「危険コマンド停止率、AIは89％、人間だと14％」 Claude Codeが「自動モード」をデフォルトにした理由

AIによるコーディング支援が急速に普及する中、開発の安全性と効率性をどのように両立させるかは、多くの開発者や企業にとって極めて重要な課題となっています。こうした中、米Anthropicは自社のコーディング支援ツール「Claude Code」において、大きな仕様変更を行いました。

Anthropicは2026年8月7日（米国時間）、「Claude Code」の「Pro」「Max」「Team」プランにおけるデフォルトモードを、従来の都度承認から「自動」モードに切り替えると発表しました。そして2026年8月14日以降、これらのプランにおける新規セッションは、すべて自動モードで起動するようになっています。

一見すると、人間の確認（手動承認）を省いて自動で処理を進めることは、セキュリティ上のリスクを高めるようにも思えます。しかし、同社が実施した詳細な対照実験や検証結果は、それとは真逆の事実を示していました。本記事では、なぜAnthropicが自動モードをデフォルトに設定したのか、その背景にある具体的なデータと安全性の仕組みについて解説します。

人間よりもAIの方が「危険なコマンド」を止められるという事実

Anthropicが自動モードへの移行を決断した最大の理由は、人間による手動承認の限界と、AIによる自動ブロックの極めて高い精度にあります。

同社が1053人を対象に実施した対照実験において、非常に興味深いデータが明らかになりました。実験の中で、人間が危険なコマンドを正しく検知して止められた割合は、わずか13.6％（1053件中143件）にとどまりました。これに対し、自動モードは89％（1053件中937件）という高い割合で危険なコマンドをブロックすることに成功したのです。

さらに、実際のセッションにおける被害の発生率にも顕著な差が現れています。手動承認を経たセッションのうち、本番環境レベル（深刻度7以上）でユーザーが明示的に求めていない有害な操作（深刻な意図しない被害を含む）が発生した割合は、手動承認では6.3％に達していました。一方で、自動モードを適用したセッションでは、この割合が2.4％にまで抑えられていました。

これらの数値は、人間がすべてのコマンドを注意深く監視して手動で承認するよりも、AIの自動フィルタリングに任せる方が、有害な操作を本番環境に持ち込むリスクを大幅に低減できることを明確に示しています。

自動モードを支える安全対策の仕組み

では、Claude Codeの自動モードはどのようにしてこの高い安全性を実現しているのでしょうか。その具体的な仕組みと安全対策は以下の通りです。

まず、自動モードでは、従来の人間による確認画面の代わりに、ツール呼び出しを「安全性を判定する分類器」に通す仕組みを採用しています。この分類器が、取り消しが効かない操作、破壊的な操作、あるいはユーザーの環境の外に向かう操作を検知し、自動的にブロックします。

また、自動モードの運用においては、以下のような厳格なルールや制限が設けられています。

手動承認への切り替え条件: 自動モードで処理が滞ることを防ぐため、3回連続でブロックされた場合、または1つのセッション内で累計20回ブロックされて先に進めなくなった場合には、自動的に手動承認モードへと切り替わります。
権限ルールの優先評価: 自動モードであっても、ユーザーが設定した権限ルールは分類器よりも先に評価されます。ただし、「python:*」のような広範囲を許可するルールについては、自動モードが有効である間は一時的に無効化される仕様となっています。

さらに、AnthropicはAIの安全性を評価する英国のApollo Researchと共同で、2週間のパイロット演習を実施しました。この強化後のレッドチーム演習において、自動モードの見逃し率は従来の12％から7％へと低下しており、安全性の精度がさらに向上していることが実証されています。

ユーザーのコスト負担を増やさない配慮

自動モードの導入にあたり、ユーザーが懸念するのは「分類器の動作に伴う追加コスト」です。ツール呼び出しのたびに分類器が動作すれば、その分トークン消費量が増え、課金額が跳ね上がる可能性があります。

この点についてAnthropicは、安全性を判定する分類器がツール呼び出しごとに消費する追加トークン分の課金を、Pro、Max、Teamプランを対象に、発表日である8月7日付で取りやめています。これにより、ユーザーは追加のコスト負担を気にすることなく、より安全で高速な自動モードの恩恵を享受できるようになっています。