※この記事はある「技術」について書いています。ただし、その技術の名前は最後まで登場しません。
はじめに ── AIを使いこなせる人と、使えない人の、本当の違い
ChatGPTやClaudeを試してみたことのある経営者なら、一度はこんな経験をしたことがあるはずだ。
「なんとなく使ってみたけど、思ったような答えが返ってこなかった」
「同じツールを使っているのに、うちのスタッフが出す結果と、外部のコンサルタントが出す結果では、品質がまるで違う」
「AIに任せたら、もっともらしい内容が返ってきたが、よく読むと自社の実情とまったく噛み合っていなかった」
この差は、AIの使い方における「ある一つのこと」に起因している。ツールの種類でも、有料プランか無料プランかの違いでも、入力する言葉の丁寧さでもない。
それは、「AIに何を渡しているか」の差だ。
本稿では、この「何を渡しているか」という観点から、AIを経営に活かすための本質的な考え方を解説する。そして最後に、ここまで説明してきたことに、実は業界で広く認知されている名前がついていることをお伝えする。
第一章 ── AIは「賢い道具」ではなく、「賢い鏡」だ
多くの人がAIに対して抱くイメージは、「質問すれば答えてくれる賢いアシスタント」というものだろう。確かに、その側面はある。しかし、この理解のままでは、AIの本当の力を引き出すことはできない。
AIは、賢い道具というより、賢い鏡だと考えたほうがいい。
鏡は、映すものの品質を超えた像を映し出すことはできない。くもった鏡にはくもった像が映り、解像度の高い鏡には解像度の高い像が映る。AIも同じだ。渡す情報が曖昧であれば、返ってくる答えも曖昧になる。渡す情報が豊かで精度が高ければ、返ってくる答えも豊かで精度が高くなる。
では、「渡す情報」とは何か。
それは単に「質問の言葉」ではない。AIに渡せる情報は、大きく三つに分けることができる。
- 一つ目は、「指示の内容」
何をしてほしいか、どのような形式で出力してほしいか、どのくらいの長さで、誰向けに書いてほしいか。これは多くの人が意識している部分だ。 - 二つ目は、「前提の情報」
この指示を出すにあたって、AIが知っておくべき背景や文脈。たとえば、「この文書は取引先向けのものではなく、社内向けの叩き台である」「読む相手は製造業の現場責任者で、IT知識はほぼない」といった情報だ。 - 三つ目は、「制約や優先順位」
何を優先し、何を避けるべきか。「競合他社への言及は避けること」「専門用語は使わず、中学生でも理解できる言葉で書くこと」「分量は800字以内に収めること」などがこれにあたる。
この三つをどれだけ的確にAIに渡せるか。それが、AIの出力品質を決定的に左右する。
第二章 ── 「質問力」は本質ではない
「AIを使いこなすには、質問力が大事だ」という言説をよく耳にする。確かに間違ってはいない。しかし、「質問力」という言葉は、本質をやや矮小化している。
「質問力」という言葉が指すのは、多くの場合、AIへの一つの入力文をいかに上手く作るか、という技術だ。
「○○について教えてください」より「○○について、初心者向けに箇条書きで5点、具体的な事例つきで説明してください」のほうが良い、というような話だ。これはテクニックとして有効だが、本質的な差を生むものではない。
本質的な差を生むのは、「AIに何を渡すか」という設計全体だ。
一つの質問文だけではなく、その質問を取り巻く文脈全体をどう設計するか。これが重要なのだ。
たとえば、採用面接のフィードバック文書を作成する場面を想像してほしい。
- Aさんは、「採用面接のフィードバック文書を書いてください。候補者は30代の営業職で、不採用です」とだけ入力する。
- Bさんは、以下のような情報をあわせて渡す。
「当社は福岡市内の製造業で従業員50名。採用方針として、技術力より人柄と長期定着を重視している。今回の候補者は即戦力としては申し分ないが、転職回数が多く、長期定着が懸念された。フィードバックは本人が前向きに次のキャリアを考えられるよう、ネガティブな表現を避け、敬意を持ったトーンで書くこと。また、当社の規定として不採用理由の詳細は開示しない」
AさんとBさんが受け取るAIの出力は、おそらく天と地ほどの差がある。Bさんの出力はそのまま使える可能性が高く、Aさんの出力は大幅な修正が必要になるだろう。
この差は「質問力」の差ではない。渡した情報の設計の差だ。
第三章 ── 「文脈」こそが、あなたの会社の競争優位になる
ここで、特に重要な視点を一つ提示したい。
AIのツール自体は、競合他社も同じものを使える。ChatGPTもClaudeも、月額数千円から数万円を払えば誰でも使える。モデルの性能も、すべての企業に平等に提供される。
では、何が差を生むのか。
それは、AIに渡す「文脈の品質」だ。
あなたの会社には、他社には真似できない情報の蓄積がある。20年かけて築いた顧客との関係性、独自の商流と価格設定の論理、現場で培われたノウハウ、失敗の歴史から学んだ判断基準。これらは、あなたの会社にしかない「文脈」だ。
この文脈を、AIに渡せる形に整備した企業が、AI時代に圧倒的な優位性を持つ。
逆に言えば、どれほど最新のAIツールを導入しても、渡す文脈がなければ、ツールはその能力の数パーセントしか発揮できない。
具体的に考えてみよう。
営業提案書の作成を例にとる。「提案書を作ってください」とだけ伝えれば、AIは汎用的な提案書の雛形を返してくる。しかし、以下の情報を渡せばどうなるか。
「当社の主力顧客は〇〇県の中小製造業、従業員数30〜200名。意思決定者は社長か工場長で、ITリテラシーは低め。購買の意思決定で最も重視されるのはコストより信頼性と納期の安定。当社がこれまで失注した案件のパターンは価格の安い競合との競合で、価格訴求より品質と実績の訴求に切り替えると勝率が上がる。今回の顧客は〇〇市内の金属加工会社で、社長は70代、後継者問題を抱えており、長期的な取引関係を重視する傾向がある」
このような情報を渡せたとき、AIが生成する提案書は、もはや汎用的なテンプレートではなく、その顧客に特化した、深みのある文書になる。
そして、この「情報を渡せる形に整備する」という作業こそが、AIを経営に活かす最も重要な投資だ。
第四章 ── 「整備」とは何をすることか
では、文脈を整備するとは具体的に何をすることか。三つの観点から説明する。
【① 自社の「当たり前」を言語化する】
経営者の頭の中には、膨大な暗黙知が蓄積されている。「うちの会社はこういう会社だ」「うちの顧客はこういう人たちだ」「こういう場面ではこう動く」という判断基準や価値観だ。
これらは、長年の経験の中で形成された貴重な資産だが、言語化されていないとAIには渡せない。
まず着手すべきは、この暗黙知の言語化だ。自社の事業領域、顧客像、競合との違い、大切にしている価値観、避けるべきこと。これらをドキュメントに落とし込む作業が、AI活用の基盤になる。
【② 業務ごとの「文脈テンプレート」を作る】
メールを書く、提案書を作る、会議の議事録を要約する、採用面接のフィードバックを書く。業務ごとに、AIに渡すべき定型の文脈がある。
たとえば、顧客向けメールを書く際に毎回渡すべき情報として、「当社のトーンポリシー（丁寧だが親しみやすく、過度に堅くならない）」「業界固有の用語で使ってよいものと避けるべきもの」「当社が絶対に使わない表現のリスト」などをテンプレート化しておく。
この「文脈テンプレート」を業務ごとに整備していくと、誰がAIを使っても一定品質以上の出力が得られるようになる。これは、個人の「AIセンス」に依存しない、組織としての能力向上だ。
【③ 「良い出力」の事例を蓄積する】
AIとのやりとりの中で、「これは良い出力だ」と思ったものを記録・蓄積する習慣をつける。
良い出力が得られたとき、それは偶然ではなく、何らかの要因がある。どんな情報を渡したときに良い出力が得られたか、どんな指示の仕方が効果的だったか。このパターンを蓄積することで、組織のAI活用レベルは指数関数的に向上する。
これは単なる「使い方のコツ集」ではない。自社の業務における「AIとの協働の知的資産」だ。
第五章 ── なぜこれが「陳腐化しない」のか
「AIはすぐに変わる。今学んだことはすぐに役立たなくなるのでは」という懸念をよく聞く。
確かに、特定のツールの操作方法や、特定のモデルへの特定の入力パターンは、AIの進化とともに陳腐化する可能性がある。
しかし、「自社の文脈をAIに渡せる形に整備する」という取り組みは、AIが進化すればするほど価値が増す。
なぜか。AIの進化とは、「より良い文脈を渡せば、より良い出力を返せる能力の向上」だからだ。
GPT-3の時代より、GPT-4のほうが、渡した文脈を深く理解し、より精度の高い出力を返す。さらに次世代のモデルは、より複雑な文脈をより的確に処理できるようになる。
つまり、文脈の質が高ければ高いほど、AIの進化の恩恵を受けやすくなる。
また、ツール間の移行コストも低くなる。ChatGPTからClaudeに乗り換えても、Geminiを試してみても、整備された自社の文脈はそのまま活用できる。ツールに依存せず、文脈に投資した企業は、AI環境の変化に強い。
さらに根本的なことを言えば、「自社の文脈を言語化・整備する」という作業は、AI抜きにしても経営的な価値がある。
社内の暗黙知を形式化し、組織の判断基準を言語化し、業務の標準化を進める。これらは、新入社員の早期戦力化、業務のマニュアル化、後継者への知識移転など、AI以前から経営課題として存在していたものだ。
文脈の整備は、AI活用のための投資であると同時に、経営の基盤そのものを強化する投資でもある。
第六章 ── 管理職がやるべきこと、任せるべきこと
ここまで読んで、「では自分は何をすればいいのか」と思った人もいるだろう。具体的に整理しておく。
【管理職がやるべきこと】
まず、自社の「文脈の核心部分」の言語化は、当事者意識で関与すべきだ。自社の価値観、顧客への向き合い方、競合との差別化の本質。これらは当事者にしか語れない。担当スタッフに「まとめておいて」と任せることはできるが、その内容の確認と修正は自身が行う必要がある。
次に、「どの業務にAIを活用するか」の優先順位付けも仕事だ。何でもAIに任せればいいわけではない。どの業務でAIを使うと最も価値が出るか、どの業務では人間の判断が不可欠かを見極めるのは、管理職の判断だ。
【スタッフや専門家に任せていいこと】
具体的な文脈テンプレートの作成・更新、AIとのやりとりの日常的な実践、出力の品質チェックと改善のフィードバックループの運用。これらは、仕組みを整えた上でスタッフに任せられる。
重要なのは、この取り組みの価値を理解し、推進のリーダーシップを取ることだ。AIツールの操作を覚える必要はない。「自社の文脈を整備し、AIに渡せる形にする」という取り組みの意味を理解し、それを組織的に進める旗を振ることが、AI時代における最も重要な役割の一つだ。
第七章 ── よくある誤解と、その答え
【誤解① 「社内の情報をAIに渡すのは危険ではないか」】
これは重要な懸念だ。確かに、機密情報の取り扱いには注意が必要だ。ただし、この懸念を理由にAI活用を全面的に避けることは、過剰反応だ。
対策は明確だ。社内でAIに渡してよい情報と渡してはいけない情報のガイドラインを整備し、周知する。
個人情報、取引上の機密、競合他社との関係に関わる情報などは渡さない。一方、自社の事業説明、顧客像の一般的な記述、業務フローのテンプレートなどは渡して問題ない。また、エンタープライズプランや社内導入型のAIを使えば、データが学習に使われないことを確認した上で運用できる。
【誤解② 「AIは間違えるから信用できない」】
これも正しい認識だが、だからこそ「文脈の整備」が重要になる。AIが間違えやすいのは、判断の根拠となる文脈が不足しているときだ。自社の状況、制約、優先事項を的確に渡せば、的外れな出力を返す確率は大幅に下がる。
そして、最終判断は常に人間が行う。AIの出力は「たたき台」であり、経営判断の代替ではない。この原則を守る限り、間違えることは致命的なリスクにならない。
【誤解③ 「うちは小さな会社だから、大企業向けの話ではないか」】
むしろ逆だ。大企業は既に専門チームや予算をAI活用に投入している。中小企業が同じ土俵で戦おうとしても、規模での不利は否めない。
しかし、「自社の文脈を整備してAIに渡す」という取り組みは、規模に関係なく実践できる。そして、経営者自身が顧客と深い関係を持ち、現場の実情を熟知している中小企業こそ、「文脈の質」で大企業に勝てる可能性がある。
顧客への深い理解、地域や業界への精通、独自の商流とノウハウ。これらは、規模の大小に関わらず、固有の文脈として整備できる貴重な資産だ。
第八章 ── 実践への第一歩
では、今日から何を始めるべきか。
最初のステップとして推奨するのは、「自社紹介文の整備」だ。
A4一枚程度の文書に、以下の内容を書いてみる。
- 自社の事業内容（業界外の人に説明するように）
- 主な顧客層（業種、規模、担当者の特徴）
- 自社が顧客に提供している本質的な価値（商品・サービスの説明ではなく、顧客が得るもの）
- 競合他社との違い（価格以外の部分で）
- 自社が大切にしている価値観・行動規範
- 避けるべきこと（言わないほうがいいこと、やらないほうがいいことなど）
この文書を作るだけで、AIに渡せる「自社の文脈」の核が出来上がる。これをAIへの入力に毎回含めるようにするだけで、AIの出力品質は目に見えて変わるはずだ。
そして、この文書を作る過程自体が、経営者として自社の強みと差別化を再定義する機会になる。多くの経営者が、「改めて書いてみると、自分でも気づいていなかったことが整理できた」と話す。
次のステップとして、最もよく使う業務タスク（たとえば、顧客へのメール作成や提案書の雛形作成）に特化した文脈テンプレートを一つ作る。ここまで来れば、組織的なAI活用の基盤が出来上がる。
おわりに ── タネ明かし
ここまで読んでいただいた方は、もうお気づきかもしれない。
この記事で一貫して説明してきた「AIに何を渡すかの設計」「文脈の整備」「情報の構造化」という概念には、業界で認知されている名前がある。
「コンテキストエンジニアリング（Context Engineering）」だ。
コンテキスト（Context）とは文脈・背景情報のこと。
エンジニアリング（Engineering）とは設計・構築のこと。つまり、「AIに渡す文脈を設計・構築する技術」だ。
当初、AIへの入力の工夫は「プロンプトエンジニアリング」と呼ばれていた。プロンプト（Prompt）とは、AIへの入力文のことだ。良いプロンプト（質問文・指示文）を書く技術として注目を集めた。
しかし、AI研究者やエンジニアの間では、「単に質問文を工夫するだけでは本質的な差は生まれない。AIに渡す文脈全体の設計こそが重要だ」という認識が広まり、「コンテキストエンジニアリング」という概念が確立されてきた。
具体的には、AIに渡す情報の構成要素として、次のようなものが含まれる。
- 指示（Instruction）： 何をしてほしいか
- 背景情報（Background）： 判断の前提となる文脈
- 例示（Examples）： 理想の出力のサンプル
- 制約（Constraints）： やってはいけないこと、守るべきルール
- 出力形式（Format）： どのような形式で返してほしいか
- 役割（Role）： AIにどういう立場で考えてほしいか
これらを組み合わせ、AIが最高の出力を返せるよう設計する技術が、コンテキストエンジニアリングだ。
この記事で「文脈の整備」と呼んしてきたものは、まさにこのコンテキストエンジニアリングの実践だ。
なぜ冒頭でこの言葉を伏せたかというと、「コンテキストエンジニアリング」という言葉は、エンジニアや研究者には馴染み深い言葉だが、皆さまにとっては技術的で距離感があるからだ。
しかし、概念そのものは難しくない。「何を渡すかが、出力の全てを決める」。それだけのことだ。
あなたの会社にしかない文脈を、AIが使える形に変えること。それが、AI時代に陳腐化しない、唯一の競争優位だ。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
AIを難しく語らない。
私たちは中小企業のAI活用・導入をサポートする会社です。
九州・福岡のAI関連のおすすめ業者をお探しの方は、ぜひ弊社にもお問い合わせください。
キャンペーンや、経営者向けのマンツーマン無料AI講習も実施しております。
お気軽にどうぞ！
YENGIMON株式会社
福岡商工会議所 No.11-0149275 、福岡市ふくおか共創パートナー企業
https://www.yengimon.com/
X: https://x.com/yengimon
LINE: https://lin.ee/Z5V7t3f
