AIに自社・顧客情報を使わせるには？コンテキスト管理の始め方

AIに「営業提案を作って」「新商品の企画を考えて」と頼んでも、一般的な回答しか返ってこないことがあります。

原因は、依頼文の書き方だけではありません。AIは一般的な仕事の進め方を知っていても、自社製品の強み、顧客が前回嫌がったこと、過去に案を却下した理由までは知りません。

一方で、社内資料を増やすだけでは、今回必要な情報を選べません。古い情報や別の顧客の情報が混ざれば、回答が自社や顧客の状況からずれることがあります。

この記事では、自社や顧客の情報をAIが使える状態にする「コンテキスト管理」と、その始め方を解説します。

この記事の要点｜AIに自社・顧客情報を継続して使わせるには

• コンテキスト管理は、自社、顧客、プロジェクトなどの固有情報を、AIが理解し、今回の仕事に必要なものを選べる状態にすること です。一般的な回答や、毎回同じ背景を説明する手間を減らせます。
• 管理する情報は、自社・製品、顧客・ユーザー、事業・プロジェクト、独自の調査や実務で得た学び、仕事の基準が中心です。成果物だけでなく、判断理由や却下理由も残します。
• コンテキスト管理は、情報の一覧と1行の要約から始められます。資料が増えて探しにくくなったときに、種類、更新日、検索の仕組みを追加します。
• AIへ渡す情報は、今回の目的、対象、判断基準などから選びます。人は、その情報が現在も有効か、利用中のAIへ入力してよいかを確認します。

最初は、一つの仕事の情報一覧を作る

社内の情報をすべて整理する必要はありません。まずは、AIを繰り返し使いたい仕事を一つ選び、次の3つを試してください。

1. その仕事で使う資料を3〜5個選ぶ
2. 各資料に、内容が分かる1行の要約を付ける
3. 今回必要な資料をAIに選ばせ、人が内容を確認する

最初から新しいシステムや細かな分類を作る必要はありません。現在使っているフォルダや共有文書で一覧を作り、探しにくさや情報の古さが問題になった段階で、必要な項目や仕組みを足してください。

自社や顧客の情報だけでなく、調査結果、判断理由、仕事で得た学びを含めて何を残すかは、AI時代のナレッジ管理全体ガイドで整理しています。

1. コンテキスト管理とは、AIが自分たちの仕事を理解できる状態を保つこと

この記事では、コンテキストを AIがその仕事を理解するために必要な背景情報 と捉えます。コンテキスト管理は、固有情報を継続して使える状態にすることと、今回の仕事に必要な情報を選ぶことの両方を扱います。

次の三つを分けると、役割が明確になります。

コンテキスト管理ができていれば、毎回ゼロから背景を説明する必要が減ります。AIに一覧や要約を渡し、必要な資料を参照できるようにすると、AIが今回の仕事に関係する情報を選べます。

ナレッジ管理には、 保存した情報をAIが理解し、選べる状態にする役割が加わります。

2. AIには「自分たち固有の世界」が最初から入っていない

AIは、公開されている一般知識や仕事の進め方を幅広く説明できます。一方、自分たちの仕事でしか得られない情報は、こちらが残さなければ使えません。

例えば営業では、次の情報です。

• この顧客は何に困っているか
• 過去に何を提案したか
• 何を嫌がり、何には関心を示したか
• どの条件なら導入を検討するか
• 自社製品のどこが、その顧客に合うか

これらがない状態で「この顧客向けの提案を作って」と頼んでも、AIは一般的な提案を返すしかありません。

逆に、公開情報をすべて自分たちの資料として保存する必要もありません。AIが最初から知らない情報や、検索しても取り直しにくい情報、仕事の判断に使う情報を優先します。 管理する中心は、自分たちの仕事を通じて生まれた固有情報です。

3. AIに継続して知っておいてほしい5種類の情報

コンテキスト管理では、「今回の依頼に何を書くか」より先に、AIへ継続して知っておいてほしい情報を整理します。 中心になるのは、次の五つです。

ここでいうプロジェクトは、大規模な計画だけを指しません。同じ目的・対象・経緯を引き継ぐ仕事のまとまりです。A社への継続提案、毎月の記事制作、採用活動なども含みます。

すべてを一つの長い文書へまとめる必要はありません。顧客情報、製品情報、判断記録など、更新する単位が違うものは分けます。

また、社内にある情報をすべて管理対象にする必要もありません。次の仕事で繰り返し使うか、AIの提案や判断を変えるかを見て、残す範囲を決めてください。

4. 成果物だけでなく、判断理由と実務から得た学びを残す

製品資料や顧客情報だけでなく、 仕事を進める中で得た判断と学び も重要なコンテキストです。

例えば「最初は1部署で試験導入する」という決定だけでは、なぜ全社導入を選ばなかったのか分かりません。次のように残します。

決定：最初は1部署で試験導入する。

却下した案：全社で一斉導入する。

理由：現時点では運用担当者と支援体制が足りない。

見直す条件：運用手順が固まり、各部署の担当者を確保できたら再検討する。

これならAIが全社導入を提案したとき、以前の判断を無視したのか、見直す条件が整ったのかを確認できます。

商談で分かった顧客の懸念、施策が失敗した理由、制作後に判明した品質上の注意も同じです。完成した提案書やレポートだけでなく、次の判断に使える経験を短く残します。

判断理由を残すのは、過去の結論を守り続けるためではありません。 当時の前提と現在の条件を比較し、必要なら判断を変えるため です。

5. 一覧と短い要約から、軽いコンテキスト管理を始める

固有情報の一覧と短い要約があれば、AIは今回必要な資料を選びやすくなります。

コンテキスト管理は、Markdown、共有文書、既存のフォルダなど、現在使っている場所から始められます。

Markdownは、見出しや箇条書きを簡単な記号で表すテキスト形式です。人が直接編集でき、AIも文章の構造を読み取りやすいため、自社・顧客・プロジェクト固有の情報を長く使う保存形式に向いています。

小規模なら、情報の一覧と1行の要約から始めます。

customer/
  a-company.md       A社の課題、導入時の懸念、商談で得た反応
  b-company.md       B社の利用状況、追加要望、未解決の課題

product/
  product-overview.md   製品の対象、主な機能、強み
  pricing.md            現在の料金と値引き方針
  positioning.md        競合との違い、選ばれる理由

decisions/
  2026-09-pricing-policy.md   価格方針を変更した理由と見直し条件

AIはまずこの一覧を見て、A社向けの提案なら a-company.md、product-overview.md、pricing.md が関係しそうだと判断できます。毎回すべてのファイルを読ませる必要はありません。

ファイルが増え、一覧の更新が手間になったら、各ファイルの冒頭へ短い説明を持たせます。

---
title: A社 顧客情報
summary: |
  A社の業務課題と導入時の懸念を整理した記録。
  商談で得た反応も含む。
type: 顧客情報
updated: 2026-10-10
---

ファイル冒頭の---で囲んだ部分をフロントマターと呼び、項目名と内容を決まった形で並べるYAML形式で書きます。AIは本文を読む前に、ここから資料の概要や更新時点を確認できます。

フロントマターを使うときは、まずsummaryだけで、何が書かれているかを2〜3行で示します。その後、実際の困りごとに合わせて項目を足します。

• 顧客情報、製品情報、判断記録などを区別したい：type
• いつ時点の情報か判断したい：updated
• 元の資料や確認先へ戻りたい：source

現在使う資料か、過去の資料かを一覧や保存場所で区別できている場合は、その方法を続けられます。フロントマターへ項目を追加するときは、人とAIが資料を選ぶ際に実際に使うか、継続して更新できるかを基準にします。関連資料へのリンクも、一緒に確認する場面が多い資料へ絞ります。

各ファイルに短い説明があれば、AIに一覧を生成させることもできます。人が一覧とフロントマターの両方へ同じ要約を入力せず、要約は一か所だけ更新すれば済むようにします。

6. 現在の情報と判断履歴を分ける

情報が増え、古い価格や以前の方針が混ざり始めたら、現在使う情報と判断履歴を分けます。区別の例は次のとおりです。

現在の判断に使う基準となる資料を、この記事では 正本 と呼びます。「価格はpricing.md」「A社の現在の課題はa-company.md」のように、何を基準にするか分かれば十分です。

まず、現在使う情報と過去の履歴を分け、何が正本かを示します。 資料が増え、古さや根拠の確認で困り始めたら、更新日、出典、有効期間などを追加します。

7. メモリと確認済みの資料を使い分ける

AI製品のメモリ機能には、複数回の作業をまたいで再利用する、比較的安定した情報や教訓を持たせます。

• 好みや文体
• 繰り返し使う確認手順
• 過去の作業から得た教訓
• タスクやプロジェクトの要約

一方、顧客の現在の課題、確定した価格、重要な意思決定などは、メモリだけに任せません。人が確認した顧客資料、製品資料、決定記録にも残します。

メモリは、次の仕事を始めやすくするための情報です。確認済みの資料は、人が事実や結論を確かめる場所です。AI製品によってメモリの機能は異なりますが、 案件固有の重要な情報を確認できる資料を、別に持つ という役割分担は保てます。

8. 今回使うコンテキストは、7つの観点から選ぶ

ここまでが、AIが継続して使える情報の管理です。実際に仕事を頼むときは、その中から今回必要な情報を選びます。

チェックするのは、次の七つです。

1. 目的：今回、何を実現したいか
2. 対象：誰のための仕事か
3. 方針・判断基準：何を優先して選ぶか
4. 現在地：どこまで進み、何が未決か
5. 過去の判断と理由：何を選び、何を見送ったか
6. 制約・権限：予算、納期、利用できる情報、承認範囲
7. 成果物の基準：どの状態なら仕事で使えるか

七つを毎回すべて渡す必要はありません。今回の判断に影響するものを選びます。

例えばA社向けの提案書なら、管理している顧客情報、製品情報、価格方針、過去の提案履歴から、今回の目的と判断基準に関係する内容を取り出します。 管理する情報と、今回使う情報を分けること がポイントです。

詳細な履歴や参考資料は、ファイル名やリンクを示し、必要になったときにAIへ確認させる方法もあります。コンテキストは多さではなく、今回の仕事に必要な情報が入っていることを優先します。

9. よく繰り返す仕事で、小さなコンテキスト一覧を作る

最初は、AIに何度も手伝ってもらっている仕事を一つ選びます。例えば、顧客への提案書、月次レポート、記事制作などです。

次の順で始めます。

1. その仕事で繰り返し使う固有情報を、まず少数挙げる
2. ファイルやメモの名前と、1行の要約を一覧にする
3. AIへ今回の依頼を伝え、使う情報を一覧から選ばせる
4. 足りない情報や、古い可能性がある情報を確認する

次のように依頼できます。

以下は、この仕事で利用できる情報の一覧です。

今回の依頼：

1. 今回使う情報と、その理由を示してください。
2. 足りない情報や、古い可能性がある情報があれば示してください。

選んだ資料を参照できる場合は、今回の依頼を進めてください。
参照できない場合は、必要なファイル名を示してください。

AIが選んだ情報は候補です。人は、そのAIサービスに入力してよい情報か、現在も使える内容かを確認します。

まず一つの仕事で、一覧から必要な情報を選べる状態を作ってください。 情報が増え、一覧だけでは探しにくくなった段階で、必要な資料を検索し、AIが参照できるようにする仕組みを別途検討すれば十分です。

残した情報をAIに繰り返し使わせる方法は、MCP・RAG・Skillを困りごとから選ぶ記事で説明しています。

まとめ

AI時代のコンテキスト管理では、毎回のプロンプトを長くするのではなく、 自分・会社・顧客・仕事に固有の情報を、AIが内容を把握し、今回必要か判断できる状態で持ちます。 あわせて、人が現在も有効か確認できるようにします。

管理する中心は、自社・製品、顧客・ユーザー、事業・プロジェクト、独自の調査や実務で得た学び、仕事の基準です。成果物だけでなく、判断理由、却下理由、実務から得た学びも残します。

最初は、ファイル名と1行の要約を並べた一覧で構いません。ファイルが増えたら、必要に応じてtypeやupdatedなどを足します。その一覧から、今回の仕事に必要な情報をAIに選ばせます。

まずは、よく繰り返す仕事を一つ選び、ファイル名と短い要約の一覧を作るところから始めます。情報量と困りごとに応じて、管理項目や検索・取得の仕組みを足せば十分です。

参考資料

• Tiago Forte：Introducing The AI Second Brain
• Anthropic：Effective context engineering for AI agents
• Anthropic：Prompting best practices - Long context prompting
• Google Cloud：AI コンテキスト エンジニアリングとは
• OpenAI Cookbook：Building Reliable Agents with Memory and Compaction
• OpenAI Cookbook：Context Personalization Using Session Memory
• Microsoft Learn：Secure Generative AI with Microsoft Entra