Claudeの司令塔をFable 5から半額のOpus 5に替えた2日間増えたのは確認作業でした

結論：ケチった分は、あとで高くついた

当社では、複数のAIチャットに作業を割り振る「管理本部」の役割を、1つのAIに持たせています。人間でいえば現場監督です。ここに使うモデルを、2026年8月27日から29日までの実作業のなかで、Claude Fable 5 から、その半額の Claude Opus 5 へ入れ替えました。他の条件（担当している案件、社内ルール、私の関わり方）はそのまま動かしています。

正直に言えば、私の実感は「うまくいかなかった2日間」でした。ところが、あとから4つのセッション（AIとの会話の記録）を第三者役のAIに全件数えさせたところ、実感とは少しずれた形が出てきました。

そしてもうひとつ。当社は定額プランなので、この入れ替えで浮いた費用は0円でした。安くするつもりが、確認の仕事だけが増えた——それが2日間の収支です（詳しくは第12章）。

これは、うちだけの話ではありません

同じ悩みは、統計にもはっきり出ています。帝国データバンクが全国2万3,349社に聞き、1万312社が答えた調査（回答率44.2%）では、生成AIを使ううえでの懸念・課題の1位が「情報の正確性」で50.4%でした。一方で、実際に「出力結果の誤りで社内外にトラブルや損害が発生した」と答えた企業は1.3%しかありません。

※ 横スクロールできます

出典：帝国データバンク「生成AIに関する企業の動向調査（2026年3月）」調査期間2026年3月17〜31日／対象23,349社・有効回答10,312社（回答率44.2%）／2026年5月14日公表（原典）

この調査には、企業の生の声も載っています。そのひとつが「上長の確認と検証に手間がかかるようになった」でした。大事故はめったに起きない。けれど確認の手間は確実に増える。——今回うちで起きたことは、この2つの数字の間にすっぽり収まります。この記事は、その「確認の手間」が実際どれくらいだったのかを、自社で数えた記録です。

先に、出てくるモデル名だけ整理します

この記事にはClaudeのモデル（頭脳の種類）が2つ出てきます。名前を覚える必要はありません。「もとの高いほう」と「その半額のほう」の2つとだけ思ってください。

出典：Anthropic公式の料金表（2026年8月29日に確認・100万トークンあたりの標準料金）Pricing – Claude Platform Docs。※トークンは文章の量の単位です。

つまり、司令塔に使うモデルを半額のものに差し替えた——これが今回やったことです。この記事で扱うのは「入れ替えて運用したら何が起きたか」だけで、どちらが良いか・どう使い分けるかは別の記事（Claudeのモデルの違いと選び方｜Fable 5とOpus 5はいつ使う）にまとめています。

結果①　今回の4期間では、誤りの率に大きな差は出なかった

※ 横スクロールできます

出典：当社の会話記録からの抽出（2026年8月29日）。⚠これは全期間ではなく、4つの期間を選んで数えたものです（選び方は第10章に書きました）。本部09は根っこが1つの誤りから派生しており、束ね方によって2〜4件に振れます。判断の総数の数え方は抽出者ごとに完全には揃っていないため、この比較は「桁が同じかどうか」までの精度とお考えください。

⚠数え方は第6章で全部明かします。当事者に自分を採点させず、別のAIに会話記録を全文読ませて機械的に拾わせた数字です。

「24件」という数字だけを見ると、Opus 5 がひどかったように見えます。しかし、その期は判断の総数も約107件と多い日でした。率にすると、どの期も10回に2〜3回です。数字は分母とセットで見ないと逆の結論になります。

結果②　違ったのは「自分で気づけるか」

Fable 5 の期に、この差がよく表れた場面があります。ある調査で「20ページが壊れている」と報告した直後に、AIが自分で「20は壊れた数ではなく、単に該当した数だ」と言い直しました。誰にも指摘されていません。この「言い直し」が、Opus 5 の期にはほとんど起きなくなりました。

では誰が止めたのか＝確認の仕事が人に移った

ここが、この2日間の実質的な損です。安いモデルにしても、誤りの発生率は変わりませんでした。しかし、それを見つける仕事はまるごと外側（人間と現場）に移りました。私の体感で言えば「今日はやたら止めているな」という感覚です。

止まったきっかけを見ると、専門的な指摘はほとんどありません。実際にあったのはこういう言葉です。

「壊れてるの？」と聞くだけで、検証が始まります。AIに詳しくなくても、これは今日からできます。むしろ、詳しくない人の素朴な質問のほうが、AIの説明の穴をよく突きます。

では、その2日間に何が起きていたのか

2日目にあたる8月28日は、たまたま「サイト全体のクラス名を一括で書き換える」という、当社の作業のなかでもっともリスクの高い種類の日でした。約90ページが対象です。

司令塔のAIは「クラス名の出現数が93ページから12ページに減った」ことを確認して、作業を合格と判定しました。ところが実際には、各記事の見た目を決めているCSSは記事ごとに本文の中に書かれていて、その多くは古いクラス名しか知りませんでした。名前だけ変えた結果、どのデザイン指定も当たらなくなったのです。

※ 横スクロールできます

出典：当社サイトの実測（2026年8月28日）。再生ボタンがページ全面を覆い、動画枠は高さ0になっていました。

見つけたのは私です。「表示されていません」と伝えたのが発端でした。数を数えるだけの検収は、この崩れに最後まで気づきませんでした。復旧はクラス名を元に戻すだけ、1ページあたり5バイトの修正で、79ページすべてを当日中に戻しています。戻したあと、サイト全676ページを再走査して不整合が0件であることを確認しました。

そして、この事故を受けて「一括で直すときは、まず1件だけ直して実際の画面を測り、次に5件、それから残り」という社内ルールを新設しました。当時このルールはまだ存在していませんでした。順番として、ルールが無かったから起きた事故です。

⚠この2日間で、実物が変わってしまった誤りはもう1件あります。支援先の成果数字を取り違えたまま、公開済みの画像の説明文に書き込んだ件です。こちらも後から見つけて直しました。表2の「実害2」は、この2件を指しています。

時間で並べると、こうなります

「なんとなく大変だった」では検証になりません。作業ファイルの更新時刻をたどって、分かる範囲で時刻を復元しました。

※ 横スクロールできます

出典：当社プロジェクトフォルダのファイル更新時刻を実際にたどって復元（2026年8月29日確認）。⚠会話そのものの時刻は残っていないため、分単位まで出せるのはファイルが残っている行だけです。「◯時台」と書いた行は、その時間帯までしか特定できていません。

この表でいちばん見ていただきたいのは、朝の2行です。一括書き換えを実行した午前中に、司令塔は別件の指示書と構成案を9本発行し、さらに別の一括修理も指示していました。手が回っていない、というより並べすぎです。

そのうえで、ここから読み取れる数字が3つあります。

「直せるか」より「気づけるか」——この記事の結論は、じつはここで一度出ています。直す速さはAIが担えました。気づく役は、最後まで人でした。

その数字は、どうやって数えたのか

ここまで数字を出してきたので、数え方も明かします。大事なのは、数え始める前に定義を固定したことです。

最初は「大きい誤り・中くらいの誤り・小さい誤り」で分けようとしました。これはうまくいきません。大きい小さいは、あとから見た印象で動くからです。そこで2つの軸に置き換えました。

ポイントは2つあります。ひとつは「きっかけが外から来たなら、自力で気づいたことにしない」。もうひとつは、採点を当事者にやらせないことです。今回は当事者ではない別のAIに、会話の記録を全文読ませて機械的に拾わせました。実際、司令塔の自己申告は32件でしたが、独立に数え直すと24件でした。自己申告は多めにも少なめにも転びます。

もうひとつ数えた：公開674ページを全部測ったら、健全は182ページだった

当社は2021年から自社ブログを運用していて、公開記事は累計1,170本を超えています（2026年6月時点）。その多くを、生成AIと一緒に書いたり直したりしてきました。

⚠先に断っておきます。今回測ったのは、そのうち「いま公開中の674ページ」（投稿650＋固定ページ24）です。1,170本は累計の本数で、今回の測定対象ではありません。この記事に出てくる割合は、すべて674が分母です。

2026年8月29日、この674ページ（投稿650＋固定ページ24）を全数走査して、社内で決めた表示ルールを守れているかを機械的に数えました。⚠第5章に出てくる「676ページ」は前日8月28日に数えた全ページ数です。公開・下書き化のたびに母数は動くので、走査した日の実数をそのまま書いています。結果です。

※ 横スクロールできます

出典：当社サイトの全数走査（2026年8月29日・未ログインで取得した本文HTMLを機械判定）。母数674は管理画面の件数と一致し、取りこぼしはありません。

この表の読み方には、正直に添えておきたいことが3つあります。

いちばんこたえたのは、この全数走査をやる前、社内の「負債リスト」は実態の20分の1しか載っていなかったことです。目についたページだけを数えていたからです。第2章で「24件は多いように見えるが分母は107件」と書きましたが、これはその裏返しでした。分母を決めずに数えると、多くも少なくも見えます。

それでも、任せてきたこと自体は間違いではなかったと思っています。同じサイトの16か月の実績がこちらです。

「任せる／任せない」ではなく、「任せたものを、いつ・誰が・どの分母で測るか」。今回の2日間も、この674ページも、結論は同じところに着きました。

止まった理由は5つの仕組み（今日からできること）

※ 横スクロールできます

出典：当社の会話記録からの抽出（2026年8月29日）。件数は Opus 5 の期24件の内訳です。

生成AIにかかっているコスト（実額を書きます）

費用は隠さず書きます。当社が生成AIに払っているのは、上位プランの月220ドル1本だけです。他社のAIには課金していません（2026年8月時点）。渡す相手を1つに絞ると、こちらの手順も、AI側にたまる記憶も1か所に集まるからです。

⚠ここは誤解されやすいので、はっきり書きます。第1章に出した「Fable 5は入力10ドル、Opus 5は5ドル」はプログラムから使うときの従量料金で、当社が払っているのは定額プランです。その中でモデルを切り替えています。ですから今回の入れ替えで、請求額が半分になったわけではありません。「半額」はモデルそのものの価格差の話です。従量で使っている会社なら、そのまま請求額の差になります。

そのうえで、目的別の目安はこう考えています。

ここで大事なのは、安いプランにした分の差額が、そのまま浮くわけではないということです。今回のように、確認の時間として社長に返ってきます。月2万円の差額と、自分の時間が週に何時間増えるか。比べるべきはその2つです。

Fable 5の側にも失点はあった

Fable 5 を使っていた期に起きたことも書きます。

さらに正直に書くと、Fable 5 の期の誤り9件のうち5件は「別のチャットが同じ日に状況を変えていたのに、それを知らずに古い前提で話していた」型でした。これはモデルの賢さではなく、情報の受け渡しの問題です。

逆に、Opus 5 の後半の期は成績が良く見えます（指示まで届いた誤りは3%）。ただしこの期は、前日に新設したルールの恩恵をいちばん受けています。ルールが増えたことは、Opus 5 に不利にも有利にも働いています。

この記録の限界（正直に書きます）

なぜ「4つの期間」だけなのか

先に言っておきます。司令塔の役割をもったチャットは、この4つ以外にもあります。全部は数えていません。都合のいい4つを選んだのではないか——そう思われて当然なので、選び方をそのまま書きます。

いちばん恥ずかしい話を書きます

記事を書く段階で、読者から必ず聞かれると思ったので調べました。「なぜこの4つだけなのか」と。

調べた結果はこうです。司令塔の役割をもったチャットは、この4つのほかに2つありました。前の担当が「対象はこの4つ」という一覧を作り、次の担当がそれを検証しないまま引き継ぎ、私もそのまま受け取っていました。誰も意図的に外したわけではありません。誰も確かめなかっただけです。

しかも、確かめようとしたときに二重の落とし穴がありました。一覧を取り出す道具が、その2つを最初から表示しなかったのです。「全249件」と表示されるので、こちらは全部見たつもりになります。前の担当の道具でも同じでした。件数が合っていたので、誰も疑いませんでした。存在に気づいたのは、私が自分の画面で「本部」と検索したときです。

その2つを追加で数えることは、今回はしていません。道具から取り出せないためです。ですのでこの記事の数字は、全数ではなく4つの標本であり、しかも「実在するのに記録へ到達できなかった2つ」があると理解して読んでください。

いっぽうで、収穫もありました。「記録がない」と「復元できない」は違います。切り替えた日は最初分からず諦めかけましたが、やった作業と、そのとき作ったファイルの時刻をたどれば、かなりのところまで戻せました。——AIに仕事を任せている会社なら、この材料は必ず手元にあります。いま社内では、モデルを替えた日を最初から台帳に残すようにしました。

混ざっている条件（交絡）

※ 横スクロールできます

出典：当社の会話記録からの抽出（2026年8月29日）。

加えて、測り方そのものにも穴がありました。Opus 5 の期の会話記録は、2日目の昼以降しか残っていませんでした。それ以前に何があったかは、今回の調査範囲では確認できていません。自己申告と独立集計の差（32件と24件）の一部は、この欠落で説明がつきます。

ですので、この記事の数字は「桁として2割前後」「67%と8%は明らかに違う」という粗さでお読みください。小数点以下を比べる精度はありません。

白状します。この記事を書きながら、同じ失敗をしました

第10章で「司令塔のチャットは4つのほかに2つあった」と書きました。それを調べたときの話です。

調べるには、過去のチャット一覧を全部たどる必要があります。これは量が多く、費用（AIに渡す文章量＝トークン）がかさみます。そこで私は、この作業だけを安い助手のAIに任せました。「調べて、結論だけ報告して」と。まさに、この記事で書いてきたやり方です。

返ってきた報告はこうでした。

問題は、報告が誤っていたことではありません。私がそれを確かめずに、記事の本文に書いてしまったことです。「250件の全件を見た」と報告されたので、そこで止まりました。

あとで自分で数え直したら、助手が実際に見ていたのは冒頭100行だけでした。さらに、その一覧を出す道具そのものが、「全249件」と表示しながら、この2つを最初から含んでいませんでした。件数が合っているので、疑いようがなかったのです。

結果、第10章はまるごと書き直しになりました。安く済ませるために委譲した1回の調査が、章ひとつ分の書き直しを生んだ——これが収支です。

そこで社内のルールを1つ増やしました。「安いほうに任せた調査の結論は、成果物に書く前に、自分で1点だけ測り直す」。全部を測り直したら委譲の意味がありません。1点でいいのです。今回なら、自分の画面で「本部」と1回検索するだけで済みました。

そして、もう1つ。「見つかりませんでした」は、そのまま結論にしない。使った道具の名前と範囲を書いて、人に確認をお願いする。道具が見ている「全件」は、会社の全件とはかぎらないからです。

もう一度、結論：ケチった分はどこに出たか

ここまでで、同じことが2回起きました。司令塔を半額にした2日間と、この記事の調べものを安い助手に回したときです。収支を並べると、こうなります。

差額と、増えた仕事。どちらが高いかは、ご自身の時給で計算してみてください。当社の答えは「高くついた」でした。だから2日間を終えて、司令塔は Claude Fable 5 に戻しています。

⚠念のため書いておくと、これはClaude Opus 5 が悪いという話ではありません。当社が「司令塔」という役割に充てた場合の話です。誤りの数はどちらも同じでした。違ったのは自分で気づけるかどうかで、その分の確認が人に返ってきただけです。手を動かす役では、いまも問題は起きていません。

では、どこから安くすればいいのか

費用を下げたいと考えているなら、順番はこうです。

なお、具体的にどのモデルをどう選ぶかは、この記事では扱いません。比較の基準と、実際の使い分けはこちらにまとめています。→ Claudeのモデルの違いと選び方｜Fable 5とOpus 5はいつ使う

よくある質問（FAQ）

まとめ