HebbiaがClaude Fable 5採用、金融文書分析の精度20%向上

齋藤竹紘2026年7月14日2026年7月14日AIニュース

HebbiaがFable 5導入で金融文書の分析精度を約20%改善しました。

米国の金融特化AIプラットフォームHebbiaが、Anthropicの最新モデルClaude Fable 5を自社プラットフォームに導入し、金融文書の質問応答・引用テストで約20%の相対精度向上を記録したことを、Anthropicの公式ブログが2026年7月13日に公開した事例記事で明らかにしました。Hebbiaは世界の資産運用会社トップ50のうち3分の1以上が利用する企業向けAIで、社内ベンチマークで「過去最大の改善幅」と評価しています。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。

何が起きたか：社内ベンチマークを「過去最大の差」で通過

結論から言うと、HebbiaはClaude Fable 5を金融特化の自社ベンチマークにかけ、2種類のテストの両方で過去最大の改善幅を確認しました。Hebbiaの応用AIチームの研究者Joe Rennerは、新しいモデルが出るたびに、置き換え対象の既存モデルと直接比較する社内評価を実施しています。テストの1つは金融文書に対する質問応答と引用箇所の特定、もう1つは同社のエージェントシステムを通した複数ソース横断の自由分析で、実際の金融実務を再現した内容です。

質問応答・引用テストでは、Claude Fable 5が既存モデル比で約20%の相対精度向上を記録しました。Rennerがこれまで計測したどの新モデルよりも大きい改善です。引用の一致率自体はほぼ横ばいだったため、改善は「見つけた証拠をモデルがより正しく理解するようになったこと」に由来するとRennerは分析しています。エージェントテストでも、複数の要求を含む依頼のすべてに回答し、各回答を出典まで紐付けきったと報告されています。

Hebbiaの創業プロダクトマネージャーDivya Mehtaは、この結果について「密度の高いデータから正しい情報を見つけ出し、それを正しく統合する能力に尽きます」と事例記事内で述べています。

なぜ重要か：数字1つの見落としが案件を左右する業務でのAI採用基準

金融のデューデリジェンス（投資判断前の精査業務）は、数千件の文書にまたがる分析で1つの数字の誤りが案件全体を狂わせる領域です。だからこそHebbiaの事例は、生成AIを高リスク業務に組み込む際の実践的な採用基準を示している点で重要です。同社はモデルのブランドや発表時のベンチマークではなく、自社業務を再現した社内評価で新旧モデルを直接対決させ、勝った場合にのみ置き換えるという運用を徹底しています。

業務面の変化も具体的です。同社のプラットフォームMatrixは、複雑な分析タスクを小さな検証可能なステップに分解し、各回答をグリッドのセル単位で出典に紐付けます。与信関連では、融資契約書・修正条項・サイドレターといった数百ページ規模の文書群からコベナンツ（財務制限条項）一式を抽出するだけでなく、Fable 5では抽出後の多段階分析、つまりモニタリングデータとの突合、リスクの指摘、コベナンツレビューと社内メモの初稿作成まで到達しつつあります。これは従来、外部専門チームに高額な報酬を支払って人手で作らせていた成果物です。

スピードの変化はさらに分かりやすい数字が出ています。経営者向け提案資料の作成は、AI導入前はジュニアバンカーが2〜3日かけていた仕事でしたが、初期のOpusモデル世代で約1日に短縮され、現在はMatrixが資料・財務モデル・社内リサーチを数分で組み上げるところまで来ています。

今後の動き：Claude Agent SDKで「分解された自動化」へ

Hebbiaは今後、Claude Agent SDKを採用し、分析ジョブを単一のモデル実行ではなく、小さく反復可能で検証済みのステップの組み合わせとして構成する方針です。Mehtaは「どれほど優れたモデルでも、作業をステップに分解することは重要です。企業はどの文書を分析に使い、各ステップがどう組まれるかを管理したいからです」という趣旨を語っており、規制産業でのAI活用における統制の重要性を強調しています。

Blockchain.Newsによると、Hebbiaは2020年にGeorge Sivulkaが創業し、2024年6月にはAndreessen HorowitzやPeter Thielらから約1億ドルのシリーズB資金を調達しています。FactSetやPitchBookなど主要金融データプロバイダーとの連携も進めており、金融AI領域での競争は激しさを増しています。顧客との会話の変化も象徴的で、2〜3年前は「ハルシネーションは大丈夫か」「計算は正しいか」という守りの質問が中心だったのに対し、現在は「どうすればワークフローをもっと自動化できるか」「1クリックで10〜20本の資料を高い品質で作れるか」という攻めの質問に変わったとMehtaは述べています。

EC事業者にとってもこの事例の型は応用が利きます。モール規約・取引契約・商品規格書のような大量文書の確認業務にAIを導入する際、「自社業務を再現したテストで新旧モデルを比較してから切り替える」「作業を検証可能なステップに分解し、各回答に出典を残す」というHebbiaの運用は、そのまま導入判断のチェックリストとして使えます。

まとめ

HebbiaによるClaude Fable 5の導入は、約20%の精度向上という数字以上に、高リスク業務でAIを使うための運用設計（自社ベンチマーク・ステップ分解・出典の紐付け）を示した事例です。関連する動きはThomson Reutersの法務AIへのFable 5展開やCognitionのFable 5夜間自律稼働でも報じられており、Fable 5とSonnet 5の使い分けと合わせて、エンタープライズAI採用の判断材料になります。

参考文献

※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/

引用元: Anthropic公式ブログ

【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）

齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。

投稿者: 齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。齋藤竹紘のすべての投稿を表示