AIに「分からない」と言わせるプロンプト

議事録からアクションアイテム（担当者・期限つきのタスク）を自動抽出する際、「誰が・何を・いつまでに」を正確に取り出すにはプロンプト設計が重要。定義の明確化、除外条件の先行記述、人名幻覚の防止、構造化出力＋根拠引用で、実装時の典型的な3つの落とし穴を解決した実例を共有。

ClaudeとChatGPTに天気データ抽出機能の設計を依頼したところ、データ構造（dataclass vs dict）とファイル構成が異なる成果物が生成された。原因は依頼文の「将来の用途」と「シンプルに」という相反する要件の優先度が明示されておらず、Claude は将来の拡張性を、ChatGPT は現在の最小性を重視したため。AI同士のレビューでは設計方針の相違は埋まらず、要件の優先度を明確に記述することの重要性を示唆している。

値引き後に同じ利益を維持するために必要な販売数を Python で計算する方法を紹介。限界利益の概念を使い、単価引き下げに対して必要なボリュームを定量化し、根拠のない値引き判断を避ける。Claude に相談する際に「必要数」と「実現可能性」を分けて提示することで、相談の質を高める。

CCA-F 試験対策として、Claude を活用して自作問題集を作成する方法を紹介。公式リソース（exam guide、Claude Academy）の活用、HTML ベースの対話的問題集の実装例、著作権に配慮した私的利用の重要性、および高性能モデル（Opus など）による問題クオリティ確保のポイントを解説。