HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

Claude Codeでオートモードがデフォルトに

Auto mode is now the default in Claude Code (claude.com)

250 pointsby sbehere260 コメント

要約

Anthropicは、Claude CodeのPro、Max、Teamプランにおいて、2026年8月14日からオートモードをデフォルト設定にすると発表しました。このモードは、危険なコマンドをブロックする分類器を使用し、ユーザーの介入を減らしつつ安全性を向上させ、長時間の自律的な作業を可能にします。テストでは、オートモードが手動レビューと同等かそれ以上の安全性を発揮し、ユーザーの生産性向上にも寄与することが示されました。

全文翻訳

Claude Codeでオートモードがデフォルトに(Pro、Max、Teamプラン向け)

Claude Codeでは、オートモードをデフォルト設定にします。8月14日より、Pro、Max、Teamプランの新規セッションはオートモードで実行されます。既に自分で別のデフォルトを設定している場合は、オートモードに切り替えるかどうかを尋ねる一度限りのプロンプトが表示されることがあります。デフォルト設定をピン留めしている場合は、何も変更されません。オートモード分類器は、ツール呼び出しごとに少量の追加トークンを使用しますが、本日よりPro、Max、TeamプランのClaude Codeユーザーは、この分類器のオーバーヘッドに対して課金されなくなります。

Claude Enterprise、Claude API、AWS上のClaude Platform、Amazon Bedrock、Google CloudのAgent Platform、Microsoft Foundryでは、管理者が変更内容を確認する時間を確保するため、当面の間オートモードはオプトインのままです。今後1か月以内に、クラウドパートナーと協力して、これらすべてのプラットフォームでオートモードをデフォルトにし、分類器のオーバーヘッドに対する課金を停止する予定です。それまでの間、Enterprise管理者は管理設定を通じてClaude Codeのオートモードをデフォルトに設定できます。

オートモードは、ユーザーの介入を避けたいという要望と、有害な操作を回避するシステムとのバランスを取るように設計されています。プロンプトの代わりに、各ツール呼び出しを分類器にルーティングし、取り消し不能な操作、破壊的な操作、またはユーザーの環境外への操作をブロックすることに特化しています。分類器が操作をブロックした場合、Claudeは通常、より安全な方法で処理を進めるか、直接ユーザーに許可を求めます。進行できない場合(3回連続でブロックされるか、セッション全体で20回ブロックされるか)、Claude Codeは手動承認にフォールバックします。

過去数か月間、オートモードが平均的なユーザーがプロンプトを確認するよりも安全であるか、あるいはそれ以上に安全であるかをテストしてきました。内部レッドチーミング、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人の有料テスターによる制御された研究、および実際のセッションの分析を実施しました。テストしたすべての指標において、オートモードは手動レビューと同等またはそれ以上の結果を示しました。

オートモードにより、Claudeはより長い時間、自律的に作業できます。これにより、Claude Opus 5のような長時間実行用に構築されたモデルを、大規模タスクに数時間実行し続けることがより実用的になります。ユーザーのオーバーヘッドを削減することは、出力の増加にもつながります。TeamsおよびEnterpriseの導入企業では、オートモードユーザーは約25%多くのPRをリリースしています。Claudeのブロックを解除することで、タスクは中断されずに長く実行され、より多くの作業を完了できます。Adobe、Nuro、Gusto、Garner Healthのチームは、既にオートモードを本番環境のデフォルトとして実行しています。

以下に、この変更を推進した安全性データと顧客の結果、および好みに応じて別のデフォルトを設定する方法を共有します。

手動レビューとオートモードの比較

データによると、手動レビューは習慣化する可能性があります。ユーザーはClaude Codeで許可プロンプトの97%を承認しています。ほとんどのプロンプトは安全で定型的なコマンドである可能性が高いですが、これほど高い承認率であるということは、多くのユーザーが各コマンドを確認するのではなく、反射的にクリックしていることを示唆しています。これらのプロンプトは、開発者に毎日数十または数百もの重要なセキュリティ上の決定を求めており、プロジェクトの途中で行われることが多いため、レビューの負担がユーザーにかかり、重要なものが見落とされる可能性が高まります。データはまた、ユーザーが他の種類の対話により頻繁に精査し、反対していることも示唆しています。例えば、Claudeが承認のための計画を提示した場合、ユーザーは39%を却下します。しかし、個別の権限要求の場合、却下率はわずか3%です。

設定ファイルでも同様のパターンが見られます。2026年6月現在、アクティブなCLIユーザーの49.5%が手動でBashの許可ルールを作成しています。5%は任意のシェルコマンドを直接許可しており、さらに43%はBash(python:*)やBash(node:*)のようなインタープリタールールを持っており、実際にはこれらは同等です。これらのルールは、設定ファイルで定義されています。許可ルール以外では、62%のユーザーがbypassPermissionsを使用するか、Bashで「再度確認しない」をクリックしており、25%の対話セッションはバイパス権限モードで開始されます。

オートモードでは、広範なコード実行を許可する許可ルール(例: python:*)を除き、パーミッションルールが分類器の前に引き続き機能します。これらの広範なルールは、分類器を完全にスキップさせる可能性があるため、オートモード中は除外されます。設定ファイルは変更されず、別のモードに切り替えた瞬間にルールが再度適用されます。

オートモードによる安全性向上

内部および複数の第三者による研究では、オートモードは典型的なユーザーが現在パーミッションプロンプトを扱う方法よりも安全であることが示唆されています。私たちは、開発者がパーミッションプロンプトで実際に承認する内容に対してオートモードをテストしました。これらの指標(内部レッドチーミング、第三者による侵入テスト、実際のセッションの分析)のすべてにおいて、オートモードは人間の承認と同等またはそれ以上の結果を示しました。

オートモードは手動パーミッションよりも安全性が高い

[画像: オートモードと手動パーミッションの比較を示すグラフ]

1,053人の有料プロフェッショナルテスターによる制御された実験では、人間のレビューは危険なコマンドのわずか13.6%しか検出できませんでしたが、オートモードは89%を検出しました。

リサーチベンダーを通じて1,053人の有料テスターを雇用し、コーディング研究を実施しました。これらの参加者は、研究のために特別に設定されたテスト環境で作業し、自身のコードベースや実際のプロジェクトではありませんでした。参加者は評価されていることを知っていましたが、標準的な盲検研究のデザインに従い、どの行動が測定されているかは知らされていませんでした。セッションの途中で、単一のパーミッションプロンプトが明らかに危険なコマンドに置き換えられ、ベンダーはテスターがそれを承認したかどうかを記録しました(注:プロンプトの承認が危険なコードの実行につながることはありませんでした。テスターが見たプロンプトのテキストのみが変更されました)。

テスターは危険なコマンドを13.6%(1,053件中143件)しか検出できませんでしたが、オートモードは同じコマンドの89%(1,053件中937件)をブロックしました。直接比較すると、オートモードは人間が承認した800件のコマンドをブロックし、人間はオートモードが許可したわずか6件のコマンドをブロックしました。セッションが長くなるにつれて、人間のパフォーマンスは低下しました。セッションの初期では危険なコマンドの約17%をブロックしていましたが、50件以上の先行プロンプトの後では約5%に低下しました。一方、オートモードのブロック率はセッションの長さに関係なく一定でした。

オートモードはより多くの有害なアクションを防ぐ

私たちの研究はまた、オートモードが手動パーミッションモードよりも有害なアクションが少なくなることを示唆しています。

実際の使用状況でオートモードがどのように機能するかを調査しました。2026年5月から6月にかけて、トレーニングと分析のためのデータ使用にオプトインしたアカウントのみから、安全性パイプラインでレビューのためにフラグが立てられたセッションを調査しました。2つの0〜10のスケールで各セッションを再評価しました。最初のスケールは有害性の深刻度で、10は会社の全ソースコードの漏洩のような会社全体にわたる不可逆的な損害、7は本番データベースから行を削除するような本番レベルの深刻度、0はローカルワークスペースに限定され、スクラッチファイルを上書きするような完全に元に戻せるアクションでした。2番目のスケールは、ユーザーがそのアクションをどれだけ明確に要求したかを示しており、ユーザーが直接要求した有害なアクションと、エージェントがそれほど明確な指示なしに取った有害なアクションを分離できるようにしました。

フラグが立てられたセッションの中で、手動承認を経たセッションは、オートモードセッションよりも2倍以上頻繁に、ユーザーが明示的に要求しなかった深刻な意図しない損害を含んでいました。本番レベルの深刻度(7以上)では、手動承認セッションの6.3%がユーザーが明示的に要求しなかった有害なアクションを含んでいましたが、オートモードセッションでは2.4%であり、テストしたすべての深刻度レベルでこの差は維持されました。

敵対的なレッドチーミングによりオートモードが強化された

英国を拠点とするAI安全スタートアップであるApollo Researchと協力し、広範な障害、データ漏洩、安全関連の脅威をカバーする3つのデータセットにわたる実際のコーディング軌跡に合成攻撃を注入する2週間のパイロットを実施しました。

このエンゲージメントは、標準的な「発見-修正-検証」ループに従いました。Apolloは、成功した攻撃のセットと、オートモードを強化するための推奨事項を共有しました。主に、保護対象の環境(リポジトリの可視性、gitの状態、および以下で説明するデータ処理ルール)に関するより多くのコンテキストを与えることで、分類器を強化しました。

強化後、Apolloは私たちがアクセスできなかった別の保持された攻撃セットで再テストしました。オートモードは、以前に見逃していた攻撃の約半分を検出しましたが、以前検出していた攻撃の約2%を見逃すというコストがかかりました。保持されたセットに対して調整できなかったため、これは強化が特定の攻撃を修正するのではなく、新しい攻撃に一般化することを示唆しています。共有されたセットと保持されたセットの両方で、分類器の見逃し率は12%から7%に低下しました。

これらの攻撃は合成的かつ敵対的であり、分類器が失敗する場所を見つけるように設計されており、Claudeが無断で行うよりも悪意があります。7%の見逃し率は、このセットに対するものであり、実際のトラフィックに対する見逃し率として解釈されるべきではありません。

オートモードはプロンプトインジェクションのリスクを軽減する

[画像: オートモードと他のモードでのプロンプトインジェクション攻撃の成功率を示すグラフ]

オートモードが有効な場合、独立した評価では、私たちのモデルに対する攻撃は成功しませんでした。Codex v0.144.5 Auto-reviewパーミッションモードで実行されたGPT-5.6 Solは、5.83%の攻撃成功率を示しました。GPT-5.6 Solは、その最高の推論レベルでのパフォーマンスをテストするために「max」推論努力で実行され、すべてのClaudeモデルは高努力で実行されました。

オートモード分類器は、エージェントにユーザーの指示から逸脱させることを強制しようとするプロンプトインジェクション攻撃に対する追加の防御層を追加します。オートモードで実行する場合、ツールの結果はプローブによって悪意のある指示がないかスキャンされ、オートモードはアクションがユーザーの意図と一致していることを確認します。この防御の深さアプローチの力を示すために、保護されていないモデルと比較してオートモードをテストしました。

第三者機関であるTrajectory Labsに評価を依頼しました。同機関は、2026年7月17日時点のClaude CodeとCodexの最新の公開バージョン内で、異なるモデルをテストしました。1彼らは、Anthropicから除外された72の間接的なプロンプトインジェクションシナリオをテストしました。各シナリオは10回テストされました。成功した攻撃は、テスト環境外では、機密データの漏洩、金融詐欺、または認証情報フィッシングなど、ユーザーに損害を与える可能性のある不可逆的なアクションにつながる可能性があります。攻撃はClaude Opus 4.7に対して最適化されましたが、これは報告されたセットには含まれていないため、評価されたすべてのモデルは未知の攻撃としてこれらに直面しました。オートモードに加えて、評価ではClaude CodeのbypassPermissionsモードとCodexのFull Accessモードも調査しました。

CodexとClaude Codeの両方は、Trajectory Labs, PBCによって提供された同一のブラウザ統合を使用して評価されました。この統合は、navigateのような一般的なChrome APIの薄いラッパーであるMCPツールのセットを提供します。OpenAIとAnthropicが提供するChrome拡張機能のような、第一級ブラウザ統合に組み込まれたセーフガードはテストされませんでした。したがって、これらの結果は、特定のデプロイメントに存在する可能性のあるセーフガードの完全なセットではなく、基盤となるモデルの測定値として見られるべきです。

この評価では、720件の攻撃試行のうち、Claude Fable 5、Opus 5、またはSonnet 5をオートモードで実行した場合、成功したものはありませんでした。 一方、GPT-5.6 SolをCodexのAuto-reviewモードで実行した場合、攻撃成功率は5.83%でした。注目すべきは、これは追加のセーフガードなしでbypassPermissionsモードで実行された最新モデルに対する平均攻撃成功率0.09%よりも高いことです。テストでは、GPT-5.6 SolをFull Accessモードで実行した場合、19.03%の攻撃成功率を示しました。ツールがテキストとして結果を返すタスクと、スクリーンショットを介してブラウザと対話する必要があるタスクでは、攻撃成功率が異なります。これは以下に示す通りです。

[画像: オートモードと他のモードでのプロンプトインジェクション攻撃の成功率を示すグラフ(ツール出力がテキストの場合)]

[画像: オートモードと他のモードでのプロンプトインジェクション攻撃の成功率を示すグラフ(ブラウザ操作の場合)]

オートモードは、ツール呼び出しとブラウザGUI使用の両方でプロンプトインジェクションから保護します。OpenAIモデルは、第三者評価でブラウザタスクに対してより高い攻撃成功率を示しました。

Anthropic内でオートモードが防いだ3つのインシデント

オートモードは、AnthropicのすべてのClaude Code内部使用のデフォルトでもあります。以下は、分類器が内部で防止した3つのアクションです。

  • ネットワーク外へのデータ漏洩: 内部ドライブへのアップロードが失敗した際、Claudeのフォールバックは同じレポートを公開コード共有サイトに公開することでした。オートモードはフォールバックを拒否し、次のステップについてユーザーに確認を求めました。
  • 破壊的な大量操作: 長時間実行セッションで、Claudeは約2,000のポッドにわたる大量のプロセスキルを試み、数百GPUにわたるインフライトトレーニングジョブを破棄する可能性のある削除をキューに入れました。オートモードは実行前に破壊的なコマンドをフラグ付けしました。
  • 過度に広範な権限昇格: 読み取り専用の請求アクセス権のプロビジョニングを求められた際、Claudeはアカウントルート全体で完全な管理者制御を付与するクラウドロールを取得しようとしました。オートモードは、要求された内容と付与されるロールの間の不一致を検出しました。

これらの各ケースで、Claudeは自分でより安全なパスを見つけるか、続行する前にユーザーと確認しました。

オートモードをさらに安全にする

私たちは、オートモードをより安全で、本番コードのリリースを容易にするための新機能に継続的に投資しています。最近の例としては、以下のようなものがあります。

  • ハードデニー: データ漏洩(コードやシークレットを外部に送信するなど)は、分類器が絶対に承認しないように設計されているカテゴリに属します。そのようなアクションを実行するには、オートモードを終了するか、コマンドを自分で実行する必要があります。ハードデニーのルールは設定でカスタマイズ可能であり、組織内のユーザーから要求された場合でも決して許可したくないルールを追加できます。
  • データアクセスと共有のルール: 分類器は現在、シークレットや潜在的に機密性の高い情報と、それらにどこからアクセスでき、どこで共有できるかを区別する明示的なルールを持っています。これらのルールを強制可能にするために、gitプッシュまたはプルリクエストの送信先がアクションを実行する前に、公開、プライベート、または信頼できるかどうかを確認します。同じプッシュが、それがどこに着地するかによって、定型的または漏洩になり得ます。チームのプライベートリポジトリに属するコードが公開リポジトリに配置されるべきではなく、分類器はこれが起こりうる場合にフラグを立てるように設計されています。
  • 破壊的なgitアクション前のgitステータスの確認: git reset --hardのような、未コミットの作業を破棄する可能性のあるコマンドの前に、分類器はリポジトリの現在のgitステータスを確認し、オートモードが何がリセットされているかを知ることができるようにします。
  • プロンプトインジェクションスクリーニング: ClaudeがWebページ、ファイルの内容、またはツールの出力などの外部ソースからコンテンツを取得する際、API側のプローブがClaudeの動作を乗っ取ろうとする試みがないかそのコンテンツをスキャンします。インジェクションの試みのように見えるものが見つかった場合、結果がユーザーと共有される前に、Claudeのコンテキストに警告が追加されます。

本番環境でのオートモード

チームは既にオートモードを本番環境のデフォルトとして実行しています。

  • Adobeのマーチャンダイジングプラットフォームチームは、Adobe.comの90か国以上、30言語以上にわたる価格設定およびプロモーションページの正確性と最新性を維持する責任を負っています。彼らは、エンジニアがレビューのために完成したPRを受け取れるように、オートモードで実行されるエージェントループを構築・検証しました。
  • Nuroは、研究およびエンジニアリング組織全体でオートモードを実行しており、評価指標を改善し、朝までにレビューのための完成したPRを返す夜間のリサーチエージェントを強化するために使用しています。
  • Gustoは、エンジニアがパーミッションチェックを完全にバイパスする方向に進んでいたパーミッション疲労を終わらせるためにオートモードを採用しました。5月中旬以降、セッションの約10%に分類器の拒否が含まれており、これは正当なタスクを遅くすることなく実際の作業が行われている証拠です。
  • Garner Healthは、管理設定を通じて全従業員550人にオートモードをデフォルトとして展開し、手作業でキュレーションされたコマンド許可リストに依存しなくなった会社全体のソフトウェア開発ライフサイクル(SDLC)を標準化しました。

これらの顧客が本番環境でオートモードをどのように実行しているかをご覧ください。

開始方法

Pro、Max、Teamユーザーの場合:デフォルトのパーミッションモードを設定していない場合、製品内通知が表示され、新しいセッションは自動的にオートモードで開始されます。別のデフォルトを設定している場合は、デフォルトをオートモードに切り替えるかどうかを尋ねる一度限りのプロンプトが表示されることがあります。Team管理者が管理設定でデフォルトを設定している場合は、何も変更されません。

EnterpriseユーザーおよびClaude API経由でClaude Codeにアクセスするユーザーの場合:オートモードは当面の間オプトインのままです。今後1か月以内にオートモードをデフォルトにする予定であり、その前にEnterprise管理者に通知します。

モードを切り替えるには、CLIでShift+Tabを押すか、デスクトップアプリのモードドロップダウンを使用します。管理設定のdefaultModeで組織全体のデフォルトをピン留めするか、disableAutoModeでオートモードを完全に無効にできます。

最後に、オートモードがほとんどのユーザーのリスクを軽減すると信じていますが、分類システムに依存しているため、リスクを完全に排除するものではありません。本番インフラストラクチャへの高リスクな変更については、Claudeのアクションを自分でレビューすることを引き続きお勧めします。完全な設定手順については、オートモードのドキュメントを参照してください。

‍

この記事はConner Phillippiによって書かれ、Nicholas Carlini、Isaac Fung、John Hughes、Alex Isken、Shawn Moore、Javier Rando、Molly Vorwerckの貢献を受けています。著者らはまた、Yacine Azmi、Chandler Bair、Kefan Chen、Boris Cherny、Ian Grunert、Lydia Hallie、Alex Kleiman、Lauren Polansky、Deon Poncini、Robert Schonberger、Marie Vachovsky、 Qing Wang、Cat Wu、Daniel Xu、Alice Zhaoにも感謝の意を表します。

‍

1 Claude Code v2.1.205およびCodex v0.144.5を評価しました。OpenAIは先週、Auto-reviewの新しいバージョンをリリースしましたが、これは結果を変更する可能性があります。