「仕事の質は、自分が『何を分かっていないか』をどれだけ明らかにできるかで決まる」——Anthropicが2026年7月6日に公開したガイド「A Field Guide to Claude Fable 5(Claude Fable 5のフィールドガイド)」の主張は、この一文に凝縮されている。最新モデルFable 5をうまく使う鍵は、モデルの賢さではなくあなた側の「未知の言語化」にある、というのだ。
逆説的に聞こえる。AIがここまで賢くなったのに、なぜ人間の側が問われるのか。ガイドが示す「4種類の未知」を知ると、その意味がすとんと腹落ちする。
このガイドは何を言っているのか
筆者はAnthropicの技術スタッフ、Thariq Shihipar氏。主張はこうだ。Fable 5では、出力の質を縛るのはもはやモデルの生の能力ではなく、使う人が「自分の知らないこと」を洗い出して言葉にできるかになった。つまり、AIに丸投げして良い答えが返るかは、こちらの問いの解像度しだいというわけだ。
claude.com A field guide to Claude Fable 5: Finding your unknowns Anthropic公式の一次情報。Fable 5と向き合う「未知の見つけ方」を、実例とともに解説している。仕事の質は、その「未知」をはっきりさせる私の能力によって頭打ちになる。
A Field Guide to Claude Fable 5(Anthropic, 2026年7月6日)
4種類の「未知」——ここが記事の肝
ガイドの中心は、自分の「知らなさ」を4つに分ける枠組みだ。難しく見えるが、身近な言葉に置き換えると単純である。
| 種類 | 意味(かみ砕くと) | 対処 |
|---|---|---|
| 既知の既知 | もう分かっていて、指示に書けること | そのまま伝える |
| 既知の未知 | 「ここが分からない」と自覚している穴 | 先に質問・調査して埋める |
| 未知の既知 | 当たり前すぎて書き忘れる前提 | 見せられれば「あ、それ」と気づく |
| 未知の未知 | そもそも考えてもみなかった落とし穴 | 試作や壁打ちで炙り出す |
未知をどう潰すか——前・最中・後の技
ガイドは、開発の各段階で使える具体策を挙げる。作る前は、AIに解説させる「死角チェック」、捨てる前提の試作、関係者への聞き取り、参考コードの提示、そして実装計画を先に書くこと。作っている最中は、計画からのズレを記録する実装メモ。作った後は、成果物を売り込む文章(ピッチ)や、理解度を確かめる小テストで抜けを見つける。どれも「高くつく前に、安く間違いを見つける」ための仕掛けだ。
未知を減らし、それに備えることこそが、エージェント的コーディングのスキルだ。
A Field Guide to Claude Fable 5(Anthropic)
筆者の目には、これは「AI活用術」の顔をした「問いの立て方」の教科書に映る。条件を先に言語化させる/goalコマンドとも思想は地続きで、要は「終わりと前提をどれだけ先に決められるか」の勝負なのだ。モデルが賢くなるほど、人間に残る仕事は「良い問いを持ち込むこと」に純化していく。
賢いAIほど、鏡になる
Fable 5のガイドが突きつけるのは、少し怖くて、少し痛快な事実だ。AIの答えが浅いとき、原因はモデルではなく、こちらの問いが浅いのかもしれない。賢いAIは、使う人の思考の解像度をそのまま映す鏡になる。次にAIへ何かを頼むとき、指示を打つ前に一呼吸おいて自問してみてほしい——「自分は、何を分かっていないんだろう?」。その問いこそが、いちばん効く呪文だ。
出典: Anthropic「A field guide to Claude Fable 5: Finding your unknowns」(2026年7月6日, Thariq Shihipar)。2026年7月14日時点。引用は原文の意訳。
