AIに前提を共有するコツ｜在庫3,700種で学んだ話

こんなAIへの頼み方、していませんか

• 「AIに頼んでも欲しいコードが出てこない」と感じたことはありませんか？
• 「毎回同じ前提説明を繰り返している」と疲れたことはありませんか？
• 「AIの返事が的外れで何度もやり直し」になっていませんか？

自分も同じでした。物流現場で資材在庫を管理するGASを作ったとき、最初にAIへ投げたのは「在庫管理のGAS書いて」の一言でした。返ってきたのは、どこかのチュートリアルで見たような汎用コード。自分の現場では1行も使えませんでした。

結論から言うと、AIが的外れな返事をするのはAIが悪いのではなく、前提の渡し方が足りていないだけです。この記事では、在庫3,700種のGAS開発で失敗しながら身についた「前提共有の5つの型」とコピペで使えるプロンプトテンプレを公開します。

読み終えるころには、毎回の説明が1分で終わり、AIの返事が一気に実務レベルになる感覚がつかめるはずです。

結論：AIへの前提共有は「5つの型」で決まります

結論を先に書きます。AIに頼むときは、やりたいことの前に以下の5つを必ず渡してください。

1. 対象の規模（例：在庫3,700種／1日100件の申請／月1回の棚卸し）
2. 運用者のスキルレベル（エンジニア／非エンジニア／Excelは使える程度など）
3. 既存環境・制約（Google Workspace社内版／承認フローあり／外部API不可など）
4. 変更頻度・更新サイクル（毎日更新／週次／半年に1回の見直しなど）
5. ゴールの温度感（完璧に作り込みたい／まず動けばOK／社内デモ用）

この5つを先に渡すだけで、AIの返事は驚くほど変わります。逆に言えば、この5つがないと、AIは「一般的な正解」を返すしかなく、現場では使えないコードが返ってきます。

なぜこの5つなのか、そしてどう渡せばいいのかを、自分の失敗例と合わせて説明していきます。

なぜ前提を共有できないとAIは当て外れな返事をするのか

AIは万能ではありません。渡された情報の範囲で、最もありそうな答えを返す仕組みです。つまり、こちらが「在庫管理のGAS書いて」としか言わなければ、AIは世の中の平均的な「在庫管理GAS」を返します。

ところが現場には「平均」はありません。自分の物流現場で言えば、

• アイテム数は3,700種で、一般的な中小企業より1桁多い
• 運用者は非エンジニアの現場スタッフで、GASのデバッグはできない
• 更新は毎日80件前後、誰かが必ず触る
• 完璧なシステムよりも「壊れにくい・戻せる」ことを優先

この条件のどれか一つが変わるだけで、必要なコードの設計は変わります。AIにこれを伝えなければ、「平均的な在庫管理GAS」が返ってきて当然です。

前提共有とは、AIに「あなたの現場の地図」を渡す作業です。地図がなければ、AIはどこに向かって走ればいいかわかりません。

正直に言うと、AIが全然違うコードを返してきた、というほど極端な失敗はありませんでした。10往復しても噛み合わない、というような事故もなかったです。ただ、返ってきたコードがいつも「自分の現場では使えない」ものだった——それがずっと違和感として残っていました。

自分なりに工夫したのは、最初のプロンプト設計をチャット型のAIで壁打ちしてから、コードを書くAIに渡すという流れです。現場の地図（前提）をチャット型AIと一緒に作り込んでから渡すことで、返ってくるコードの精度を少しずつ上げてきた、というのが実感です。

在庫3,700種の現場で学んだ前提共有テンプレ

自分がGASを書き始めたとき、最初の2週間はAIとの往復にほとんどの時間を使っていました。返ってきたコードを試す→動かない→「うちの環境ではこうで」と説明し直す、の繰り返しです。

あるとき気づいたのは、自分が毎回同じ前提を別の言い方で説明していることでした。ならば最初にまとめて渡せばいいのでは、と思って作ったのが前述の5つの型です。

例えば、3,700種の資材をQRコードで管理するGASを依頼したときは、こう書きました。

• 対象：資材3,700種。QRコードは印刷済みで、1枚に品番と保管場所が埋め込まれている
• 私のスキル：非エンジニア。GASは触ったことがない。Web系のHTML・CSS・JavaScriptが写経レベル
• 環境：Google Workspace（社内版）。承認ワークフローあり。外部APIは禁止
• 更新頻度：毎日80件前後、複数人が同時に触る
• ゴール：初心者・非エンジニアが触れるシンプルな仕組みにしたい。まず動けばOK

これを渡したあとは、一発で完成したわけではありません。既存の現場シートをまずAIに読み込ませて、そこから「GASを組み込む用のスプレッドシートにバージョンアップしていく」形で、少しずつ現場で使える形に近づけていきました。前提を共有したからといって、最初から完成品が降ってくるわけではない——ただ、やり直しの方向性が一気に定まるのが、前提共有の本当のメリットだと感じています。

ポイントは、AIが「省略してはいけない条件」だけを渡すことです。逆に、たとえば社内の組織図や、社員の年齢構成まで渡す必要はありません。書きすぎるとAIがどこを重要視すべきかわからなくなります。

関連して、QRコード連携そのものの話は記事2（QR在庫GAS）、在庫管理本体の設計思想は記事5（在庫管理）で詳しく書いています。

コピペで使える前提共有プロンプト公開

自分がいまも使っているテンプレをそのまま公開します。チャット欄の一番上にこのブロックを貼り付けて、【やりたいこと】の部分だけ書き換えて使ってください。

以下の前提でコードを書いてください。

【対象】[数量・品目]
【私のスキル】[エンジニア/非エンジニア]
【環境】[ツール名・バージョン]
【更新頻度】[毎日/週次等]
【ゴール】[完璧/動けばOK・理由]

【やりたいこと】
...

使うときのコツは3つあります。

1. 数字で書けるところは必ず数字にする（「多い」ではなく「3,700種」）
2. スキルは正直に書く（見栄を張ると、返ってきたコードが理解できずに詰みます）
3. ゴールの温度感は必ず書く（「完璧」と「動けばOK」ではAIの設計が全く違います）

特に3つ目は非エンジニアこそ書いてほしい項目です。「動けばOK」と伝えると、AIは複雑な例外処理を省いてくれます。読めるコードが返ってくるので、改造もしやすくなります。

動詞を1つに絞るコツは記事8（AI最速プロンプト）、走り書きをAIにリライトしてもらう型は記事11（走り書きをAIにリライト）で紹介しています。前提共有とセットで使うと精度がさらに上がります。

大前提として、自分はAIとのやり取りは1回で完成するものではないと思っています。何回もやり直して修正をかけながら、少しずつ理想の形に近づけていく作業です。非エンジニアの現場で作るものでは、1発で返ってくることはまずありません。

だからこそ大事なのは、自分のやりたい形を言語化すること。完璧な文章でなくていいのですが、イメージを自分の中ではっきり持ってから言葉にすると、AIの返事も安定します。根気よく——というほど力まなくていいのですが、1つずつ改善を重ねていくのが現実的な進め方だと思います。

前提を共有できなかった失敗例と、共有したら変わった瞬間

正直に失敗も書いておきます。

失敗例：前提なしで投げた最初の1週間

「在庫管理のGAS書いて」とだけ頼んで返ってきたのは、新規スプレッドシートに在庫名と数量を書き込むだけの30行程度のコードでした。自分の現場にはすでに稼働中のシートがあり、この新規コードはそのままでは使えませんでした。「うちのシートはこうで」と説明し直しても、返ってくるコードはいつも一般論の域を出ず、現場に着地しませんでした。

変わった瞬間：5つの型を渡した直後

同じ依頼を、前提5つを先頭に付けて投げ直したところ、1往復目で「既存シートの構造を教えてください。それに合わせて追記形式で書きます」と返ってきました。AIが「渡されていない情報」を自分から聞き返してきたのは、このときが初めてでした。

つまり、前提を渡すとAIが「足りない情報」を自覚するようになります。これが実務で使えるコードへの最短ルートでした。

注意点：前提の渡しすぎも逆効果

もちろん万能ではありません。あるとき、社内ルールや担当者の事情まで書き込みすぎて、AIが「ご指定の条件では実装できません」と返してきたことがありました。条件を厳しくしすぎると、AIは動けなくなります。

ここは試行錯誤のポイントで、最初は5つの型だけ、そこから必要に応じて1項目ずつ足していくのが現実的です。

条件を書きすぎてAIが止まってしまった経験は、実は何度かあります。「なぜ動かないんだろう」とこちらも一瞬ひるむのですが、原因は情報過多でした。特に在庫3,700種のようなデータをそのまま読ませようとすると、AIが処理しきれずに重くなってしまうんです。

そこで自分がとった対応は、読み込ませるファイルを分割すること。一度に全部渡そうとせず、少しずつ読んでもらうと、ちゃんと動いてくれました。前提共有は「量より渡し方」だと学んだ瞬間でした。

まとめ：前提共有は1分で仕込める

長く書きましたが、やることはシンプルです。

• AIに頼む前に、対象規模・スキル・環境・更新頻度・ゴールの5つを書く
• 数字で書けるところは必ず数字にする
• 最初は5つだけ、足りなければ1項目ずつ足す

チャット欄の一番上にテンプレを貼り付けるだけなので、仕込みは1分で終わります。この1分で、その後の30分の往復がなくなります。

AIは万能ではありません。ただ、地図を渡せば現場まで一緒に走ってくれます。非エンジニアの自分でも、3,700種の在庫を動かすGASが書けたのは、この前提共有の型に気づいたあとでした。

明日の依頼から、ぜひ5つの型を試してみてください。

関連記事

• QRコードとGASで在庫管理を自動化した話（記事2）
• 在庫3,700種の管理をGoogleスプレッドシートで回す仕組み（記事5）
• AIに最速で伝えるプロンプトのコツ｜動詞を1つに絞る（記事8）
• 走り書きをAIにリライトしてもらう型（記事11）