こんにちは。税理士の片瀬です。
ClaudeやChatGPTを使い始めた当初、私が期待していたのは主に「時間の短縮」でした。文章の下書き、資料の要約、メールの作成などをAIに任せれば、これまで30分かかっていた仕事が10分で終わる。生成AIとは、そういう便利な時短ツールだと考えていたのです。
しかし、使い続けるうちに、本当の変化は別のところにあると気づきました。使い方がある段階を超えるたびに、単に速くなるだけでなく、検討の抜け漏れが減り、成果物の粒度がそろい、過去の判断を再利用できるようになり、業務そのもののクオリティが大きく上がったのです。
転換点 1
プロンプトを生成AIに作成させる
最初の転換点は、自分で完成形のプロンプトを書こうとするのをやめたことです。
生成AIから良い回答を得るには、目的、前提、役割、手順、制約、出力形式、確認基準などを明確にする必要があります。しかし、依頼する仕事が複雑であるほど、最初から必要事項をすべて思い出して、漏れなく文章にすることは簡単ではありません。
そこで、まずAIに「この仕事を高い品質で行わせるためのプロンプトを作成してください」と依頼します。その際、すぐにプロンプトを書かせるのではなく、不足情報を先に質問させることが重要です。
人間は目的と判断基準を示し、AIには必要事項の洗い出しと構造化を担当させます。
例えば、「月次報告資料を作ってください」だけでは、AIは一般的な報告書を作ります。これを「経営者が翌月の行動を決められる月次報告にしたい。良いプロンプトを作るために、先に必要な質問をしてください」と変えると、比較期間、予算差異、資金繰り、異常値、部門別分析、経営者が重視する指標など、こちらが見落としていた論点まで質問として返ってきます。
「〇〇を作成したいです。すぐに作成を始めず、品質の高い成果物を作るために不足している情報を質問してください。私の回答後に、実行用プロンプトを作成してください。」
ここで仕事の質が上がる理由は、AIが答えを出す前に、仕事の要件定義を行うからです。良い回答を一度得ることより、良い仕事の進め方を先に設計すること。この順番に変えたことが、最初の大きな転換点でした。
転換点 2
プロジェクトを利用する
2つ目の転換点は、すべての相談を新しいチャットから始めるのではなく、業務やテーマごとにプロジェクトを分けたことです。
通常のチャットでは、前提や用語、会社の方針、過去に決めたことを毎回説明し直しがちです。説明が少なければ一般論になり、説明を増やせば依頼そのものが長くなります。しかも、案件の情報が別のチャットに散らばると、「前回はどこで何を決めたか」を人間が探すことになります。
プロジェクトでは、テーマごとに関連資料、共通の指示、チャット履歴をまとめられます。ClaudeとChatGPTのどちらにもプロジェクトに相当する機能があり、個別の会話を「同じ仕事場」の中で進めやすくなります。
案件を一つの長大なチャットに詰め込むのではなく、共通知識を持つプロジェクト内で目的別に会話を分けます。
プロジェクトは「何でも入れる箱」ではない
ここで重要なのは、プロジェクトの単位です。「税務」「経理」のように大きすぎる分類では、無関係な情報が混ざります。反対に、一つの質問ごとに分けると、前提を共有する効果がなくなります。
- 継続的な顧客業務：顧客または案件ごと
- 社内業務：採用、評価制度、マーケティング、業務改善など目的ごと
- 成果物制作：ウェブサイト改修、研修資料、マニュアル整備などプロジェクトごと
プロジェクトを使うと、AIの回答が突然賢くなるわけではありません。変わるのは、毎回ゼロから答えるAIから、その仕事の前提を理解したAIになることです。この「前提の継続」が、成果物の一貫性を大きく高めました。
転換点 3
ChatとCodeを使い分け、知識を残す
3つ目は、ChatとCodeを競合する別製品としてではなく、役割の異なる二つの仕事場として使い分けたことです。
Chatは、対話しながら考えを深めることに向いています。論点整理、壁打ち、仮説の比較、文章の方向性の確認などです。一方、Claude CodeのようなCode環境は、複数のファイルを読み、構成を確認し、実際のファイルを作成・修正し、必要に応じて検証する仕事に向いています。
例えば、Chatで新しい業務フローを議論し、方針が固まったらCodeでマニュアル、テンプレート、チェックリストへ反映します。そして、その業務で繰り返し使う判断基準だけを抽出し、プロジェクトの指示やCLAUDE.md、承認済みの顧客別ルールなど、次回も読まれる場所へ残します。
判断理由を言語化
構造化して反映
テンプレート・業務ルール
残すべきなのは会話の全文ではなく、確認済みの結論、判断理由、適用条件、例外です。
この使い方によって、AIとの会話が「使い捨て」ではなくなりました。一度の仕事から得た知見が、次の仕事の初期条件になります。つまり、仕事をするたびにAIの利用環境が少しずつ整い、同じ説明や同じ修正を繰り返す回数が減っていきます。
ただし、チャット履歴をそのまま正本にしてはいけない
会話には、途中の仮説、誤った案、撤回した方針も含まれます。そのため、長い履歴をそのまま「ナレッジ」と考えるのは危険です。実務で再利用する前に、人間が内容を確認し、次の4点に整理します。
| 残す項目 | 具体的な内容 | 残さないもの |
|---|---|---|
| 結論 | 最終的に承認された処理・方針 | 検討途中の案 |
| 理由 | なぜその判断にしたか | 根拠のないAIの推測 |
| 適用条件 | どの取引・期間・状況に使えるか | 条件不明の一般化 |
| 例外 | 人間確認へ回す条件 | 未承認の自動処理 |
JGAの「AIエージェント経理」でも、顧客固有の会計ルールは、人間が承認した内容だけを正本として管理することが前提です。AIが会話の中で提案したルールを、そのまま本番のルールに昇格させることはありません。
転換点 4
MCP接続を利用し、「Excel経由」から脱却する
4つ目の転換点は、MCP接続を利用し始めたことです。
MCP（Model Context Protocol）は、AIと外部のデータやツールをつなぐための共通規格です。たとえるなら、さまざまな周辺機器を同じ形でつなぐUSB-Cのようなものです。AIはチャット欄に貼り付けられた情報だけでなく、許可された範囲で業務システムやストレージの情報を読み、用意された操作を実行できるようになります。
これまでの業務では、システムからCSVを出力し、Excelで加工し、その一部を別の表へ貼り付け、さらに別の担当者が会計ソフトへ入力する、といった流れが多くありました。Excel自体が悪いわけではありません。問題は、Excelがシステム間をつなぐ「人手の中継地点」になっていることです。
- 各システムからCSV出力
- コピー・貼り付け・列加工
- ファイル名と版の管理
- 別システムへ再入力
- 転記漏れ・重複を目視確認
- 許可された元データを直接読む
- 承認済みルールで判定する
- 例外だけを人間へ回す
- 承認後に限定して実行する
- 元データIDと処理結果を記録する
Excelは分析・確認の道具として残ります。減らすのは、転記のためだけに作られる中間ファイルです。
MCPによって変わるのは、スピードだけではありません。AIが同じ元データを参照し、同じルールで処理し、結果とエラーを記録できれば、「誰がどのExcelを使ったか」に依存しない業務へ近づきます。データ取得から判断、成果物の作成までがつながるため、抜け漏れや転記ミスを構造的に減らせます。
接続できることと、自由に操作させることは別です。権限・承認・ログがそろって初めて業務で使えます。
MCPは「つないだら完成」ではない
業務システムにつながるほど、誤操作の影響も大きくなります。JGAでは、AIが会計ソフト等へアクセスする場合、少なくとも次の境界が必要だと考えています。
- 最初は読み取りだけで検証し、書込み権限を与えない
- 定型処理も、承認済みの顧客別ルールに限定する
- 判断不能、ルール不一致、異常値、重複疑いは人間確認へ回す
- 未承認の書込み、別顧客への登録、AIによる仕訳削除を禁止する
- 元データID、処理結果、仕訳ID、エラー、保留理由をログに残す
つまり、MCPの本当の価値は「AIが何でもできること」ではありません。許可したデータと操作だけを、決めた手順で使えることにあります。
転換点 5
Claude in Chromeでブラウザ業務までつなげる
5つ目は、Claude in Chromeを利用し、AIがブラウザ上の仕事を補助できるようになったことです。
多くの業務システムは、専用ソフトではなくブラウザ上で動いています。これまでは、AIに手順を相談できても、実際の画面を確認し、ページを移動し、情報を転記し、入力内容を照合する部分は人間が行っていました。
Claude in Chromeは、Chrome上のウェブページを読み、クリックし、移動することができます。これにより、AIが「画面の外から助言する存在」ではなく、人間と同じ画面を見ながら作業を補助する存在になります。
人間が画面を切り替え、情報をコピーし、AIへ説明し直す手間を減らせます。
例えば、ウェブサイトの修正では、CodeでHTMLやCSSを作り、Chromeで実際の表示を確認し、崩れている箇所を特定してCodeへ戻す、という流れがつながります。ブラウザ上の管理画面では、画面に表示された内容と手元のルールを照合し、入力候補を準備するといった使い方も考えられます。
ブラウザ操作は、便利さと危険性が表裏一体
ブラウザには、メール、クラウドストレージ、銀行、会計、行政手続など、重要な情報と操作が集まっています。AIがクリックや入力を行えることは大きな進化ですが、同時に、誤送信や誤登録のリスクも高まります。
- 利用するサイトと業務を限定する
- 最初は読み取り、比較、入力候補の作成から始める
- 送信、確定、申請、支払、削除の直前で必ず人間が確認する
- 複数顧客の画面や不要なタブを同時に開かない
- ウェブページ上の不審な指示に従わせず、想定外の動作があれば止める
Claude in Chromeでクオリティが上がった最大の理由は、単にクリックを代行できるからではありません。人間がAIへ状況を説明する途中で失われていた、画面上の文脈を共有できるようになったことです。
まとめ：5つは別々の機能ではなく、仕事の進化の順番
今回ご紹介した5つは、便利な機能を並べたものではありません。振り返ってみると、生成AIへ任せる仕事の単位が、少しずつ大きくなっていった順番でした。
手順を設計する
前提を共有する
知識として残す
業務をつなぐ
作業を補助する
右へ進むほどAIが触れる範囲は広がります。その分、権限、承認、ログ、人間の確認が重要になります。
| 転換点 | それまでの使い方 | 変わったこと | クオリティ向上の理由 |
|---|---|---|---|
| ① プロンプト作成 | 人間が思いつくまま質問 | AIと要件を設計 | 前提・制約・完成基準の漏れが減る |
| ② プロジェクト | 毎回ゼロから説明 | テーマ別の仕事場を持つ | 前提と用語が継続し、一貫性が上がる |
| ③ Chat × Code | 会話と成果物が分断 | 判断をルールや資料へ残す | 過去の知見を次の仕事で再利用できる |
| ④ MCP | Excelで転記・中継 | 元データとAIを接続 | 二重入力、版違い、転記ミスを減らせる |
| ⑤ Chrome | 画面を人間が説明 | 同じ画面を見て作業 | ブラウザ上の文脈を共有できる |
最初から5つすべてを導入する必要はありません。まずは、今行っている仕事のプロンプトをAI自身に作らせる。次に、繰り返す仕事をプロジェクトへまとめる。その中で確定した判断を、再利用できる形で残す。ここまでは、今日からでも始められます。
その先に、MCPによるデータ接続や、Claude in Chromeによるブラウザ操作があります。ただし、AIが実データや実際の画面に近づくほど、便利さと同時にリスクも増えます。JGAが目指す「AIエージェント経理」でも、すべてをAIへ丸投げするのではなく、AIに作業を任せ、人間がルール承認、例外処理、重要な変更、結果レビューを担うHuman in the loopを前提としています。
AIが高い品質で働ける「仕事の仕組み」を、人間が設計することです。
生成AIを使っているものの、回答のばらつきが大きい、社内に知識が蓄積されない、実際の業務フローまでつながらないという場合は、AIの性能ではなく、今回の5つのどこで止まっているかを確認してみてください。
JGA税理士法人では、生成AI、MCP、会計ソフト、ストレージ、人間の統制を組み合わせ、証憑・取引データの取得から、会計判断、仕訳登録、例外処理、月次確認、レポート作成までを一体的に設計する「AIエージェント経理」の構築を進めています。業務のどこから始めればよいか分からない場合も、現状の業務フローを整理したうえで段階的に設計します。お悩み事があれば、お気軽にJGA税理士法人までお問い合わせください。