Fable時代のAI活用法──「未知」を減らすプロンプト設計が企業導入の差になる

2026.07.07

高度なAIエージェントを使いこなすうえで、人間側の「指示の品質」が改めて重要になっている。ナレッジセンスは、Claude Code開発者のThariq氏が公開した「A Field Guide to Fable」をもとに、Fable世代のAI活用法を日本語で整理した。

ポイントは、AIに長いタスクを任せる前に、何が分かっていて何が分かっていないかを明示することだ。これは単なるプロンプトの小技ではなく、AIエージェントを業務プロセスに組み込む際のリスク管理に近い。

なぜ「未知」を減らす必要があるのか

記事では「地図は現地ではない」という表現が紹介されている。人間が書く指示は地図であり、実際のコードベース、業務ルール、利用者の期待は現地だ。AIエージェントはこのズレに遭遇すると、もっともらしい推測で穴埋めしながら作業を進める。

小さな作業ならそれでも問題になりにくい。しかし、業務フローの変更、既存システムへの実装、顧客向け資料の作成のように影響範囲が広がるほど、推測の積み重ねが失敗につながる。

「Fable」世代は非常に賢いため、人間側の指示品質がボトルネックになる──ナレッジセンスによる要約

実務で使いやすいのは、未知を4つに分解する考え方だ。自分が理解し、指示にも書けていること。分からないと自覚していること。判断基準はあるが言語化していないこと。そして、そもそも存在に気づいていない落とし穴である。

実装前には、AIに盲点を探させる「blindspot pass」や、複数案のプロトタイプ作成が有効だ。曖昧な点が残る場合は、AIに1問ずつインタビューさせる。とくに、アーキテクチャ、データ構造、権限、コスト、レビュー方針が変わる質問を優先するとよい。

実装中は、計画から外れた判断を実装ノートに残す。これにより、AIが勝手に方針転換したのか、現地の制約に合わせて妥当な判断をしたのかを後から追える。実装後は、変更内容を説明資料にまとめたり、AIにクイズを出させたりすることで、レビューの品質を上げられる。

企業でAIエージェントを使う場合、失敗の原因はモデルの性能不足だけではない。部門ごとの暗黙ルール、過去の例外対応、レビュー担当者の好み、セキュリティ要件などが指示から抜け落ちることが多い。AIが賢くなるほど、曖昧な指示でも一見それらしい成果物を出せてしまうため、むしろ検証の設計が重要になる。

注意点は、この手法が「AIに任せればすべて解決する」という話ではないことだ。未知を洗い出すほど、人間が判断すべき点も見えてくる。AIエージェント活用の成熟度は、プロンプトの長さではなく、未知を発見し、記録し、レビュー可能な形に変える運用で決まる。