ClaudeとChatGPTを連携させる 第3回(最終回): リレーで質を上げる実践と、任せすぎない線引き

目次 / INDEX

連載もこれで最終回。ここまでで2つのAIの得意分野の違いと、役割を分けて組む体制の話をしてきた。最終回の今日は、その体制を回すときの実践編だ。片方の出力をもう片方に渡す「リレー」で質を上げるやり方と、答えが割れたときどうするか、そしていつ分けて、いつ1つで済ませばいいのかという判断の話をする。仕組みを作るより、こっちの方が日々効いてくる。今回も前提は同じで、実際に手を動かすのはAIの側だから、難しそうに見えても身構えなくて大丈夫だ。

結論 最終回は実践。片方の出力をもう片方へ渡すリレーで質を上げ、答えが割れたら自分で裁く。いつ分けていつ1つで済ますかの線引きと、委譲しすぎない話。

リレーの基本形: 片方の出力をもう片方へ渡す

僕が一番よくやるのは、Claudeで作ったたたき台をChatGPTに渡すリレーだ。レポートの構成でも企画のメモでもコードの設計でもいい。Claudeに一度書かせたものを、そのままChatGPTに貼って「この構成で別案を出して」「この文章を添削して、弱いところを指摘して」と頼む。逆方向もやる。ChatGPTで出したアイデアの山をClaudeに渡して「この中から筋のいいものを選んで、理由も付けて」と整理させる。

なんでこれが効くのかというと、書いた本人に自分の出力を採点させると甘くなるからだ。同じAIに「これどう思う?」と聞くと、だいたい自分の書いたものを褒めて軽微な修正で済ませてくる。別のモデルに見せると、前提から突っ込んでくる。人間でも自分の文章の粗は自分じゃ見えないのと同じで、目を変えること自体に価値がある。

流れを具体的に書くとこうなる。まずClaudeに構成のたたき台を出させる。それをChatGPTに貼って別案と指摘をもらう。戻ってきた指摘のうち、納得できるものだけ拾ってClaudeに戻し、「この指摘を反映して構成を組み直して」と統合させる。1往復で終わることもあれば、2〜3往復することもある。往復のたびに、最初のたたき台では気づかなかった穴が埋まっていくのがわかる。

渡すときのコツが1つあって、成果物だけじゃなく前提も一緒に渡すこと。「大学のレポートで、字数は2000字、この構成のどこか冗長な気がしてる」みたいに、何のための文章で、自分がどこに納得してないかを添える。これを省くと、的外れな方向に「改善」されて戻ってくる。実際、成果物だけ貼って「添削して」とやると、直してほしくなかった持ち味の部分まで平坦に均されて返ってきたりする。リレーはバトンだけ渡してもダメで、走る向きも伝えないといけない。

往復とか統合とか書くと手間がかかりそうに見えるけど、実際に文章を直したり組み替えたりする作業はAIの側がやる。僕がやるのは、どの指摘を拾うか選んで、次の指示を出すことだけ。作業量でいえば拍子抜けするくらい軽い。

答えが割れたら、自分で裁く

セカンドオピニオンの発展形として、最初から同じ問題を両方に投げる手もある。数学の問題、事実確認、計算。自分で正誤を判定しにくいものほどこれをやる。

一致したらそのまま進む。問題は割れたときで、ここが一番大事なところだ。割れたら多数決やなんとなくの信頼で決めずに、自分で検算して裁く。特に事実確認と計算は、片方が堂々と間違えることがある。口調は自信満々で、途中の説明も筋が通ってるように見えて、答えだけ違う。計算問題で両方に解かせたら途中までまったく同じ道筋なのに最後の値だけ食い違ってて、手で追い直したら片方の符号ミスだった、みたいなことが実際に起きる。両方に投げていなければそのまま信じていたはずで、割れてくれたおかげで検算する気になれた、という順番だ。

ここで「どっちのAIを信じるか」を決めたくなるんだけど、それは罠だと思う。この場面ではこっちが強い、みたいな傾向はあっても、個別の答えの正誤までは保証してくれない。信じる先をAIからAIに乗り換えるだけなら、1つで使ってた頃と構造は同じだ。

つまり2つ使う意味は「正解率が上がる」ことより「間違いに気づく網が増える」ことにある。AIの答えは検算前提、というのは僕が勉強で徹底してる姿勢そのままで、別連載の『Obsidianを第二の脳にする』でも書いた通り、最終的に裁くのは自分。ここはAIが何台あっても変わらない。

いつ分けて、いつ1つで済ますか

じゃあ全部リレーすればいいかというと、そうでもない。切り替えには手間がかかる。貼り直して、前提を説明し直して、返ってきたものを突き合わせる。この往復のコストと、質と速度の得を天秤にかける。

僕の基準はこうだ。

• 小さい単発タスクは1つで済ます。要約1本、メール1通、ちょっとした関数1個。どっちに投げても大差ないし、リレーする往復の方が高くつく。手元で開いてる方に投げて終わり。
• 設計と実装が絡む中〜大のタスクはリレーする。開発なら監督と実装の二人体制、文章なら構成と別案出しの往復。工程が2つ以上に割れるタスクは、工程ごとに得意な方へ流すと質が目に見えて変わる。数日かかる規模の開発だと、リレーの往復コストなんて誤差になるくらい効く！
• 間違えたら痛いものは両方に投げる。提出前の計算、人に見せる前の事実確認。ここはコストを払ってでも網を増やす。

逆に言うと、判断に迷ったら「このタスク、工程に割れるか?」「間違いに自分で気づけるか?」の2つだけ考えればいい。両方Noなら1つで十分。どっちかがYesならリレーを検討する。毎回律儀にリレーしてた時期もあったんだけど、小さいタスクまで分けると単純に疲れて、続かなかった。良い運用でも、続かない運用は無いのと同じだ。道具の使い分けは、続けられる範囲でやるのが正解だと思う。

委譲しすぎない

もう1つ、リレーを回すうちに身にしみた勘所がある。任せすぎないことだ。

実装はSolに出せる。文章の別案はChatGPTが出してくれる。でも、設計と最終判断だけは自分側、つまり監督のClaudeと僕が握る。ここを含めて丸投げすると、動くけど意図とずれたものが返ってくる。コードなら仕様を満たしてるのにどこか使いにくいもの、文章なら整ってるのに自分の言いたいことじゃないもの。しかも厄介なことに、一見ちゃんとしてるから受け入れそうになる。エラーも出ないし、文章も破綻してない。でも使ってみると「そうじゃないんだよな」となって、結局あとから直す羽目になる。最初に設計を握っておくより、この手戻りの方がよっぽど高くつく。

理由は単純で、何が大事かは自分しか知らないからだ。仕様のどこが譲れない線で、どこは適当でいいか。これを言語化して渡すのが監督の仕事で、ここをサボると、返ってきた成果物の検収もできなくなる。基準を渡してないんだから、合ってるかどうか判定しようがない。委譲していいのは作業で、判断は委譲しちゃいけない。連載を通して一番伝えたいのは、たぶんこれだ。

逆に言えば、握るのはそこだけでいい。実装も別案出しも、作業そのものはAIが全部やってくれる。「自分にできるかな」と構えるより、「判断以外はAIに頼めばいいんだ」と考えた方が、この体制の実像に近い。

学生向けに一般化すると

開発をやらない人向けに、この型を課題やレポートに置き換えるとこうなる。

構成はClaude、素材はChatGPT、コードはSol、最後の判断は自分。

流れで書くと、まずレポートの構成と論の運びをClaudeと固める。図解のたたき台やアイデア出し、口頭発表の練習相手はChatGPTにやらせる。データ処理や課題のコードが要るならSolに書かせる。で、出てきたものを全部並べて、採用するかどうか、どう直すかは自分で決める。開発の監督と実装の関係が、そのまま「自分と道具たち」の関係に置き換わってるだけで、型としては同じものだ。役割分担の中身は人によって変わっていいけど、最後の枠だけは誰がやっても「自分」だ。

授業の課題は結局自分の名前で出すものだから、ここを外すと質の前に意味がなくなる。逆にここさえ握っていれば、AIを何台使おうが、それは道具を増やしただけの話になる。

最後に

3回かけて連携の話をしてきたけど、正直に言うと、これは僕が開発も勉強も毎日AIと回してるから元が取れてるやり方で、全員がここまで作り込む必要はないと思う。リレーも二人体制も、必要になったときに組めばいい。

まずは2つを場面で使い分けるところから。長い文書はClaude、画像と音声はChatGPT。それだけで十分に違いは体感できるし、リレーしたくなる場面が来たら、そのとき第3回を思い出してもらえれば十分だ。

最後にもう一度だけ。体制さえ組めば、実際の作業はAIが丸ごと引き受けてくれる。僕らが覚えるべきは細かい設定じゃなくて、役割の分け方と指示の出し方という基本の型だ。それさえ持って帰ってもらえたら、この連載はもう役目を果たしてる。