします。ここでの指針は「コードを決して書くな」ではなく、「コードは最後に、最小限で」です。
Claude CoworkやChatGPT Workのようなツール向けのテンプレートプロンプトは、このルールをそのまま体現します。毎週手作業でまとめている更新情報を説明し、それが参照するファイルを示します。それを生成できる最も単純な自動化を求め、スキルとしてまとめた文章の指示が望ましい形式だと明言します。指示だけでは足りない部分に限ってコードを許可し、コードを書く場合も可能な限り小さく単純に保つよう求めます。最後に、結果をどう実行し、毎回何を検証すべきかを尋ねます。この最後の要求が重要です。あらゆる自動化には、毎回確認すべき項目の短いチェックリストが添えられているべきだからです。
今週取り組むこと
7つの習慣は互いに補強し合いますが、一度にすべて取り入れる必要はありません。妥当な順序は次のとおりです。
- 今日、習慣1から始めます。次の長いタスクに「質問はすべて最初にまとめて行い、その後は止まらずに実行する」という指示を加え、会議の前に着手させます。
- 次に同じ作業を繰り返すときは、チャットをスキルに変えるようClaudeに依頼します。
- プロジェクト指示に3行要約の形式を組み込み、すべての回答が発見事項、承認事項、不確実な点から始まるようにします。
- 金曜日にセットアップ点検のための15分を確保します。
- 会議を記録し、文字起こしをClaudeが更新する作業文書に取り込みます。
- AIが失敗したタスクのリストを維持し、次のモデルが出たら最も難しいものを試します。
- 何かを自動化するときは、まず指示を求め、コードは必要な場合に限って最小限にします。
Anthropicの社内データが示す根本的な教訓は、モデルは誰にとっても同じだということです。1時間が15分で終わるか、普通の1時間のままかの違いは、モデルにどれだけ文脈を与えるか、どれだけ待たせずに済ませるか、そしてユーザーがモデルを取り巻く仕組みにどれだけ意識的に投資するかから生まれるとみられます。


