ニュース

Claude vs. ChatGPT vs. Gemini: どのサービスでSkillファイルが最も役立つ?

Claude、ChatGPT、Geminiでは、チャットごとに設定を作り直さなくて済むよう、再利用可能な指示を保存できます - ただし、それぞれコンテキストの保存方法は異なります。そしてportable skill file(1つのmarkdown/textドキュメント)が、乗り換える場合でも、3つすべてを同時に使う場合でも、最も手間を省いてくれます。 最終更新日: 2026年7月 · KissMySkillsチーム 問題点: どのプラットフォームも「記憶」の仕組みが異なる 複数のAIチャットツールを実際の仕事で使ったことがあるなら、同じ壁にぶつかったことがあるでしょう。自分のトーン、レポート形式、チームの用語、繰り返し行うタスクを説明するのに20分かけたのに、次のチャットはゼロから始まるのです。それどころか、あるツールで素晴らしい設定を作っても、料金や上限が変わり、記憶を頼りに別の場所で作り直さなければならないこともあります。 Claude、ChatGPT、Geminiはいずれも、セッションごとに自分のことを説明し直さなくて済むよう、何らかの永続的なコンテキスト機能を提供しています。ただし、その仕組みは異なります。そしてその違いこそが、portable skill file - 一度作成したプレーンテキストのドキュメント1つ - の価値を発揮させるポイントです。 各プラットフォームにおける永続的なコンテキストの扱い方 プラットフォーム スキルの保存場所 メモ Claude...

コンテキストウィンドウを解説:AIが会話の途中で物事を忘れる理由(そして実際に解決する方法)

AIが混乱して物事を忘れているのではありません - 余裕がなくなっているのです。 すべてのモデルには固定された「コンテキストウィンドウ」があり、一度に保持して推論できるテキスト量に上限があります。そのウィンドウがいっぱいになると、何かを犠牲にしなければなりません。古いメッセージが新しいメッセージに押し出されたり、埋もれたり、完全に削除されたりするのです。 最終更新日: 2026年7月 · KissMySkillsチーム コンテキストウィンドウとは実際には何か Claude、ChatGPT、Geminiにメッセージを送るたびに、モデルが見るのはそのメッセージだけではありません。それまでの会話全体、つまりあなたが入力したすべての内容、モデルのすべての返信、さらに添付した文書、画像、ファイルも、1つの入力にまとめられて送られます。そのまとまり全体が「コンテキスト」です。「ウィンドウ」とは、そのうちモデルが1回の処理で扱える量の上限です。 コンテキストウィンドウはトークン単位で測定されます。トークンとはテキストの小さなまとまりで、1語あたりおよそ¾個のトークンに相当します。100,000トークンのウィンドウを持つモデルなら、上限に達するまでに、会話、文書、指示を合わせておよそ75,000語を保持できます。かなり多いように聞こえますが、40ページのPDF、スプレッドシートのエクスポート、長い会議の議事録が、それだけで数万トークンを消費することを考えると、実際の質問をする前から余裕がなくなってしまいます。 重要なのは、コンテキストウィンドウが、モデルが情報を調べるデータベースではないということです。短期記憶に近いものです。そのウィンドウの外側にあるものは、モデルにとってはまったく存在せず、内側にあるものはすべて、モデルの限られた注意力を奪い合います。 AIが「忘れる」ように感じる理由 長いチャットの冒頭をAIが「忘れた」、またはアップロードした文書の詳細を追えなくなった、と人々は表現します。観察される現象を説明する方法としては妥当ですが、内部で起きていることを正確に表しているわけではありません。異なる2つのことが起きており、それらが互いに重なって影響しています。 1. 部分的な忘却: 希釈 会話が長くなるにつれて、古い内容が消えるわけではありません - モデルが見ている情報全体に占める割合が、どんどん小さくなるだけです。初期の指示、決定事項、事実は、それ以降に話されたすべての内容と比べて相対的に「重み」が小さくなります。モデルは技術的にはその内容にまだアクセスできますが、ウィンドウに詰め込まれた他の情報の中からそれを見つけ、優先するために、より多くの処理が必要になります。実際、長いスレッドでは品質が目に見えて低下します。モデルが以前の回答と矛盾したり、すでに答えた質問を繰り返したり、10回前のやり取りに含まれていた微妙な指示の流れを見失ったりするのです。 2. 完全な忘却: 切り捨て 会話が実際にウィンドウの厳しい上限を超えると、新しい入力のためのスペースを空けるために何かを削除しなければなりません。ほとんどのチャット製品では、最も古い発言をひそかに削除するか、要約することで対処します。その時点で、内容は単に薄まるだけではなく、本当に消えてしまいます。どれほど重要だったとしても、モデルにはもう文字どおり見えません。...

5人チームが毎月トークンで無駄にする量(実際のケーススタディ)

全員がそれぞれ自由にAI promptsを作成する5人チームは、トークンを浪費しているだけではありません。時間を浪費し、品質に一貫性のない成果物を出荷しています。これは、実在する特定の顧客ではなく、複数の事例を組み合わせた代表的なケーススタディです。同じチームが小規模な共有AIスキルファイルのライブラリに切り替えると何が変わるのか、そしてこの無駄が月を追うごとに実際にはどのように現れるのかを示します。 説明用ケーススタディ · KissMySkillsチーム 構成は、一般的な場当たり的AIワークフローです アーリーステージのスタートアップにいる、マーケティングとオペレーション担当の5人チームを想像してください。コンテンツリード、ソーシャルメディアマネージャー、CRO/アナリティクス担当、オペレーションコーディネーター、そしてあらゆる業務に断続的に関わる創業者です。全員が毎日Claude、ChatGPT、またはGeminiを使っています。正式な設定をした人はいません。全員がただ……入力しています。 つまり、新しいチャットは毎回ゼロから始まります。AIが使える初稿を作成する前に、誰かが次の内容をもう一度説明しなければなりません。 ブランドが何者で、誰に語りかけているのか トーンのルール(「もっと直接的に、企業的な表現は控えめに」「'delve'は絶対に使わない」「必ず明確なCTAで締めくくる」) 書式の基準(見出し、箇条書きの形式、語数の範囲) どのチャネル向けなのか、そこでの「良い成果」とは何か 現在のキャンペーン、製品、または四半期に関するコンテキスト これらは再利用可能な資産として書き留められていません。暗黙知として存在し、うろ覚えのまま、毎回少しずつ違う形で打ち直されています。 計算はこうです。5人、1日に複数回のセッション、毎日 これらの数字は方向性を示すもので、監査済みではありません。重要なのは小数点以下の精度ではなく、無駄の規模です。たとえば、各メンバーが仕事で1日に4-6回のAIチャットセッションを行うとします。キャプションの下書き、メールの書き直し、ランディングページの見出しの確認、通話内容の要約などです。そのうち半分でも、150-300語の「ブランドの声と書式ルールをもう一度説明します」というブロックから始まるなら、およそ次のようになります。 5人 × 1日あたり約3回のコンテキスト重視セッション = 1日15回の冗長なコンテキスト再説明 15 × 月あたり約20営業日...

再プロンプトの隠れたコスト:実際にトークンをどれだけ消費しているのか

新しいチャットを開きます。「私たちのブランドのコピーライターとして振る舞ってください。これが私たちのトーンです。自信はあるが売り込みがましくない、感嘆符は使わない、常に読者には『あなた』と呼びかける。これが私たちのオーディエンスです。誇張表現に懐疑的な中堅市場向けSaaSの購入者です。これが私たちの形式です。短い段落、emダッシュは使わない、見出しは60文字未満……」Googleドキュメントに保存している3段落のブランドガイドを貼り付けます。そしてようやく、本当の質問をします。 この段落を読んで少し身につまされたなら、もう問題はおわかりでしょう。ClaudeやChatGPTを実際の反復作業に使う人の多くは、マーケター、サポート責任者、アナリスト、創業者など、新しい会話を始めるたびに何らかの形でこれを行っています。2分程度の税金のように感じます。しかし、2分程度の税金ではありません。トークン、時間、一貫性という3つの異なる値札が付いた、繰り返し発生するコストです。合計してみましょう。 トークンコスト: 自分のことを説明し直すために支払うコスト 典型的な「コンテキストダンプ」- ブランドボイス、オーディエンス、トーンのルール、書式設定の好み、いくつかのやるべきことと禁止事項 - は、指示そのものに加えて、「念のためお伝えすると」「先ほど話したように」「いつものように」といった自然な前置きまで含めると、だいたい300〜600トークンになります。実際の質問をする前の話です。新しいチャットには昨日伝えたことの記憶がないため、毎回支払う純粋なオーバーヘッドです。 では、掛け合わせてみましょう。メール、広告コピー、ランディングページのバリエーション、ソーシャル投稿を書くために、マーケターやコピーライターが週に8-10回ほど新しいチャットを始めるとします。その場合、同じコンテキストを年に400回以上再送することになります。1回の再説明が300-600トークンなら、自分が誰で、どのように書いてほしいのかを再確認するだけで、年間120,000〜240,000トークンを費やす計算です。新しい出力は何も生み出さないトークンです。 ここで率直に言っておく価値があることがあります。現在のAPI料金では、数十万トークンのプレーンテキスト入力で破産する人はいません。100万トークンあたり数ドル程度だとしても、料金はモデルによって異なり、時間とともに変動するため、具体的な数字は絶対的なものではなく目安として捉えてください。1人で行う場合、コンテキストを繰り返す生のコストは通常、月に数百ドルではなく数ドル程度です。トークンコストだけでは、単独で対策を正当化できることはめったにありません。しかしこれは3つのコストの中で最も小さく、チームで自分以外の人も同じことを始めた瞬間に積み重なります。 ブランドを何度も説明し直すのはやめよう AI Brand Voice Guide $9このSkill 対 $2,000ブランドボイスのワークショップ 実際の文章サンプルから、本物のブランドボイス文書を作成するpromptパックです。曖昧な形容詞ではありません。一度貼り付ければ、毎回のセッションで記憶を頼りに再構築する必要がなくなります。 AI Brand Voice Guideを見る →...

プロンプトとSkillの本当の違い(単なる言葉の違いではありません)

promptはAIに一度だけ何をすべきかを伝えます。skillはAIに、恒久的にどんな存在であるべきかを伝えます。この1つの違いがあるため、どれほど慎重に各リクエストの言葉を選んでも、ClaudeやChatGPTから一貫性のない、平凡な出力しか得られない人がいる一方で、毎回シニアレベルでブランドに沿った成果物を得られる人もいます。より良いpromptを入力することが本質ではありません。指示することと採用することの違いが本質です。 混乱を一文で言うと 「AI skill」と聞くと、「とても優れたprompt」のマーケティング用語だと思う人がいます。構造的には、間違いではありません。skillファイルは、promptが単なるテキストであるのと同じように、単なるテキストです。しかし、この2つを同じものとして扱うのは、求人票と、見知らぬ人に道を尋ねるテキストメッセージを、どちらも言葉でできているから「同じもの」だと言うようなものです。重要なのは言葉そのものではありません。言葉によって築かれる関係こそが重要です。 promptとは実際には何か promptとは、1つの出力を得るための1つの指示です。チャットを開き、次のように入力します: 「コールドブリューコーヒーのサブスクリプション向けにキャッチフレーズを書いて」 AIは、あなたが誰なのか、ブランドの語り口がどのようなものか、これまでにどんなキャッチフレーズを却下したのか、「良い」とは何を意味するのかをまったく知りません。AIは推測します。回答は得られます。まあまあ良いこともあります。しかし、会話が終わった瞬間に文脈は消えてしまいます。翌週、別のキャッチフレーズが必要になったら、またゼロから始め、トーン、対象者、そして絶対に見たくない3つの言葉(「revolutionize」「seamless」「journey」)を再説明することになります。 一度限りの依頼なら、それで問題ありません。promptは一度限りの依頼に最適です。問題は、繰り返し行う作業に一度限りのpromptを使い、そのたびに出力品質が大きく変わる理由を不思議に思うことです。 skillとは実際には何か skillとは、永続的な設定です。一度読み込む完全な役割定義(システムprompt、Claude Projectの指示、またはカスタムGPTの指示として設定)で、その後に送るすべてのpromptを統制します。通常、よく構築されたskillには次の内容が含まれます: ペルソナと経験レベル(例: 「あなたは、ECのコンバージョン改善を8年間経験しているシニアCROスペシャリストです」) AIが標準として適用すべき専門知識とフレームワーク 基準 - 曖昧ではなく、具体的に「良い」とは何か 出力形式のルール(構成、長さ、トーン、必ず含めるもの、除外するもの) 例外的なケースや判断が必要な場面 - 何を指摘し、何を質問し、何を拒否するか それを読み込ませると、その後に送るすべてのpromptが、その内容を引き継ぎます。prompt #47でブランドボイスを再説明する必要はありません。そのskillがすでに把握しています。...

長いチャットはなぜ愚かになるのか(最初からやり直さずに改善する方法)

わかるでしょう。最初は鋭かったチャットも、40通目のメッセージになる頃には、指示の半分を無視したり、10通前に自分が言ったことと矛盾したり、1時間前に修正した一般的なデフォルトへ戻ったりする回答を返すようになります。「何かが壊れた」わけではありません。モデルの性能が落ちたわけでもありません。変わったのは、あなたに応答する前にモデルが読まなければならないテキストの山です。 長いチャットの内部で実際に起きていること AIモデルがあなたに返すすべての応答は、その時点までの会話全体を読み取って生成されます。元の指示、すべての追加質問、すべての修正、すべての脱線、すべての「そういえば、これもできますか...」を読み、次に何が来るべきかを予測するのです。この会話全体の記録はコンテキストウィンドウと呼ばれ、会話が長くなっても小さくはなりません。最初よりはるかに多くのテキストを抱えるまで、メッセージごとに大きくなっていきます。 チャットの早い段階では、あなたの指示がコンテキストのほぼすべてを占めています。モデルの仕事は簡単です。明確な概要を読み、それに従えばよいのです。30通目のメッセージになる頃には、元の概要ははるかに長くなった文書のごく一部となり、特定の編集、特定の数字、特定の一度限りの依頼についての何十ものやり取りに埋もれています。モデルは依然として、技術的にはコンテキスト内に元の指示を「持って」います。しかし今やそれらは薄まり、より大量の、より新しく、より具体的で、しばしば矛盾するテキストと注意を奪い合っています。 これが、長いチャットが一度に失敗するのではない理由です。徐々に劣化していくのです。モデルは、初期のメッセージよりも最近のメッセージに大きな重みを置き始めます(これは多くの場合、正しい判断です。通常、最近の情報ほど関連性が高いからです)。しかし、基盤となるルールが同じく古くなっていくスレッドに置かれていると、「最近」と「重要」が混同されます。5分前の何気ないコメントが、単にトランスクリプト上の位置が新しいというだけで、1時間前に示された基準設定の指示より優先されることがあるのです。 もう1つ、より気づきにくいコストがあります。モデルは、毎回より複雑になった文書から、あなたの意図を再導出しなければなりません。「あなたは、常にXの形式で出力を構成し、常にYを避けるシニアグロースストラテジストです」と明確な指示として読む代わりに、言い換え、会話の途中で認めた例外、特定のタスクにしか適用されなかった編集を通した、同じ考えを読み取ることになります。すり合わせるテキストが増えるほど、モデルが内容を平均化したり、曖昧な表現にしたり、繰り返し示されなかった制約をひそかに落としたりする余地が増えます。 人々が頼りがちな2つの修正方法 - そして、どちらも情報を失う理由 修正方法その1: 上にスクロールして、元の指示をもう一度貼り付ける これは最も一般的な応急処置です。最初のメッセージまで戻って元の依頼文をコピーし、40番目のメッセージあたりで「念のためのリマインダーです。これに従ってください」といった文言を添えて貼り付けます。5回ほど返信が続く間はうまくいきます。しかし、コンテキストウィンドウの仕組み自体は何も変えておらず、膨らみ続ける記録に指示のコピーをもう1つ追加しただけなので、また同じずれが起こります。チャットはさらに長くなり、シグナル対ノイズ比は改善せず、プロジェクトの残りの期間も、しばらくするとこの作業を繰り返すことになります。 対策2:まったく新しいチャットを始めて、すべてを入力し直す もう1つのよくある方法は、より思い切ったものです。スレッドを捨てて、新しく始めることです。これで希薄化の問題は解消されます。新しいチャットはコンテキストが短く整理されているため、指示が再び明確に読み取られるからです。しかし、ノイズと一緒に貴重なものまで捨てることになります。そのAIをこの特定のプロジェクトで優れたものにしていた、タスク固有の有用なコンテキストです。教え込んだ例、すでに説明したエッジケース、一緒に決めた判断事項など、すべてが失われます。ゼロから作り直すことになり、しかも、チャットの外に保存していなかった可能性のある指示を、記憶や古いメッセージの検索に頼って再構成することになります。 どちらの対策も症状には対処しますが、根本的な問題は解決しません。つまり、ROLE、FORMAT、STANDARDSが、増え続けるやり取りの山の中以外にはどこにも存在していないという問題です。 長期プロジェクト向け Sofia - グロースマーケティングストラテジスト AI Skill $29このSkill 対 $250グロースコンサルタント/時給...

Skillファイルが毎回ゼロからプロンプトを作成するより安価な理由

スキルファイルは、ゼロからプロンプトを書くより安価です。セットアップ費用を毎回のメッセージで支払うのではなく、一度だけ支払えばよいからです。空のAIチャットに自分の役割、トーン、フォーマットを説明し直すたびに、その説明の分をトークンで支払うことになります。トークンは、お金であり、メッセージ上限であり、コンテキストウィンドウの容量でもあります。本来の仕事ではなく、余計な説明にそれらを費やしているのです。 「再利用可能なコンテキスト」シリーズ パート1 · KissMySkillsチーム著 毎回支払う300トークン Claude、ChatGPT、Geminiで空のチャットを開き、取締役会向けのアップデートを書くのを手伝ってほしいと頼んでみてください。役に立つことを始める前に、自分が何者か、会社が何をしているか、取締役会が求めるトーン、アップデートの形式、そして自分にとって何が「良い」ものなのかを伝えなければなりません。これは一行の依頼ではなく、1段落、場合によっては3段落になります。 その段落を入力して、トークナイザーにかけてみてください。「自分の役割はこうで、背景はこうで、フォーマットはこうしてほしい」という前置きは、通常200-400トークンになります。実際の質問をする前の段階で、すでにこれだけかかるのです。そして、多くの人はその前置きをどこにも保存していないため、新しいチャットを開くたびに、少しずつ違い、少しずつ不完全な形で、毎回入力し直します。 これに、実際に仕事でAIを使う頻度を掛け合わせてみてください。1日に5つの新しいチャットを開き、そのたびにコンテキストを説明し直すなら、AIがどのような役割を担うべきかを再確認するだけで、1日あたり1,000-2,000トークンを消費しています。1か月では、20,000-40,000トークンが、単なる前置きに使われることになります。つまり、何の成果も生まないトークンです。 ビフォーとアフター:同じ依頼、2つの方法 スキルファイルがない場合、典型的なプロンプトは次のようになります。 「あなたは私のチーフ・オブ・スタッフとしてサポートしてください。私は従業員40人のSaaS企業を経営しており、取締役5人の取締役会に報告しています。彼らは簡潔なアップデートを好み、最初に見出しを置き、余計な説明は不要で、バーンレートとランウェイは必ず含め、上部にTL;DRを置いたMarkdown形式にしてください……[この後さらに150語続く]……では、今月のアップデートを書いてください。」 これが「再説明税」です。翌週、さらにその翌週にもまた支払うことになり、たいていは何かを忘れてしまいます(前回はランウェイについて触れたのに、今回は忘れてしまったため、出力に一貫性がありません)。 スキルファイルがあれば、同じ依頼は次のようになります。「今月の取締役会向けアップデートを書いてください:売上34万ドル、バーン85,000ドル、大企業との新規契約を2件締結。」役割、トーン、フォーマット、基準はすでに読み込まれているため、一度書けば毎回適用され、決して忘れられません。 一度書いて、永遠に使う Ryan - Chief of Staff AI Skill $29このSkill 対...

採用のためのAI Agents:実践ガイド(2026)

AI採用エージェントの役割、特に得意とする採用業務、責任を持って活用する方法、そして最初に導入すべきエージェント。

Eコマース向けAI Agents:何を使い、どのように使うか(2026)

EC向けのAIエージェントができること、最も得意とする店舗業務、活用方法、そして最初に導入すべきエージェントをご紹介します。

Grok AIの使い方:実際に何が得意なのか

Grokの本当の差別化要因は、X上の公開投稿にリアルタイムでアクセスできることです。そして、それは最大の弱点でもあります。各モードの機能、料金プラン、使うべきタイミング、別のツールを使うべきタイミングを解説します。

カスタマーサポートでAI Agentsを活用する方法(2026年版ガイド)

顧客体験を損なうことなく、カスタマーサポートでAIエージェントを実際に活用するための実践ガイド:自動化する業務、エスカレーションするケース、そして設定方法。

MCP(Model Context Protocol)とは?平易な言葉で解説

MCPは、AIアシスタントがアプリ、ファイル、データベースに接続できるようにする標準規格です。ここでは、MCPとは何か、どのように機能するのか、そして実際に利用するために何をすればよいのかを説明します。