町内会だよりをAIに渡して、「来月の行事と申し込み締め切りをまとめてください」と頼んだとします。返ってきた文章は読みやすいのに、原文と比べると清掃活動の案内だけが見当たりません。これは説明のための架空の場面ですが、資料を使って回答を作ってもらうとき、どこを確かめればよいのかを考える手がかりになります。

一言で答えると、AIには一度に扱える情報量の上限があるからです。その上限を表す言葉が「コンテキストウィンドウ」です。Googleの公式用語集では、モデルが一つのプロンプトで処理できるトークン数として説明されています。ここでいうモデルは回答を生成する仕組み、プロンプトはAIに渡す質問や指示、トークンは文章などの量を数えるための単位です。（出典: Google Developers）



ただし、内容の抜けを見つけたからといって、必ず上限を超えていたとは判断できません。「扱える量に収まっていること」と「必要な内容が回答にすべて反映されていること」は、分けて考える必要があります。上限という言葉は、回答の正確さを保証する言葉ではありません。

読者にとって役立つのは、自分の資料が何文字なら絶対に大丈夫なのかを暗記することより、確認しやすい渡し方を知ることでしょう。この記事では長い資料とコンテキストウィンドウの関係に絞って、架空の町内会だよりを例に考えます。製品ごとの数値や操作方法ではなく、使うサービスが変わっても質問を組み立てる際に役立つ見方を整理していきます。

コンテキストウィンドウは、資料を広げる作業机の広さにたとえるとイメージしやすくなります。机の上に置ける紙の量には限りがあります。机が広ければ、複数の案内を並べて、日付や条件を見比べる余地も増えるでしょう。このたとえで注目したいのは、倉庫に保存できる総量ではなく、その作業で一度に扱える範囲です。

Googleの公式用語集では、コンテキストウィンドウが大きいほど、一貫した回答を作るために使える情報が多くなると説明されています。ただし、これは情報量と回答の関係を説明したもので、長い資料ならどんな質問にも漏れなく答えられるという保証ではありません。（出典: Google Developers）



たとえば、机に町内会だより、行事の別紙、申し込み方法の案内を置く場面を想像してみてください。机が広いことは、別々の紙を照らし合わせるための条件になります。しかし、すべての紙が置けたというだけでは、完成した一覧に締め切りや例外条件が正しく写っているかまでは分かりません。そこは完成物と原文を比べて確かめる必要があります。

このたとえには限界もあります。AIの内部に本物の机や紙があるわけではなく、上限を超えたときの扱いを、紙が机から落ちる動きと同じに考えることはできません。入力の受け付け方や資料の扱い方はサービスによって異なるため、特定の部分が必ず切り捨てられるとは決めつけないでください。「今の回答に使える情報にも範囲がある」と捉えるためのたとえとして使うのが適切です。

「渡した資料はそれほど長くないはずです」と感じたときには、それまでのやり取りにも目を向けてみましょう。Googleの公式用語集では、会話で以前に入力した内容とモデルの回答が、その後の会話の文脈になると説明されています。直前に貼り付けた資料だけを見て、今回のやり取りで関係する情報の量を判断しないことが大切です。（出典: Google Developers）

たとえば、町内会だよりの相談に入る前に、あいさつ文を何度も作り直したり、別の行事の案内を検討したりしていたとします。その後で「先ほどと同じ条件でまとめてください」と頼むと、何を引き継ぐのかが人にも分かりにくい依頼になります。会話の長さに加えて、どの条件を今回も使いたいのかを整理する必要があるでしょう。



ここで、以前の会話が常にすべてそのまま使われると考えるのも避けたいところです。実際にどの範囲をどう扱うかは、利用しているサービスの説明を確認する必要があります。コンテキストウィンドウの一般的な定義だけから、個別サービスの会話管理の方法までは読み取れません。

実用上の提案としては、長い会話の途中で大事な資料を扱うとき、今回必要な目的と条件を短く書き直して添える方法があります。「今回は来月の行事だけを対象にします。日付、場所、申し込みの要否を確認してください」といった書き方です。新しい会話で作業を始める場合も、必要な条件を改めて渡します。これは上限を増やす操作ではなく、今回の作業に必要な情報を明確にするための工夫です。

資料を受け付けてもらえたことと、回答が資料を正確に反映していることは、別々に確かめましょう。コンテキストウィンドウの定義が示しているのは、モデルが処理できる情報量の範囲です。その範囲に収まった資料について、すべての項目が回答に出てくるとまでは説明していません。（出典: Google Developers）

町内会だよりから行事をまとめる架空の例でも、「短く紹介してください」と「申し込みが必要な行事を漏れなく抽出してください」では、確認したい内容が違います。前者では概要が目的ですが、後者では対象となる行事を一つずつ照合しなければなりません。短く読みやすい文章が返ってきても、それだけで依頼の目的を満たしたとは判断できないでしょう。



特に気を付けたいのは、回答に項目がない場合の受け止め方です。「回答に締め切りが書かれていません」と「原文に締め切りの記載がありません」は意味が異なります。回答だけでは、原文に記載がないのか、抽出から抜けたのかを区別できません。締め切りが必要な判断なら、該当する案内を原文で確認する必要があります。

依頼の段階で、確認したい項目を決めておくと照合の基準ができます。たとえば「行事名、開催日、申し込み期限をそれぞれ示してください。記載が見つからない項目は、推測で補わず、その旨を示してください」と頼む方法です。これはプロンプトの提案であり、正確な回答を保証するものではありません。それでも、何を点検すればよいのかを、依頼する側が見失わずに済む書き方になります。

ここからは、資料を区切って質問し、原文と照合する進め方の提案です。架空の町内会だよりに「清掃活動」「防災訓練」「交流会」の案内が載っているとします。いきなり全体の完成した一覧を求めるのではなく、案内ごとに必要な情報を取り出し、確認してからまとめる流れを考えてみましょう。

区切り方は、文字数だけで決めず、意味のまとまりを優先します。清掃活動の日時と、その直後にある「雨天時の扱い」を別々にすると、確認の際に行き来が増えます。見出しから注意事項までを一組として扱い、別紙に条件が書かれている場合は、その関連も分かるように添える方法が考えられます。これは特定サービスの仕様ではなく、資料を整理するための提案です。



作業の順番は、次のようにすると確認箇所が明確になります。

1. 一つの案内と、その案内に関係する注意事項を用意します。
2. 行事名、日時、場所、申し込み期限の抽出を依頼します。
3. 返ってきた各項目を原文と照合します。
4. 確認した結果を集めて、全体の一覧を作ります。

入力文の例は、「以下は架空の町内会だよりの『清掃活動』の案内です。この範囲だけを使い、開催日、集合場所、申し込みの要否、雨天時の扱いを整理してください。各項目には根拠となる原文の短い引用を添えてください」です。引用もAIの回答の一部ですから、実際の原文と一致するかを確かめます。

最後には、一覧の各項目だけでなく、元の資料にある見出しと一覧の行事名も比べてください。一件ずつの内容が正しくても、一つの案内を処理し忘れている可能性は別に残ります。部分の照合と全体の照合を分けることが、この進め方の要点です。

コンテキストウィンドウを知ると、AIに資料を渡す際の問いが変わります。「どれだけ大量に渡せるか」だけでなく、「今回の判断に必要な情報はどれか」「回答のどこを原文で確かめるか」を考えられるようになるでしょう。扱える情報量が多いことは選択肢を広げますが、確認の目的まで代わりに決めてくれるわけではありません。

よくある誤解は、上限の大きさを回答の正しさの順位として受け取ってしまうことです。Googleの用語集が説明しているのは、コンテキストウィンドウが大きいほど回答に使える情報が多くなるという関係です。それだけを根拠に、あるモデルなら自分の資料を必ず漏れなく整理できるとは判断できません。（出典: Google Developers）



自分の作業で考えるなら、町内会だよりの全体像を知りたいのか、申し込み期限を確かめたいのかを先に決めます。全体像が目的なら、どんな案内が含まれているかを整理してもらう依頼が考えられます。申し込みをするためなら、対象の案内に範囲を絞り、期限と手続きの記載を原文で確かめる進め方が向いているでしょう。どちらも架空の利用例ですが、目的によって質問と確認の仕方が変わることが分かります。

明日試す一歩は、身近な案内を一件選び、「知りたいこと」を三つ書き出すことです。その三つだけをAIに整理してもらい、答えを原文と並べて確認してみてください。足りない項目があれば、その箇所に絞って聞き直します。長い資料を一度で渡すことを成功の基準にせず、必要な情報を自分で確かめられる形に整えることから始めてはいかがでしょうか。

- Glossário de machine learning: IA generativa（Google公式の生成AI用語集。「janela de contexto」「chat」の項目）