複数AIモデルの使い分けをどう設計するか——「Fable=CEO」の組織図とエージェント出力が人間に読めなくなる問題
Every のエンジニアは Anthropic のモデル群を組織図に見立てる: Fable が CEO、Opus 5 がシニアエンジニア、Sonnet 5 がジュニア／アナリスト。高額な汎用モデル一本足から、役割特化モデルが一つのハーネス内で協働する「混合モデル構造」へのシフトが…
2026年7月の論考
42 articlesAIのAPI料金はどこまで上がるのか——収益10倍成長と計算供給3倍の需給ギャップが招く値上げ構造
需給のミスマッチ: Anthropicの収益は年10倍成長するのに対し、計算供給は年3倍成長のみ。この差を埋めるには利益率の上昇・計算価格の上昇・推論比率の増加のいずれかの組み合わせが必要で、筆者はその3つともが起きていると理解している
AIエージェントをSlackに常駐させる前に何を決めるべきか——実行権限とガードレールの設計
元記事は、Claude Code に接続した Slack ボット「Luo Ji」により、チャンネル＝プロジェクト、スレッド＝タスクという構造でエージェント作業を一元管理する設計を紹介している
モデル更新で社内プロンプトが壊れる「プロンプト負債」——Opus 5移行で誰がスキルを再検証するのか
著者の Katie Parrott は、Anthropic の Opus 5 を一瞬は見事だが実運用ではいら立たしいモデルと評する。Every の運用責任者 Arielle Shipper は、応答をシンプルに保つのに Fable や Opus 4.8 より多くの管理と繰り返しの…
AI生成コードの急増で、コードレビューはどう再設計されるのか——OpenAIインフラチームへの取材が挙げる3つの圧力
元記事は、OpenAI のインフラチームの 6 人（応用インフラエンジニアリング担当 VP を含む）への取材をもとにした記事として、AI 生成コードの急増、限界まで負荷がかかる開発インフラ、コードのレビューと信頼性維持の根本的な再設計という 3 つの圧力を挙げている
AI 活用でジュニア開発者は育たなくなるのか——スコア 67%→50% 低下の実験データが迫る評価制度の見直し
Opus 5 は優秀だが、既存ワークフローとの相性が悪く、導入には既存システムの大幅リセットが必要。Fable の上限には届かず、GPT-5.6 Sol の日常的な使いやすさにも並ばない。元記事は、導入に見合うかを判断するよう促す
AI活用のKPIは「利用率」でいいのか——Anthropicが生産性指標にする「トークン効率」という考え方
Dianne PennはAnthropicで製品責任者として、Claude 2からFableまで全モデルの企画・開発に貢献してきた
AIエージェントに秘書業務をどこまで任せるか——OpenAI社員の「Chief of Staffスレッド」と承認境界の引き方
Peter YangがOpenAI CodexチームのDevExエンジニアJason Liuにインタビュー。Jasonは公式のCodex活用ハンドブックの著者で、自分の1日の業務をすべてCodex経由で回している
Claude Opus 5 は業務導入に値するか——プロンプト資産を積み上げた環境ほど性能が落ちる評価結果
Opus 5 は複雑なシステムプロンプト・スキル・プラグインを詰め込むと性能が低下する傾向を示した（指示への抵抗、途中終了、既存ツール不適応）
Metaはなぜ数十億ドル規模のインフラ投資を無駄にしたのか——TCOを14%押し上げた設計失敗と、短期成果に傾いた組織文化
Meta では6ヶ月サイクルの成果評価が短期的な「見える成果」重視に傾いている。評価のたびに下位10〜15%が切られる。その結果、従業員は長期戦略より短期的な成果に最適化し、一部のマネージャーは素早く納品できる視認性の高いプロジェクト（「ウィンドウウォッシング」と呼ばれる慣行）を…
AIエージェント活用のROIをどう測るか——メール1本で25,000ドルを生んだ「人が枠組み、AIが実行」の分業設計
Every は年額 $625 の新メンバーシップ「All Access」のローンチで、同社史上最大の MRR 増加（2 日で約 $9,000）を記録した
AIでプロトタイプが量産される組織は何を基準に選別すべきか——Whoopの「戦略アウトカム×hack day×1.2万人ベータ」3層構造
AIツールの登場でプロトタイピングの構築コストが劇的に低下し、無数のデモが量産される一方、それらを評価・選別するプロセスが消失した
導入した AI ツールはなぜ使われなくなるのか——Keep/Redesign/Revisit/Retire で判定する棚卸しの枠組み
元記事によれば、成功するワークフローの要件は「実在する問題を即座に解く」ことであり、未来の理想の自分のためのツールは続かない
AI の ROI はどう測るか——LLM より4桁安い専用モデルが最適解だった Arkadium の事例
元記事は、トークン支出が各社で急増する中、価値ある AI 利用とそうでないものを見分ける唯一の方法は「事業固有の測定可能なゴール」を定義して測ることだと主張する。ツール配布は導入の第一段階に過ぎない
AI 活用力は等級別のスキルか、全レベル共通の期待値か——Netflix の CPTO が語る人材要件
Netflix で Engineering・Product・Design を統括する CPTO の Elizabeth Stone は、人を見るときに最も重視するスキルとしてシステム思考（systems thinking）を挙げるとされる
AI 利用ルールは増やすより削れているか——Claude Code チームがシステムプロンプトを 80% 削った理由
新モデル導入時は指示削減が鍵: Claude Code チームの Thariq Shihipar らは、硬いルールや具体例が新しいモデルを縛っていたため、Claude Code のシステムプロンプトを 80% 削った。Peter Yang は、新モデルが出たら CLAUDE.md…
非エンジニアはAIでどこまで機能開発できるか——編集者が空き時間でギフトリンク機能をリリースした実例
Every（30人のメディア企業）がギフトリンク（有料記事を非会員に共有できる機能）をリリース。開発者ではなく上級編集者がCodexとClaudeを使って実装した
AIは本当に雇用を奪うのか——ChatGPT以降の米国で実質賃金が上昇している事実をどう読むか
Acemoglu & Johnson の著書『Power and Progress』は、テック企業の権力が技術革新の方向を「労働者を補完するもの」ではなく「労働者を代替するもの」へ歪めてきたと主張するが、書評著者のNoah Smithはその歴史的根拠が軒並み脆弱だと批判する
AIエージェントのスキルは本当に有効か——49件中7件しか成果を改善しない検証結果
フロンティアモデルの進化により、かつて必要だったスキル（再利用可能な指示パッケージ）の多くが冗長化。SWE-Skills-Bench の検証では 49 スキル中、成果を改善したのはわずか 7 件。3 件は逆に成果を悪化させた
新AIモデルへの乗り換えは何を根拠に決めるのか ― 2日ほどの締め切りに対し監査と下書きを90分で終えたビズオプスのマルチモデル運用
Every社のビズオプスチームは Fable・Codex・Fin を組み合わせ、数日の猶予でまとめるカスタマーサポート計画のため、情報が散在するSlack・Notion・会議録を Fable が監査し、ヘルプ記事3本・Fin 用スニペット約6本・テンプレート17本を約90分（大半…
なぜビルダー型エグゼクティブに年収1,000万ドルが提示されるのか ― 「現在性」が決めるキャリアと昇進設計
プロダクト領域のトップ人材への報酬が急騰。著者はここ数週間で年収1,000万ドル規模のオファーを3件確認。AI研究者で起きたことが、今まさに「ビルダー型エグゼクティブ」に起きている
AIの雇用への影響はデータに表れているのか ― 経済学者の緊急声明にNoah Smithが署名しなかった理由
著名経済学者らが連名署名した「AI経済への緊急対応を求める声明」は、具体的政策を一切示さない空虚な宣言にとどまっている
OpenAIはなぜCodexをChatGPTに統合したのか ― 8億人への賭けと「再利用ツールでエラー率53%減」の示唆
OpenAI が Codex を ChatGPT デスクトップアプリへ統合（旧 ChatGPT は "Classic" に改称）。Chat / Work / Codex の3モード構成になったが、PR 専用スペースなど開発者向け機能が削除され、既存の Codex ヘビーユーザーが…
AIエージェントが書いたコードの品質は誰がどう上げるのか ― 「Polish」と判断ルール化の複利構造
エージェントが一晩でコードを書き、朝には緑のPRが積まれている時代。残る人間の仕事は「これは本当に良いか」を判断し、さらに押し上げることだと著者は主張する
AIコストを大きく下げるモデルルーティングを誰が設計するのか ― Grok 4.5と「100万トークン当たり収益」の時代
Cursor が SpaceXAI と共同訓練したと説明する Grok 4.5 は、Every の社内評価で Opus 水準（Mike Taylor のベンチマークでは Claude Opus 4.8 をわずかに上回る）の性能で、入力 $2 / 出力 $6 per million…
AIエージェントはどう作り、どう管理するのが正しいのか ― 「作りすぎない」設計とツールエンジニアリングの原則
チームは最初のAIエージェントを「作りすぎる」傾向がある。細かいルールや決定論的な指示を詰め込む前に、まずシンプルなプロンプトでモデルに意図を伝え、動かしてみることが先決
GPT-5.6はナレッジワークをどう変えるのか ― 「ループを回す人」から「ループを育てる人」への役割転換
GPT-5.6 Sol は「1タスクずつ手伝う AI」を超え、情報収集→判断→実行→学習のループを確実に回せる、著者が使った中で最初のモデルだと述べる
GPT-5.6 SolとFableはどう使い分けるべきか ― ベンチマーク順位と業務ROIが一致しない理由
GPT-5.6 Sol が政府審査から復帰。Every チームは執筆・コーディング・調査・分析の「対話しながら進める仕事」のデフォルトモデルに採用した
プロダクトチームはなぜ4〜6人のジェネラリストポッドへ向かうのか ― Instagram責任者Mosseriの組織再設計論
Instagram責任者Adam Mosseriとの対談の論点として、2026年にプロダクトチームの標準形が「十数人の専門家チーム」から「4〜6人のジェネラリストポッド」へ変わりつつあることが挙がっている（InstagramやMetaが実際にそう組み替えたかは告知からは分からない…
Meta超知能研究所（MSL）は1年で何を築いたのか ― 社員の業務ログをRL訓練データに変える戦略
Llama 4の失敗を契機にZuckerbergが1年前にAI組織を刷新。$14.3BでScale AI（Alexandr Wang）を取り込み、研究者に数億ドル規模の報酬パッケージを提示して人材獲得競争を展開
AIのトークンコストはどう最適化するのか ― 「トークン監査」とマルチモデル運用に見る効率化の実務
フロンティアラボが計算コストの補助を縮小しつつあり、AI の利用コストは上がっていく。焦点は「どれだけ使うか」から「どう使い、何を示せるか」に移り、サンフランシスコでは revenue per million tokens（1Mトークン当たり収益）が revenue per em…
AnthropicのIPOと黒字化は企業のAI調達に何をもたらすのか ― Q3利益10億ドル超の試算を読む
Anthropic は 2026年6月1日に IPO の機密申請を実施。SemiAnalysis の独自試算（Tokenomics Model）によれば、2026年Q3の利益は10億ドルを超えると見込まれる
高価なAIモデルはどのタスクに使うべきか ― タスクの大きさではなく「不確かさの量」で決める使い分け原則
Fable（Claude の最上位モデル）が週次利用枠から従量課金へ移行するタイミングで、Every 編集部が「Fable を使うべき場面」を再定義。タスクの大きさではなく「不確かさの量」で使い分けを判断せよという立場
AIはテックワーカーをどう分断したのか ― バーンアウト55.7%・職種NPS -39の調査が示す人材マネジメントの課題
AIへの自己評価が二極化。「AIで増幅された（Amplified）」49%、「不安定化した（Destabilized）」14%、「縮小した（Diminished）」5%などに分かれ、「増幅」と「縮小」の群の差はキャリア楽観度で最大の効果量（Cohen's d ≈ 1.55）。ファ…
NvidiaのGPU債務バックストップとは何か ― 7兆ドルAI債務市場とGPU短期レンタル解放の構造
7兆ドル規模のAI債務市場が形成中: 2024〜2029年の累積AI設備投資は約11.1兆ドルに達する見込みで、クレジット市場が主要な資金調達源となる。2029年には残高7兆ドル超と、米国の住宅ローン担保証券市場（13兆ドル）に次ぐ規模になる。
Fable 5とSonnet 5の明暗はどこで分かれたのか ― エージェント定着期のモデル評価とAnthropic創薬参入の狙い
Anthropic が同週に2つのモデルをリリース。Fable 5 は復活し、単一プロンプトから動くアプリを作れ、文書エディタ Proof を約3時間で作り直したという。一方 Sonnet 5 は「万能のゴルディロックス」を標榜しながら Opus 4.8・Fable 5・GPT-…
PM業務のどこまでをCodexに任せられるのか ― OpenAI現役PMの実践に見る「デモがPRDを置き換える」働き方
OpenAI Codex チームの PM・Rohan Varma は Slack / Notion / Linear / Gmail / Drive を Codex に接続し、複数ツールをまたいだコンテキスト収集を自動化している
Sonnet 5を業務で選ぶ理由はあるのか ― Everyの実務検証に学ぶモデル選定の見直し方
Anthropic は Sonnet 5 を「Haiku より賢く、Opus より安くて速い」という従来ポジションに加え、より agentic で Opus に近く、曖昧な仕事の依頼に向くモデルとして打ち出した
AI活用の誇張報告はなぜ生まれるのか ― 採用とROI評価を歪める「AI Confidence Theater」の構造
AIツールは確かに有用だが、SNS上では「人生が変わった」レベルの誇張が蔓延しており、実態はSlack要約・メール返信といった補助的ワークフローにとどまるケースがほとんど
MetaはAIクラウド事業者になるのか ― 5GW超の調達とAnthropic契約交渉が変える法人AI調達の勢力図
Metaは2026年上半期だけでCloud・ColoあわせてCapacity 5GW超を契約済み。2027年のCapexは驚くほど高くなるとSemiAnalysisは見ている
Codexの実践的な使い方はどう設計するか ― 長期スレッド・コンテキストフォルダなど4つの運用パターン
Every チームは Codex（OpenAI のエージェント環境）を各自のワークスタイルに合わせてカスタマイズし、「長期継続スレッド＋ルーターエージェント」「ローカルコンテキストフォルダ」「アウトカム起点の最小構成」「クロスデバイス同期フォルダ」という4パターンを公開した
Fable 5はどのタスクに使うべきか ― 実務で使い込まれた13プロンプトとモデル使い分け基準
Fable 5が6月12日に一時的にモデルセレクターから消え、7月1日（ET 3:30）に復活。7月7日まではClaude有料プランに含まれ、以降はAPI従量課金へ移行