Claude Codeの業務精度を高める方法

TL;DR

Claude Codeの業務精度を高めるには、最初に目的・出力形式・情報源・判定基準を合意し、1件ずつ試して人間が確認・修正する。合意した仕様と改善点をclaude.mdに残せば、新しいセッションでも作業を再現し、実行のたびに手順を更新できる。

Transcript

こんにちは。池友です。さあ、先日ある 会社の社長と話していたらクロードコード やコワークを導入してリストを作成する 依頼をしたんだけれども、全然 フォーマットを守ってくんないし、いい アウトプットができないんですよねという ことを言っていました。で、このように クロードコードを試しても自分の想定通り に仕事ができない人多いんじゃないかなと 思うんですね。ただこの原因はクロード コードのせいではなく、あなたの依頼の 仕方に多分問題があります。多くの人が これやっといてという非常に雑な依頼をし ている。そうするとさすがのクロード コードや賢いエージェントアプリだとして もなかなかその仕事をすることができない わけですね。さあ、ここに関して今回ご 紹介するエージェント次第のPDCA サイクルジ術と... Read More

Key Insights

• 最初の設計は、業務目的、出力形式、情報源、不明値の扱い、評価基準をAIと人間が合意する工程であり、成果物の精度を左右する。
• AIへの依頼は、最初から全件を処理させるのではなく、1件から始めて結果を確認し、問題がなければ対象を段階的に増やす方法が有効である。
• 人間の確認は、数値の正しさだけでなく、文章の粒度、出典、列へのマッピング、仮説の理由、判定の感覚まで対象にする必要がある。
• 改善要求は、誤りの修正に限らず、実際の成果物を見て判明した不足項目を追加する工程であり、実演ではAI活用状況の列が加えられた。
• claude.mdは、セッション内で固めた列定義、調査手順、判定軸などを保存し、別セッションでも同じ業務を再現するためのマニュアルになる。
• 実行後の振り返りは、AIに非効率な試行錯誤と改善策を整理させ、その知見をclaude.mdへ追記することで、次回の処理を効率化できる。
• 長大な指示の管理は、毎回必要な基本事項をclaude.mdに置き、長い判定基準などを別ファイルへ分けて必要時だけ参照する方法が適している。
• エージェントスキル化は、フォルダー内の手順が十分に成熟してから検討し、初期段階では更新しやすいclaude.mdとして育てるのが実務的である。
• 🎬 このチャンネルの他の動画:
  • パソコンとスマホでパスワードを安全に保存する方法
  • GPT-4の5つの主要な活用方法とは？
  • 生成AIの業務活用力を3分で診断する方法
• 📺 このチャンネル: いけともch

Questions & Answers

Q: Claude Codeで期待どおりの成果を得る方法は？

最初に目的、望む出力形式、処理手順、利用する情報源、判定基準をAIと相談し、合意してから小規模に実行します。まず1件を処理させ、人間が数値や文章、出典、判定理由を確認し、修正後に対象を広げます。確定した仕様はclaude.mdへ保存し、次回以降も再利用します。

Q: Claude Codeへ業務を丸投げすると、なぜ失敗しやすいのですか？

目的や完成条件を示さずに「これをやって」と依頼すると、AIは利用者が想定する列の対応、情報源、文章の詳しさ、評価基準を判断できないからです。動画の例では、フォーマットを守らない問題の原因をAIの性能だけに求めず、依頼方法と設計の不足を見直す必要があると説明しています。

Q: AIエージェントでPDCAを回す具体的な手順は？

Planで目的と成果物の仕様を相談し、Doでまず1件か2件だけ実行し、Checkで人間が結果を項目ごとに検証し、Actionで誤りや不足を修正します。結果が安定したら対象を増やし、全体実行後にも手順を振り返って改善点をマニュアルへ反映する、という循環を繰り返します。

Q: 企業リスト整形の初期設計では何を決めるべきですか？

既存データの表記揺れや住所粒度をどう統一するか、どの列を追加するか、調査に使う情報源、不明値の記載方法、自社との相性を判定する軸を決めます。実演では、従業員数、直近売上、事業概要、相性仮説と理由、出典などを含む最終形をAIと相談して設計しています。

Q: AIの出力はどのようにチェックすればよいですか？

最初の数件について、数値が情報源と合うか、担当者や企業情報が正しい列に入っているか、事業概要の粒度が適切か、出典が付いているかを確認します。相性仮説のような評価項目では、判定結果だけでなく、その理由が合意した軸に沿っており、人間の感覚ともずれていないかを検証します。

Q: claude.mdには何を書けばよいですか？

確定した業務目的、入力と出力の扱い、列の順序と定義、調査先、表記ルール、不明値の扱い、評価基準、出典の記載方法をまとめます。さらに、実行中に追加した項目や、失敗を避ける手順、効率的だった進め方も追記すると、新しいセッションで同じ説明を繰り返さずに業務を再現できます。

Q: claude.mdが長くなった場合の整理方法は？

毎回必要になる基本方針と参照先だけをclaude.mdに残し、長い判定基準や詳細な作業手順は別ファイルへ分割します。動画では、claude.mdはセッションごとに読まれるため、内容が重すぎると不要な部分まで毎回読むことになると説明しています。詳細は必要な作業時だけ参照させる構成が有効です。

Q: 一度完成した業務マニュアルを改善する方法は？

実際に全件処理した後、判定結果の違和感、エラー、重複した調査、遠回りした手順を洗い出し、AIにより効率的な方法を提案させます。その改善策と新しい前提をclaude.mdへ反映し、次回はうまくいった手順から開始できるようにします。マニュアルを完成品とみなさず、実行ごとに育てることが重要です。

Q: 業務手順をエージェントスキルにするタイミングは？

最初からスキル化せず、まず業務フォルダー内のclaude.mdとして運用し、PDCAを通じて頻繁に更新する方法が紹介されています。手順、判断基準、出力形式が安定し、複数の場所で使いたい段階になったらエージェントスキルとして切り出します。初期はファイルのままのほうが修正しやすいという考え方です。

Summary & Key Takeaways

• 最初のPlanでは、AIに作業を丸投げせず、目的、最終的な列構成、情報源、不明値の扱い、評価基準を相談して合意する。企業リストの例では、表記揺れや住所粒度を整え、従業員数、売上、事業概要、自社との相性仮説などを追加する設計をAIと共同で作った。人間が完全な仕様書を事前作成する必要はなく、AIからの確認質問に答えながら具体化できる。

• 次のDo、Check、Actionでは、全件を一度に処理せず、まず1件を実行して数値、文章の粒度、出典、相性判定などを人間が確認する。問題がなければ別の1件へ進み、不足が見つかれば列や判定条件を追加する。実演では、事業概要とは別にAI活用状況の列を追加し、複数社で再調査した。小規模な検証は、全件処理後の大きな手戻りを避ける仕組みになる。

• 仕様が固まったら、列定義、調査方法、判定軸、改善内容をclaude.mdへ業務マニュアルとして保存する。新しいセッションでも同じフォルダーを開けば、この指示を基に処理を再現できる。実行後は判定基準や効率化の知見も追記し、継続的に育てる。内容が長くなった場合は、共通事項だけをclaude.mdに置き、詳細な基準を必要時に読む別ファイルへ分割する。