約20人のチームが、Claude Code、MCP、Claude Designを制作しました。
しかし、Anthropicの共同創設者でLabsの責任者であるBen Mannの見方では、このチームの大多数の試みは、失敗を許容すべきだった。
Business Insiderの報道によると、Anthropicの内部Labsチームは、約2週間ごとに手元のプロトタイプを評価し、継続するか方向を修正するかを判断している。見込みのないアイデアは中止され、他のプロジェクトに統合される。一方、実際に機能した製品はLabsから「卒業」し、独立したチームに引き継がれて開発が継続される。
マンが提案したアイデアの成功率は20％～30％に過ぎない。一部の独立した形にならなかった探求も、他のプロトタイプや製品に吸収される。この数値はClaude Codeの成功と対比され、Labsの最も顕著な特徴を構成している：多数の試行が最終段階に至らないことを受け入れ、リソースを少数の継続的に投資する価値がある方向に集中させる。
Anthropicが商業化を進めるにつれ、このメカニズムの重要性は高まっている。Business Insiderの報道によると、同社は上場に向けた準備を進めている。最先端のモデル機能を、ユーザーが継続的に利用する製品にどう変えるかは、Labsが今後も答え続けなければならない課題である。
Labsはどのようにベンチャーキャピタルのハブのように機能するのか
マンはインタビューで、数年前には自社が製品をリリースし始めるよう説得する必要があったと振り返った。当時、議論された課題の一つは、企業が慈善的な資金支援に頼って、先進的なAI研究を継続できるかどうかだった。
2024年、彼はLabsを設立し、新製品のアイデアを自由に探求する空間を確保した。以来、このチームはClaude Code、AIエージェントと外部データおよびツールを接続するModel Context Protocol（MCP）、そして今年リリースされたClaude Designを次々と生み出してきた。Instagramの共同創業者であるMike Kriegerらも参加している。
ベン・マン
Mannは、Labsを本物の「スタートアップ・アクセラレーター」と表現しました。
この組織形態には明確な参照先がある。彼はベル研究所に言及し、2018年にはグーグルの内部イノベーションプログラムArea 120にも参加した。グーグルのXも同様の考え方を提供している：不確実性の高い分野を専門チームで探求し、成熟したプロジェクトを段階的に独立させる。
Labsの特徴は、モデル研究との距離感により一層現れます。最先端のモデルの能力は絶えず変化しています。ある製品が今日ではまだ使い勝手が良くないとしても、次のモデルアップデートで実用的な境界を越える可能性があります。製品チームがどの能力が改善されつつあるかを事前に把握できれば、何を価値あると判断し、何を早期に試すべきかをより早く見極める機会を得られます。
Claude Code はこのような条件下で生まれました。
Claude Codeの誕生
マンによると、2024年末に開発を開始する前から、研究者は新モデルがエージェントプログラミングにおいて可能性を示しているとチームに伝えていた。これは重要なシグナルであり、プログラミングに基づいて製品を構築することで、モデルにより多くの実際の操作を担わせることが可能であることを示している。
マンは、この方向性を新入社員のボリス・チェルニーに任せた。チェルニーは当初、コード分析ツールを提案したが、マンはこのアイデアのスケールが十分でないと感じた。彼はインタビューで、新入社員には特に目標を大幅に引き上げる必要があると語った。なぜなら、エージェントが実際にどれほどできるのかは、まだ多くの未知数が残っているからである。
ボリス・チェルニー
これはAI製品開発における実際の課題に対応しています：すでに熟悉的な能力に基づいて製品を設計し続けると、モデルが次に担えるタスクを過小評価する可能性があります。
その後、Chernyが作成したプロトタイプは内部で好評を博した。2025年2月、AnthropicはClaude Codeをプレビュー版としてリリースした。これは基盤モデルを利用してコードの作成、編集、実行を行い、その後のモデルのアップグレードが製品の進化を継続的に推進した。
Claude Codeは、Anthropicの成長の重要な推進力となりました。Chernyは現在、この製品を担当しています。
失敗を許容する製品メカニズム
このプロセスを振り返ると、Labsの強みは単一の孤立したアイデアから生まれたものではありません。研究チームがまず能力の変化を発見し、製品チームがそれに基づいてプロトタイプを構築し、内部で需要を検証しました。その後、モデルの進歩がさらに体験を改善しました。これらのステップがどれだけ密接に連携するかが、製品が技術の進展を及时に捉える機会を高めます。
しかし、能力を事前に見抜くことは、すべてのアイデアに長期的に投資する価値があるという意味ではありません。
Labsは約2週間に1回、プロジェクトに対して「継続するか方向転換するか」の評価を行います。このサイクルは進行方向を確認するためのものであり、すべての製品を2週間以内に完了させるという意味ではありません。
あるアイデアがうまくいかない場合、チームはそれを終了させたり、その中で価値のある部分を他の探求に統合したりできます。参加者はその後、新しいタスクに移ります。Mannは、一部の試みが最終的にClaudeのChrome拡張機能などの製品に統合されたと述べています。
したがって、20％から30％の成功率は、残りの作業がすべて無駄になったと単純に解釈すべきではありません。プロトタイプが独立した製品に成長しなくても、再利用可能な機能、技術的経験、または要件判断が残る可能性があります。
もう一つの重要なルールは、プロジェクトチームの規模が通常4人を超えると、Labsから「卒業」することです。
Claude Code と Claude Design は、いずれもこの方法で会社内の独立したチームに移管されました。これにより、Labs は小規模なまま維持され、次なる方向性の探求を継続しています。これが、Labs が常に人員の入れ替わりが激しいチームである理由でもあります。プロジェクトが成熟すると、一部のメンバーが去り、Labs は新たなメンバーを加えて、次の挑戦を始めます。
研究と製品間の双方向フィードバック
認証済みのプロジェクトにはより多くのエンジニアリングリソースと長期的なメンテナンスが必要であり、小規模チームは方向性を調整する余地を維持する必要があります。成熟したプロジェクトを適切に独立させることで、Labsが日常運営で完全に埋め尽くされるのを防ぐことができます。
それには相应的な管理コストもかかります。人員の継続的な変動があり、新メンバーは研究の進捗を迅速に理解する必要があり、チームは協力関係を繰り返し再構築しなければなりません。2週間に1回の評価が有効であるかどうかは、プロトタイプのパフォーマンスに対する判断の質に依存します。
マンの説明によると、Labsと研究チームの間のコミュニケーションは双方向で行われています。製品開発者は新しいモデルを利用して機会を探し、実際のタスクにおけるギャップが研究者に新たな能力への注目を促しています。
マンは、Labsの目標の一つを、AIの「行動範囲」を広げること、つまり強力なモデルが現実世界でより多くのことを実行できるようにすることと要約した。この表現は、製品開発の目標を具体的なタスクに落とし込んだ。プログラミングにはコードを操作できる能力が求められ、デザインにはより適切な視覚的結果を生成する能力が求められ、多言語対応にはシステムがより多くの人の表現を理解できる能力が求められる。製品が成り立つかどうかは、モデルがまだ補完すべき能力を浮き彫りにする。
商業化後のエコシステムの課題
これらの製品がより多くの市場に進出するにつれて、Anthropicはより複雑なビジネス関係に直面することになります。
Forresterのアナリスト、マイク・ガルティエリは、Business Insiderに対し、Anthropicが提供するツールは、企業顧客が既に使用しているソフトウェアと直接競合する可能性があると指摘した。Claude Designはその一例であり、AdobeやFigmaなどの企業が手がけるデザインソフトウェア分野に進出している。
ここには持続的な緊張が存在する：Anthropic は開発者や企業にモデルの機能を提供すると同時に、その機能を基に自社製品も構築している。プラットフォームに追加される機能が増えれば増えるほど、他のソフトウェア製品と重複する機会も増える。
ユーザーにとっては、より多くの内蔵機能がツールの切り替えを減らす可能性がある。エコシステムパートナーにとっては、自社製品がどのような差別化価値を提供できるかを判断する必要がある。Anthropicがこの両者をどのようにバランスさせるかが、そのプラットフォームの魅力に影響を与える。
会社が今後上場を果たした場合、Labsはより明確な経営目標の下で、不確実性の高い探索にも空間を残す必要がある。この記事のみで上場時期を判断することはできず、上場後の研究開発投資の調整方法を事前に確定することもできない。
マンの考えでは、Labsの方向性はオフィスおよび開発ツールにとどまらない。
彼は、チームが今後、生物学研究、クリーンエネルギーの蓄積、その他の現実的な応用におけるブレークスルーに参加することを望んでいる。彼は、基礎科学の研究を加速することで、AIがより多くの人々に実際の利益をもたらすことができると考えている。
これらはまだビジョンにすぎず、検証可能な成果までには長い道のりがあります。しかし、それらはLabsがすでに採用しているアプローチを継承しています——能力の境界を観察し、解決価値のある問題を見つけ、プロトタイプでアイデアを検証するのです。
Claude Codeは、そのうちの一つの道が実現可能であることを証明しました。Labsの次の課題は、変化し続けるモデルの能力とユーザーのニーズの間で、継続的に次に取り組む価値のあるタスクを見つけることです。
この約20人のチームにとって、重要なのはすべてのプロジェクトを成功させることではなく、可能性が限られた試みを適切に停止し、有望な製品に十分なリソースを提供できるかどうかが、このハッチングメカニズムがどれほど長く継続できるかを決定する。
元のリンク：https://www.businessinsider.com/anthropic-labs-team-ai-innovation-ipo-2026-9
本文は微信公众号「機械の心」より