LLMにも"人材配置"が必要になる―― Fable 5時代のAIタレントマネジメント入門

生成AIは「導入する時代」から「配置する時代」へ

生成AIを業務で使う企業が増えています。ChatGPTを導入する。Claudeを使ってみる。GeminiやCopilotを試す。社内FAQや議事録作成にAIを使う――こうした取り組みは、すでに多くの企業で始まっています。

しかし、Fable 5のような高性能LLMが使えるようになると、企業の生成AI活用は次の段階に入ります。それは、「どのAIを導入するか」ではなく、「どの業務に、どのAIモデルを配置するか」を考える時代です。

人間の組織でも、すべての仕事を社長や役員が行うわけではありません。重要な意思決定は役員、部門判断は管理職、実行推進はリーダー、日常業務は一般社員が担います。それぞれの役割に応じて人材を配置することで、組織全体の成果とコストのバランスを取っています。

LLMも同じです。すべての業務に最上位モデルを使えばよいわけではありません。難しい仕事には高性能モデルを、日常業務にはバランス型モデルを、大量処理には軽量モデルを使う。このように、AIモデルを"人材"のように配置する考え方が、これからの企業に必要になります。これが、AIタレントマネジメントです。

Fable 5とは？なぜ「LLMの使い分け」が重要になるのか

Fable 5は、Anthropicが発表したClaudeの高性能モデルです。AnthropicはFable 5について、同社が一般提供してきたモデルの中で最も高い能力を持ち、ソフトウェアエンジニアリング、知識労働、ビジョン、科学研究などで高い性能を示すと説明しています。特に、長く複雑なタスクになるほど、他モデルとの差が大きくなるとされています。

また、Fable 5は「長時間にわたるプロジェクト」「複雑なコーディング」「複数段階のナレッジワーク」「図表・PDFを含む資料理解」などに向いたモデルとして紹介されています。Claude Codeやエージェント環境で、計画、実行、自己検証まで行う用途が想定されています。

一方で、Fable 5は高性能である分、コストも高くなります。Anthropicの公式ページでは、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。

つまり、Fable 5は「何でも気軽に使うAI」というより、難易度の高い重要業務に投入する"役員クラスのAI人材"と捉えるとわかりやすいでしょう。ここで重要なのは、最上位モデルを使えるようになったからといって、すべての業務をFable 5に任せる必要はないということです。むしろ、企業のAI活用で重要になるのは、Fable・Opus・Sonnet・Haikuのようなモデルを業務に応じて使い分け、トータルコストを最適化することです。

たとえば、毎日のメール作成や簡単な要約に常に最上位モデルを使うのはコストがかかりすぎます。一方で、経営戦略、重要提案、複雑な要件定義、大規模なコード設計のような業務を軽量モデルだけで処理しようとすると、出力品質が足りず、結局人間の修正工数が増えてしまいます。つまり、AI活用で本当に必要なのは、単なるツール導入ではなく、LLMの組織設計です。

【図解】人間の組織階層で考える、LLMモデルの使い分け

ここで、LLMの使い分けを人間の組織階層になぞらえて整理してみましょう。

人間の組織では、役割に応じて人材を配置します。

• 役員：重要意思決定・全体戦略
• 管理職：部門判断・複雑な調整
• リーダークラス：実行管理・改善推進
• 一般社員：定型業務・日常対応

LLMも同じように考えることができます。

• Fable：最難度の思考・長時間の複雑業務
• Opus：高度な分析・戦略立案・高品質生成
• Sonnet：実務の中心・提案書・要約・調査
• Haiku：高速処理・定型業務・大量対応

この考え方を取り入れると、AI活用は一気にわかりやすくなります。「どのAIが一番賢いか」ではなく、「どの仕事に、どのAIを配置するか」を考えればよいからです。

役員クラスのAI｜Fableは「最重要業務」に投入する

人間の組織における役員は、会社全体の方向性を決める存在です。日常的な事務処理を大量にこなすよりも、重要な意思決定、全体戦略、難しい課題への対応に価値を発揮します。LLMでいえば、この役割に近いのがFableです。

Fableは、最難度の思考、長時間にわたる複雑業務、複数資料を横断した分析、難易度の高いコード設計などに向いています。たとえば、次のような業務です。

• 経営戦略の壁打ち
• 新規事業の構想整理
• 重要顧客向けの大型提案書設計
• 複雑な要件定義
• 大規模コードの設計・移行支援
• 複数資料を横断した深い分析
• 図表・PDFを含む専門資料の読解

Fableは、いわば"社内の最上位AI人材"です。ただし、役員をコピー取りや定型メール作成に使わないのと同じように、Fableをすべての業務に使うのは非効率です。Fableは、少量でも成果インパクトが大きい業務に絞って使うべきです。

管理職クラスのAI｜Opusは「高度な分析と判断」に強い

管理職は、役員ほど全社戦略に寄り切るわけではありませんが、部門単位の判断や複雑な調整を担います。現場の状況を理解しながら、方針を決め、メンバーに落とし込み、成果につなげる役割です。LLMでいえば、このポジションに近いのがOpusです。

Opusは、高度な分析、戦略立案、複雑な文章生成、品質が求められる資料作成などに向いています。たとえば、次のような業務です。

• 営業戦略の整理
• 競合分析
• 役員向けレポート作成
• 高品質な提案書・企画書の作成
• 顧客課題の構造化
• 複数案の比較検討
• 部門課題の論点整理

Opusは、"高品質なアウトプットを求める業務の管理職AI"です。Fableほど最難度の業務に絞る必要はありませんが、軽い日常作業に多用するにはコストが重くなりがちです。そのため、Opusは「重要だが、Fableほどではない」業務に使うと効果的です。

リーダークラスのAI｜Sonnetは「実務の主力」として使う

多くの企業にとって、最も利用頻度が高くなるのはSonnetクラスです。人間の組織でいえば、Sonnetはリーダークラスにあたります。リーダークラスは、現場を回し、業務を前に進め、改善を推進する存在です。LLMにおけるSonnetも、まさに実務の中心です。

AnthropicはSonnet 5について、速度・価格・性能のバランスがよく、高ボリュームの用途に向いているモデルとして説明しています。多くのAIアプリケーションで、能力とコスト効率のバランスが必要な場合に推奨されるモデルとされています。Sonnetに向いている業務は、次のようなものです。

• 提案書の下書き
• 会議メモの要約
• 調査結果の整理
• メール文の作成
• 社内文書の作成
• ブログ記事や営業資料のたたき台
• 顧客課題の整理／アイデア出し
• 通常レベルのコード支援

Sonnetは、"日々の実務を進める主力AI"です。AI導入初期の企業では、まずSonnetクラスを中心に使い、重要業務だけOpusやFableに上げるという設計が現実的です。

一般社員クラスのAI｜Haikuは「高速・低コスト・大量処理」に使う

人間の組織における一般社員は、日々の定型業務や大量の処理を支える重要な存在です。LLMでいえば、この役割に近いのがHaikuです。

Haikuは、スピードやコスト効率が求められる業務に向いています。AnthropicはHaiku 4.5について、Sonnet 4と近いレベルのコーディング性能を、3分の1のコストかつ2倍以上の速度で提供すると説明しており、低レイテンシーのチャットアシスタント、カスタマーサービス、ペアプログラミングなどに向くとしています。Haikuに向いている業務は、次のようなものです。

• 定型メールのドラフト
• FAQの一次応答
• 簡単な分類
• 大量テキストの前処理
• 短文の要約
• チャットボットの一次対応
• フォーマットに沿った文案作成
• ルールに沿ったチェック作業

Haikuは、"高速に大量業務をこなすAI社員"です。軽量モデルだから価値が低いわけではありません。むしろ、社内問い合わせ、定型文作成、大量データ処理のような業務では、Haikuのようなモデルをうまく使うことで、AI活用の費用対効果を大きく高めることができます。

重要なのは「最上位モデルを使うこと」ではなく「トータルコストを最適化すること」

ここで、多くの企業が誤解しやすいポイントがあります。それは、「高性能モデルを使えば、AI活用はうまくいく」という誤解です。たしかに、Fableのような高性能モデルは非常に強力ですが、すべての業務にFableを使えばよいわけではありません。たとえば、次のような使い方は非効率です。

• 簡単なメール文作成に毎回Fableを使う
• FAQの一次対応に最上位モデルを使う
• 単純な分類作業を高性能モデルで回す
• 大量の定型処理に高コストモデルを使い続ける

これは、人間の組織でいえば、役員に毎日大量の入力作業を任せるようなものです。逆に、次のような使い方も危険です。

• 経営判断を軽量モデルだけで行う
• 重要な提案書を低コストモデルだけで作る
• 複雑な契約確認を簡易モデルだけで済ませる
• 大規模な要件定義を安価なモデルだけで処理する

これは、新入社員にいきなり全社戦略を任せるようなものです。AI活用で成果を出すには、業務の難易度・重要度・頻度・リスクに応じてモデルを配置することが必要です。企業がLLMを使い分けるときは、次のルールで考えるとわかりやすくなります。

ルール1｜重要度が高い業務ほど上位モデルを使う

経営判断、重要顧客への提案、戦略立案、複雑な開発、専門文書の分析などは、少量でも成果への影響が大きい業務です。このような業務では、FableやOpusのような上位モデルを使う価値があります。

ルール2｜毎日大量に発生する業務は軽量モデルで回す

定型メール、FAQ、簡単な要約、分類、一次回答などは、回数が多くなりやすい業務です。ここに上位モデルを多用すると、コストが膨らみます。HaikuやSonnetを活用することで、スピードとコスト効率を高められます。

ルール3｜実務の中心はSonnetに置く

AI導入初期の企業では、いきなり複雑なモデル運用をする必要はありません。まずは、Sonnetを実務の中心に置きます。そのうえで、難しい業務はOpusやFableに上げ、定型業務はHaikuに下げる。この設計が、最も始めやすいAIモデル配置です。

ルール4｜モデル選定だけでなく、業務フローも設計する

AI活用は、モデルを選ぶだけでは成果が出ません。たとえば提案書作成であれば、①顧客情報を整理する→②課題をAIに構造化させる→③提案骨子を作る→④スライド構成を作る→⑤人間が確認する→⑥ナレッジとして再利用する、という流れまで設計する必要があります。モデルの配置と業務フローの設計はセットです。

業務別｜Fable・Opus・Sonnet・Haikuの使い分け早見表

AI導入初期の企業が最初に作るべき「AI人材配置表」

AIタレントマネジメントを始めるために、最初から大きなシステムを導入する必要はありません。まず作るべきなのは、AI人材配置表です。これは、社内の業務を棚卸しし、それぞれにどのAIモデルを使うかを整理した一覧表です。たとえば、次のように整理します。

この表を作るだけでも、社員はAIを使いやすくなります。なぜなら、迷いが減るからです。「この業務はどのAIを使えばよいのか」「どこまでAIに任せてよいのか」「人間はどこを確認すればよいのか」――これらが明確になると、生成AIは一気に業務に定着しやすくなります。

失敗するAI導入｜モデルを使い分けない会社で起きること

LLMの使い分けを考えないままAI導入を進めると、次のような問題が起きます。

失敗1｜コストだけが増えて成果が見えない

すべての業務に高性能モデルを使うと、利用料が膨らみます。しかし、簡単な業務では高性能モデルを使っても成果差が見えにくいため、経営層からは「AIにお金をかけているのに効果がわからない」と見られがちです。

失敗2｜重要業務でAIの出力品質が足りない

逆に、安価なモデルだけで高度な業務を処理しようとすると、出力品質が足りません。その結果、人間の修正工数が増え、「AIは使えない」という評価になってしまいます。これはAIが悪いのではなく、業務に対してモデルの配置が合っていないことが原因です。

失敗3｜社員がどのAIを使えばよいかわからない

複数のAIツールを導入しても、使い分けルールがないと社員は迷います。「ChatGPTでよいのか」「Claudeを使うべきなのか」「Fableを使ってよい業務はどれか」「機密情報を入れてよいのか」。この状態では、AI活用は定着しません。

失敗4｜属人的なAI活用で終わる

AIが得意な人だけが使いこなし、他の社員は使わない。この状態では、企業全体の生産性は上がりません。AI活用を組織に広げるには、個人のスキル任せではなく、業務ごとの使い方、モデル選定、レビュー基準を標準化する必要があります。

成功するAI導入｜LLMを"AI社員"として配置する

AI活用で成果を出す企業は、AIを単なるチャットツールとして扱いません。AIを、業務を担うAI社員として扱います。そして、人間の人材配置と同じように、どの業務を任せるか／どのレベルのAIに任せるか／どこを人間が確認するか／成果をどう評価するか／コストをどう管理するか、を設計します。

この考え方があると、生成AI導入は一過性のブームで終わりません。社内業務に組み込まれ、継続的に改善され、成果が見えるようになります。これからのAI活用で必要になるのは、次の3つの視点です。

1. モデル選定力

これからの企業には、どのモデルが優れているかだけでなく、どの業務に向いているかを見極める力が必要です。Fable、Opus、Sonnet、Haikuには、それぞれ向いている業務があります。最強モデルを選ぶのではなく、最適モデルを選ぶことが重要です。

2. 業務設計力

AIは、業務フローに組み込んで初めて成果が出ます。「AIに聞いてください」ではなく、どのタイミングでAIを使うか／何を入力するか／どの形式で出力させるか／誰が確認するか／結果をどこに蓄積するか、まで設計する必要があります。

3. 社員教育・定着支援

AIモデルを使い分けるには、社員側の理解も必要です。プロンプトの書き方だけでなく、業務分解、AIへの指示、出力評価、リスク判断まで含めて学ぶ必要があります。そのため、これからの生成AI研修は、単なるツール説明では不十分で、業務ごとにどのAIを使い、どう成果につなげるかを学ぶ実践型研修が必要になります。

まとめ｜Fable 5時代、LLMにも"人材配置"が必要になる

Fable 5の登場により、生成AI活用は新しい段階に入りました。これからの企業に必要なのは、「とりあえずChatGPTを使う」「高性能モデルを契約する」という段階ではありません。必要なのは、LLMを業務ごとに配置する発想です。人間の組織階層にたとえると、次のように整理できます。

• 役員クラス：Fable
• 管理職クラス：Opus
• リーダークラス：Sonnet
• 一般社員クラス：Haiku

重要な業務には上位モデルを使う。日常業務にはバランス型モデルを使う。大量処理には軽量モデルを使う。そして、人間が最終確認しながら、業務フローに組み込む。これにより、AI活用は単なる効率化ではなく、組織全体の生産性を高める仕組みになります。

※ 本記事に登場するFable・Opus・Sonnet・Haiku等のモデル名、およびClaude・ChatGPT等のプロダクト名・サービス名は、それぞれの提供元の商標または登録商標です。各モデルの性能・価格・提供形態は変更される可能性があるため、導入前に各提供元の最新情報を必ずご確認ください。