AIに書かせる前に「渡す順番」が全てだった

AIにドキュメントを書かせるとき、多くの人は「指示の出し方」を工夫しようとする。でも、複数の発信者が指摘しているのは、問題は指示の言い方より「何を先に渡すか」という順番の設計だという点だ。

@id_121122142は求人票の話として、「採用成功者の入社理由・スキルセット」をAIに貼り付けてから生成させると、実態に近い原稿が出る、と発信。@_daichikonnoは研究計画書の下書きを30分で完成させる手順として同様のアプローチに言及し、@shota7180はClaude Codeを使ったリサーチ・分析・資料作成の流れで「自分の判断基準をスキル化してエージェントに渡す」設計が鍵だと述べている。

共通するのは「ペルソナや指示を後から定義するのではなく、実績データや判断基準を先行インプットする」という順番の原則だ。要はAIへの入力設計の問題であり、生成の精度は使い方のセンスより先に「渡す材料」で決まる。

ここ1〜2年、「プロンプトエンジニアリング」という言葉が広まり、指示の書き方を磨くことに注目が集まった。しかし業界の関心は徐々に「プロンプトの文面」より「コンテキスト設計」へ移っている。

背景にあるのは、AIのコンテキストウィンドウの大幅な拡張だ。以前は長いテキストを渡すこと自体が難しかったが、現在のChatGPTやClaudeは数万〜十数万トークンを扱える。つまり「過去の成功事例まるごと貼る」「自分の判断基準をドキュメント化して毎回渡す」という運用が現実的になっている。

AIを「仕事の流れ」に乗せる8つの入口で触れたように、AIを業務に組み込む際の障壁は「どこに入れるか」だけでなく「何を渡す設計にするか」にある。今回の各発信はその設計論の具体例だと読める。

注目したいのは、この手法が特定のツールやAPIに依存していない点だ。ChatGPT無料プラン、Claude、Geminiいずれでも試せる。「AIに何かを作らせる前に、うまくいった事例のテキストを貼り付ける」という行動1つで再現できる。新しいツールの習得コストがほぼゼロというのが、実用面で重要なポイントだ。

また、@shota7180が言及しているClaude Codeのエージェント設計の話は、この「渡す設計」をさらに自動化・構造化したものと捉えられる。単発の生成から、判断基準を持ったエージェントの構築へ──同じ原則が複数のレイヤーで機能している。

Q. 既存の成果物を貼り付けると、そのまま流用になってしまわないか？

A. 指示の中で「このパターンを参考に、新しい内容で作成してください」と明示すれば、AIは構造・文体・視点を参照しつつ、別の内容を生成する。過去データはあくまで「参照元」として使い、コピーではなく「自分の文脈を持った生成」を引き出すのが目的だ。ただし機密情報や個人情報を含む成果物を貼り付ける場合は、ChatGPTのメモリ設定やデータ利用ポリシーを事前に確認しておきたい。

Q. 渡すデータが少ない・まだ実績がない場合はどうする？

A. 「実績データ」がない場合でも、「自分が重視している判断基準」「やりたくないことリスト」「理想とする他社事例のURL・テキスト」を渡すことで代替できる。ゼロから生成させるより、何らかの「文脈の材料」を渡してから始めるという順番の原則は変わらない。

Q. この手法はどのAIツールでも使えるか？

A. ChatGPT（無料・有料）、Claude（無料・有料）、Geminiいずれでも基本的には同じアプローチが使える。コンテキストウィンドウの上限に注意が必要で、非常に長い資料を複数貼り付ける場合はClaudeのProプランやChatGPT Plus（GPT-4o）が安定しやすい。無料プランでも数千字程度のデータを渡す範囲であれば十分試せる。