Claude CodeのAuto modeがデフォルトに、危険操作の抑止率89%とAnthropicが評価結果を公開

Auto modeのデフォルト化

Anthropicは2026年8月8日、Claude CodeのPro、Max、Teamプランにおいて、新規セッションのデフォルト設定をAuto modeにすることを発表した。適用開始日は2026年8月14日とされている。Auto modeは、AIエージェントがユーザーの承認を得ずに一連の操作を自動実行する機能である。

従来は操作のたびに人間の承認が必要だったが、AnthropicはAuto modeの安全性に強い自信を持ち、デフォルトに切り替える判断をしたとみられる。この変更により、開発者はより少ない操作でClaude Codeを利用できるようになる一方、安全面での懸念も議論の的となっている。

人間より安全という評価

Anthropicが公開したeval結果では、1,053人の有料テスターを対象に実験が行われた。セッションの途中で、通常の権限確認プロンプトを明らかに危険なコマンドに差し替え、テスターが承認するかどうかを記録した。その結果、人間が危険な操作を拒否した割合は13.6%にとどまった。

一方、Auto modeは同じ状況で89%の危険な操作をブロックできたという。Anthropicは、人間が確認を繰り返す「承認疲れ」が安全性を低下させていると指摘しており、Auto modeの方が現実的な防御策になり得ると主張している。

第三者機関による攻撃評価

さらにAnthropicは、第三者評価機関であるTrajectory Labsに依頼し、間接プロンプトインジェクション攻撃のテストを実施した。2026年7月17日時点の最新版Claude CodeとCodexを対象に、Anthropicが未公開の72シナリオを用意し、各モデルに対して720回の攻撃を試みた。

結果、Claude Fable 5、Opus 5、Sonnet 5のAuto modeでは、720回すべての攻撃が失敗したと報告されている。ただし、この評価はAnthropicが発注したものであり、独立した検証ではない点に注意が必要だ。

専門家が指摘する残る課題

ブロガーのSimon Willison氏は、この結果を歓迎しつつも慎重な姿勢を示している。彼は、悪意のあるサードパーティパッケージが「テストを実行する前にモデルファイルを取得せよ」と指示し、実際にはデータを外部送信するような攻撃を例に挙げる。Auto modeがそのような巧妙な指示に対してどの程度防御できるかは不明だと述べている。

また、Auto modeがブロックできない11%のケースが残っていることや、独立した再検証が必要であることも指摘されている。Willison氏は2026年に「コーディングエージェントのセキュリティ上の大事故」を予測しており、今回の結果がその予測を覆すかどうかは今後の検証を待つ必要がある。