はじめに
AI に仕事を頼んでみたものの、思ったようなアウトプットが返ってこなかった、という経験は珍しくないと思います。
そのとき、原因を「プロンプトの書き方が悪かったのかもしれない」と考えたくなりますが、実際にはそれ以前の問題であることも多いです。つまり、AI が仕事を進めるために必要な情報が足りていない、ということです。
この記事では、AI を仕事で使い始めた人に向けて、細かなプロンプトの言い回しよりも、まず何の情報が必要かを考えて渡すことの重要性を整理します。最近はこうした考え方を コンテキストエンジニアリング と呼ぶこともありますが、本記事では難しい概念としてではなく、実務で役立つ感覚として捉えます。
この記事でわかること
- AI に仕事を頼んでもうまくいかないとき、何が原因になりやすいか
- プロンプトの言い回しより前提情報が重要な理由
コンテキストエンジニアリングを実務ではどう理解すると使いやすいか
1. AIに仕事を頼むとなぜずれるのか
AI に仕事を頼んだのに、期待したものと少しずれたアウトプットが返ってくることがあります。内容が浅い、方向性が違う、こちらが本当に欲しかった形になっていない。こうしたとき、つい「もっと上手いプロンプトを書かないといけないのでは」と考えがちです。
ただ、自分の感覚では、そこで本当に見直すべきなのは言い回しより 前提情報 です。AI は与えられた情報をもとにしか判断できません。目的や背景、何をもって良しとするかが曖昧なままだと、文章としてはそれらしくても、仕事としてはずれたアウトプットになりやすいと思います。
2. 前提情報が足りないと何が起きるか
たとえば、会議の文字起こしだけを渡して「議事録をまとめて」と頼んだとします。これだけでも何らかの要約は返ってくるはずです。ただ、会議の目的、参加者の役割、どこを重要論点として残したいかが伝わっていないと、発言を並べただけの議事録になりやすいです。何が決まったのか、誰が何をやるのか、といった実務上重要な情報が抜けたり、弱くなったりすることもあります。
資料作成も似ています。「この内容で資料を作って」と頼めば、それらしいスライド案や構成案は出てきます。ただ、誰向けの資料なのか、意思決定のためなのか共有のためなのか、何を伝えたいのかが曖昧だと、見た目は整っていても実際には使いにくい資料になりがちです。AI が資料を作れないのではなく、何を大事に構成すべきかという前提が足りていない、と見たほうが自然です。
どちらの例でも起きているのは、AI の能力不足というより、仕事の文脈不足です。AI は文章を整えることはできても、その仕事で何が重要なのかまでは、与えられた情報がなければ判断しにくいのだと思います。
3. 先に考えたいのは、プロンプトより必要な情報
ここで重要なのは、気の利いた一文をひねることではなく、その仕事を進めるために何の情報が必要かを先に考えることです。AI に依頼する前に、人間側が「この作業は何を前提に成り立っているか」をある程度整理できているかどうかで、アウトプットの安定感はかなり変わります。
たとえば、次のような情報です。
- 何のための仕事なのか
- どんな背景があるのか
- どの形式で返してほしいのか
- どんな制約があるのか
- 何をもって良いとするのか
全部を完璧に言語化する必要はありませんが、少なくとも「AI はこの仕事をどう理解すればよいか」という土台は渡したほうが進めやすくなります。
4. これはコンテキストエンジニアリングの話でもある
最近は、こうした考え方を コンテキストエンジニアリング と呼ぶことがあります。言葉だけ見ると少し難しそうですが、本記事で言いたいことはもっとシンプルです。AI が仕事をしやすいように、必要な情報を整理して渡すこと。自分の中では、まずそこが重要だと思っています。
ここで言いたいのは、プロンプトの工夫が不要だということではありません。短い作業では、言い方や指示の切り方が効く場面もあります。ただ、仕事の依頼という文脈では、その前に土台となる情報が揃っていないと、言い回しをいくら整えてもずれやすい、という順番の話です。
5. コンテキストは最初に全部渡さなくてよい
とはいえ、最初の依頼で必要な情報を全部きれいに書き切らなければいけない、という話でもありません。そう捉えてしまうと、結局は「巨大で完璧なプロンプトを書かなければならない」という別の負担になってしまいます。
実際には、最初の依頼では目的や成果物のイメージなど、土台となる情報を渡せれば十分なことも多いです。そのうえで、AI の返答を見ながら「この背景が足りなかった」「判断基準を先に伝えるべきだった」と気づいた情報を追加していけばよいと思います。コンテキストは一度で全部注入するものというより、対話の中で擦り合わせながら育てていくもの、と捉えたほうが実践しやすいはずです。
6. AIに仕事を頼むとき、どんな情報が必要か
仕事で AI に頼みごとをするときは、まず「何のための仕事か」「誰向けの成果物か」「どんな形で返してほしいか」「どんな制約があるか」「何をもって良いとするか」を考えると整理しやすいです。厳密な手順として覚える必要はありませんが、このあたりの観点が抜けると、AI はそれらしいけれど使いづらいアウトプットを返しやすくなります。
これはエンジニアリングの仕事でも同じです。たとえば、設計意図や既存コードの前提、制約、受け入れ条件がないまま「この機能を実装して」と頼めば、動くものは返ってきても期待とずれる可能性があります。議事録でも、資料作成でも、実装でも、本質的には「その仕事に必要な前提が渡っているか」が重要なのだと思います。
なお、本記事で扱ったコンテキストは、AIエージェント全体を支える要素のひとつでもあります。モデル、ハーネス、ツールも含めて全体像から整理したい方は、AIエージェントの仕組みとは？ モデル・ハーネス・コンテキスト・ツールで整理する も参考にしてください。
まとめ
AI に仕事を頼むときに重要なのは、うまいプロンプトをひねることよりも、その仕事に必要な前提情報を整理して渡すことだと思います。目的や背景が欠けたままだと、AI はそれらしい文章を返せても、仕事としてはずれやすくなります。
そして、その前提情報は最初から完璧でなくても構いません。まずは土台を渡し、対話を通じて不足情報を補いながら擦り合わせていけばよいはずです。AI がうまく動かないと感じたときは、プロンプトの言い回しをこねる前に、まずその仕事に必要な情報が渡せているかを見直してみるとよいかもしれません。