Claude Codeの統計.

Claude Codeは、AIコーディングツールがオートコンプリート形式のアシスタンスから、ターミナルコマンド、ファイル編集、リポジトリナビゲーション、プルリクエストコメント、より長い実行シーケンスといったエージェントワークフローへと、いかに急速に移行しているかを示す有用なケーススタディです。しかし、「Claude Codeの統計」はいくつかの異なる意味を持ちます。

一部の数値は、開発者調査における導入状況を記述しています。また、Claude Codeセッション内の利用行動を記述するものもあります。さらに、SWE-bench VerifiedやTerminal-Benchなどのベンチマークにおける技術的能力を測定するものもあります。その他は、GitHubスター、npmアクティビティ、公開リポジトリ研究といったエコシステムシグナルに過ぎません。この記事では、これらのカテゴリを区別し、Anthropicの公式資料、製品ドキュメント、開発者調査、GitHub/npmの一次情報、学術論文、独立系ベンチマーク機関を優先しています。根拠のない月間アクティブユーザー数、収益、エンタープライズ顧客、普遍的なROIの主張は、信頼できる統計として扱っていません。

主要な統計

最も詳細な数値は、Anthropic自身のClaude Codeセッションに関する調査から得られています。それぞれが直接的なテレメトリーまたは構造化された分析ですが、ベンダーによって作成され、特定の研究設計の下で測定されています。

Claude Codeとは何か — そしてその統計が何を測定しているか

Claude Codeは、ターミナル、IDE、デスクトップアプリ、ブラウザから利用できるエージェント型コーディングツールであり、ClaudeサブスクリプションまたはAnthropic Consoleアカウントを通じてアクセスできます（Claude Code Docs）。この定義が重要であるのは、Claude Codeの統計がClaudeモデルの統計と互換性がないためです。

Anthropicの入門ドキュメントには、正確なインストール要件が記載されています — Node.js 18+、4 GB+ RAM、およびmacOS 10.15+、Ubuntu 20.04+、Debian 10+、WSLを介したWindows 10+などのサポートされるシステム（Anthropic Docs）。実用的な結果として、分析の「単位」は異なります。セッションには多くのツール呼び出しとターンが含まれる場合があります。GitHub Actionの呼び出しは--max-turns（デフォルト10）によって制限されます。ベンチマークの実行では、エージェントに特定のスキャフォールドが与えられます。そして、調査の回答は自己申告による使用を表し、観測されたテレメトリーではありません。

開発者調査における導入状況

最も明確な導入率は、Stack Overflowの2025年開発者調査から得られています。この調査では、177カ国から49,000人以上の回答者が参加し、AI対応IDE/ツールに関する質問でCursor、Claude Code、Windsurfが明示的に挙げられています（Stack Overflow）。

この10%は、LLM利用に関する質問でClaude Sonnetモデルがプロの開発者の45%に利用されているという別の調査結果と混同すべきではありません。「Claudeモデルの利用」と「AI対応開発環境としてのClaude Code」は異なる概念です（Stack Overflow）。JetBrainsは強力な文脈を追加しています。2025年の開発者エコシステム調査（2025年4月～6月に実施、クリーニング後24,534人の開発者）では、開発者の85%がAIツールを使用し、62%が少なくとも1つのコーディングアシスタントを定期的に使用していることが判明しました（JetBrains）。GitHubのOctoverse 2025はまた異なります。1億8000万人以上の開発者と6億3000万のリポジトリにわたる観測されたアクティビティですが、Claude Codeの市場シェアの割合は公開していません（GitHub Blog）。

利用パターン：セッション、ターン、自律性、タスク構成

最も詳細な利用統計は、Anthropicの「エージェント型コーディングと専門知識への持続的な回帰」研究から得られています。これは、2025年10月から2026年4月にかけて、235,000人から約400,000のセッションを分析したものです（Anthropic）。最も印象的な単一の数値は、平均アクティブ実行時間です。ユーザーあたり週20時間で、タイピング時間ではなくアクティブ実行時間として測定されています。

Anthropicの研究では、人間が主に「何を」すべきかを決定し、Claudeが主に「どのように」実行するかを決定すると述べられています（Anthropic）。タスク構成も変化しました。デバッグの割合は研究期間中にほぼ半分に減少し、デプロイ、データ分析、非コードドキュメント生成が増加し、試行されたタスクの中央値は約25%増加しました（Anthropic）。Economic Indexシリーズは、タスクの長さが増加するにつれてClaudeの成功率が低下する一方で、複数ターンのインタラクションが複雑さを部分的に相殺すると付け加えています（Anthropic）。

専門知識、成功率、そして「専門知識への持続的な回帰」

最も重要な発見の1つは、より優れたAIツールが人間の専門知識を消し去るわけではないということです。

成功指標は、モデル単独ではなく、人間とAIのシステムに依存します。専門家は、タスクの指定、誤った変更の発見、範囲の絞り込み、介入のタイミングの決定に優れています。放棄に関する調査結果も同様の方向性を示しています。Anthropicは、初心者が失敗したセッションを放棄する頻度が数倍高いと報告しています（Anthropic）。これらの成功率は、特定の研究設計と成功定義の下で測定されており、あらゆるリポジトリにおける普遍的な成功率としてではなく、専門知識がエージェント型コーディングを補完し続けるという証拠として解釈する方が適切です。

Anthropic社内での利用と自律性の傾向

Anthropicは、自社の内部利用に関するいくつかの統計を公開しています。Claude Codeの製品ページには、Anthropic社内で「現在、ほとんどのコードはClaude Codeによって書かれている」と記載されています（Anthropic）。これは、Anthropic自身のワークフローに関する強力な声明であり、すべての企業に関する主張ではありません。

これらの数値は、より長い自律的な作業期間と少ない中断を示唆していますが、人間が消えたわけではありません。最小限の複雑さのタスクでは、ツール呼び出しの87%に人間が関与していましたが、複雑度の高いタスクでは67%でした（Anthropic）。Anthropicはまた、観察期間中に従業員の最も困難なタスクでの成功率が2倍になったと報告しています。これは、絶対的な開始時と終了時の割合が示されていないため、相対的な変化として提示するのが最適です。Anthropicの内部データは、実際の作業から得られたものであるため貴重ですが、Anthropicは製品メーカーであり、異常なほどAIネイティブな組織であるため、これらの数値はAnthropicの環境で何が可能かを示しており、人口レベルの導入状況を示すものではありません。

製品、デプロイメント、セキュリティ、および価格設定の統計

Claude Codeのドキュメントは、公開されているユーザー数、インストール総数、収益を開示していませんが、具体的な運用詳細を提供しています。

セキュリティドキュメントでは、Claude Codeはデフォルトで読み取り専用であり、ファイルを編集したりコマンドを実行したりする前に明示的な許可が必要であること、暗号化された認証情報、限定された保持期間、およびAnthropicのトラストセンターを通じて参照されるSOC 2 Type II / ISO 27001について説明しています（Anthropic Docs）。データ利用ドキュメントでは、デフォルトでAnthropicはClaude Codeを通じて送信されたコードやプロンプトで生成モデルをトレーニングしないと述べています（Anthropic Docs）。これは、組織にとって、ベンチマークスコアよりも意思決定に関連することが多い情報です。

公開エコシステムシグナル：GitHub、npm、オープンソース検出

公開エコシステムデータは、可視性と開発者のエンゲージメントを追跡できますが、アクティブユーザーの測定と混同すべきではありません。正規のリポジトリはanthropics/claude-codeであり、スター、フォーク、ウォッチャー、イシュー、リリースを公開しています（GitHub）。

GitHub自身のAPIセマンティクスが重要です。リポジトリメタデータではwatchers_countがstargazers_countをミラーリングしますが、実際の通知ウォッチャーはsubscribers_countです（GitHub Docs）。スターは注目度、フォークは実験として扱うのが最適であり、どちらも本番での使用を証明するものではありません。正規のnpmパッケージは@anthropic-ai/claude-codeであり、ダウンロード数はパッケージの取得を表し、確認済みのインストールではありません（npm）。学術研究では、公開リポジトリにおけるエージェントの研究が始まっています。AIDevデータセットは、Claude Codeを含む5つのコーディングエージェントにわたる932,791件のエージェント作成プルリクエストをカバーしています（arXiv）。しかし、プライベートリポジトリ、ローカルのみのワークフロー、エンタープライズデプロイメントは含まれていないため、公開検出は包括的なカウントではなく、下限を示すレンズに過ぎません。

ベンチマークと能力の文脈

Claude Codeの統計は、Claudeモデルのベンチマーク統計と混同されることがよくあります。これは、区別が明確である場合にのみ有用です。ベンチマークは、特定のツール、プロンプト、実行環境でClaudeモデルを評価します。

Terminal-Benchでは、Anthropicは同等の外部エージェント設定の下でClaude Opus 4が43.2%、Claude Sonnet 4が35.5%と報告しました。また、同一の外部フレームワークではなくClaude Codeを使用した方が高いスコアを別途報告しており、周囲のエージェントソフトウェアが測定されたパフォーマンスに影響を与えることを示しています（Anthropic）。最も安全な結論は、ベンチマークは制約された技術的能力を測定するものであり、導入、生産性、収益、市場シェアを測定するものではないということです。高いSWE-benchスコアは、毎日Claude Codeを使用している開発者の数を教えてくれるものではありません。

サポートされていない、または一般的に誤解されているClaude Codeの主張

いくつかの魅力的な統計は、資料によって裏付けられておらず、事実として扱うべきではありません。

情報源の品質に関する注意

Claude Codeに特化した最も強力な証拠は、Anthropicのセッション、自律性、内部作業パターン、経済指標、ソフトウェア開発の相互作用に関する公式研究から得られています。これらは直接的なテレメトリーまたは構造化された分析ですが、ベンダーによって作成されています（Anthropic）。

よくある質問

情報源と参考文献