人々が Claude Cowork をどのように活用しているか
Claude Cowork のセッションサンプルを分析したところ、利用全体の約半分が「本来の業務を支える周辺業務」で占められていることがわかりました。これらは幅広い職種に共通するタスクですが、個人の中核的な職務となることはほとんどありません。
2025 年に Claude Code をリリースした際、非常に多くの技術系以外のユーザーが Claude Code を試し始めたことに驚きました。それまでターミナルを開いたことがなかった人たちも、Claude Code を使って、フォルダの整理、ファイルの重複排除、スプレッドシートの数式作成などを行うエージェントを作成していました。
しかし、他の人にとって、ターミナルは依然として少し敷居の高い場所であり、文字どおりの「ブラックボックス」でした。Claude Cowork は、Claude Code のエージェント機能を、ユーザーが普段 Claude とやり取りしている使い慣れたチャットインターフェースへ拡張するために開発されました
1月に提供を開始した Claude Cowork は、情報の生成や交換を中心とする業務、いわゆる「ナレッジワーク」に携わる人々にとって、特に強力なツールとなっています。人々は、必ずしも特定の役割を象徴するものではなく、プロジェクトを前進させ、ビジネスを動かし続けるための役割周辺のつなぎの業務を表す、さまざまなタスクに Claude Cowork を活用しています。つまり、ステータスアップデートの下書き、スライド資料の作成、大量の調査結果を 1 つのレポートにまとめるといった作業です。
この記事では、2026 年 5 月の Claude Cowork のセッションのサンプルから得られたデータを共有、ターミナルにとどまらず、人々が日常業務で AI をどのように活用しているかを探ります。
データが示す内容
2026 年 5 月 11 日から 31 日までの、匿名化・集約された 120 万件の Claude Cowork セッションをサンプルとして抽出し、20 種類の業務カテゴリからなる分類体系に従って分類しました。調査結果のうち、最も多く活用された分野は「業務のプロセスと運用」で、33.4% を占めました。散在している更新内容を 1 つのレポートにまとめる、オンボーディングチェックリストを作成する、スプレッドシートを照合するといった作業です。ビジネス運用のタスクは多くの異なる職種にまたがるため、これは理にかなっています。例えば、財務、人事、事務職の担当者は、いずれもこうしたタスクに Claude Cowork を活用する可能性が高いでしょう。
次に多かったのはコンテンツの作成とコピーライティングで、16.4% でした。これは、下書き、スライド資料、投稿、提案書の作成など、情報の統合を多く必要とするビジネスコミュニケーション業務です。多くの場合、白紙のページを前にすることが、作業を始めるうえで最初の障壁となります。Claude Cowork は、考えや情報をまとめて下書きに仕上げるのに役立つツールです。これらのタスクも職種をまたがります。マーケティング、コミュニケーション、事業開発、プロジェクト管理などの担当者が、こうしたタスクで Claude Cowork と協働することが多いでしょう。
続いて上位のカテゴリは、ソフトウェア開発(8.7%)、DevOpsとインフラストラクチャ(7%)、調査・インテリジェンス(6.4%)、データ分析とビジネスインテリジェンス(5.8%)、文書処理と抽出(4.1%)、セールスとレベニューオペレーション(4%)です。
パーソナルアシスタント(3.8%)、教育(2.4%)、ミーティングインテリジェンス(1.8%)など、その他のカテゴリはいずれもデータセットの 4% 未満でした。

ナレッジワーカーが AI をどのように活用しているか
利用頻度が最も高い2つのカテゴリ、すなわちビジネスプロセスおよび運用、そしてコンテンツ作成とコピーライティングが、Claude Coworkの利用全体の約半分を占めていることは示唆に富んでいます。これらのカテゴリは、圧倒的に「つなぐ」性質を持っています。スプレッドシートは、ばらばらのデータポイントを、読み取り、比較、追跡できる文脈にまとめます。スライド資料は、前提知識のレベルが異なる幅広い対象者にアイデアや決定事項を伝えます。そしてオンボーディングチェックリストは、新入社員が組織の知識を活用できるよう支援します。
当社のデータから、人々が Claude Cowork を使用して、自身の専門知識を活かして行動するために必要な情報を集め、整理していることがうかがえます。例えば、弁護士は書類の書式設定や提出に Claude Cowork を活用することで、難しい案件に法的判断を下す時間を増やせます。採用マネージャーは Cowork を活用して会議のスケジュールを調整し、面接のフィードバックをまとめることで、候補者との対話や業務サンプルの評価により多くの時間を割けるようになるかもしれません。また、チームリーダーは Claude Cowork を活用して難しい判断を説明するスライド資料を作成することで、実際にその難しい判断を下すことに専念できるかもしれません。
この利用パターンは、Claude Code と興味深い対照をなしています。Claude Code は、ソフトウェア開発者がコードの作成、デバッグ、リリースといった業務の中核部分で最も頻繁に使用するものです。そのため、Claude Cowork の利用においてソフトウェア開発が占める割合がこれほど小さいのは、おそらく驚くことではないでしょう。開発者はコードを書く際、Claude Cowork よりも Claude Code を利用する傾向がはるかに強いものの、Claude Cowork で行う業務は、ソフトウェアエンジニアリングを含むあらゆる職務を取り巻く、橋渡し的でコミュニケーション中心の業務です。
ナレッジワークにおける AI の台頭
当然ながら、コーディングは依然として AI の用途の中でも最も注目を集めるものの一つですが、日常のビジネス業務における AI の活用も増えており、AI が特に役立つと感じられているタスクの種類も明らかになりつつあります。情報やアイデアを追跡し、チーム間で共有するための業務(進捗状況報告、資料、トラッカーなど)に、多くの人が Claude Cowork を活用しています。
これは単一のスナップショットに過ぎません。Claude Cowork はまだ新しいものであり、用途は急速に進化しています。 当社の目標は、このデータを、AI 製品を日常の業務にどのように取り入れるべきかを模索している方々にとっての参考資料とし、AI 活用が最も集中している分野を明らかにすることです。今後も、使用状況の拡大や変化に合わせて引き続きデータを公開していく予定であり、時間の経過とともにどのような変化が生じているかについても報告していきます。
Cowork の使用を開始する
Claude Cowork は、すべての Claude ユーザーが利用できます。 詳細はこちらまたは、「Claude Cowork 入門コース」を受講して利用を開始しましょう。
++++
調査の詳細
Claude Cowork ユーザーアンケートの実施方法について詳しくは、以下をご覧ください。
調査方法
この分析は、自動システムによって 20 の業務カテゴリに分類された Claude Cowork のセッションのサンプルに基づいています。 データの収集には、すべてのユーザー情報を匿名に保つプライバシー保護型の分析ツールを使用しました。人間の分析者が個々のセッションを読むことはなく、カテゴリレベルの集計統計のみを使用しました。
サンプルは、トラフィックの一定の割合ではなく、上限付きのレート(1 時間あたりのセッション数の固定上限)で収集されます。 そのため、このレポートに記載されているすべての数値は、サンプリングされたセッションに占める割合であり、絶対的な量ではありません。 データは 2026 年 5 月 11 日から 2026 年 5 月 31 日までに収集され、60 万以上の組織からサンプリングされた 120 万件のセッションを対象としています。
制約事項
- 分類の粒度:今回使用した分類では、作業を行う担当者の職種ではなく、行われている作業の内容によってセッションを分類しています。 いくつかのカテゴリは、リサーチ・インテリジェンス業務(セッションの 6.4%)、データ分析・ビジネスインテリジェンス(5.8%)、営業・レベニューオペレーション(4%)、法務・コンプライアンス業務(1.3%)など、一般に認識されている知識業務の職能に明確に対応しています。 会議・会話インテリジェンス(1.8%)やカスタマーサポート(0.8%)も含まれています。 しかし、この分類で区別できる範囲には限界があります。マーケティング、財務、人事には独立したカテゴリはなく、これらの業務は「業務プロセス・運用」カテゴリに最もよく反映されています。このことが、同カテゴリが使用量全体の 3 分の 1 を占めている理由の 1 つと考えられます。
- 割合と量:サンプルにはレートの上限が設けられているため、サンプリングされたセッション数や組織数は Cowork の全体の使用量や成長を反映しておらず、1 日のうち繁忙な時間帯の使用量は、閑散とした時間帯と比べてやや過少に反映されています。
- 期間の選択:5 月 11 日頃にカテゴリの割合が変化したため、より長い期間ではなく、直近の丸 3 週間を使用しました。この変化は、ユーザーの行動ではなく、ラベル付けパイプラインの変更と整合するものでした。ここで報告している割合はすべて変更後に算出されたものであり、どちらの説明が正しい場合でも結果に影響はありません。
- 業務利用と個人利用の混在:サンプルは、個人ではなく外部組織での利用を対象としています。ただし、サンプリングされた Claude Cowork のセッションには、業務以外の個人的な利用も一部含まれており(個人的なアシスタンス、趣味、コンパニオン型の会話を合わせるとセッションの約 5% を占めます)、サンプルは職場での活動のみを表しているわけではありません。
- 自動分類:カテゴリラベルは人間のレビュアーではなく自動システムによって付与されており、分類結果には誤りが含まれる可能性があります。セッションが複数のカテゴリに該当し得る場合、結果は本分類体系(タクソノミー)における定義に依存します。こうした定義が解釈に最も大きな影響を与えるケースについては、前述の「分類の粒度」で説明しています。