ChatGPTのプロンプトだけ引き継いでも再現できない｜現役SEが残す「入力・判断・修正」7項目

プロンプトは保存した。

ChatGPTの履歴も残っている。

前回の出力もある。

それなのに、翌月は同じ結果にならない。

生成AIを仕事で使うと、この問題がかなり早い段階で出てきます。

2026年6月に、業務で生成AIを利用する会社員360名を対象に行われた調査では、39.7％が「生成AIを使った業務を、後から説明・再現しづらいと感じることがある」と回答しています。

勤務先へ利用内容をすべて申請・共有している人は18.9％でした。

調査対象は生成AI利用者360名なので、日本企業全体の割合ではありません。

ただ、ChatGPTやClaudeを使った本人の中でも、再現や共有に困っている人がいることは分かります。

従来の属人化は、「その人にしかできない」でした。

生成AIを使った仕事では、「使った本人も、最終的に何をしたか説明できない」が起きます。

ちょっと悪化してます。

プロンプトは手順の一部

ChatGPTへ入れた文章を保存すれば、同じ仕事を再現できる。

そう思いやすいです。

でも、プロンプトは手順の一部でしかありません。

実際の作業では、

・どのファイルを渡したか

・途中で何を追加したか

・どの回答を採用したか

・何を人が直したか

・どの条件で完成としたか

ここまで含めて結果が決まります。

チャット履歴が50往復残っていても、どの指示が最終版なのか分からなければ、手順書としては使いづらいです。

（履歴の保存と、手順の整理は別物です）

私はChatGPTで記事やSNS投稿を作るときも、人物設定、禁止表現、出力条件、承認条件を分けています。

一つの長いプロンプトへ全部押し込むと、あとから何が効いたのか分からなくなるからです。

最初に残す作業の目的

一つ目は、作業の目的です。

「資料を要約する」だけでは足りません。

・誰が読むのか

・何を判断するための資料か

・どの長さにするか

・何を省略してはいけないか

・完成を誰が決めるか

ここまで残します。

同じ会議録でも、参加者向けの要約と、経営層へ送る報告では必要な情報が違います。

同じCSV分析でも、異常値を探すのか、売上傾向を見るのかで出力が変わります。

ChatGPTがうまく回答できないというより、人間側の完成条件が決まっていないことがあるんですよね。

入力データの版と範囲

二つ目は、入力データです。

ファイル名だけではなく、版と対象範囲を残します。

・ファイル名

・作成日時

・対象期間

・件数

・除外したデータ

・機密情報を加工した内容

「売上.csvを使った」だけでは、翌月に同じファイル名で上書きされたら再現できません。

社内資料も、更新前と更新後で内容が違います。

ChatGPTへアップロードしたファイルを後から探せない場合もあります。

最低限、どのデータを使ったか識別できる名前へ変えます。

日付や版番号を付けるだけでも違います。

確定した指示だけの保存

三つ目は、確定した指示です。

試行錯誤したチャット履歴をそのまま手順にしません。

最終的に必要だった指示だけを別に残します。

たとえば、

・役割

・目的

・入力

・出力形式

・禁止事項

・確認条件

この順番で整理します。

途中で「もう少し短く」「さっきの条件を戻して」「表ではなく文章で」と修正している場合、その履歴を全部読まないと再現できません。

最終プロンプトを一つ保存し、変更理由を短く残します。

長い履歴を毎回読み返す運用。

クッッッソつらいです。

それは手順書ではなく、発掘現場です。

使用したツールとモデル

四つ目は、使用したツールとモデルです。

ChatGPT、Claude、Gemini、Cursor、Claude Codeは、同じ指示でも得意な処理や出力が違います。

同じサービスでも、モデルや機能が変われば結果が変わる可能性があります。

だから、

・使用したサービス

・モデル名

・利用した機能

・実行した日

・外部連携の有無

を残します。

モデル名を残せば完全に再現できるわけではありません。

ただ、「前回は何を使ったか分からない」状態よりは調査できます。

業務で大事なのは、一字一句同じ回答を出すことではありません。

同じ判断基準で、必要な品質へ戻せることです。

人が判断した場所

五つ目は、人の判断です。

生成AIの出力を、そのまま完成品にする仕事ばかりではありません。

・どの案を採用したか

・事実確認した場所

・削除した内容

・表現を弱めた場所

・社外へ出す前に承認した人

・コードを変更してはいけない場所

ここを残します。

ChatGPTが10案出して、人が3案目を選んだなら、選んだ理由が業務ノウハウです。

Claude Codeが複数の修正方法を出して、人が影響範囲の小さい方法を選んだなら、その判断が次回の基準になります。

生成AIへ任せた部分だけでなく、人が止めた部分を記録するんです。

採用しなかった出力と理由

六つ目は、採用しなかった出力です。

全部を保存する必要はありません。

ただし、重要な失敗は残した方がいいです。

・事実と違う

・数字の根拠がない

・社内ルールに合わない

・文章はきれいだが判断に使えない

・コードは動くが既存機能を壊す

・個人情報を含む可能性がある

この理由が分かると、次回のプロンプトや確認条件へ反映できます。

失敗を消して成功例だけ残すと、次の担当者が同じ地雷を踏みます。

私も最終結果だけを残して、あとから「なぜこの表現を消したんだっけ」と迷ったことがあります。

自分で直したのに、自分で理由が分からない。

はい。

終わってます。

最終成果物と人の修正

七つ目は、最終成果物です。

ChatGPTが出した原文ではありません。

人が確認し、修正し、実際に使った版です。

さらに、生成結果から何を変えたか残します。

・数字を修正

・根拠URLを追加

・社内用語へ変更

・個人情報を削除

・文章を短縮

・確認者の指摘を反映

・コードのテスト結果を追加

この差分が分かると、生成AIへ任せられる範囲と、人が見るべき範囲が見えてきます。

毎回同じ修正をしているなら、次回から指示や自動処理へ組み込めます。

反対に、毎回判断が変わる場所は、人へ残した方が安全です。

七項目を一枚へまとめる

実際には、次の形で一枚へまとめれば十分です。

1．作業の目的と完成条件

2．入力データの版と対象範囲

3．確定したプロンプト

4．使用したツールとモデル

5．人が判断した場所

6．採用しなかった出力と理由

7．最終成果物と人の修正

これを毎回すべて手入力する必要はありません。

実行日時、ファイル名、件数、モデル、エラーなどは自動でログへ残せます。

人は、目的、判断、修正理由だけを書く。

機械で取れる記録と、人しか残せない判断を分けます。

あなたは今ここまで読んでいますよね？

「チャット履歴はあるけど、他の人へ渡せない」と感じているなら、履歴を整理するより、次回からこの七項目を残す方が早いです。

再現できない仕事を仕組みにする

ChatGPTやClaudeを使った業務は、プロンプト作成だけで終わりません。

入力データ、実行履歴、人の判断、最終成果物までつながって、ようやく社内業務になります。

文章作成、問い合わせ分類、日報要約、CSVチェック、仕様書作成、コードレビュー。

どの業務でも、毎回同じ場所を確認できる形へすると引き継ぎやすくなります。

全部を自動化する必要はありません。

ChatGPTに任せる部分。

GASやPythonで固定ルールとして処理する部分。

人が承認する部分。

この3つを分けます。

【関連記事】

Claude CodeやCursorで途中まで作ったツールを、別の人へ引き継ぐときの資料はこちらです。

Claude Code・Cursorで途中まで作ったツールを引き継ぐ方法｜修正依頼で最初に渡してほしいもの

【サービス案内】

ChatGPTを社内業務へ組み込みたい、毎回の転記・分類・文章作成を仕組みにしたい場合はこちらです。

プロンプトだけでなく、入力、ログ、人の確認、失敗時の戻し方まで含めて整理します。

プロフィール・実績

https://coconala.com/users/5379632