ChatGPTやClaudeに仕事を依頼して、「なんか違うんだよな」と感じたことはありませんか。

報告書を頼んだら箇条書きが20個並んだだけ。議事録をまとめさせたら時系列がバラバラ。提案書を作らせたら「要素は全部入っているけど、読む順番がおかしい」。要素を並べる能力は高いのに、どの順番でやるべきかという時系列の感覚が完全に抜けている。

この感覚、ビジネスの現場では致命的です。現実の仕事は「何をやるか」より「どの順番でやるか」の方がはるかに重要。順番を間違えると、正しいことをやっていても成果が出ません。

しかし、これはAIの能力の限界ではありません。

2026年の生成AIは、時系列も優先順位も正しく扱えます。問題は「時系列で並べて」「この順番で構成して」という一言の指示が足りていないだけ。ここからは、AIが「イケてない」と感じる5つの典型的なパターンと、それぞれの即効策を見ていきます。

AIは指示がなければ「網羅性」を優先します。聞かれたことに対して漏れなく要素を列挙しようとするため、結果として箇条書きの山になりがちです。時系列で並べてほしいのに、カテゴリ別に分類して出してくる。これはAIが時系列を理解できないのではなく、「時系列で」と指示されていないだけです。

人間の同僚に「いい感じにまとめておいて」と言えば、その人の経験と空気の読みで「いい感じ」にしてくれます。しかし、AIに「いい感じに」は通じません。

AIには「空気を読む」能力がありません。「いい感じ」「わかりやすく」「ちゃんと」といった曖昧な形容詞は、AIにとっては情報量ゼロです。

人間のプロに仕事を依頼するとき、1回の指示で完成品が出てくることはまずありません。ラフ案→フィードバック→修正→確認というプロセスを経て仕上がります。しかし、AIに対しては「1回で完璧な結果が出るべき」と無意識に期待していることが多いのです。

AIとの作業は「対話」です。1ターン目で方向性を出し、2ターン目で修正し、3ターン目で仕上げる。この3ターンのプロセスを前提にすると、1ターン目の出力への期待値が適切になり、「使えない」と感じることが減ります。

生成AIには明確な得意・不得意があります。得意なタスクに使えば驚くほど速く、不得意なタスクに使えば「使えない」と感じます。

何をどの順番で進めるかは、現場の制約・リソース・人間関係を知っている人間が決めるべきことです。しかしここで重要なのは、その判断に必要な情報をAIに与えているかという点です。スマホでChatGPTを開いて「提案書を作って」と聞いても、AIはあなたの会社の状況も、プロジェクトの時系列も、チームの体制も知りません。当然、浅い回答になります。

AIは指示がなければ「箇条書き」をデフォルト出力にします。これが「箇条書きのパワポを作る能力には異様に長けている」と感じる原因です。

しかし、出力フォーマットを明示的に指定すれば、AIは文章形式でも表形式でも、フローチャート風でも出力できます。

ここまで5つの原因を挙げましたが、実はこれらすべてに共通する根本的な原因があります。それは、AIに十分なコンテキスト（文脈情報）が渡っていないことです。

スマホでChatGPTを開いて「来月の営業戦略を考えて」と聞いたとき、AIが知っている情報はその一文だけです。あなたの会社の売上データも、チームの体制も、進行中の案件も、先月の反省点も、何ひとつ知りません。時系列も優先順位もわからない。当然、出てくるのはどの会社にも当てはまる一般論です。

これは「AIが頭が悪い」のではなく、「判断材料がゼロの状態で聞いている」だけです。人間の同僚に同じことをしたらどうでしょう。入社初日の新人に「来月の営業戦略を考えて」と言って、的確な回答が返ってくるはずがありません。

解決策 — AIが「常に文脈を持てる」環境を作る

この問題の解決策は、毎回のプロンプトに情報を貼り付けることではありません。AIが必要な情報に常にアクセスできる環境を整備することです。

つまり、AIが「イケてない」のは、AIの周りの情報基盤が整っていないから。プロンプトの書き方を改善するのは応急処置であり、本質的な解決は「AIが必要な情報に常にアクセスできるデータ基盤」を構築することです。

5つの原因を踏まえて、今日からすぐに実践できる改善策をまとめます。

実際にやってみた比較

依頼内容 — 「来月の営業戦略をまとめて」

同じAI、同じモデル。変わったのは指示の出し方だけです。

生成AIが「イケてない」と感じるとき、原因は大きく2つに分かれます。

短期的な原因は、プロンプトの書き方。「時系列で」「この順番で」「この形式で」という一言を加えるだけで、出力品質は劇的に変わります。

根本的な原因は、AIに渡るコンテキストの量。スマホで素のChatGPTに聞くのと、kintone・Slack・GitHubをMCPで接続したClaude Codeに聞くのとでは、出力の質に天と地ほどの差が出ます。AIは「指示の鏡」であると同時に、「情報基盤の鏡」でもあります。

プロンプトの改善は今日から始められます。そして情報基盤の整備は、AIの出力品質を恒久的に引き上げる投資です。