Anthropicプロダクトリードが語る Claude Fable 5 とAI時代の働き方 —「寝て起きたら仕事が終わる」エージェント前提の仕事術

Anthropic Interview · 1on1 Tech · Claude Fable 5

寝る前に Claude へ最後の仕事を投げ、8 時間眠って起きると、その仕事が終わっている——。これは未来の話ではなく、Anthropic 社内ですでに当たり前になっている働き方です。テック系インタビュー番組「1on1 Tech」が公開した動画^[1]では、新モデル Claude Fable 5 の登場を機に、Anthropic で Claude Code と Cowork のプロダクトリード（製品責任者）を務める担当者が、「これから人間は AI とどう向き合い、どう働くべきか」を具体例とともに語っています。本記事は、約 34 分のインタビュー全編を 15 章で読み解き、エンジニアに限らずすべての働く人が明日から実践できる形に整理したものです。専門用語には平易な言い換えを添え、英語の発言には日本語訳と「あなたの業務でどう使えるか」を併記しました。所要時間は約 18 分です。

you@1on1-tech:~/fable5 ❯ 01_tldr.md結論：このインタビューの要点を90秒で

動画を再生する時間がない読者のために、まずインタビューの結論を 90 秒に圧縮します。ここで言う「エージェント」とは、人間が細かく指示しなくても、目標に向けて複数の手順を自分で進める AI のことです。

1. Fable 5 は「長時間・複雑な仕事」を任せられるモデル。これまでで最も強力なコーディングモデルで、大規模なコードベースに対して慎重な変更を長い時間軸で積み重ねられる^[1]。
2. AI は「作業の代行者」から「相談相手」へ変わった。「この機能をこう作って」と細かく指示する代わりに、「こんな課題がある。どう解くべきだと思う?」と相談できるようになった^[1]。
3. 「ざっくり指示」で意図が伝わる。手順を A→B→C と分解して書かなくても、上位のゴールだけ渡して送り出せば、AI が間を埋める。
4. 働き方の核心は「時間を増やす」ではなく「レバレッジを上げる」。退屈な反復作業を自動化し、人間は創造的な判断に集中する。寝る前に仕事を投げ、起きたら終わっている、という運用が社内標準^[1]。
5. 自動化は一気に任せず、段階的に信頼を育てる。最初は 30% 失敗することもある。エラーを見て直し、成功率が 100% に達して初めて自走させる。それまでは人間が結果を必ず点検する。
6. 安全性が全ての判断の土台。基準を満たさない機能は、出せる状態でも出荷を止める。Fable 5 にはサイバー・生物分野の厳格なチェック機構が組み込まれている^[1][3]。
7. トークン（AI の利用量）は「可視化」と「個人の判断」で管理する。使いすぎを禁止するのではなく、各自が自分の使用量を見て「これは人間にやらせたかった仕事か?」と問う。
8. 人間に残る最大の仕事は「何を作るべきか」の判断。誰のどんな問題を、なぜ、いくらで解くのか——この「目利き」はどの職種からでも発揮できる。

you@1on1-tech:~/fable5 ❯ 02_about.mdこの動画について — 話者・媒体・背景

本記事が題材とするのは、テック系インタビュー番組「1on1 Tech」が公開した動画^[1]です。Anthropic が新モデル Claude Fable 5 と Mythos 5 を発表した直後のタイミングで収録されました。

話者は、Anthropic で Claude Code（プログラミング作業を AI に任せるためのツール）と Cowork（コード以外の業務を任せるためのツール）の両方を統括するプロダクトリードです。研究者ではなく「実際に製品を作って世に出す側」の立場から、フロンティアモデル（その時点で最も能力が高い最新モデル）を世界で最も早く触れる人物として、現場の実感を語っているのがこのインタビューの価値です。

you@1on1-tech:~/fable5 ❯ 03_what_is_fable5.mdFable 5 とは何か — 「Mythos クラス」を一般向けに安全化したモデル

まず前提を整理します。今回 Anthropic が出したのは 2 つのモデルです。

「Mythos クラス」とは、Anthropic がモデルの能力段階につけた呼び名です。あまりに強力で安全上の懸念から一般公開を見送ってきた最上位ランクを指します。Fable 5 は、その Mythos クラスの能力を一般の人が安全に使える形に整えた最初のモデルとして一般提供（GA）が始まりました^[2][3][4]。話者はその実力を端的にこう表現しています。

Fable 5 is the most strong coding model that we've ever released, and it's able to handle complex tasks that previous models would struggle with. If you have long running work, if you need to work in very complex code bases, and you need a model that can make very careful changes over a long time horizon, Fable 5 is the best model for that task.

Anthropic プロダクトリード, 1on1 Tech インタビュー / [1]

日本語訳：「Fable 5 は当社がこれまでに出した中で最も強力なコーディングモデルで、従来のモデルが苦戦していた複雑なタスクをこなせます。長時間続く作業、非常に複雑なコードベースでの作業、長い時間軸にわたって慎重な変更を行えるモデルが必要なら、Fable 5 が最適です。」

Anthropic は今後も「より自律的に・より長時間」という方向へモデルを進化させ続けると明言しています。これは、私たちが AI に任せられる仕事の範囲が、今後も継続的に広がっていくことを意味します。

you@1on1-tech:~/fable5 ❯ 04_partner.md「コーディング代行」から「思考と設計のパートナー」へ

インタビューで最も重要な転換点がここです。話者の同僚で Claude Code を生み出した Boris Cherny 氏が「Fable 5 はコーディングを代行するエージェントから、製品づくりにおける思考と設計のパートナーへと一段上がった」と述べていることに触れ、話者自身も同じ実感があると語ります。

Fable 5 just feels like it really just gets you. You can give it these higher level assignments. In the past maybe you tell it, "Hey, I want you to build this feature in exactly this way." And with Fable 5, you can tell it, "Hey, I have this problem that I want to solve and I have some ideas, but what do you think we should do?"

Anthropic プロダクトリード, 1on1 Tech インタビュー / [1]

日本語訳：「Fable 5 は、本当にこちらの意図を汲んでくれる感覚があります。より高いレベルの依頼ができるんです。以前なら『この機能を、まさにこういう形で作って』と指示していました。Fable 5 では『こういう課題を解きたい。アイデアはいくつかあるけれど、どうするのがいいと思う?』と相談できます。」

話者は、自分が複雑な課題に直面したときは「まず Fable 5 とブレインストーミングし、その助言をかなり信頼している」と述べます。正しい方向を人間が指し示せば、あとは AI が高い成功率で大きな塊の作業を引き受けてくれる、という分業が成立しつつあるのです。

you@1on1-tech:~/fable5 ❯ 05_vague_instructions.md「ざっくり指示」が通じる — 手順を書かずゴールを渡す

動画タイトルにもなっている「ざっくり指示で意図を理解」は、具体的には次のような変化です。話者の説明を、指示の書き方の before / after として整理します。

ここで一点だけ注意が必要です。「ざっくりでいい」は「何も考えなくていい」ではありません。話者は後半（第12章）で「モデルは読心術師ではないので、制約は最初に明示すべき」とも釘を刺しています。つまり、譲れない条件（締切・予算・使ってはいけない手法など）は最初に伝えたうえで、進め方の細部は AI に委ねるのが正しい「ざっくり指示」です。

【ゴール】顧客向けの解約防止フローを改善したい。
【守ってほしい制約】既存の決済画面のデザインは変えない／個人情報は新規に保存しない。
【手元にあるアイデア】解約ボタンの前にアンケートを挟む案を考えているが、他にもあれば提案して。
【お願い】まず方針を3案出して。良い案を選んだら、実装まで進めてほしい。

このように「ゴール」「制約」「手元のアイデア」「依頼の進め方」の 4 点を書くだけで、細かい手順書がなくても AI は意図を汲んで動けます。

you@1on1-tech:~/fable5 ❯ 06_use_cases.md具体例で見る Fable 5 の使いどころ

話者は「一般の人でも違いを実感できる例」として、3 つの具体的なユースケースを挙げました。

1. 「自分で動くタスクリスト」（self-doing to-do list）。Claude Desktop（デスクトップ版アプリ）で、やることリストを書き出すと、各項目ごとに AI が自動で起動して着手するという新しい操作方法。「リストに書く＝AI が動き始める」という発想です。
2. 本番アプリで直接、試作する。以前は素早く試すために「本物とは別の試作用アプリ」を作っていたが、Fable 5 なら本番のアプリそのものを直接いじって改良し、すぐ他のユーザーに共有できる。試作と本番の往復という無駄が消えた。
3. 営業・マーケティング資料の底上げ。「製品要件をまとめた資料はここ、確認すべき情報源はこれ、ローンチ用の素材はこれ」と所在を伝えるだけで、Fable 5 がそれらを統合し、顧客に響く一貫したストーリーに仕立て、自社のブランドトーン・デザインに沿ったスライド一式を作って戻してくる。

では、AI はどうやってこうした多様な業務をこなせるようになるのか。話者は「高品質な長時間業務のお手本を、モデルにたくさん見せること」だと説明します。コーディングだけでなく、財務・法務・マーケティング・営業・生物研究といった各分野で「その道のプロが何をするか」の実例を蓄積し、モデルに学ばせることで、適切な進め方の直感が育つ、というわけです。

you@1on1-tech:~/fable5 ❯ 07_monthly_release.mdなぜ Anthropic は月イチで新モデルを出せるのか

Anthropic は歴史的に「毎月 1 つ新しいモデルを出してきた」と話者は言います。なぜそんなに速いのか。答えはシンプルで、「Claude 自身が自分たちの生産性を大きく上げているから」です。

We recently shared that with the latest models we've been able to ship 8x more code per engineer than compared to past years.

Anthropic プロダクトリード, 1on1 Tech インタビュー / [1]

日本語訳：「最新のモデルによって、エンジニア 1 人あたりが出荷できるコード量が、過去（会社の創業からの数年間）と比べて 8 倍になったと、最近公表しました。」

もう一つの理由として、話者は「これまで挑めなかった大きなプロジェクトに挑めるようになった」点を挙げます。Claude Code や Cowork で生産性が上がった結果、扱えるプロジェクトの規模そのものが拡大した、と。そして、その生産性向上の象徴が、次章の「夜間運用」です。

you@1on1-tech:~/fable5 ❯ 08_overnight.md「寝て起きたら仕事が終わる」— エージェントを24時間働かせる

このインタビューを象徴するフレーズが、ここで登場します。

A lot of people kick off one last job before they go to bed. They sleep for eight hours, they wake up and the job's done. Which means that now instead of you only having eight hours of work, you're still working eight hours, but your agents can work 24 hours.

Anthropic プロダクトリード, 1on1 Tech インタビュー / [1]

日本語訳：「多くの人が、寝る前に最後のジョブを 1 つ投げます。8 時間眠って起きると、その仕事は終わっている。つまり、あなた自身の労働は 8 時間のままでも、あなたのエージェントは 24 時間働ける、ということです。」

話者は働き方の指針を次のようにまとめます。「もっと働くのではなく、毎日やっている反復作業を見つけ、その退屈な部分を肩代わりする自動化を組むことで、もっと面白い仕事ができるようにする」。AI を残業の道具ではなく、退屈を消す道具として使う——この姿勢が一貫しています。

you@1on1-tech:~/fable5 ❯ 09_responsible_automation.md自動化は「慎重に」育てる — 30%失敗から100%成功まで

「全部 AI に任せればいい」という単純な話ではありません。話者は、自動化を責任を持って安全に育てる手順を具体的に語っています。ここで言う「ハーネス」とは、AI をうまく動かすための足回り（指示文・手順・ツール連携などの仕組み一式）のことです。

1. 最初は失敗する前提で始める。新しい自動化を組むと、Claude は最初から完璧には成功しない。「30% くらいは失敗することもある」と話者。
2. 失敗を観察して直す。エラーを 1 つずつ見て、指示文（プロンプト）や足回り（ハーネス）を修正し、失敗の穴を塞いでいく。
3. 成功率 100% になって初めて自走させる。安定して成功するようになるまでは、人間が必ず結果を点検する。
4. 最終責任は人間が持つ。「変更の責任を負うのは人間であり、十分に信頼できるまでは結果を必ず監査する」という姿勢を崩さない。

Use Claude to automate parts of your job. But you have to do this in a very responsible and safe way where you as the human are still responsible for the change and should audit the results until you have very high trust.

Anthropic プロダクトリード, 1on1 Tech インタビュー / [1]

日本語訳：「Claude を使って仕事の一部を自動化してください。ただし、とても責任ある安全なやり方で行う必要があります。人間であるあなたが依然として変更に責任を持ち、十分に高い信頼を得るまでは結果を監査すべきです。」

you@1on1-tech:~/fable5 ❯ 10_safety.md安全性を最優先する文化 — 分類器・レッドチーム・Auto モード

話者は「安全性は私たちのやることの中核であり、最も重要なこと」と繰り返します。ここで出てくる専門用語を先にかみくだいておきます。

Fable 5 には、サイバーセキュリティや生物・化学分野の悪用を防ぐ厳格なチェック機構（分類器）が組み込まれており、これらの危険領域に該当する場合は能力を制限する設計になっています^[3]。話者は「基準を満たさないと感じたら、出せる状態でも製品の出荷を止めることがよくある」とも明かしました。

その好例が Auto モードの開発秘話です。話者は「許可確認の疲れ（permission fatigue）」という問題を観察していました。

1. 問題の発見：ユーザーが許可確認をあまりに多く求められ、もはや中身を読まずに「はい、はい、はい」と押している。承認率は約 97%、しかも表示からミリ秒で「はい」を押すケースが多く、読む時間が物理的にない。
2. 発想の転換：「Claude 自身が、その操作が安全かどうかをかなり的確に判断できる」ことに気づき、許可判断を Claude に委ねる検証を社内で開始。
3. 人間超えまでチューニング：Claude が「はい」「いいえ」と判断した全ケースをログに取り、「人間がやるより良い」と言える水準まで分類器を調整。
4. 外部レッドチームで攻撃テスト：外部企業を雇い、AI を騙す敵対的な環境を作らせ、それに耐えられるよう堅牢化。
5. そこで初めて world に出荷：当初のアイデアは昨年12月。数ヶ月かけて「人間のレビュアーより安全だ」と確信できてから公開した。

you@1on1-tech:~/fable5 ❯ 11_token_cost.mdトークンコストとどう向き合うか — 「可視化」と「判断」

AI が賢くなるほど、人はより多くの仕事を任せたくなり、結果として利用量（＝コスト）が増えます。ここで言う「トークン」とは、AI が読み書きする文章を細かく区切った単位で、利用料金はこのトークン量で決まります。Anthropic はこの問題に「禁止」ではなく「可視化と判断」で向き合っています。

1. 可視化：社内では、各ユーザーが「自分のトークンがどこに使われているか」を把握できるようにしている。「使いすぎだ」と叱るためではなく、本人が自分の作業記録を振り返り「このセッションはこんなに使う必要はなかった」あるいは「これは良い使い方だった」と自分で気づけるようにするため。
2. 判断の基準：「これは本来、人間にやらせたかった仕事か?」を問う。人間に頼みたいレベルの価値ある仕事なら、AI に任せる価値がある。
3. 「できるから」で乱用しない：話者は「試作を 10 個作れると分かると、つい『100 個、いや 1000 個作れるじゃないか』となる人がいる」と指摘。だが「本当に検証したい 10 個の仮説」に絞るべきで、使えるからといって不要な 990 個を作るべきではない。

You should use Claude in situations where you feel that this task is something that you would have otherwise wanted a human to do.

Anthropic プロダクトリード, 1on1 Tech インタビュー / [1]

日本語訳：「Claude は、『この仕事は本来なら人間にやってほしかった』と感じる場面で使うべきです。」

you@1on1-tech:~/fable5 ❯ 12_strengths.mdClaude の強みと弱み — 高い対話力・100万トークン・モデル選び

話者は「Claude が特別な理由」を 2 つ挙げます。

1. 高い「対話力」（EQ）。EQ は人の気持ちを汲む力のこと。Claude は説明不足の依頼でも、追加の情報を自分で探して「本当は何を求めているか」を推測できる。さらに「質問すべきタイミングを心得ている」——勝手に突き進むべき時と、いったん止まって確認すべき時を判断でき、ユーザーはこの性質を高く評価している。
2. 100万トークンの文脈を使い切る訓練。「コンテキストウィンドウ」とは、AI が一度に読み込んで考慮できる情報量の上限のこと。Claude はこの 100 万トークン（書籍数冊分に相当）を端まで活用し、バックエンド開発・性能最適化・システムレベルの難所といった複雑なタスクに強い。巨大で歴史の長い本番コードベースでも巧みに動ける。

一方、弱みや課題についても率直です。X（旧 Twitter）上で「Opus 4.7 / 4.8 が期待ほど動かず、4.6 に戻している」という声があることを問われ、話者はこう答えます。

The real world is always a lot more complex than the evaluations that we have internally. So sometimes there's edge cases that we didn't expect. But in those situations, we really appreciate users' feedback, so that we can immediately create evals that capture it and then update the harness to compensate.

Anthropic プロダクトリード, 1on1 Tech インタビュー / [1]

日本語訳：「現実世界は、私たちが社内で持っている評価テストよりも常にずっと複雑です。だから時々、想定外のエッジケース（例外的なケース）が出ます。そういう時はユーザーのフィードバックが本当にありがたい。それをすぐに評価テストに取り込み、足回り（ハーネス）を更新して埋め合わせられるからです。」

you@1on1-tech:~/fable5 ❯ 13_ai_native.mdAnthropic の「AIネイティブ」な働き方

「AI を前提に設計された会社」では、実際どう働いているのか。話者の説明は具体的です。

• 会議がとても少ない。Claude Code チームでは、調整のほとんどを Slack チャンネル上の非同期（その場に集まらず、各自の都合で進める）でこなす。
• Claude が隣にいる。問題の仕分け（triage）や根本原因の特定を Claude が手伝う。「全員の肩の上に、自分の担当機能のバグやエッジケースを見張ってくれる小さな相棒がいるような感覚」。
• 職種を超えて使う。ドキュメント担当の Sarah さんは、Claude Code に入る変更（PR）を自動で監視し、対応するドキュメント修正を作り、CLI（コマンドラインツール）が公開されるのを待ってからドキュメントを反映する自動化を自分で組んだ。法務チームは製品概要を Claude でレビューし、広報や安全担当チームも同様に活用している。

そして、ツールの使い分けはこうです。

you@1on1-tech:~/fable5 ❯ 14_future_and_aftertalk.md「全員がコードを書く」未来とアフタートーク

「もし文字通り誰もが Claude でコードを書けるようになったら、未来はどう見えるか?」という問いに、話者は「最も難しいのは business / product taste（事業と製品の目利き）を磨くこと」だと答えます。

Understanding what should we build, why, for whom, how do we price it, how do we roll it out. This level of judgment can come from anywhere.

Anthropic プロダクトリード, 1on1 Tech インタビュー / [1]

日本語訳：「何を作るべきか、なぜ、誰のために、どう価格をつけ、どう世に出すか——を理解すること。この水準の判断は、どこからでも生まれうるのです。」

実例として、Anthropic の法務メンバーが自分用にアプリを作った話が紹介されます。「ある製品について法的な質問がある」と尋ねると、製品ごとの担当弁護士を案内してくれるアプリです。従来ならアプリを作るはずのない職種が、自分の仕事を補強する道具を自作し始めている——これがすぐそこにある未来だと話者は言います。

アフタートーク：2つの金言

収録後の雑談（アフタートーク）で、特に印象的な 2 つの言葉が語られました。

If Claude isn't failing, then you're not asking it hard enough things. You should just keep asking it things until it's struggling, and that's how you figure out what it's able to do.

Anthropic プロダクトリード, 1on1 Tech インタビュー / [1]

日本語訳：「Claude が失敗していないなら、それは十分に難しいことを頼めていない証拠です。Claude が苦戦するまで頼み続けてください。そうやって、Claude に何ができるのかが分かるのです。」

もう一つは「睡眠」の話です。話者は多忙でも毎日 8 時間眠ると言い、その理由をこう説明します。「私たちは毎日、難しい判断を下さねばならない。よく休んでいないと、うまく考えられない。人間に残された重要な仕事は、この『深く考える力』だ」。そして「Claude にのめり込んで眠らなくなる人がいるが、そうなっていないか自分で気づくことが大切」と、リスナーにも 8 時間睡眠を勧めて締めくくります。AI に作業を任せられる時代だからこそ、人間は判断力のために休む——示唆的なメッセージです。

you@1on1-tech:~/fable5 ❯ 15_checklist.mdDO / DON'T セルフチェックとまとめ

このインタビューから引き出せる「明日からの AI との向き合い方」を、実践チェックリストにまとめます。

✅ DO（やるべきこと）

1. 指示ではなく「相談」から始める。「こう作って」ではなく「この課題、どう解くのがいい?」と壁打ちする（Ch04）。
2. 制約だけ最初に明示し、進め方は委ねる。ゴール・守ってほしい条件・手元のアイデアを伝えれば、手順書は不要（Ch05）。
3. 退屈な反復作業を、寝る前・離席前に投げる。人間の労働時間は増やさず、AI に 24 時間働いてもらう（Ch08）。
4. 自動化は失敗前提で育て、信頼できてから手を放す。最初は全件チェック、安定したら抜き取り検査へ（Ch09）。
5. 「人間に頼みたい仕事か?」で使いどころを判断する。利用量は可視化し、各自が振り返る（Ch11）。
6. 仕事の性質でモデルを使い分ける。本番の複雑な変更は Fable 5、試作やゼロからは別モデル、と役割分担（Ch12）。
7. 苦戦するまで頼んでみる。AI にできることの境界は、頼んでみないと分からない（Ch14）。
8. 非エンジニアこそ AI を業務の中心に置く。資料作成・調査・問い合わせ対応から始める（Ch06・Ch13）。

❌ DON'T（避けるべきこと）

1. 新しい自動化をいきなり無人で本番投入する（Ch09 — まず人間が監査）。
2. 「できるから」と不要な大量生成をする（Ch11 — 1000個ではなく本命の10個に絞る）。
3. 制約を伝えずに「察してくれる」と期待する（Ch05 — モデルは読心術師ではない）。
4. 便利機能を安全確認なしに全公開する（Ch10 — 人間以上に安全か測ってから）。
5. AI を残業の道具にして睡眠を削る（Ch14 — 判断力のために休む）。
6. 「AI＝エンジニアの道具」と決めつける（Ch06・Ch13 — 法務すらアプリを作る時代）。

最後に、このインタビューの本質を 3 行に圧縮します。

1. AI は「作業者」から「相談相手」になった。細かく指示する技術より、何を任せ何を自分で判断するかの切り分けが問われる。
2. レバレッジは「時間を増やす」ではなく「24時間働く相棒を持つ」こと。退屈を自動化し、人間は創造と判断に集中する。
3. 速さと安全は両立する。失敗を見ながら育て、人間以上に信頼できると確かめてから手を放す。そして、判断力を保つためによく眠る。

AI に何でも頼める時代に、人間の価値は「作業量」ではなく「何を作るべきかを見極める判断力」に移っていきます。今夜、寝る前に一つだけ、退屈な仕事を Claude に投げてみる——その小さな一歩が、あなたの働き方を更新する最初の実験になります。