Claude Codeの使い方｜"問い"の質で成果が変わる理由

Claude Codeの使い方を調べている方の中に、「使ってみたけど、思ったほど成果が出ない」と感じている方はいませんか。実は、Claude Codeの使い方で最も成果を左右するのは、機能の知識ではなく「AIにどんな問いを渡すか」です。

私はAI業務効率化の受託開発を手がけており、Claude Codeを毎日の業務で使い倒しています。現在の私の業務分担は明確で、意思決定・成果物チェック・思考過程の改良・クライアント対応は人間が担当し、それ以外のほぼ全てをAIに任せています。この記事では、その実務経験から見えた「問いの質」の重要性と、具体的な改善方法をお伝えします。

Claude Codeの使い方で成果が出ない原因は「指示の曖昧さ」

Claude Codeは非常に優秀なAIアシスタントですが、漠然とした指示には漠然とした回答しか返しません。これは人間のアシスタントと同じです。

たとえば「CVRを上げたい」とだけ伝えても、返ってくるのは教科書的な一般論です。CTAボタンの色を変えましょう、ファーストビューを改善しましょう――どこにでも書いてある内容の羅列です。

一方で、「このLPの離脱率が70%。ファーストビューで価格メリットが伝わっていない仮説がある。競合3社のファーストビューを分析して、価格訴求の切り口を5パターン提案して」と渡すと、検証可能な具体的提案が返ってきます。

この差は、AIの性能の問題ではありません。何を解決するかと、どう切り込むかを人間が決めているかどうかの違いです。

「漠然とした指示」vs「具体的な問い」｜実例で比較

介護施設での業務効率化の例

ある介護施設から「記録業務を効率化したい」という相談を受けました。このまま「介護記録を効率化して」とAIに投げても、一般的なICTツールの紹介が返ってくるだけです。

そこで現場をヒアリングした結果、こう定義し直しました。

「現場スタッフは手書きメモで情報を取っている。そのメモをスプレッドシートに転記し、転記したデータから日報を作り、日報から月次報告書を作り、さらに家族への手紙を書いている。生の情報は現場のメモなのに、それを何度もこねくり回して2度手間3度手間になっている」

この具体的な課題定義をAIに渡したことで、「手書きメモを起点に日報・月次報告書・家族への手紙を自動生成する仕組み」という解決策が生まれ、結果として月100時間の業務削減を実現しました。

厚生労働省の調査でも、介護分野のICT導入による業務効率化の効果が報告されています。2025年時点で約32万人の介護人材が不足しており、2040年には約69万人に拡大すると予測されています（厚生労働省：介護テクノロジーの利用促進）。現場の具体的な課題を特定し、的確にAIに渡すことが、限られた人員で業務を回す鍵になります。

SEO記事作成での例

記事作成でも同じことが起きます。「記事を書いて」と指示すれば、一般論の羅列になります。

しかし、こう指示すると結果が変わります。

「このキーワード（月間検索数5,000）で記事を書いて。介護施設で月100時間削減した実体験を軸に、厚労省の統計で裏付けて。ターゲットは非エンジニアの経営者」

キーワード・実体験・データソース・ターゲット。この4つを渡すだけで、独自性のある記事が生まれます。実際にこの記事自体も、同じ方法で書いています。

AIネイティブなClaude Codeの使い方｜発想を逆転させる

多くの方は「今の業務フローにAIを組み込む」という発想で導入を考えます。しかし私の経験では、AI中心のフロー設計に人間が適応するという逆転の発想のほうが圧倒的に成果が出ます。

これを私は「AIネイティブなワークフロー」と呼んでいます。

具体的には、以下のような業務分担です。

• 人間がやること：意思決定、成果物の最終チェック、思考プロセスの改良、クライアント対応
• AIに任せること：情報収集、文書作成、データ加工、コード生成、定型作業の実行

ポイントは、AIが完璧な答えを出すことを目指さないこと。AIが提案し、人間が調整する。この流れを前提にした業務フローを設計するほうが、現実的かつ効果的です。

Claude Codeの使い方を上達させる3つのコツ

1. 課題を具体的に定義してから渡す

「業務を効率化したい」ではなく、「どの業務の、どの工程が、なぜ非効率なのか」まで分解してください。前述の介護施設の例のように、課題の解像度が高いほど、AIの回答の質も上がります。

2. 仮説を持ってからAIに検証を依頼する

何を解決するかと、どう切り込むかは人間が決めます。仮説の検証と具体化をAIに委ねるのが最も効率的な使い方です。

たとえば「このページの離脱率が高い原因は、価格情報が遅すぎるからではないか」という仮説があれば、AIに「競合サイトの価格表示位置を分析して」と依頼できます。仮説なしに「離脱率を下げて」と頼んでも、的を射た提案は返ってきません。

3. コンテキストの量を意識する

Claude Codeの使い方で見落とされがちなのが、AIにどれだけの事前情報（コンテキスト）を読ませているかを常に意識することです。

的確な指示とは、必要な情報を過不足なく渡すこと。情報が多すぎればトークン（AIが処理する情報量の単位）を無駄に消費し、少なすぎれば的外れな回答になります。「このファイルを読んで」と10個のファイルを渡すより、必要な情報だけを抜き出して渡すほうが精度もコストも改善します。

非エンジニアがClaude Codeを使い始めるステップ

「Claude Codeはエンジニア向けでは？」と思われるかもしれません。しかし実際には、非エンジニアの方でも段階を踏めば業務に活用できます。

私がクライアント企業に推奨しているステップは以下の通りです。

1. CursorのIDE（統合開発環境）から始める：GUIがあるため心理的ハードルが低い
2. Claude Code拡張を追加する：Cursor内でAIアシスタントが使えるようになる
3. 業務を一つずつAIで代替する：議事録作成、メール文面、データ整理など身近な作業から
4. AIネイティブワークフローへ移行する：AI前提で業務フロー自体を再設計する

いきなり全ての業務をAIに置き換えようとするのではなく、小さな成功体験を積み重ねることが定着のコツです。

まとめ｜Claude Codeの使い方は「問いの設計」で決まる

Claude Codeの使い方で最も重要なのは、機能を覚えることではありません。

• 課題を具体的に定義する：漠然とした依頼は漠然とした結果しか生まない
• 仮説を持ってから渡す：何を解決するか・どう切り込むかは人間の仕事
• コンテキストを過不足なく設計する：情報の量と質がAIの回答精度を決める
• AIネイティブな発想で業務を再設計する：人間のフローにAIを足すのではなく、AI中心のフローに人間が適応する

AIが完璧な答えを出すことを期待するのではなく、AIが提案しやすい「問い」を設計すること。それがClaude Codeを使いこなす最短の道です。

Claude Codeの導入や業務への活用について相談されたい方は、株式会社Fyveまでお気軽にお問い合わせください。非エンジニアの方への導入支援も行っています。