高性能AIは民主化すればいいのか。Claude Fable 5を使って感じた企業導入の現実

Claude Fable 5は、公開から数日で利用できない状態になりました。報道によれば、Fable 5はAnthropicのMythos-classに属する高性能モデルとして公開され、その後、米国政府の指示を受けてAnthropicが提供を停止したとされています。

私が実質的に使えたのは短い期間でしたが、その数日の間にかなり集中的に使いました。結論から言えば、Fable 5はこれまで使ってきたモデルより明確にすごかったです。

ただし、その体験を通じて強く感じたのは、高性能AIを全社員に同じ条件で配ればよいという話ではありません。AIを使う意識そのものは、むしろ全社員に必要です。これからの従業員は、AIを単なる道具ではなく、部下のように扱い、指示し、確認し、成果物に責任を持つ必要があります。

一方で、すべてのマネージャーに同じ予算と決裁権を渡さないのと同じように、すべての従業員にFable 5級の高性能モデルを無制限に開放する必要はありません。ここを分けて考えることが、企業のAI導入では重要だと感じています。

AI利用に関する前提 サードパーティートラストでは、AIの使用を許可されていない企業のデータ分析に、AIを使用することは一切ありません。顧客データ、分析データ、業務情報の取り扱いは、契約条件と許諾範囲を前提に判断しています。

Fable 5で見えたもの

サードパーティートラストでは、Webアプリケーション開発、業務アプリケーション開発、業務フローの整理、オフラインの分析業務の自動化などで、かなり深くAIを使っています。

今回Fable 5で特に試したのは、DatateamやVoicePocketを含む複数のWebアプリケーションに対して、アプリケーション全体を読ませる使い方です。コード単体のレビューではなく、システム構成、機能、プロダクトの目的、市場での立ち位置まで含めて考えさせました。

そこで印象的だったのは、単なる改善案ではありませんでした。

この機能があると便利です、という表面的な提案ではなく、ここには競争力がある、この方向に進むと競争が激しく勝ち目が薄い、一方でこの領域は他社がまだ十分に押さえていないので市場で有利に立てる、という判断まで踏み込んできました。

さらに、これまでの会話履歴から私自身の強みも踏まえたうえで、増やすべき機能と削るべき機能を提案してきました。これはかなり驚きました。

これまでのOpus系のモデルやCodexでも、最終確認として改善案を出させることはよくありました。AIの提案に従うためではなく、人間の見落としを減らすためです。ただ、Fable 5では、これまで一度も指摘されなかった視点が出てきました。

しかも、その指摘は自分でも薄々感じていたことと重なっていました。読んだ瞬間に、悔しいというより、かなり納得しました。

すべてをAIに任せるわけではない

もちろん、AIの提案をそのまま実装すればよいとは考えていません。

すべてをAIに任せると、市場で差別化しづらい平均的なプロダクトになる可能性があります。特にWebアプリケーションや業務システムでは、細部の判断が重要です。顧客に説明できるか、運用に耐えるか、将来の変更に耐えるか。そうした部分は、最終的に人間が責任を持って判断する必要があります。

ただし、気づきを得る道具としてのFable 5は非常に強力でした。人間だけで考えていたら見落としていた可能性のある方向性を、かなり早い段階で見せてくれます。

この意味で、Fable 5は作業を代行するAIというより、事業判断の前段階を一気に進めるAIに近いと感じました。

AIを部下として持つ意識は全社員に必要

最近は、全従業員がAIを使うべきだという議論も増えています。これは、高性能モデルを全員に無制限に使わせるという意味ではなく、AIを部下として持つマネージャーのような自覚を全員が持つべきだ、という話として捉えると納得できます。

AIに仕事を任せるなら、依頼内容を定義する必要があります。出てきた成果物を確認する必要があります。間違っていれば戻し、足りなければ追加で指示し、最終的な責任は人間が持つ必要があります。

これは、まさにマネジメントです。

その意味では、AIリテラシーは全社員に民主化すべきです。AIを触ったことがない、指示の出し方がわからない、出力の確認方法がわからない、という状態は今後かなり厳しくなっていくと思います。

ただし、AIリテラシーの民主化と、Fable 5級の高性能モデルの無制限利用は別の話です。全員がAIを部下として扱う意識を持つことと、全員が高額で強力なモデルを自由に使うことは同じではありません。

全社員にFable 5を使わせる必要はあるのか

企業がAIを使うこと自体は、もはや前提になりつつあります。文章の要約、議事録、調査、日常業務の整理であれば、全社員がAIに触れる意味はあります。

ただし、Fable 5級のハイエンドモデルを全社員に無制限に使わせる必要があるかというと、私はかなり疑問です。

一番大きい理由はコストです。

報道では、Fable 5のAPI価格は100万入力トークンあたり10ドル、100万出力トークンあたり50ドルとされています。Claude APIを使っている人であればわかると思いますが、ClaudeのAPIは決して安くありません。少し重い作業を依頼するだけで、数千円、数万円単位の利用料になることがあります。

Fable 5の強みは、ソースコード全体や大きな文脈を読ませて、深く考えさせるところにあります。つまり、本気で使うほどコストが膨らみます。

そのコストを全社員に無制限で開放するのは、現実的にはかなり難しいと思います。使う人が悪いという話ではありません。高性能なものを知れば、人間なので使いたくなります。会社負担であれば、なおさらコスト意識は薄れやすい。結果として、AI利用料が人件費に近い水準まで膨らむことも起こり得ます。

ここで必要なのは、AIを閉じることではありません。モデル階層、権限、予算、用途を分けることです。

AIで開発が速くなっても、意思決定は速くならない

もう一つの問題は、意思決定です。

AIによって開発そのものはかなり速くなりました。難しい処理でも、数十分から数時間で形になることがあります。正直、実装の初速だけを見れば、以前とは時間軸が変わっています。

ただし、本番品質、セキュリティ、運用、顧客説明、責任判断は残ります。ここはAIでコードが速く書けることとは別の問題です。

さらに、関係者が多いプロジェクトでは、開発が速くなっても意思決定は速くなりません。

関係者の話を聞く。打ち合わせを入れる。次の打ち合わせまで待つ。決裁の承認を取る。こうした時間は、コーディングの効率化とは別の時間軸で進みます。AIが実装を速くしても、合意形成に何週間もかかれば、全体のスピードは上がりません。

高性能AIを導入するなら、誰が判断するのかを先に決める必要があります。これはツール選定の問題ではなく、意思決定体制の設計です。

軽量モデルとハイエンドモデルは分けて考える

AIモデルは、ひとまとめにAIと呼ばれがちですが、実際には用途が違います。

日常業務の効率化であれば、軽量モデルで十分な場面は多いです。何度使ってもコストを気にしすぎずに済み、社員がAIに慣れるための道具としても向いています。

一方で、Fable 5のようなモデルは別物です。大きなコードベースを読ませる。業務フロー全体を見直す。プロダクトの市場価値を考える。増やす機能と削る機能を判断する。こうした用途では、高性能モデルの価値が出ます。

つまり、誰にどのモデルを使わせるのかを設計する必要があります。全員に同じAIを配るのではなく、用途と責任に応じて分けるべきです。

最初の成果を外部のプロに任せる

ここで、外部のプロに任せるという選択肢が出てきます。

これは、社内育成を否定する話ではありません。AIを使える人材を社内に増やすこと自体は、長期的には必要です。ただし、最初の成果までをすべて社内育成で進めようとすると、時間もコストもかかります。

高性能AIをどう使うべきか。どの業務に入れるべきか。どこまで自動化でき、どこから人間の判断を残すべきか。こうした設計は、最初の段階ほど難しいものです。

そのため、最初の成果を外部のプロに任せるという選択肢は現実的です。外部で一度型を作り、成果が見えた領域から社内に移していく。最初から全社展開を目指すよりも、判断しやすく、失敗したときの固定費も小さくできます。

外注費として見ると、高く感じるかもしれません。しかし、採用費、育成費、人件費の一部として見ると、見え方は変わります。AIを使いこなせる人材を採用し、育成し、定着させるコストを考えれば、短期で第一線のプロに任せる方が合理的な場面はあります。

サードパーティートラストができること

サードパーティートラストでは、AIを使ったWebアプリケーション開発、業務アプリケーション開発、業務フローや分析業務の自動化を、実際に本番公開されるサービスとして扱ってきました。

企画書で終わらせるのではなく、デプロイし、運用できる形まで持っていくことを前提にしています。DatateamやVoicePocketのような自社プロダクトでも、AIを実際の開発と改善判断に組み込んでいます。

Fable 5の短い利用体験は、AIの性能がまた一段変わったことを示していました。同時に、高性能AIを導入するほど、組織側の設計が重要になることもはっきりしました。

AI導入で重要なのは、どのAIを契約するかだけではありません。全社員がAIを部下として扱える土台を作ること。高性能モデルを誰に、どの範囲で、どの予算で使わせるかを決めること。どこまでを社内で判断し、どこから外部のプロに任せるのかを設計することです。

AIを前提にした業務アプリケーション開発、既存アプリケーションの改善レビュー、分析業務の自動化、AI活用体制の設計については、サードパーティートラストにお問い合わせください。