8月8日、The Decoderが「Anthropic sets Claude Code to Auto Mode by default to protect developers from bad approvals」と題した記事を公開した。AnthropicがClaude CodeのAuto Modeを8月14日からデフォルト有効化すると発表し、内部実験では人間のレビュアーを大きく上回る危険コマンド検出率が示されたという内容だ。
実験の前提——「通常業務中の人間」との比較
Claude CodeのAuto Modeは、AIが各ステップで手動承認を待たず自律的に作業を進めるモードだ。内部の分類器（クラシファイア）が各アクションを評価し、危険または不可逆な操作の場合のみ人間に確認を求める仕組みになっている。
Anthropicが実施した対照実験では、有料テスター1,053人を対象に、通常業務中にAIから承認を求められた場面での検出精度を測定した。この「人間」とは、意図的にセキュリティレビューに集中していた専門家ではなく、日常的な開発作業の流れの中で承認を求められた一般的な開発者を指す点に留意が必要だ。
その条件下での結果として、人間のレビュアーが危険なコマンドを検出できたのはわずか**13.6%だったのに対し、Auto Modeは89%**を検出した。
さらに、Auto Modeを使用したチームはプルリクエストの数が約25%増加しており、安全性と生産性が両立している結果となっている。
プロンプトインジェクション攻撃への耐性も検証済み
Auto Modeはプロンプトインジェクション攻撃——外部から注入されたコードがAIエージェントの動作を乗っ取ろうとする攻撃——に対する防御層としても機能する。
この評価を実施したのはTrajectory Labsだ。同機関はAIシステムの安全性評価を専門とする独立監査機関であり、Anthropicとは別組織として評価の独立性を担保している。
Trajectory Labsは72のシナリオを各10回、計720回テストした。その結果、Claude（Fable 5、Opus 5、Sonnet 5）のAuto Modeへの攻撃成功率は**0%だった。なお、Fable 5・Opus 5・Sonnet 5はいずれも2026年時点でAnthropicがリリースしているClaudeファミリーの最新モデル群を指す。比較対象として、OpenAIのGPT-5.6 Sol（同社の最新世代モデル）をCodex Auto-Reviewモードで使用した場合は5.83%**の攻撃が通過している。
Anthropic社内での実績も公開されている。Auto Modeは機密データのパブリックページへのアップロードを阻止し、長時間セッション中にGPUトレーニングジョブを妨害する恐れのあった約2,000のプロセスを強制終了したという。
8月14日からPro・Max・Teamプランでデフォルト有効化
Anthropicの発表によると、8月14日よりPro、Max、Teamプランでは明示的な設定変更なしにAuto Modeが有効になる。本記事公開時点（8月9日）では予定として発表されていたが、読者が本記事を読む時点では既に有効化されている可能性がある。Enterpriseプランはこれまでどおりオプトインのままとされている。
なお、分類器自体が消費するトークンはAnthropicが負担し、ユーザーには課金されない。
「便利さ」と「監視能力の低下」というトレードオフ
Anthropic自身は、デフォルト化にあたって注意も促している。
「本番インフラへの重大な変更に対しては、引き続き自身でClaudeの動作を確認することを推奨する」（Anthropic）
ここには構造的な緊張関係がある。Auto Modeによって危険なコマンドの大半は自動的に遮断されるため、開発者が手動で介入する機会そのものが減る。しかし介入の機会が減るということは、いざ人間が判断を求められたときの文脈理解が浅くなるリスクも伴う。Auto Modeが自律的に進めたプロジェクトの詳細を開発者が深く把握しているとは限らず、例外的な場面での判断の質が低下しうる。
加えて、AIが生成・実行したコードが増えれば増えるほど、人間がそのコードベース全体を俯瞰してレビューする負荷は高まる。Anthropicはこの緊張関係を認識しつつ、「日常的な承認作業において人間の判断は統計的に信頼できない」という実験結果を根拠にデフォルト化に踏み切った形だ。
Claude Codeは現在、AIコーディングツールの中で最も広く使われているとされる。Auto Modeのデフォルト化は、開発者の役割を「コードを書く」から「AIが生成したコードをレビューする」方向へさらに押し出す一手となる。承認作業の自動化が進む中で、開発者がどの場面でどの程度関与すべきかの設計指針が、今後より重要になるだろう。
詳細はAnthropic sets Claude Code to Auto Mode by default to protect developers from bad approvalsを参照していただきたい。
