Claude Mythos 5を導入計画に入れる前に：Fable 5との提供範囲を分けて考える

新しいAIモデルの発表を見ると、どうしても性能やデモに目が向きます。

ただ、会社で使うかどうかを判断するときに最初に見るべきなのは、性能だけではありません。そのモデルを自社が通常の契約で使えるのか、社内の入力ルールに合うのか、止まったときに代替できるのかです。

Anthropicの公式ドキュメントでは、Claude Fable 5は広く提供されるモデル、Claude Mythos 5はProject Glasswing経由の限定提供モデルとして整理されています。両者は近い文脈で語られますが、中小企業の導入計画では同じ棚に置かない方が安全です。

この記事では、Claude Fable 5とClaude Mythos 5のニュースを、AI好き向けの性能比較ではなく、業務導入前の確認事項として整理します。

まず「使える前提のモデル」を分ける

AI導入でよく起きる失敗は、「話題になっているモデル」をそのまま導入計画に入れてしまうことです。

公式情報では、Claude Fable 5はClaude API、Claude Platform on AWS、Amazon Bedrock、Vertex AI、Microsoft Foundryで一般提供されるモデルです。一方、Claude Mythos 5は一般提供ではなく、Project Glasswingの承認済み顧客向けに限定提供されるモデルです。

この違いは、単なる入手経路の違いではありません。

会社の業務設計では、次のように扱いを分ける必要があります。

社員に使わせる候補:
  一般提供され、契約・料金・データ保持を確認できるモデル

研究・限定利用の候補:
  承認制、限定提供、特定顧客向けのモデル

導入計画に入れてはいけないもの:
  自社が使えるか未確認のモデル

高性能であることと、自社の業務で使えることは別です。特に中小企業では、調達、支払い、責任者、入力禁止情報、トラブル時の戻し方まで含めて「使える」と判断する必要があります。

Mythos 5を前提に見積もらない

Claude Mythos 5のような限定提供モデルは、AI業界の方向性を知るうえでは重要です。

ただし、通常の中小企業がAI活用計画を作るときに、限定提供モデルを前提にすると危険です。

たとえば、次のような計画はずれやすくなります。

このモデルで全社の自動化を組む
このモデルの性能を前提に工数削減を見積もる
このモデルを社員教育の標準ツールにする
このモデルで顧客データを扱う前提で業務設計する

利用できるか、どの契約で使えるか、どの環境で動くかが確認できないまま計画を立てると、後から「実は使えなかった」「顧客情報を入れられなかった」「費用や承認が合わなかった」という戻りが発生します。

導入計画の標準モデルは、まず一般提供されているものから選ぶ。限定提供モデルは、将来の選択肢や技術動向として別枠で見る。この分け方が現実的です。

データ保持は最初に確認する

Claude Fable 5とClaude Mythos 5について、公式ドキュメントでは30日データ保持があり、zero data retentionでは利用できないと説明されています。

この点は、業務利用ではかなり重要です。

次のような情報を扱う場合は、モデルの性能より先に入力ルールを決める必要があります。

顧客名、問い合わせ内容、契約条件
未公開の見積もり、提案書、価格交渉
社内の財務資料、採用資料、人事評価
ソースコード、設計書、認証情報に近い情報
顧客から預かった資料

「AIに学習されるか」だけを気にしていると、見落としが出ます。保持期間、ゼロデータ保持の可否、契約上の扱い、クラウド経路、ログの残り方まで確認してから、入力してよい情報を決めるべきです。

Fable 5は拒否応答も運用に入れる

Claude Fable 5には安全分類があり、一定のリクエストを拒否する場合があります。公式ドキュメントでは、拒否時にMessages APIがHTTP 200の成功レスポンスとして stop_reason: "refusal" を返すことが説明されています。

これは、アプリケーションや社内ツールに組み込むときに見落としやすいポイントです。

HTTP 200を「正常に回答が返った」とだけ扱うと、実際には回答が拒否されているのに、後続処理が進んでしまう可能性があります。

業務で使うなら、最低限次の分岐を決めておきます。

回答できた:
  通常の保存・表示へ進む

拒否された:
  別モデルに回す / 人間確認に戻す / 入力内容を修正する

業務上扱ってはいけない内容だった:
  処理を止め、ログに残し、責任者へ戻す

AIが答えなかったときに「壊れた」と見るのではなく、業務上の判断イベントとして扱う。この設計がないまま高性能モデルを入れると、現場は毎回手作業で判断することになります。

導入前にモデル台帳を作る

新しいモデルを試す前に、まず1枚のモデル台帳を作ることをおすすめします。

モデル名:
提供状態:
利用経路:
契約確認先:
料金:
データ保持:
入力してよい情報:
入力してはいけない情報:
拒否時の戻し先:
代替モデル:
社内責任者:
最終確認日:

この台帳があると、モデル選定の会話がかなり落ち着きます。

「どちらが賢いか」ではなく、「どの業務に、どの条件で使えるか」を話せるようになるからです。

また、モデルの提供条件は変わります。日付と確認元を残しておけば、後から条件が変わったときも見直しやすくなります。

中小企業では「最高性能」より「運用可能性」を見る

中小企業にとって、高性能AIモデルは大きな武器になります。

ただし、AI活用で成果を出す会社は、必ずしも最も新しいモデルを追いかけている会社ではありません。むしろ、入力してよい情報、使ってよい業務、費用上限、確認責任者、失敗時の戻し方を先に決めている会社の方が、安定して成果を出しやすくなります。

Claude Fable 5とClaude Mythos 5のように、一般提供モデルと限定提供モデルが並んで語られる場面では、次の順番で見るのが安全です。

1. 自社が使える提供状態か
2. 契約・データ保持・料金を確認できるか
3. 社内で入力してよい情報を決められるか
4. 拒否や失敗時の戻し先を設計できるか
5. そのうえで性能を評価する

性能比較は最後でかまいません。先に見るべきなのは、業務として運用できる条件がそろっているかです。

Optiensの見方

Optiensでは、AI導入を「最新モデルを入れること」ではなく、「業務と責任の設計」として見ています。

無料のAI活用診断簡易版では、フォーム入力をもとに、どの業務がAI化に向くかを整理します。詳細版AI活用診断では、導入可否、優先順位、構成案、費用前提を整理します。実装や伴走が必要な場合は、診断とは別の導入支援領域として扱います。

新しいAIモデルを試したいときほど、まず「何に使うか」「何を入れてはいけないか」「止まったら誰が見るか」を決める。そこから始める方が、結果的に早く安全に使えます。