なぜ同じClaudeでも「使える人」と「使えない人」に分かれるのか
ClaudeやChatGPTを使っていて、「思ったより返答が浅い」「毎回同じような説明をしなければいけない」と感じたことがある人は少なくないはずです。実はこの差、ツールの問題ではなく、AIとのやり取りの「設計」の問題である場合がほとんどです。
AIの世界でよく知られた研究者・実践者であるAndrej Karpathyが、Anthropicに加わってから実際に使っているとされる「LLM-WIKI.md」というファイルが最近話題になっています。このファイルを自分の環境に組み込んだだけで、Claudeの返答が「汎用的な回答」から「自分の思考に合った返答」へと変わったという声が複数出ています。この記事では、LLM-WIKI.mdの考え方の背景にある仕組みと、30〜40代の会社員が実務でどう応用できるかを整理します。
LLM-WIKI.mdとは何か
LLM-WIKI.mdは、平たく言えば「AIに読ませるための自己紹介ファイル」です。Markdown形式で書かれた文書で、自分の仕事の文脈、使う用語の定義、期待する出力スタイル、避けてほしい回答パターンなどをまとめたものです。これをシステムプロンプト（AIに最初に渡す指示）やClaudeのプロジェクト機能に組み込むことで、会話を始めるたびに一から説明しなくても、AIが「この人はどういう人で、何を求めているか」を把握した状態でやり取りが始まります。
技術的に言うと「カスタムシステムプロンプト」や「パーシステントコンテキスト」と呼ばれる仕組みです。ただ、技術の話として捉えるより、「自分専用のAIアシスタントを育てるための取扱説明書」と考えると、会社員にも直感的に理解しやすくなります。プロンプトの書き方ガイドでも触れているように、AIへの指示は「1回の質問の工夫」より「どんな状態でAIに会話させるか」の設計が長期的に効きます。
Karpathyが実践していることの意味
Karpathyは「You don’t talk to the model. You build the system that talks to the model for you.（モデルに話しかけるのではなく、モデルに話しかけるシステムを作る）」という考え方を持っています。これは一見エンジニア向けの話に聞こえますが、実務に引き寄せて考えると意外と普通のことです。
たとえばベテランの秘書やアシスタントを初めて雇うとき、仕事ができる人ほど最初に「うちの会社ではこう呼んでいる」「この件はAさんでなくBさんに確認する」「報告書はこのフォーマットで」という情報を文書化して渡します。AIに対しても同じことをやる、というだけです。Karpathyがやっていることは、これをMarkdownファイルとして整理して、毎回自動的にAIに渡るようにしただけとも言えます。
ただし「整理の質」が問われます。漠然と「丁寧に答えてください」と書いても変化は少ない。「私は製造業の営業マネージャーで、顧客への提案書を週2〜3本作成します。専門用語（○○工法、△△規格）を理解した前提で回答してください。提案書の文体は〜」まで書くと、Claudeは別のアシスタントになります。
実際に何が変わるのか：具体的なビフォーアフター
ここで少し具体的な場面を考えてみます。たとえば、人事部門で採用業務を担当している40代の方がClaudeに「面接評価シートのコメントを書いてほしい」と頼むとします。
何もコンテキストを渡さない状態だと、Claudeは汎用的な面接評価の書き方を提案します。コンピテンシーモデルの説明から始まったり、「御社の評価基準に合わせて〜」という留保を入れたりします。これはこれで間違いではないのですが、毎回「うちの評価軸は5項目で、スコアは1〜4で、コメントは100字以内で」と説明し直すことになります。
LLM-WIKI.mdに「当社は5つのコンピテンシー（リーダーシップ・課題解決・チームワーク・専門性・成長意欲）で評価し、スコアは1〜4点、コメントは各項目100字以内、ネガティブな表現は避けて改善余地として表現する」と書いておくと、「面接評価コメントを書いて」の一言だけで求める形が返ってきます。1案件あたり5〜10分の節約でも、週10件なら月に4〜8時間のインパクトになります。
以下は、コンテキストファイルに盛り込む要素の参考です。ファイルに何を書くかに迷った場合、この軸で整理すると効率的です。
| カテゴリ | 書くべき内容の例 |
|---|---|
| 自分の役割 | 職種・業界・担当業務の範囲 |
| 専門用語 | 業界固有の略語・社内用語の定義 |
| 出力フォーマット | 文字数・構成・使用可能な形式 |
| トーン | 社内向け/社外向け、フォーマル度 |
| 避けてほしいこと | 過度な留保・説明不要な前置き等 |
| よく扱うタスク | 日常的に依頼するタスクの種類 |
どうやって自分のLLM-WIKI.mdを作るか
ファイルを一から作ろうとすると手が止まりがちですが、実際には「今Claudeに毎回説明していること」を書き出すだけで8割完成します。やり方の一つとして、過去1週間のClaude/ChatGPTとのやり取りを見返して、「毎回同じような前置きを書いているもの」をリストアップする方法があります。そのリストがそのままLLM-WIKI.mdの骨格になります。
Claudeのプロジェクト機能（Claude.aiの有料プランで使える機能）を使えば、このファイルをアップロードするだけでプロジェクト内の会話すべてに反映されます。ChatGPTであればカスタム指示（Custom Instructions）の欄に貼り付けることで同様の効果が得られます。どちらも設定は数分で終わります。
注意点として、ファイルが長くなりすぎると逆効果になることがあります。AIはコンテキストが長いと後半の指示を軽視する傾向があります。500〜800字程度を目安に、本当に毎回説明していることだけを残すのが現実的です。
ChatGPTの使い方ガイドでカスタム指示の設定手順を説明しているので、設定方法で詰まった場合はそちらが参考になります。
この動きが示していること
Karpathyのような研究者がAnthropicで実際に使っているツールや設定が、SNSを通じて一般に広がっていく流れは、ここ1〜2年で明らかに加速しています。以前はシステムプロンプトの工夫はエンジニアやプロンプトエンジニアの領域でしたが、今はClaudeのプロジェクト機能やNotionのAIページなど、UI上で簡単に設定できる環境が整ってきています。
つまり「AIに詳しい人しかできなかったこと」が「設計の考え方を持っていれば誰でもできること」に変わりつつあります。AIを使いこなす差は、ツールの知識より「どう設計するか」の発想の差になっていくでしょう。AI副業や収益化を考えている方向けのガイドでも触れていますが、AIとの関わり方の差は、仕事の生産性だけでなくスキルとしての市場価値にも響いてきます。
まとめ
「LLM-WIKI.md」の話題の本質は、特定のファイルが魔法のように効くということではなく、「AIに毎回一から説明する時代は終わりつつある」というシフトです。自分の仕事の文脈をファイルとして整理し、AIがその前提で動くようにする。これはツールの問題ではなく、仕事の設計の問題です。
まずは「自分が今週Claudeに3回以上説明した内容」を一つだけメモすることから始めてみてください。それが自分専用のLLM-WIKI.mdの最初の一行になります。
