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

自分の組織のAIワークフローに、モデル選定のルールは存在するか——なければ、高性能モデルへの無差別な集中（コスト増大）か、低性能モデルへの過剰な妥協（品質ロス）が混在している可能性が高い。この問いを突きつけてくるのが、「Fableが一時停止している間、Everyが『Fableが戻ったらやる仕事』のリストを溜めていた」という記述だ（要点2）。同社は使えなくなった期間を、モデルに何を任せるかを考える機会にしたという。モデルの能力差を踏まえてタスクを振り分ける発想が現場にあることをうかがわせる。

自分の組織に置き換えて考えると、同じことが起きているかどうかは確認に値する。AI全社導入済みと言っても、実態として「全員が同じモデルを同じように使っている」組織は多い。モデルの性能差をコスト換算して比較した社員がどれだけいるか。「このタスクは軽量モデルで十分」「このタスクはOpus一択」と即断できる基準が現場に浸透しているか。Everyが公開した13プロンプトには「どのタスクにFableを使うべきか、別モデルで足りるか」の判断基準がセットで含まれている。プロンプトライブラリと使い分け基準を一緒に配布するという設計は、社内のAI活用促進施策として参考になる。

冒頭の問いに戻ると、モデル選定のルール整備に手を入れることは、追加コストなしにAI活用の質を底上げできる数少ない施策の一つだ。Everyの事例は、使い分けの基準を整える際のひとつの参考になる。