ChatGPTやClaudeを使っていると、「プロンプトをちゃんと書いたはずなのに、なぜか的外れな出力が返ってくる」という経験をしたことがありませんか？
このとき、問題はプロンプトの文章にあることよりも、AIに渡している「情報の状態」にあることの方が多いです。
コンテキストとは、「今AIが参照できる情報の状態」のことです。
渡していない情報は、AIには見えません。
このノートでは、コンテキストとは何か・実務でどう整えるか・限界はどこにあるかを、非エンジニアが使う視点で整理します。
プロンプトを正しく書いても、AIがズレることがある
AIへの指示を丁寧に書いたのに、返ってくる出力がズレている。
「もっと詳しく書けばよかったのか」「言い方を変えればいいのか」
と試行錯誤しても、根本的に改善しないことがあります。
こういうときの多くは、プロンプトの文章の問題ではありません。
AIが出力に必要な情報を持っていないことが原因です。
「当然わかるだろう」と思って渡していない情報を、AIは知りません。
AIは、その時点で参照できる情報しか使えないからです。
AIの出力がズレるとき、原因はプロンプトの書き方より「渡している情報の量と質」にあることが多い。まずここを疑うことが、改善の第一歩です。
コンテキストとは何か
コンテキストとは、「AIが参照できる情報の状態」のことです。
記憶とは違います。AIは新しいセッションになると、その時点で参照できる情報だけを使います。
前回話した内容・渡した資料・決めたルールは、新しい会話が始まるとリセットされます。
わかりやすいイメージは「作業台」です。
AIは作業台の上にあるものしか見られません。
作業台の上に置いてあれば参照できる。置いていないものは、AIにとって存在しないのと同じです。
セッションが終わると、作業台はきれいに片付けられます。
コンテキストがAIの出力を決める
同じプロンプトでも、渡す情報が違えば出力は変わります。
例として、「この記事の構成案を作ってほしい」というプロンプトを使うケースで考えます。
| コンテキストなし | コンテキストあり | |
|---|---|---|
| プロンプト | 「この記事の構成案を作ってほしい」 | 「この記事の構成案を作ってほしい」 |
| 事前に渡した情報 | なし | 読者像・文字数・トンマナ・記事の目的 |
| 出力 | 汎用的な構成が返ってくる | 目的に合った構成が返ってくる |
プロンプトは同じでも、コンテキストが違えば結果は大きく変わります。
AIはプロンプトに書かれていないことを推測で補おうとしますが、その推測が外れると出力がズレます。
「使えない構成が返ってきた」という経験は、AIに推測させてしまっていたことが多いです。
AIに推測させると、外れる。コンテキストを整えるとは、AIが推測しなくてもいい状態を作ることです。
実務でコンテキストを整えるとは何をすることか
「コンテキストを整える」と言っても、難しいことをする必要はありません。
AIとの会話を始める前に、以下の情報を渡しておくことです。
役割：AIにどの立場で動いてほしいか（例：SEOを意識したライターとして）
前提情報：記事のテーマ・媒体の方針・対象読者
背景：なぜこの記事を書くのか・どんな文脈で使うのか
制約：守ってほしい条件（文字数・トンマナ・禁止表現など）
これらはプロンプトの中に含めることもできますし、会話の冒頭で「今日の作業の前提はこうです」とまとめて渡すこともできます。
ゼロから始まるAIに「今の状況」を教えるのは、人間の仕事です。
これが整っているかどうかで、同じ時間・同じプロンプトを使っても、出力のクオリティが変わります。
「どのくらい渡せばいいのか」は、以下を目安にしてください。
| 状態 | 兆候 | |
|---|---|---|
| 少なすぎ | 汎用的・的外れな出力が返ってくる | 修正ループが発生する |
| 適正 | 最初の出力がほぼ使える状態 | 微調整で完成する |
| 多すぎ | AIが指示の一部を無視し始める | 出力が矛盾する・一貫性がなくなる |
繰り返し使う作業には「コンテキストをまとめた定型文」を用意しておくと便利です。
毎回同じ前提情報をゼロから書かずに済みます。
コンテキストが足りないときに起きること
コンテキストが足りない状態で作業を進めると、特定のパターンで問題が起きます。
出力が汎用的になる
前提情報がないと、AIは「万人向け」の出力を返します。
読者・目的・制約が伝わっていないので、誰にでも使えるが誰にもぴったりこない内容になります。
「当然わかるだろう」が通じない
人間同士なら「いつもの感じで」「先週話した件と同じ方向で」という指示が通じます。
AIには通じません。前回のセッションの情報はコンテキストの外にあるからです。
修正ループに入る
出力がズレると、修正を繰り返すことになります。
「もう少し〇〇にして」「そうじゃなくて〇〇な感じで」という往復が増えていくのは、最初のコンテキストが不十分なことが原因であることが多いです。
修正ループが続くときは、指示の言い方より先にコンテキストの充足度を確認してみてください。
渡していない情報がないかを見直す方が根本的な解決になります。
コンテキストには限界がある
コンテキストは広げれば広げるほどいい。というわけではありません。
AIが1回の会話で参照できる情報量には上限があります。この上限の単位のことをトークンと言います。
情報を詰め込みすぎると、この上限に当たります。
長い会話が続くと後半の情報が参照しにくくなったり、大量の資料をそのまま渡すと処理が不安定になったりします。
実務では「何を渡すか」と同時に「何を渡さないか」を判断することも重要です。
必要な情報を選んで渡す。これがコンテキスト設計の核心です。
情報は多ければ良いわけではありません。
AIが判断に必要な情報だけを整理して渡すことが重要です。
コンテキストを整えることがAI活用の土台になる
プロンプトの書き方を学ぶより先に、コンテキストを整える習慣を持つ方が、実務でのAI活用は安定します。
「指示を上手く書く技術」を磨くより、「AIに渡す情報環境を整える設計」を考える方が大事のように思います。
コンテキストが整っていれば、シンプルなプロンプトでも精度の高い出力が返ってきます。
逆に、コンテキストが整っていなければ、どれだけ丁寧なプロンプトを書いても出力はズレます。
AI活用は「何を言うか」より「どんな状態で言うか」が先です。
良いプロンプトは、良いコンテキストの上で初めて機能します。
前回の記事でプロンプトを「設計書」として整理しました。
コンテキストは、その設計書が機能するための「環境」です。
プロンプトとコンテキストをセットで整えることで、AIは正しく動きます。
次回は、コンテキストの限界に関わる「トークン」について解説します。
文字数との違いと、実務でどう意識するかを整理します。
AI活用の土台はコンテキスト。「どんな指示を書くか」より「どんな情報環境を整えるか」を先に考える。この順序が変わると、AIとの仕事の質が変わります。
＼AIを使った記事制作・コンテンツ運用を止めずに続けたい方へ／
記事の企画から執筆・公開まで、まるごとお任せください。
