NAW / AGENTS 02
IMAGE: AI生成ビジュアル
AGENTS / AGENTS
Anthropic、Claude Codeの「Auto Mode」をPro／Max／Teamでデフォルト化 — 危険コマンド検出で人間の承認を上回ると発表
8月14日からPro・Max・Teamの新セッションでAuto Modeが既定に。分類器が「不可逆・破壊的・環境外」の操作をブロックし、1,053人による有償テストでは危険コマンドの検出率89%（人間は13.6%）を記録。分類器オーバーヘッドの課金も撤廃する。
Anthropicは2026年8月14日から、コーディングエージェント「Claude Code」のAuto Modeを、Pro・Max・Teamプランの新規セッションにおけるデフォルト設定にする。Auto Modeは各ツール呼び出しを分類器（classifier）に通し、「不可逆・破壊的・環境の外に向けた操作」を自動でブロックする仕組みで、ステップごとの承認プロンプトを減らしながら安全性を保つことを狙う。あわせて、分類器のオーバーヘッド分として課金していたトークン費用も、Pro・Max・Teamユーザーから撤廃された（発表時点で適用）。
Auto Modeの仕組みとデフォルト化の内容
- 8月14日以降、Pro・Max・Teamプランの新規セッションはAuto Modeで開始される。既に別のデフォルトを自分で設定しているユーザーには、切り替えを確認するプロンプトが一度だけ表示される
- デフォルトを固定（pinned）しているユーザーの設定は変更されない
- Auto Modeでは、ツール呼び出しを分類器が検査し、ブロックされた場合、Claudeはより安全な代替手段を自ら探すか、ユーザーに直接確認する
- ブロックが3回連続、または1セッションで20回に達すると、手動承認モードにフォールバックする
- ユーザーが設定した許可ルール（permission rules）は分類器より先に評価されるが、
python:*など任意コード実行を許す広範な許可ルールはAuto Mode中は保留され、モードを切り替えると再有効化される
公表された安全性テストの結果
Anthropicは、Auto Modeの安全性を測るため、社内レッドチーミング、第三者によるレッドチーミングとプロンプトインジェクション評価、1,053人を動員した統制実験、実運用セッションの分析を実施したと説明する。主な結果は以下の通り（すべてAnthropic公称値）。
- 1,053人の有償テスターによる実験では、人間は危険なコマンドの13.6%（143件）しか検出できなかったのに対し、Auto Modeは同じコマンドの89%（937件）をブロックした
- セッションが長くなると人間の検出率は低下（セッション序盤は約17%、50プロンプト以降は約5%）する一方、Auto Modeのブロック率はセッション長に依存せず一定だった
- 2026年5〜6月の実運用セッションを再評価した分析では、意図しない重大な害（深刻度7以上）を含むセッションの割合が、手動承認で6.3%だったのに対しAuto Modeは2.4%だった
- 英国のAI安全性スタートアップApollo Researchとの2週間のパイロットでは、合成攻撃への対応で分類器のミス率が12%から7%に低下。未公開のheld-out攻撃セットでも改善が確認された
- 独立したプロンプトインジェクション評価では、Auto Mode有効時は対象のAnthropicモデルすべてで攻撃成功がゼロだった。比較対象として、Auto-review permission modeで実行したGPT-5.6 Sol（Codex v0.144.5）では5.83%の攻撃成功率だったとされる
Anthropicは、ユーザーが権限プロンプトの97%を承認している現状を「反射的なクリック」と指摘し、日々数十〜数百回の承認判断を人間に委ねるより、分類器に任せた方が安全だと主張する。Teams・Enterprise導入企業では、Auto ModeユーザーのPR作成数が約25%多いというデータも公表した。
クラウド・企業向けの展開予定
- Claude Enterprise、Claude API、Claude Platform on AWS、Amazon Bedrock、Google CloudのAgent Platform、Microsoft Foundryでは、当面はオプトインのままとする
- Anthropicは今後1か月以内に、クラウドパートナーと協力してこれらすべてでデフォルト化し、分類器オーバーヘッドの課金も廃止する計画を明らかにした
- Enterprise管理者はマネージド設定からAuto Modeをデフォルトにすることは現時点でも可能
- Adobe、Nuro、Gusto、Garner Healthがすでに本番環境のデフォルトとしてAuto Modeを運用しているとされる
