「結局、一番賢いAIが一つあれば、それで全部済むのではないか」── 連載で使い分けの話を続けてきたので、そう思った方がいるかもしれません。医療特化、法務特化といった「専門AI」のニュースを見て、どちらを選ぶべきか迷っている方もいるでしょう。
番外編は、本編と性格が違います。ここから書くことの半分は確認できる事実、もう半分は 筆者(と、執筆に関わったAI)の見立て です。どちらなのかを見出しで分けますので、見立ての部分は予想として読んでください。
事実 ── 性能競争の裏で、多様化が進んでいる
まず確認できることから。AIは「一つの最強モデル」に向かって収束してはいません。多様化は3つの軸で見えます。
- 価格と性能の階層 ── 本連載で見てきたとおり、Anthropic だけでも Haiku から Mythos クラスまでの階層があり、最上位の Fable 5 と日常向けの Sonnet が同じ時期に並行して提供されています。全部を最上位で済ませる経済合理性は、提供側にも利用側にもありません(第2回参照)
- 製品形態の分化 ── 同じモデルでも、チャット、Claude Code、Claude Cowork、Claude Design と、使う場面ごとに別の製品が育っています。分化のスピードは、モデルの層より製品の層のほうが速い
- 規制と提供範囲 ── Fable 5 と Mythos 5 は同じ基盤モデルでありながら、安全対策の有無で提供範囲が分かれています(第1回参照)。輸出管理による提供停止と再開の経緯は、国の規制が「誰に・どのAIを」を左右する変数になったことを示しました
構造 ── 特化モデルに働く「逆向きの力」
次に、事実と見立ての中間にある、構造の話です。
多様化の一方で、それと逆向きに働く力もあります。専門特化モデルには、構造的に不利な競争条件があるのです。競争相手が「今年の特化モデル」ではなく、「来年の汎用モデル」 だという点です。汎用モデルの性能が一段上がるたびに、それまで特化モデルの独壇場だった領域が、汎用モデルの守備範囲に飲み込まれる ── この追い抜きは、実際に繰り返し起きてきました。医療試験向けに調整された特化モデルが、調整なしの汎用モデルに成績で抜かれた例。金融向けに一から訓練された専用モデルが、汎用モデルにそのまま答えさせただけの結果に負けた例。いずれも2023年前後に報告され、以後この構図は業界の定番になっています。
考えてみれば、本連載で見てきた Fable 5 の得意分野も、かつては特化の領域でした。契約書のレビュー(第3回)は法務AIの、コード生成(第5回)は開発支援AIの縄張りだったものです。いま、それらは汎用モデルの一機能として提供されています。
特化モデルが優位を保つには、汎用モデルの進歩より速く専門性を深め続ける必要があります。これは、できないことではありませんが、坂道を登り続ける競争です。
見立て ── 残る特化と、残らない特化
ここからは予想です。断定はしません。
残りにくい と筆者が見るのは、「言語で完結する垂直特化」です。医療文書の要約、法務文書のチェックのように、入力も出力も自然言語である仕事は、汎用モデルの得意分野と正面から重なります。第3回で見たとおり、大量の文書を読んで矛盾を探す能力は、すでに汎用モデルの標準装備です。
残りやすい と見るのは2種類です。ひとつは「言語の外にある特化」── 科学計算や分子構造の予測のように、そもそも言語モデルとは別の数学でできている領域です。タンパク質の立体構造予測や全球の気象予測では、専用モデルがすでに標準になっており、言語モデルが取って代わる筋のものではありません。もうひとつは「小さく・速く・安くあるべき用途」── 端末の上で即座に動く必要がある処理や、大量の取引を安価に監視する不正検知のような領域です。ここでは最上位の賢さより、軽さと速さが価値になります。
では、言語系の垂直AI企業に価値は残らないのか。残るとすれば、モデルそのものではない場所だと見ます。外に出ない非公開データへのアクセス権 と、業務の流れへの埋め込みの深さ です。モデルは差し替えられても、データの信頼関係と、現場に馴染んだ道具の座は、簡単には差し替えられません。
この見立てが外れる条件
予想には、外れ方も添えておくべきです。3つ挙げます。
第一に、規制が独立モデルを要求する場合。医療や金融で「監査可能な専用モデルであること」が制度の要件になれば、言語系の垂直特化にも制度が守る居場所ができます。第二に、非公開データが性能を決め続ける領域。データが外に出ない限り汎用モデルは学べないので、そこでは特化が優位を保ちえます。第三に、開示しておくべきバイアスです。この見立ての整理には汎用モデル(AI)自身が関わっており、「汎用が勝つ」という結論は、汎用モデルの自己申告を含みます。割り引いて読んでください。
読者への含意 ── 一つのAIに忠誠を誓わない
あなたの実務に引きつけると、含意は3つに絞れます。
- 目的ごとに道具を選ぶ ── 本連載の使い分け(第2回)を、製品や会社の単位にも広げて考える
- 個人事業や中小の実務に、独自モデルは要らない ── 価値はあなたのデータと仕事の流れの側にあり、そこはあなたしか持っていない
- モデルは差し替え可能な部品として扱う ── 特定のモデルにしかできない形で業務を組まない
3つ目は、いまのうちに確かめておけます。たとえば、こんな依頼です。
いま当社の業務で使っているAIの利用箇所を、この業務手順書から洗い出してください。それぞれについて、別のモデルに差し替える場合に影響が出る箇所と、差し替え手順を整理してください。
道具は選び直せる状態にしておく。それが、多様化していく地図の上での、いちばん安全な歩き方です。
その仕事は、Fable 5 に頼む価値があるか?
番外編の答えは、問いの側を少し広げたものになります。「どのAIに頼むか」を固定しないこと ── 仕事ごとに道具を選び、選び直せるように組んでおくこと。それができていれば、次にどんなモデルが出てきても、この連載の判断基準はそのまま使い回せます。
連載「Fable 5 が帰ってきた」は、これで完結です。お読みいただき、ありがとうございました。
本記事の情報は2026年7月時点のものです。料金・提供状況は変わる可能性があるため、最新は Anthropic 公式情報をご確認ください。本記事の「見立て」の節は筆者の予想であり、確定した事実ではありません。