営業担当者が AI とやり取りしながら見積内容を修正する場合、最初に値引きの上限を決め、次に顧客条件を追加し、最後に納期を優先する方針へ変更することがあります。対話に蓄積される情報が増えるにつれて、AI が当初指定された形式を見落としたり、修正前の価格をそのまま使用したり、別バージョンの条件を混在させたりするようになります。この段階で「前のルールを覚えておいてください」と付け加えても、必ずしも作業が正しい方向へ戻るとは限りません。
企業は、次の3点を分けて管理する必要があります。チームがレビュー可能な固定ルールのバージョンを保持すること、回答内容に正式な根拠があることを確認すること、そして作業の進捗を適切に引き継ぐことです。長い対話は議論の継続には利用できますが、企業知識や業務ルールの保存には適していません。
対話が長くなるほど、AI はなぜ以前の内容を見落とすのか？
《數位時代》がまとめた《Every》の AI 評価責任者 Mike Taylor の見解によると、古い指示、過去の誤り、無関係な詳細が蓄積し続けると、AI の回答品質が次第に低下する可能性があります。この現象はコンテキスト腐敗（context rot）と呼ばれます。以前に提示した例が、その後の回答を制限することもあります。Taylor が AI にスティーブ・ジョブズのスタイルをまねて製品名を考えるよう依頼した実験では、文章による指示だけを与えた場合、「i」で始まる名称は21％でした。しかし、同種の例をいくつか追加すると、その割合は100％になりました。例は本来、AI が方向性をつかむためのものですが、その後のタスクにも残し続けると、かえって回答を制約する可能性があります。
対話を続けながら要件を追加していく方法も、前後の指示が互いに矛盾する原因になりがちです。Microsoft と Salesforce の研究者は2025年、完全な指示を複数のメッセージに分割し、ユーザーが情報を段階的に提供する状況を再現しました。その結果、テスト対象となったモデルは、プログラミングや要約など6種類のタスクで、平均39％の性能低下を示しました。また、重要な要件が対話や文書の途中に埋もれていると、AI が見落とす可能性もあります。Taylor のテストでは、AI に9件のプロジェクト文書を読ませ、重要なバグ報告を6件目の文書に配置しました。しかし、プロジェクトのリスクについて質問したところ、AI はこのバグにまったく言及しませんでした。
したがって、AI が同じミスを繰り返す、途中の資料を見落とす、あるいは当初のルールに反するようになった場合、導入チームは新しい対話への切り替えを検討できます。いずれかの兆候が見られたら、メッセージを追加し続けるのではなく、現在のタスクに過去の目標、無関係な文書、相互に矛盾する要件が混在していないかを確認します。そのうえで、既存のメッセージを修正するのか、現在の進捗を整理して新しい対話に移すのかを判断します。
固定ルールは一度伝えるだけでは不十分。どのように保存すべきか？
カスタマーサポートの回答文字数、見積審査の順序、購買比較で使用する項目、品質管理の判定条件など、AI Agent が毎回同じ手順に従って処理する必要がある業務は少なくありません。チームが対話の冒頭で一度だけ指示した場合、対話が長くなるにつれて、AI がそのルールに従わなくなる可能性があります。原文でも、ユーザーが AI に Python のコーディング規約 PEP-8 を守るよう求めたものの、50件のメッセージをやり取りした後には、AI が規約に従わなくなった事例が紹介されています。
チームはまず、メンバーが AI に繰り返し伝えている内容を洗い出し、「安定したルール」と「今回限りの要件」に分類できます。固定フォーマット、必須チェック、判断の順序、省略できない項目は、いずれも安定したルールに該当し、担当者がバージョンを一元管理する必要があります。一方、顧客名、今回の納期、一時的な制約は、個別のタスク内で管理します。こうすることで、ルールが変更された際に、どのバージョンがどのように変更されたのかをチームが明確に把握でき、AI が過去の長い対話から正しい方法を探し出すことに期待する必要もなくなります。
EgentWrX のスキル（AI Skill）機能では、常に適用すべき手順やルールを保存し、利用状況に応じて適用できます。メンバーが対話内で使用するスキルを指定することも可能です。メンバーが独自に作成したスキルを全社展開する場合は、事前に管理画面での審査を受ける必要があります。企業はまず、繰り返し発生し、判断基準も明確な業務を一つ選び、メンバーが毎回 AI に伝えているルールをリストアップします。次に、保守担当者と審査担当者を指定し、それらのルールをスキルとして作成します。今回のタスクにしか適用されない条件は、スキルに含めないようにします。
正式な根拠と作業進捗は、どこに保存すべきか？
コンテキスト腐敗を防ぐことは、対話に投入する情報を少なくすればよいという意味ではありません。情報が不足していると、AI が欠けている内容を推測し、最終的に企業の実情に合わない一般論しか提示しない可能性があります。企業は、社内制度、製品仕様、契約書のひな型、過去の表データなどを正式な根拠として位置付け、その都度の対話とは分けて管理できます。タスクを依頼する際には、今回参照すべき資料の範囲だけを指定し、最初のメッセージにタスクの目的、制約、出力形式、完了条件をまとめて明記します。
EgentWrX のナレッジベースでは、企業データを Wiki、ベクトル（vector）、表の3形式で管理し、類似度のしきい値や最低引用数を設定できます。AI Agent は、十分な根拠を見つけられない場合、推測で無理に回答せず、回答を拒否します。導入チームは、次の2つの状況を実際にテストする必要があります。正式な文書がある場合に正しい根拠を引用して回答できるか、資料が見つからない場合に AI Agent が回答を拒否し、不足している資料を明確に示せるかという点です。毎回すべての文書を対話に投入する方法と比べ、このアプローチでは回答の根拠がどこから得られたのかを確認しやすくなります。
長期間にわたって処理する必要がある業務では、導入チームは引き継ぎ方法も検討する必要があります。AI が同じミスを繰り返す、情報を見落とす、既存のルールを無視するようになった場合、まず引き継ぎ文書を作成してから、新しい対話を開始します。引き継ぎ文書には、少なくとも確認済みの事実と引用元、すでに下した決定、未解決の問題、次のステップを明記します。営業見積、購買比較、部門横断の承認など、繰り返し発生する業務であれば、さらにタスクカードやワークフロー（workflow）として構築できます。金額が部門の上限を超えた場合や条件が不明確な場合などに人による承認を組み込み、プロセスを一時停止して、担当者が確認してから再開できるようにします。企業はまず、複数日にわたって処理する必要がある業務を一つ選び、標準の引き継ぎ項目を作成します。そのうえで、新しい対話が引き継ぎ文書と正式な根拠だけを使って、後続の作業を継続できるかを実際にテストします。
よくある質問
メッセージが何件たまったら、必ず新しい対話に切り替えるべきですか？
メッセージ数だけで判断してはいけません。AI が修正済みの誤りを繰り返す、対話の途中にある重要な情報を見落とす、あるいは当初のルールに従わなくなった場合は、内容の追加を停止すべきです。確認済みの事実、引用元、すでに下した決定、次のステップを整理してから、新しい対話で作業を継続します。
最初のメッセージには、どのような内容を含めるべきですか？
最初のメッセージには、タスクの目的、必要な背景情報、制約、出力形式、完了条件をまとめて明記し、AI が参照すべき正式な資料も指定します。今回の作業と関係のない過去の例、以前の議論、予備資料は一緒に入れないようにします。これらは AI の判断を妨げる可能性があります。
固定ルールと引き継ぎ文書には、どのような違いがありますか？
固定ルールは、毎回遵守すべき形式、チェック条件、判断の順序に適用され、担当者がバージョンを一元管理する必要があります。一方、引き継ぎ文書は、個別業務の既知の事実、すでに下した決定、未解決の問題、次のステップを保存するために使用します。タスクが一区切りついた後、実際の必要性に応じて保存するかどうかを判断します。
新しい対話に切り替えると、重要な情報まで失われませんか？
新しい対話を始める前に引き継ぎを完了すれば、必要な作業進捗を保持できます。引き継ぎ内容には正式な根拠を添え、確認済みの事項と未確認の内容を明確に区別する必要があります。新しい対話には、この引き継ぎ文書、現在適用されるルール、必要な文書だけを投入し、過去の誤りや無関係な詳細まで持ち込まないようにします。
参考資料
- AI は対話を重ねるほど賢さを失う？専門家が明かす「コンテキスト腐敗」7つの兆候：新しい対話を始め、AI の能力を効果的に引き出すタイミングとは？ — 《數位時代》が、コンテキスト腐敗の兆候、関連研究、新しい対話への切り替え方法をまとめています。
