LEARN — 基礎 ／ 初級

AIの「文脈（コンテキスト）」とは？長い資料を取りこぼさず読ませる実務のコツ

AIには「作業机の広さ」がある — コンテキストとは何か

ChatGPTやClaudeのようなAIとやり取りするとき、AIは「あなたが送った指示」「貼り付けた資料」「これまでの会話の履歴」をすべて1つの作業机の上に広げて考えています。この机に載せられる量の上限を、専門用語で「コンテキストウィンドウ（文脈の窓）」と呼びます。

ここで大切な誤解の解消が1つあります。AIは会話を「記憶」しているのではなく、毎回、机の上に載っているものだけを見て答えているという点です。人間なら一度読んだ資料の内容が頭に残りますが、AIの場合は机に載っていない情報は「読んだことがない」のと同じ状態になります。

そして机の広さには限りがあります。長い資料を貼り付けたり、会話が何十往復も続いたりすると、机は徐々にいっぱいになります。上限を超えると、多くのツールでは古い会話から順に机の端から押し出され、AIから見えなくなります。エラーは出ず、AIは見えている範囲だけで平然と答え続けるため、利用者側は「忘れられた」ことに気づきにくいのです。

• AIは「記憶」ではなく「机に載っているもの」を見て答える
• 机の広さ（＝一度に扱える量）には上限がある
• 上限を超えても警告が出ないことが多く、静かに情報が抜け落ちる

「後半を読まない」「指示を忘れる」あるある現象の正体

コンテキストの仕組みが分かると、実務でよく起きる「AIあるある」の原因が説明できます。代表的な3つを整理します。

3つ目は意外に思われるかもしれません。机に「載ってはいる」情報でも、量が多いと均等には読まれない傾向が各種の検証で指摘されています。つまり「入りきる＝正確に扱える」ではないのです。長い資料を扱うときは、上限との勝負だけでなく「AIの注意をどこに向けるか」も設計する必要があります。

逆に言えば、これらは故障でも性能不足でもなく、仕組み上の性質です。原因が分かれば、対処は難しくありません。

長い資料を正しく扱う4つの基本テクニック

実務でまず身につけたいのは次の4つです。どれも今日から使えます。

1. 分割して渡す — 50ページの資料を丸ごと貼るのではなく、章やテーマごとに区切って渡します。「まず第1〜3章を読んで要点を出して。次の章はこの後渡します」と宣言すると、AIも作業の全体像を踏まえて答えやすくなります。
2. 要約を挟む — 各パートを読ませるたびに「ここまでの要点を箇条書きでまとめて」と依頼し、その要約を次のやり取りの土台にします。長い原文の代わりにコンパクトな要約が机に残るため、後半になっても前半の内容が生きます。
3. 重要な指示を再掲する — 「ですます調」「A社向けの提案という前提」など守ってほしい条件は、会話が10往復を超えたあたりで一度貼り直します。面倒に見えますが、崩れた出力を直すより速いのが現場の実際です。
4. 新しいチャットに切り替える — 話題が変わるとき、または回答の質が目に見えて落ちてきたときは、粘らずに新しいチャットを開きます。切り替えの基準は次の章で詳しく説明します。

4つに共通する考え方は、机の上を「いま必要なものだけ」に保つことです。人間の仕事机と同じで、不要な書類を片づけたほうが作業の精度は上がります。

新しいチャットに切り替える基準と「引き継ぎメモ」の作り方

「どこで新しいチャットに切り替えるべきか」は最も多い質問の1つです。目安になるサインを挙げます。

• 回答が最初の指示（文体・形式・前提）を守らなくなった
• すでに説明した内容を、AIが初耳のように聞き返してくる
• 直前の話題に引きずられて、頼んでいないことまで答えに混ざる
• 1つのチャットで扱うテーマが2つ以上に増えた
• 大きな資料を貼ったあと、別の作業に移りたくなった

ただし、単に切り替えるとそれまでの前提がゼロに戻ります。そこで有効なのが引き継ぎメモです。切り替える前に、いまのチャットでこう頼みます。

「ここまでの決定事項・前提条件・未解決の論点を、次のチャットに貼り付けて引き継げる形で箇条書きにまとめてください」

出てきたメモを確認・修正してから新しいチャットの冒頭に貼れば、机の上が整理された状態で作業を再開できます。長い会話の履歴をそのまま持ち越すより、要点だけを持ち越すほうが精度も速度も安定します。プロジェクトが数日にまたがる場合は、このメモを社内のメモ帳やドキュメントに残しておくと、担当者が変わっても同じ品質でAIに依頼できます。

実務の失敗例に学ぶ — ビフォーアフター

典型的な失敗と改善のパターンを、実務でよくある形に整理しました（特定企業の事例ではなく、支援現場で繰り返し見られる類型です）。

共通するコツは、「読ませる量を設計する」のは人間の仕事だと割り切ることです。AIに丸投げするのではなく、資料を小分けにし、確認のチェックポイントを挟む。この一手間で、成果物の品質は安定して変わります。株式会社TrysLinxがこれまで98件以上のAI導入を支援し、523体の自社AIエージェントを運用してきた経験でも、長文処理の成否は「モデルの性能差」より「渡し方の設計」で決まる場面が大半でした。

モデルごとに上限は違う — 選ぶときの目安と注意点

作業机の広さ（コンテキストの上限）は、AIのモデルごと、さらに同じモデルでも利用プランやツールごとに異なります。近年は数十万字相当の長文を一度に扱えるモデルも登場していますが、具体的な数値は頻繁に更新されるため、契約前・利用前に必ず公式の最新情報を確認してください。

確認・比較するときのポイントは次のとおりです。

• 単位は「トークン」 — 上限は文字数ではなく「トークン」という単位で示されます。日本語はおおむね1文字が1トークン以上に相当することが多く、英語より早く上限に達しがちです（換算率はモデルにより異なるため要確認）
• 入力と出力で枠が違うことがある — 読ませられる量と、一度に書かせられる量は別々に上限が設定されている場合があります
• 「入る」と「正確に扱える」は別問題 — 上限が大きいモデルでも、本記事で紹介した分割・要約・再掲のテクニックは有効です
• 料金との兼ね合い — API利用では読ませた量に応じて課金されるため、長文を毎回丸ごと渡すとコストが膨らみます。要約を挟む運用は品質だけでなくコスト面でも合理的です

社内でツールを選定する際は、「最大◯◯トークン」という数字の大きさだけで選ばず、実際に自社の代表的な資料（契約書・議事録・マニュアルなど）を読ませて精度を確かめる試用テストをおすすめします。カタログ値より、自社の実務での挙動が判断材料になります。

よくある質問