コンテキストウィンドウ

長い打合せ記録をAIに要約させたら途中の議題が抜け落ちた。何往復もやり取りしているうちに、最初に伝えた工期の条件を無視した回答が返ってきた。分厚い特記仕様書を貼り付けたら「長すぎます」と断られた。こうしたつまずきの多くは、AIの賢さではなく「一度にどれだけ見渡せるか」という枠の問題です。この枠をコンテキストウィンドウと呼びます。この記事では、コンテキストウィンドウとは何か、どれくらいの分量が入るのか、なぜ枠に余裕があっても取りこぼしが起きるのかを公式資料をもとに整理し、建設会社の実務でどう付き合えばよいかまで見ていきます。

コンテキストウィンドウとは

コンテキストウィンドウとは、AIが回答を作るときに参照できる情報の最大量のことです。Anthropicの技術資料では、コンテキストウィンドウは「言語モデルが回答を生成するときに参照できるすべてのテキスト（生成される回答自体を含む）」を指し、学習に使われた膨大なデータとは別物で、モデルにとっての作業記憶にあたると説明されています。

現場に置き換えるなら、事務所のホワイトボードに近いものです。図面の要点も、施主からの要望も、昨日の申し送りも、書ける面積は決まっている。書ききれなくなれば古いものから消していくしかない。AIも同じで、枠の外に出た情報は、もう見えていません。覚えているように振る舞っていても、実際には参照できていない、ということが起こります。

量を数える単位は文字数ではなくトークンです。日本語ではおおむね1文字が1トークン前後にあたるため、「20万トークンのモデル」と聞いたら、日本語で20万字ぶん近くが目安、とざっくり捉えておくと実務では困りません。

どれくらいの量が入るのか

この枠は、ここ数年で桁違いに広がりました。ビジネス+ITの2024年6月の解説記事では、その1年ほど前まで主要モデルのコンテキストウィンドウは4,000トークンほどだったと振り返られています。原稿用紙10枚ぶんにも満たない量です。

現在の水準はまるで違います。Anthropicの資料によれば、同社の現行世代のモデルは100万トークンのコンテキストウィンドウを備え、それが標準の設定になっています。ひと世代前のモデルでは20万トークンでした。Googleも同様に、Gemini APIの長文コンテキストの資料で100万トークン以上を扱えるモデルについて説明しています。

この分量なら、数百ページの設計図書や、一年ぶんの日報をまとめて読ませることも計算上は可能です。実際、Anthropicの資料は1回のリクエストで最大600枚の画像またはPDFのページを含められるとしています（20万トークンのモデルでは100枚）。ただし、トークンの上限より先にリクエストのサイズ制限に達する場合がある点も併記されています。

枠の中身は何で埋まっていくか

実務でつまずくのは、枠が「思っていたより早く埋まる」ときです。何が場所を取っているのかを分解しておくと、対処の見当がつきます。

• 最初に設定した役割や前提（「あなたはベテランの施工管理者です」といった指示文）
• これまでのやり取り全部。自分が送った文も、AIが返した文も、消えずに積み上がっていく
• 貼り付けた資料や添付したファイル。PDFやExcelの中身もすべて文字として展開される
• 写真や図面などの画像。テキストではないものも枠を消費する
• これから生成される回答そのもの。長い出力を求めるほど、その置き場所も必要になる

つまり、会話が進むほど枠は一方向に埋まっていきます。Anthropicの資料は、やり取りが進むにつれて各ターンのメッセージと応答が蓄積し、過去のターンは完全に保持されると説明しています。10往復目の質問は、1往復目の質問より確実に重たくなっているわけです。

AI侍

コンテキストウィンドウは、机の広さでござる。図面も見積も茶碗までも並べれば、肝心の書付が端に押しやられ、やがて畳へ落ちる。広さを誇るより、何を置くかを選ぶことが肝要でござるよ。

枠に余裕があっても取りこぼしが起きる理由

ここが、この用語でいちばん実務に効く話です。枠が大きいことと、枠いっぱいまで正確に使えることは別だという点は、各社の資料でもはっきり述べられています。

Anthropicの資料は「より多くのコンテキストが自動的により良い結果につながるわけではない」とし、トークン数が増えるにつれて正確さと想起の精度が落ちる現象をコンテキストロットと呼んで注意を促しています。同社のエンジニアリング記事では、モデルには有限の「注意力の予算」があり、新しいトークンが加わるたびにその予算が削られていくと説明されています。仕組みの側から見ると、すべてのトークンが互いを参照し合う構造のため、文脈が長くなるほど関係のとらえ方が薄く引き伸ばされるためだとされています。

どこが弱くなるのかについては、研究でも傾向が示されています。TACLに掲載されたスタンフォード大学らの論文「Lost in the Middle」は、複数文書からの質問応答などで、必要な情報が文脈のどの位置にあるかによって精度が大きく変わることを報告しています。もっとも成績が悪いのは、その情報が中ほどに置かれた場合で、冒頭や末尾に近いほど正確に拾えるという結果でした。

Googleの資料も、大量のトークンから一か所を探し出す検証では最大99パーセントほどの精度が出るとしつつ、探すべき情報が複数ある場合には同じ精度では動作しないと明記しています。長い問い合わせほど最初の応答までの時間も伸びる、という指摘もあります。総じて、崖から落ちるように急に使えなくなるのではなく、じわじわと粗くなっていくと考えるのが実態に近いようです。

建設現場での使いどころ

建設の実務は、扱う資料が長いという点で、この枠の話とまともにぶつかります。特記仕様書、施工計画書、打合せ議事録、月単位でたまる日報、過去工事のナレッジ。どれも一度に全部渡したくなるものばかりです。

長い資料を読ませる方向で成果を出している例もあります。大成建設は2025年11月、入札公告・工事概要・特記仕様書などの発注情報と社内に蓄積した技術ナレッジをもとに、国土交通省の書式に準拠した土木工事の全体施工計画書のドラフト原稿を自動生成するシステムを開発したと発表しています。同社の発表では、約10分でドラフトが生成され、作業時間は従来比で約85パーセント削減できるとされています。

ここで効いているのは、枠の大きさそのものより「何を入れるかを設計している」ことです。関係する発注情報とナレッジを選んで渡しているから、10分で形になる。逆に、社内のあらゆる文書を無選別に流し込む使い方は、費用も時間もかさむわりに精度が上がりません。必要な箇所だけを探して渡すRAG（検索拡張生成）が広く使われているのは、この事情があるからです。どの業務から手をつけるかで結果が変わりますので、進め方に迷うときはAI番頭のサービスもあわせてご覧ください。

• 特記仕様書の確認：全ページではなく、該当する工種の章だけを切り出して渡すほうが速く正確に返ってくる
• 議事録の要約：1時間の打合せは文字起こしで数万字になる。議題ごとに区切って要約させ、最後に統合するほうが抜けが減る
• 写真台帳の整理：画像も枠を消費する。数百枚を一度に投げず、工区や日付でまとめて処理する
• 過去工事の照会：似た条件の案件だけを絞って渡す。全案件を積み上げても、中ほどの情報は拾われにくい
• 安全書類の下書き：様式と記入例を先に、現場固有の条件を後に置くと、条件が末尾に近く残って反映されやすい

上限に振り回されないための工夫

難しい設定は要りません。渡し方を少し変えるだけで、返ってくる答えははっきり変わります。

1. 1

   目的が変わったら会話を分ける

   見積の相談をしていた会話でそのまま安全書類の話を始めると、前の話が全部読み直され、枠を食いながら判断を濁らせます。話題が変わったら新しい会話を立てるのが、いちばん手軽で効果の大きい工夫です。

2. 2

   必要な範囲だけを渡す

   全部渡せば賢くなるわけではありません。300ページの仕様書より、該当する20ページのほうが正確な答えが返ります。どこが該当するか分からない場合は、まず目次だけを渡して当たりをつけさせる手もあります。

3. 3

   大事な条件は最後にもう一度書く

   文脈の中ほどは拾われにくいという傾向があるため、絶対に外せない条件は資料の後ろ、質問文のすぐ近くに置き直します。「工期は3月末厳守」「安全帯はフルハーネス前提」といった前提を末尾で繰り返すだけで、反映率が上がります。

4. 4

   長くなったら要約して引き継ぐ

   やり取りが伸びてきたら「ここまでの決定事項を箇条書きでまとめて」と頼み、その要約を新しい会話の冒頭に貼り直します。枠をリセットしつつ、経緯だけを持ち越せます。長い作業では、この引き継ぎを自動で行う仕組みも提供されています。

5. 5

   繰り返すなら仕組みにする

   毎回同じ資料を貼っているなら、それは仕組み化の合図です。質問に関係する箇所だけを検索して渡す形にすれば、枠にも費用にも余裕が生まれます。同じ内容を繰り返し送る場合に費用を抑える機能も各社が用意しています。

指示文そのものを整える工夫はプロンプトエンジニアリングとして語られることが多いのですが、「何を枠に入れて、何を入れないか」を決める作業も同じくらい結果を左右します。

メリットと注意点

建設業でのAI活用はいまどのあたりか

アンドパッドが2025年12月に建設業従事者2,000名を対象に実施し、2026年2月に公表した調査では、普段の業務でAIを「積極的に活用」または「試験的に活用」していると答えた人は34.8パーセントでした。一方で「活用予定なし」は47.3パーセントです。

同じ調査では、活用している業務の1位が書類作成で36.8パーセント、次いで施工・安全管理が24.6パーセント、工程・進捗管理が24パーセントと報告されています。書類作成が先頭に来るということは、長い文書をどう渡すかが成果を分ける場面が多いということでもあります。導入の課題として最も多かったのは「わからない」で22.9パーセント、次いで社内ルールの未整備が20.4パーセント、導入コストが20パーセントでした。効果については、活用している人の76.4パーセントが何らかの効果を実感したとされています。

半数近くがまだ手をつけていない段階です。裏を返せば、コンテキストウィンドウのような基本の考え方を押さえて渡し方を整えるだけでも、社内では十分に先を行けます。自社の書類でどこから始めるべきか整理したい場合は、お問い合わせからご相談ください。

よくある質問

関連用語

コンテキストウィンドウは、AIの机の広さです。広くはなりましたが、無限ではありませんし、広い机ほど散らかりやすいのも人と同じでした。何を載せて何を下げるかを決められる人が社内に一人いるだけで、同じツールから引き出せる成果は変わってきます。

出典・参考