Knowledge Hub
AIに「会社の記憶」を持たせると何が変わるのか

2026-07-05T14:20:44.062Z

AIに「会社の記憶」を持たせると何が変わるのか

Fable 5をObsidianの知識ベースにつなぐ話は、単なるメモ術ではありません。AIの出力を左右するのは、モデルの強さだけでなく、渡す文脈の質だという話です。

AIClaudeFable 5Obsidianナレッジ管理セカンドブレイン

結論は、AIの差は「頭の良さ」だけでなく「材料」で決まる、です。

入力ノートのX記事は、Claude Fable 5をObsidianの知識ベースにつなぐ方法を説いています。 Obsidianは、Markdown（ふつうのテキスト形式）のメモをつなぐアプリです。 Fable 5は、Anthropicが2026年6月9日に出した高性能AIモデルです。 公式発表では、長い作業、知識仕事、コード、画像理解に強いとされています。 出典: https://www.anthropic.com/news/claude-fable-5-mythos-5

ただし、ここで本当に大事なのはモデル名ではありません。 AIに「あなたの仕事の背景」を読ませる仕組みです。 営業なら顧客履歴。 広報なら過去の発信。 開発なら設計の理由。 これらがないAIは、毎回「初対面の外注先」のように働きます。

X記事のカバー画像
X記事のカバー画像

そもそもどういうこと？

結論は、AIの記憶はチャット履歴では足りない、です。

多くの人はAIに長い説明を入れてから作業を頼みます。 これは、会議のたびに新人へ会社説明をするようなものです。 うまくいく日もありますが、続きません。

X記事がすすめる仕組みは、次のようなものです。

flowchart LR
  A[生の資料 raw] --> B[AIが整理]
  B --> C[人物や会社 entities]
  B --> D[考え方や型 concepts]
  C --> E[INDEX.md]
  D --> E
  E --> F[AIが必要なページだけ読む]
  F --> G[記事・コード・提案書]

ポイントは、生の資料と整理済みメモを分けることです。 生の資料は、議事録、記事、動画文字起こし、顧客メモです。 ここは「証拠の倉庫」です。 AIが勝手に書き換えると、事実がにじみます。

整理済みメモは、会社別、顧客別、考え方別にまとめます。 ここは「仕事に使う地図」です。 Obsidianのリンク機能では、[[顧客A]]のように書くとメモ同士をつなげます。 公式ヘルプも、リンクで知識のネットワークを作れると説明しています。 出典: https://obsidian.md/help/links

くわしく見てみよう

結論は、これは「AI用の社内Wiki」を作る話です。

Karpathy氏のLLM Wiki案も、考え方は近いです。 LLM（大規模言語モデル）に資料を毎回探させるのではありません。 資料を読ませ、構造化されたWikiに育てます。 出典: https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

ふつうの検索型の知識管理は、資料が増えるほど雑音も増えます。 たとえば「価格」と検索すると、古い価格表まで出ます。 AIがそれを拾えば、古い見積もりを書きます。

一方、リンクされたWikiは、たどる道を持ちます。 「顧客A」から「前回の要望」へ。 そこから「競合B」へ。 さらに「失注理由」へ。 人間が頭の中で思い出す順番に近づきます。

ただし、魔法ではありません。 索引が古いと、AIは見落とします。 リンクが雑だと、違う文脈へ飛びます。 出典のない要約は、後から信じてよいか分かりません。

X記事には、会計で「履歴なし70%、履歴あり85%以上」といった数字があります。 この数字の出典は、記事内では確認できません。 そのため、本レポートでは事実ではなく投稿者の主張として扱います。

確認できる事実として、AnthropicはFable 5についてこう述べています。 長時間の作業で集中を保ち、ファイルベースの記憶を使うゲーム実験で改善した、という内容です。 ただし、これはベンダー自身の発表です。 独立した再現実験は、まだ十分とは言えません。 出典: https://www.anthropic.com/news/claude-fable-5-mythos-5

くらべてみよう

結論は、強いAIより「読ませ方」の設計が効く場面があります。

やり方何をするか強み弱み
毎回プロンプトに説明チャットに背景を書くすぐ始められる長くなる。忘れやすい
RAG必要そうな資料片を検索して渡す大量資料に強い文脈が切れやすい
LLM WikiAIが資料を整理し、リンク付きWikiにする知識が育つメンテナンスが必要
ClaudeのCLAUDE.md作業ルールを毎回読ませる指示の固定に向く知識全部を入れる場所ではない

Claude Codeの公式ドキュメントでは、CLAUDE.mdは毎回読む指示ファイルです。 また、自動メモリも各セッションで読まれます。 つまり、入れすぎると毎回コストがかかります。 出典: https://code.claude.com/docs/en/memory

Anthropic発表では、Fable 5の価格は入力100万トークン10ドル、出力100万トークン50ドルです。 100万トークンは、日本語なら数十万字規模の文章量です。 安く見えても、毎回大量のメモを読ませると費用は増えます。 出典: https://www.anthropic.com/news/claude-fable-5-mythos-5

xychart-beta
  title "読む量が増えるほどコストは上がる"
  x-axis ["小さな索引", "関連ページだけ", "50ページ", "全フォルダ"]
  y-axis "相対コスト" 0 --> 100
  bar [5, 20, 55, 100]

Obsidianのグラフ表示は、メモを点、リンクを線で見せます。 全体像を見るには便利です。 ただし、きれいな図が出ることと、正しい知識があることは別です。 出典: https://obsidian.md/help/plugins/graph

わたしの見方

結論は、これは「メモ術」ではなく「文脈の供給網」です。

AIの出力が薄い理由は、文章力だけではありません。 材料が薄いからです。 新人に「うちらしい提案書を書いて」と言っても無理があります。 過去の提案、勝ち筋、失注理由、顧客の言葉が必要です。

AIも同じです。 Fable 5のような強いモデルでも、会社の事情を知りません。 だから、もっともらしい一般論を返します。 投稿者が言う「同じモデルでも別物になる」は、この点では筋が通っています。

一方で、危ない点もあります。

第一に、古い知識が混ざることです。 AI業界では、半年で前提が変わります。 古い料金、古いAPI、古い成功例は、今の失敗のもとです。

第二に、AIが作った要約をAIが読み続けることです。 小さな誤りが、次の要約で事実のように残ります。 だからrawを残し、出典リンクを必須にする必要があります。

第三に、秘密情報です。 顧客情報、契約、社内戦略を入れるなら、保存場所と権限が重要です。 個人の便利ツールとして始めても、会社の情報管理の話になります。

Claude Codeのフックは、作業後の処理を自動化できます。 たとえば、作業後に決定事項をメモへ送る使い方が考えられます。 ただし、公式にもフックは決まった処理を走らせる仕組みです。 判断が必要な整理は、人間の確認を残すべきです。 出典: https://code.claude.com/docs/en/hooks-guide

だから何をすればいい？

結論は、小さく始め、証拠と索引を守ることです。

まず、いきなり全社Wikiを作らないことです。 1時間で試すなら、次の4つで十分です。

フォルダ・ファイル役割最初に入れるもの
raw/生の証拠議事録、記事、過去メモ
entities/具体物のページ顧客、競合、製品、人物
concepts/考え方のページ勝ち筋、注意点、型
INDEX.md入口全ページの一行説明

運用ルールは、短くてよいです。

仕事で使うなら、週1回の棚卸しも必要です。 重複ページ、切れたリンク、古い価格、出典なしの主張を見ます。 これは経理の月次締めに近い作業です。 放置した知識ベースは、便利な倉庫ではなく古い倉庫になります。

関連動画として、いま見つかるものは以下です。 実装の雰囲気をつかむ補助として見るのがよいです。

参考にしたページ

結論は、公式情報と投稿者の主張を分けて読むことが大事です。

関連する動画

Fable 5 + Karpathy’s LLM Wiki is Basically CheatingNate Herk | AI AutomationClaude Code's New /goal Command Is INSANEMatt KudaKarpathy's LLM Wiki - Full Beginner Setup GuideTeacher's Tech