01運営者は引き継ぎの文面を自分で書かず、前の AI に書かせた

2026 年 3 月、運営者はある作業を、それまで相談していたのとは別の実行環境で動く AI に任せることにした。

そのとき運営者は、作業の中身を自分で書き起こさなかった。相談相手の AI に、向こうの AI が作業するのに要る事項を 1 通のメモにまとめて出すよう頼んだ。

返ってきたメモを、運営者は受け手の AI に貼り付けた。添えたのは、この内容で作業を進めてほしいという短い一文だけである。作業はそのメモで引き継がれた。

ここで考えたいことは二つある。受け手の AI には何が渡らなければならないのか。そして、それを書くのはなぜ人ではなく前の AI なのか。

02受け手の AI に渡るのは、メモに書かれたことだけである

別の実行環境の AI は、前の会話を読んでいない。相談の中で何が決まり、何を試してやめたのかを、受け手は知らない。

Anthropic は長時間動くエージェントについての 2025 年の技術記事で、新しいセッションは前に何があったかの記憶を持たずに始まる、と書いている。同じ記事は、進み具合を書いたファイルと変更の履歴を残し、次のセッションが最初にそれを読む作り方を示している。

つまり引き継ぎメモは、受け手にとって作業の前提のすべてになる。メモに無いことは、受け手の側では存在しないのと同じである。

見るところ会話をそのまま貼る人が自分で書く前の AI に書かせる
受け手が読む量多い少ない少ない
決まったことの拾い漏れ無いが、埋もれる起きやすい(記憶に頼る)起きにくい(会話全体から拾う)
やめた案の混入多い少ない少ないが、人が読んで確かめる
人の手間小さい大きい読む数分
図 1 作業が別の AI に移るまで
前の AI と相談決定もやめた案も会話の中前の AI がメモを書く四つの見出しで人が読む受け手が言い返す目的と最初の作業受け手が作業する前の AI と相談決定もやめた案も会話の中前の AI がメモを書く四つの見出しで人が読む受け手が言い返す目的と最初の作業受け手が作業する
受け手は前の会話を読まない。メモと、人が確かめた内容だけを持って作業を始める。

03抜けた前提は、受け手の AI が推測で埋めてしまう

受け手の AI は、情報が足りなくても多くの場合止まらない。手元の情報から、もっともらしい前提を補って作業を進める。

補った前提が前の会話の決定と違えば、作業が最後まで進んでから、外れていたと分かる。直すには、どこで食い違ったかを突き止めるところからやり直すことになる。

Anthropic の Claude Code の使い方の指針は、まず仕様を SPEC.md のようなファイルに書かせ、その後で新しいセッションを始めて作らせる進め方を勧めている。理由として、作業がきれいな文脈と、書かれた完了の定義から始まることを挙げている。

医療でも、担当の交代で起きる情報の抜けは患者の安全の問題として扱われてきた。米国の医療研究・品質庁の患者安全の解説は、引き継ぎを、患者の状態を次の担当者に伝えて診療の責任を移す過程と定義している。

引き継ぎで移るのは情報だけではない。作業の責任も移る。だから、渡す側が何を渡したかを文書にして残すことに意味がある。

04引き継ぎメモとは、前の会話を見ずに始めて終われるだけの文書である

この回でいう引き継ぎメモを定めておく。受け手が前の会話を一度も読まずに作業を始め、終わったかどうかを自分で判定できるだけの事項を書いた文書である。

1

目的と完了の条件

何のためで、どうなれば終わりか

受け手が自分で終わりを判定できる形で書く。数や合格の基準があれば入れる。

2

決まったこと

選んだやり方と、その理由

やめた案も一行で添える。受け手が同じ案を試し直さずに済む。

3

残りの作業と順番

次に何を終わらせるか

細かい手順ではなく、終わらせる単位と、その順番を書く。

4

範囲と止まる点

触ってはいけないもの

変えてはいけないファイルや設定と、人に確かめてから進む場面。

境界も引いておく。引き継ぎメモは会話の要約ではない。話した順に並べると、途中で捨てた案と最後の決定が同じ重さで並んでしまう。メモは、最後の時点で何が決まっているかで書く。

一文で頼める作業に、メモは要らない。言い直せば済む依頼に文書を挟むと、手間が増えるだけである。メモが効くのは、前の会話で決めたことが多く、それを知らないと受け手が別のやり方を選びうる作業である。

05資材審査では、担当の交代と道具の乗り換えで効く

製薬企業の資材審査でも、作業が途中で別の担当や別の道具に移る場面は多い。どの場面でも、書かせる事項と、人が残す判断を分けておく。

場面前の側の AI に書かせる事項人が必ず残す判断
休暇や異動で審査の担当が替わる指摘済みの箇所と根拠、作成部署との合意事項、残りの確認箇所合意と書かれたものが本当に合意か
相談に使った AI から、社内で承認された環境の AI へ移す確かめる観点、使う資料の版、入れてはいけない情報その情報を社内規程上入れてよいか
1 回目の確認から 2 回目の確認へ進む前回の指摘と修正の対応、まだ閉じていない指摘指摘を閉じてよいか

前の側の AI は、相談の経緯をすべて手元に持っている。指摘の根拠や作成部署とのやり取りを会話の中から拾って並べる作業は、人より AI のほうが速い。

一方で、メモの「合意済み」が本当に合意なのかは人が判断する。審査の記録として残るのはメモの内容である。書かれた決定に人が責任を持てるかを、読んで確かめてから渡す。

06前の AI は決定を漏れなく拾うが、当たり前の前提を書き落とす

前の AI にメモを書かせるとうまくいくのは、その AI が会話の全体を手元に持っているからである。人が記憶をたどるより、会話の中の決定事項を漏れなく並べやすい。

Anthropic の 2025 年の文脈設計の記事は、長い会話を要約して次の文脈に渡すとき、設計上の決定、未解決の不具合、実装の細部を残し、繰り返しの出力を捨てると説明している。同じ記事は、削りすぎると、小さいが重要な文脈が失われることがあるとも注意している。

弱点は二つある。一つは、書き手の AI が、自分にとって当たり前の前提を書かないことである。会話の中で何度も出た前提ほど、言うまでもないものとして落ちやすい。

もう一つは、決まっていないことを決まったように書くことである。話の途中で出ただけの案が、メモの上では決定として並ぶことがある。

だから、メモは書かせて終わりではない。受け手は前の会話を見ていない、と書き手の AI に明示して書かせ、出てきたメモを人が読んでから渡す。

図 2 前の AI に書かせたメモの強みと弱み
前の AI が会話全体から書く決定を漏れなく拾う人の記憶より確か当たり前の前提が落ちる何度も出た前提ほど途中の案が決定に見える人が読んで足し、削る前の AI が会話全体から書く決定を漏れなく拾う人の記憶より確か当たり前の前提が落ちる何度も出た前提ほど途中の案が決定に見える人が読んで足し、削る
書き手の AI の強みは拾い漏れの少なさ、弱みは前提の書き落としと決定の取り違え。弱みは人が読む段階で直す。

07明日からは、受け手を明示して書かせ、読んでから渡し、言い返させる

手順は五つある。

  1. 受け手を明示して書かせる。別の環境の AI がこの会話を読まずに作業する、と伝え、そのために要る事項をまとめさせる。
  2. 四つの見出しで書かせる。目的と完了の条件、決まったこと、残りの作業と順番、範囲と止まる点。まだ決まっていない事項には印を付けさせる。
  3. 人が読む。決定として書かれた行が本当に決まったことかを確かめ、当たり前すぎて落ちた前提を書き足す。
  4. 受け手に言い返させる。メモを貼った後、すぐ作業させず、理解した目的と最初にする作業を先に答えさせる。医療の引き継ぎの型 I-PASS も、最後の段階に受け手による要約と確認を置いている。
  5. 終わりに同じ形で書かせる。受け手の AI にも、作業の終わりに同じ四つの見出しで進み具合を書かせる。次の引き継ぎは、そのメモから始められる。

1 回分の手間は、メモを読む数分と、言い返しを確かめる数分である。外れた作業の原因を後から探す時間と比べれば小さい。

図 3 引き継ぎを繰り返すときの流れ
受け手を明示して書かせる人が読む受け手が言い返す作業する同じ形で進み具合を書かせる受け手を明示して書かせる人が読む受け手が言い返す作業する同じ形で進み具合を書かせる
受け手が終わりに書くメモが、次の引き継ぎの出発点になる。
Key Points ── 持ち帰る 3 つ
  1. 別の実行環境の AI は前の会話を読んでいない。受け手に渡るのはメモに書かれたことだけで、抜けた前提は推測で埋められる。
  2. 引き継ぎメモは、会話の全体を持つ前の AI に書かせる。目的と完了の条件、決まったこと、残りの作業と順番、範囲と止まる点の四つで書かせる。
  3. 書き手の AI は当たり前の前提を落とし、途中の案を決定に見せることがある。人が読んでから渡し、受け手には作業の前に理解した内容を言い返させる。
結語

作業を別の AI に移すとき、使う人が書くべきなのは引き継ぎメモそのものではない。誰が受け取り、その受け手が何を知らないかである。それを伝えれば、会話の全体を持つ AI が決定事項と残りの作業を書き出す。使う人は、その中の決定が本当に決まったことかを読んで確かめ、責任を持って渡す。

出典·参考文献
  1. Anthropic. Effective harnesses for long-running agents. Anthropic Engineering, 2025. https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents
  2. Anthropic. Effective context engineering for AI agents. Anthropic Engineering, 2025. https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
  3. Anthropic. Best practices for Claude Code. Claude Code Docs. https://code.claude.com/docs/en/best-practices
  4. Agency for Healthcare Research and Quality. Handoffs and Signouts. Patient Safety Network (PSNet) Primer. https://psnet.ahrq.gov/primer/handoffs-and-signouts
この回の材料 運営者(2023 年 3 月から生成 AI を使用)が 2026 年 2 月以降に Claude と交わした依頼と判断の記録を匿名化し、個別の事情を外して「型」として一般化しました。発言の引用はしていません。出典に挙げたのは、型の背景を確かめるための公開資料です。