Claude Fable 5発表から日本企業の事例まで　Code with Claude 2026東京レポート｜初心者向け徹底解説 【後編・開発実践】

AIエージェント開発のコストを９割削減する方法　
能力曲線・評価・コンテキストエンジニアリング徹底ガイド

※この記事は、「Code with Claude 2026 東京 完全レポート」（全３回）の最終回となる【後編】です。

【前編】では新モデル「Claude Fable 5」と新機能を、【中編】では楽天・メルカリ・みずほ・NRI・Canvaという日米のトップ企業による生々しい導入事例を扱いました。章番号はシリーズ全体で通しになっています。

【中編】では、AIを「ただのチャットツール」ではなく「自律的に働くエージェント」（同僚）として組織に組み込むことで、驚異的な生産性向上を果たす企業たちの姿を見てきました。では、現場の開発者たちは、賢すぎるがゆえに暴走しがちで、時に莫大なコストを消費してしまうAIを、裏側でどのように制御しているのでしょうか？

この記事を読むと、次のことが分かります。

• AIモデルの能力がこの1年でどれだけ劇的に伸びたのかを、Anthropic開発陣の生の声と、第三者機関の最新研究データで確認できる。

• なぜ、AI時代には従来のテストではなく「評価」（Evals / イーバル）が必須（ユニットテスト）と呼ばれるのか、その考え方が分かる。

• AIのAPI利用コスト（通信費）を最大９割も安くする魔法の技術「プロンプトキャッシュ」の仕組みを、他人に説明できるようになる。

• AIの記憶をパンクさせないための「コンテキストエンジニアリング」（文脈の節約術）の３つの道具と、安くて賢いAIチームを作る「アドバイザー戦略」の使い分けが判断できる。

• エンジニアではない一般のビジネスパーソンが、この「AIが自分でソフトウェアを作る時代」にどう向き合えばよいのか、明日からの行動指針が得られる。

話の地図はこうです。
まず、AIの能力が現在どんな恐ろしい曲線を描いて伸びているかを確認し、開発者が「次の未来のモデル」に向けてどう備えるべきかを考えます（第６章）。
次に、その強力なAIの力を「安く・確実に・パンクさせずに」引き出すための、泥臭くも強力な運用ノウハウ（コストの工学）を学びます（第７章）。
最後に、非エンジニアがハッカソンで次々と優勝しているというコミュニティセッションの驚きの逸話から、この変化が「開発者以外」に何を意味するのかを考え、シリーズ全体を締めくくります（終章）。

※なお、この記事には高度な技術用語も登場しますが、すべて直感的な例えで解説しています。非エンジニアの方も、技術の仕組みそのものではなく「AI導入における組織の壁」という本質に着目して読み進めてみてください。

第６章｜能力曲線に乗る　
「次のモデル」を前提に作る開発思想

■ １年で62%から88%へ、そして「飽和」

リサーチ製品マネージャーのテオ・チュー氏の講演は、AIの進化の凄まじさを物語るある「数字」の紹介から始まりました。

※ここから少し専門的な言葉が続きますが、本質的な意味は後ほど分かりやすく例えるので安心してください。

AIを開発している企業自身が、すでに自社のソフトウェア開発の８割をAIに任せている。この事実だけでも驚きですが、チュー氏はさらに１枚のグラフを示しました。題材は「SWE-bench Verified」（スウィーベンチ・ベリファイド）。GitHub上の実際の不具合報告をAIに修正させ、テストに合格できるかを測る、業界で最も信頼されているベンチマーク（性能試験）です。

１年前のモデル「Sonnet 3.7」のスコアは62%程度でした。それが「Opus 4.8」では88%に達し、本日発表された最新のMythosとFableのモデルでは、ついにこのベンチマークは「飽和した」（saturated）――つまり、用意された試験問題をほぼ満点で解き尽くしてしまったといいます。チュー氏はこのグラフについて、非常に重要な視点を付け加えました。

点数が26ポイント上がったという「直線の伸び」ではなく、失敗率が38%から12%へと約３分の１に激減したという「曲線の伸び」（エクスポネンシャル）で捉えるべきだという指摘です。

この「能力は急速に伸び続ける」という見立ては、Anthropicの自己申告（マーケティング）だけではありません。第三者のAI安全性研究機関であるMETR（メーター）が2025年に発表した論文『Measuring AI Ability to Complete Long Tasks』（AIが長いタスクを完了する能力の測定）が、これを科学的に裏付けています。

METRは、「AIが50%の成功率でこなせるタスクの長さ」（人間がやれば何分かかる仕事か）という指標を提案し、これを「タイムホライズン」（Time horizon / 時間地平）と名付けました。論文の分析によれば、この「AIが自律して働ける時間」は、2019年から2025年にかけて約７ヶ月ごとに倍増しており、この凄まじい傾向が続けば「5年以内に、人間なら１ヶ月かかるソフトウェア作業の多くをAIが自動化できるようになる」と予測されています。

【前編】の基調講演でダイアン・ペン氏が「モデルの価値を測る指標としてタイムホライズンを見ている」と語り、【中編】でみずほの藤井氏が「５年先の超知能から逆算している」と語った背景には、まさにこの強固な研究系譜（能力曲線）の裏付けがあったのです。ただし、これはあくまで過去の傾向からの予測（外挿）であり、未来の完全な保証ではない点には注意が必要です。

■ モデルの３つの進化と、開発者の３つの戦術

では、この能力曲線の中で、AIは具体的にどう賢くなっているのでしょうか。チュー氏はAIの進化を以下の３点に整理しました。

① 行動前の計画（Planning before acting）

以前のAIはすぐコードを書き始めて後で失敗に気づいていましたが、今は先に仕様（設計図）を考えてから手を動かすため、結果として書き直しが減り、安く速く仕上がります。

② エラーからの回復（Error recovery）
かつてのAIは、失敗を指摘されても同じ解決策に戻ってきてしまう「ドゥームループ」（doom loop / 死のループ）に陥りがちでした。しかし今のモデルは、環境からのフィードバックを受け取り、別の道を試して自力で回復できます。

③ 長時間の一貫性（Running over longer horizons）
100万トークン規模の長時間の作業でも、途中で当初の指示を見失う（lose the plot）ことがなくなりました。

AIが自律性を獲得していく中で、私たち開発者はどう動くべきか。チュー氏は「過去ではなく、未来のモデルに向けて開発するための３つの戦術」（処方箋）を示しました。

【戦術１】 評価（Evals）を「AI時代のユニットテスト」として整備する

今解ける問題のテストだけでなく、「今日のモデルではまだ解けない難問」を意図的にテスト（Evals）に含めておきます。すると、新しいモデルが出た日にそれを走らせ、「これまで解けなかったあのタスクが解けるようになった！」と観測できた瞬間が、自社の新製品をリリースする絶好の合図になります。

逆に、今のAIが簡単に解ける問題ばかりを集めたテスト（＝飽和した状態）のままでは、新モデルの真の力に気づけません。チュー氏はこう警告します。

【戦術２】 足場（Scaffolding）を縮める

「足場」（スキャフォールディング）とは、AIを思い通りに動かすために人間が周りに組んだプロンプトや制御コードのことです。

チュー氏は自社の失敗談を披露しました。ある日、新しいモデルに入れ替えたところ「Claudeが指定した引用フォーマットを守らなくなった」（壊れた）という報告が上がりました。しかし調べてみると、システムプロンプトの奥深くに「もう誰も使っていない古い引用ルールの指示」が残っていたのです。

つまり、「モデルが賢くなって『指示への忠実さ』が向上したせいで、人間が残した古い足場（指示）を律儀に守ってしまい、誤作動を起こした」のが真相でした。

AIがまだ未成熟だった時代の「失敗回避のルール」を積み上げると、賢くなった新モデルでは、かえって邪魔になってしまうのです。

プロンプトは「やってはいけないことのリスト」ではなく、「達成したい意図」（ゴール）でシンプルに書くべきだという教訓です。

【戦術３】 モデルに「考える余地」と「行動の手段」を与える

モデルはエラーから自分で回復できるようになりましたが、そのためには「そもそも自分がエラーを起こした」と知る手段が必要です。

具体的には、必要なときに必要なだけ考えさせる「適応的思考」（Adaptive thinking）や、AIがどこまで深く考えるかをツマミのように調整する「エフォートダイヤル」を活用すること。

そして、例えばアプリ開発なら、実際に画面をクリックして動作確認できる『コンピュータ操作ツール』など「自分の成果物を自分で検証する手段」をAIに渡してあげること。AIの「エージェントループを閉じる」（自分で作って自分で確認して修正する自己完結の輪を作る）ことこそが、能力曲線に乗るための最大の鍵なのです。

第７章｜コストの工学　
API料金を「最大９割」下げる３つの技術

AIが自律して働くエージェントの時代において、モデルの知能と同じくらい重要なのが「コストと記憶の管理」です。

AIに長い仕事を任せると、膨大な資料やツールのやり取りによってAPIの利用料金（通信費）が跳ね上がり、AIの脳内の記憶（コンテキスト）もすぐにパンクしてしまいます。この第７章では、Anthropicが提供する「API料金を劇的に下げ、AIの記憶をパンクさせないための３つの技術」を紹介します。

■ プロンプトキャッシュ　「本講演で持ち帰るべきものを１つ選ぶなら」

プラットフォーム製品管理リードのブラッド・エイブラムス（Brad Abrams）氏は、自身の講演の冒頭で参加者に向けて力強く断言しました。

仕組みはこうです。エージェントとの長い対話では、ルールを定めた「システムプロンプト」や「これまでの会話履歴」といった『長い前置き』が、APIへのリクエストのたびに何度も繰り返し送信されます。これを毎回ゼロから計算し直すのは、高くて遅い。

そこで、前置き部分の計算結果をAnthropicのサーバー側に一時的に保存（記憶）しておき、次のリクエストでは「前回との差分（新しく追加された指示）だけ」を処理します。これがプロンプトキャッシュ（Prompt caching / プロンプトの計算結果の使い回し）です。

この威力は絶大です。公式ドキュメント『Prompt caching』（プロンプトキャッシュ）によれば、キャッシュに当たった（記憶が使い回せた）入力データは「90%引きの料金」（つまり10分の1の価格）になり、応答スピードも最大85%速くなります。しかも、キャッシュ分のデータはAPIのレート制限（一定時間内の利用上限）に数えられません。

エイブラムス氏によれば、PerplexityやCursor、Replitといった世界的なAIサービスは、このキャッシュ命中率を非常に高く保つ工夫を徹底しているといいます。

目安として、長時間動くエージェントを開発するなら「キャッシュ命中率80%台を目指すべき」だといいます。

開発者向けコンソールには自分のアプリの命中率が分かる「ダッシュボード」が追加され、さらにClaude Codeのチャット画面で「私のキャッシュ命中率を改善して」（improve my cache hit rate）と頼めば、AI自身が設定ファイルを修正してくれる公式スキルも導入されました。実際のデモでは、命中率0%だった架空のアプリにその場でキャッシュ設定を実装し、即座に58%まで改善する鮮やかな様子が示されました。
※「Getting started」のセクションを参照してください。

■ コンテキストエンジニアリング　文脈という限りある資源の節約術

続いてエイブラムス氏は、AIの記憶（コンテキストウィンドウ）を節約するための最新の設計技術である「コンテキストエンジニアリング」（Context Engineering）について語りました。

AIの「コンテキスト」（記憶力）は、よく「作業する机の広さ」に例えられます。机に不要な資料を広げすぎると新しい作業ができないように、AIの脳内もすぐにパンクしてしまいます。

デモ用に用意されたのは、架空のヒーロー派遣会社「HeroCorp」の経営ダッシュボードをAIに作らせるというタスクです。当初、AIは100万トークンという巨大な記憶枠を使い切っても、４つの経営目標のうち１つしか処理できずにパンクしてしまいました。

しかし、以下の「３つの道具」をすべて導入すると、なんと100万トークンの枠内で全目標をラクラク処理し、なお記憶に余裕が生まれたのです。

【３つの道具 ①】　
ツール検索ツール（Tool Search Tool）　
使わない工具は棚にしまう

優秀なエージェントに100個以上のツール（道具）を持たせること自体は健全ですが、100個分の「分厚い説明書」を最初から全部AIの記憶に積み込むのは無駄です。実際の作業で使うのはそのうちの１割程度なのですから。

そこで、「道具の検索係」だけを最初の記憶に置き、AIが必要になった時だけ、その都度ツールの説明書を検索して取り寄せる方式にします。講演によれば、開発プラットフォームのLovable社は、この変更だけでトークン使用量を10%削減し、しかも記憶が軽くなったことで「モデルの判断力自体が向上する」という恩恵を得ました。

【３つの道具 ②】　
プログラム的ツール呼び出し（Programmatic Tool Calling）　
必要なページだけコピーして机に置く

AIが「メール検索ツール」を使った結果、100通のメール全文が返ってきたとします。しかし本当に必要なのは「１通のメールの見出しだけ」ということがよくあります。

そこで、膨大な生データはいったんAIの記憶の外（サンドボックス環境）で受け止め、モデル自身が書いた小さなPythonプログラムを使って「必要な数%のデータだけ」を抽出し、その結果だけをAIの記憶に入れます。

Anthropicの公式エンジニアリングブログ『Introducing advanced tool use on the Claude Developer Platform』（高度なツール利用の導入）によれば、Q&AサイトのQuoraはこの方式に変えたことで、複雑な調査タスクにおける平均トークン使用量を43,588から27,297へ、実に37%も削減したと報告されています。

【３つの道具 ③】　
コンパクション（Compaction / 要約による圧縮）　
終わった書類は短いメモ１枚にまとめる

１と２を駆使しても、長時間働くエージェントはいずれ記憶枠を使い切ります。

そこで「100万トークンのうち40万まで使ったら」といった「しきい値」を決めておきます。そのラインに達したら、AIの作業を一時停止し、もう判断材料として不要になった過去の途中経過を削ぎ落とした「短い要約」（サマリー）を自動で作成します。

そして、それを新しい記憶として作業を再開させるのです。データ分析企業のHex社は、これまで自前で同様の複雑な仕組みを作っていましたが、この公式のコンパクション（Compaction）機能へ乗り換えたことで、300行もの管理コードを削除できたそうです。

■ アドバイザー戦略　新人に先輩を付ける

最後の節約技は、異なる能力の「モデルの組み合わせ方」です。エイブラムス氏はこの戦略を、現実の開発チームの常識に例えて説明しました。

安価で高速なモデル（HaikuやSonnet）に通常の作業を任せ、本当に迷った時や重要な判断の時だけ、高性能モデル（OpusやFable）に相談（アドバイス）できるツールを持たせるのです。

デモでは、安価なSonnetが「この商談は順調です」と判定した案件に対し、相談を受けたOpusが「議事録の末尾の見落とし」を根拠に「いや、実は危険信号が出ている」と訂正し、見事に案件を救う（商談をクローズする）場面が示されました。

新モデル「Fable 5」は、その圧倒的な知能と引き換えに価格も高く設定されています（100万トークンあたり入力10ドル・出力50ドル）。

そのため、「深い推論が本当に必要な要所にだけ高いモデルを使う」このアドバイザー戦略は、品質を落とさずにコストを最適化する極めて現実的な手法です。【中編】で紹介したCanvaの「サブエージェント方式」と全く同じ思想であることにも気づくはずです。

なお講演の最後には、2026年上半期だけでAnthropicから発表された機能の一覧が１枚のスライドに映し出されました。

• WIF（Workload Identity Federation）
  APIキー自体を不要にし、ソースコードへのキー漏洩リスクをゼロにする認証方式

• フォールバックAPI（Fallback feature）
  Fable 5のような強力なモデルで安全装置（分類器）が作動してしまった場合に、他のモデルへ自動で切り替えて処理を止めない機能

プラットフォームの進化はすさまじく、たった半年分の変更が１枚のスライドに収まりきらないほどの熱気に満ちていました。

終章｜「業務の専門家」がソフトウェアを作る時代　
読者への提言

イベントの一日の最後を締めくくったのは、Anthropicの日本デベロッパーコミュニティリード、辻淳一郎氏のセッションでした。

ソニーでPlayStation、Googleで検索やゲーム基盤（Stadia）、Robloxで開発者支援と、20年以上にわたってソフトウェア開発の最前線にいた辻氏は、むしろ「非エンジニアにこそチャンスが来た」として、昨年秋からの変化をこう総括しました。

表計算ソフトが「複雑な計算」を、インターネットが「情報の発信」を、スマートフォンが「高性能な計算機」を誰もが使えるようにしたように、今度は「ソフトウェアを作ること」自体が誰にでも開かれた、という見立てです。開発の制約は「プログラミングコードを書けるか」から、「解決したい課題を言葉にできるか」へと完全に移り変わりました。

■ ハッカソン優勝者は「コードを１行も書いていない弁護士」

それを裏付けるのが、Anthropicが世界中から参加者を募ったハッカソン（短期集中の開発イベント）「Built with Opus 4.6: a Claude Code Hackathon」（2026年2月）の驚くべき結果です。約1万3,000人の応募から選ばれた500人が、１週間にわたって自分自身の課題に取り組みました。その結果、入賞した５組のうち、なんと４組がエンジニアではありませんでした。

優勝したのは、カリフォルニアの弁護士（マイク・ブラウン氏）です。彼が目をつけたのは、「同地では住宅建築の許可申請が９割方却下されてしまい、家を建てるより許可を取る方が時間がかかる」という社会問題でした。

彼は、図面と補正指示書をドラッグ＆ドロップするだけで、わずか20分で『審査に通る書類の書き方』を提案してくれるソリューションを考案。裏側で多数のサブエージェントが並列で走るこの高度なシステムを、なんとたった１週間で作ってしまったのです。

他の入賞者も同様です。３位の医師は、診察後に「先生は何を根拠にどう診断したのか」を分かりやすい文章で患者に届ける「Post Visit」というサービスを制作。ウガンダ運輸省で道路の鑑定を行う入賞者は、ドライブレコーダーの映像をAIに読み込ませることで、これまで5週間かかっていた投資判断をわずか5時間に縮めました。

■ 「トップダウン」と「ボトムアップ」の融合

企業の中でも同じ変化が起きています。社員約800人のフルリモートSaaS企業「Zapier」（ザピア）では、有志の社員から始まったClaude利用が全社ハッカソンへと発展し、結果として社員数を超える800以上のエージェントが生まれ、97%以上の社員が毎日のようにAIを使うまでになりました。また、医療プラットフォーム大手の「Epic」（エピック）では、経営層が自ら会議の場でアプリを作って見せたことで、非エンジニア社員の半数以上が日常的にAIを使うようになったといいます。

こうした現場の「ボトムアップの熱量」を社内にとどめず、社外の知見と結びつけていくための鍵が「コミュニティ」の存在です。

世界37カ国・100以上の都市で300回近く開かれ、約４万人が参加しているClaudeのコミュニティ。この日、日本でも新たに、AIを現場に広めるリーダーとなる「Claudeコミュニティ アンバサダー」の募集が始まりました。

辻氏の主張は極めてシンプルです。これからの時代に最も重要なのは、コードを書く技術ではなく「ドメイン知識」（Domain knowledge / その分野の現場の深い知識）であること。

AnthropicのAI研究者たちは、法律事務所の業務の苦労も、診察室の流れも、ウガンダの道路事情も知りません。その領域の問題を誰よりも深く理解しているのは現場の専門家であり、「課題を理解している人」がそのままソフトウェアを作って解決できる時代が来た、という力強いメッセージでした。

■ 「明日からの行動指針」となる提言

最後に、全３回のレポート全体を踏まえた「明日からの行動指針」となる提言を３つ述べます。

第一に、「自分のドメイン知識が活きる、小さくて反復的な課題」から着手すること。

優勝した弁護士の強みはプログラミング力ではなく、「法律業務のどこが一番面倒か」を知り尽くしていたことでした。あなたの仕事の中にある「毎回同じ手順を繰り返している30分」が、AIエージェントに仕事を任せる最良の練習台になります。

第二に、「何ができていれば合格か」を言葉にする習慣を持つこと。

楽天の「タスク単価での評価」、NRIの「業務目線の許容ライン」、Canvaの「エンドツーエンドのEvals」、そしてテオ・チュー氏の「まだ解けない問題を評価に入れる」。立場や業種の違う全員が、結局は同じこと――「良い仕事の定義を、自分の言葉で明確に持て」――を語っていました。これはAIに限らず、人間の部下や同僚に仕事を頼むときにも効く普遍的な技術（マネジメントスキル）です。

第三に、モデルの世代交代を「対応コスト」ではなく「定期的に訪れる機会」として予定に組み込むこと。

METRの最新研究が示す通り、AIが自律してこなせる仕事の長さは数ヶ月単位で倍々に伸びています。Canvaが制御プログラム（ハーネス）を３回も書き直し、楽天がモデルの進化ごとに業務をゼロから再設計したように、「AIはすぐに賢くなる」という前提で仕組みを組んだ組織だけが、次の技術的跳躍をそのままビジネスの成果に変えています。

逆に言えば、今日うまくいかなかった試みは、失敗として捨てるのではなく「評価テスト」（Evals）として残しておいてください。数ヶ月後、新しいモデルが出た日にそれを走らせたとき、それがあなたへの「最高の置き手紙」になるはずです。

⭐️ 参考引用文献

※この記事の構成や下調べにはAIを活用しています。