30秒サマリー
- AnthropicがClaude Codeの権限確認をAIが代行する「auto mode」を8月14日からPro・Max・Teamプランのデフォルトに
- 対照実験で危険コマンドの検出率は人間13.6%に対しAIは89%、セッション長期化でも精度は低下せず
- 間接プロンプトインジェクション攻撃720件でauto mode利用時の成功例はゼロ、一方競合製品では最大19%が突破
何が起きたか
米Anthropicは2026年8月7日（現地時間）、AIコーディングツール「Claude Code」において、コマンド実行前の権限確認をAIの分類器が自動判定する「auto mode」を、8月14日からPro・Max・Teamプランのデフォルトとすると発表した。従来は実行のたびにユーザーへ確認を求めていたが、auto modeでは専用分類器が1件ずつ評価し、取り消し不能・破壊的・ユーザー環境外への影響が見込まれる操作を自動ブロックする。ブロック時はClaudeが代替手段を探すか直接ユーザーへ確認し、3回連続または1セッション20回ブロックされると手動承認モードへ切り替わる仕組みだ。分類器実行に伴う追加トークン課金は対象プランで8月7日付で撤廃した。
Anthropicがauto mode導入の根拠として示したのは、調査会社経由で集めた1053人の有償テスターを用いた対照実験だ。コーディング作業中に危険なコマンドを含む確認画面を一度挿入したところ、人間テスターが拒否したのは13.6%にとどまり、auto modeは同コマンドの89%をブロックした。さらに確認が50回以上に及ぶと人間の検出率は約5%まで低下する一方、auto modeの検出率はセッション長にかかわらず横ばいを維持したという。同社は、ユーザーが権限確認画面の97%を承認している実態を「形骸化」と指摘し、個別確認より計画段階での39%拒否率の方が有効に機能していると分析している。
安全性の検証として、英AIセーフティ企業Apollo Researchによるレッドチーミングで分類器の見逃し率を12%から7%へ改善したほか、Trajectory Labsが実施した間接プロンプトインジェクション評価では72シナリオを各10回試行した計720件の攻撃に対し、auto mode動作下の複数Claudeモデルへの成功例はゼロだったと報告している。一方、OpenAIのCodex上で動作するGPT-5.6 Solはauto-reviewモードで5.83%、Full Accessモードでは19.03%の攻撃が成功したとされている。なお同社は、auto modeはリスクを完全排除するものではなく、本番インフラに関わる重要な変更ではユーザー自身による確認を引き続き推奨すると明記している。
EnterpriseプランやClaude API、AWS・Amazon Bedrock・Google Cloud・Microsoft Foundryなどクラウド環境での提供については、管理者の確認期間を経て今後1カ月以内にデフォルト化する計画で、当面はオプトイン扱いとなる。Anthropicは本番導入済みの企業としてAdobe、Nuro、Gusto、Garner Healthを挙げ、TeamsおよびEnterpriseの採用企業ではauto mode利用者が作成するプルリクエストが約25%多いと報告している。
原典ハイライト
1053人のテスターを使った対照実験で、人間の危険コマンド検出率が13.6%（長時間後は約5%）であるのに対し、auto modeは89%をブロックし、セッション長に依存しない安定性を示した。また第三者による720件の間接プロンプトインジェクション攻撃でauto modeへの侵害成功例はゼロだったとされる。
出典: ITmedia AI＋（報道）
So What?（なぜ重要か）
AIコーディングツールにおいて「人間が確認ボタンを押す」という従来の安全モデルが、疲労・慣れによって形骸化することをAnthropicは定量的に示した。承認画面の97%をユーザーが通過させているという実態は、多くのAI開発ツールが同様の構造的リスクを抱えている可能性を示唆する。AI分類器がガードレールの主役になるパラダイムシフトが、業界標準として加速しうる。
日本企業への示唆
Claude Codeを業務利用する日本企業は、8月14日以降はデフォルト設定の変更を意識する必要がある。Enterpriseプランや主要クラウド環境では当面オプトインだが、1カ月以内にデフォルト化が予定されており、システム管理者は「defaultMode」の固定や「disableAutoMode」の方針を事前に決定しておくべきだ。本番インフラへの変更はAnthropicも人手確認を推奨しており、適用範囲をサンドボックス・開発環境に限定するポリシーの整備が現実的な備えとなる。また、第三者による安全性評価（レッドチーミング・プロンプトインジェクション評価）の公表は、社内でAIツールの安全性を評価する際の参照基準として活用できる。
背景・経緯
Claude Codeはコマンドライン上で動作するAnthropicのAIコーディングツール。従来のauto modeは分類器実行時の追加トークンが課金対象だったが、今回Pro・Max・Teamプランでその課金を廃止し、普及を加速させる狙いとみられる。auto modeの仕組みはAnthropicが公式ブログで詳細を公表しており、第三者機関による安全性評価の実施・公開という姿勢は、エンタープライズ採用へのハードルを下げることを意識したものとみられる。
