Claude Coworkのプロンプト｜精度を高める4つのコツ

Claude Coworkを使い始めたものの、指示（プロンプト）がうまく伝わらず、期待していた成果物にならないという悩みを抱えている担当者は多いと考えられます。ファイル操作やタスク実行までを任せられる分、通常のチャットAIとは書き方のコツも変わってきます。

この記事では、次の内容をわかりやすく解説します。

• Claude Coworkのプロンプトの基本形と、通常のチャットAIとの違い
• 精度を高めるための4つのコツ
• 部署・業務別にそのまま使えるプロンプト例
• 導入時に起こりやすい失敗要因と対策
• 企業として組織展開する際に確認すべきガバナンスの論点

基本の型と部署別の実例、失敗を避けるポイントまで押さえれば、自信を持って自分の業務に取り入れ、社内への展開も判断できるようになります。

Claude Coworkのプロンプトとは｜書き方の基本と従来のチャットAIとの違い

まずは「結局何を書けばよいか」という最初の疑問に答えます。Claude Coworkのプロンプトの基本形を確認したうえで、通常のチャットAIへの指示と何が違うのかを整理します。

Claude Coworkのプロンプトの基本形（5つの要素）

Claude Coworkのプロンプトとは、PC上のファイル操作やタスクの実行までを含めてClaudeに依頼する際の指示文のことです。

精度を左右する要素は、「立場・依頼内容・参照する材料・出力形式・条件」の5つに整理できます。

要素	内容
①立場・背景	どの部署の、どんな業務を担当しているか
②依頼内容	何をしてほしいかを動作レベルで明確化
③参照する材料	対象となるファイルやフォルダ
④出力形式	表・箇条書き・メール文など欲しい形
⑤条件・制約	文字数、トーン、誰に見せる資料か

たとえば「まとめて」とだけ伝えるのではなく、「経費データの推移を、増減の理由が分かる形で3つのポイントに絞って要約して」のように動作を具体化すると、狙った成果物に近づきやすくなります。

出典：Get started with Claude Cowork（Claude Help Center）

Claude Coworkのプロンプトと通常のチャットAIのプロンプトの違い

通常のチャットAIへの指示は、会話の中で完結する内容がほとんどです。一方でClaude Coworkのプロンプトは、操作対象のフォルダ・実行するタスク・出力先のファイルまで指定する必要がある点が異なります。

フォルダを指定すると「この範囲内だけで作業する」という制御ができるようになり、Projects機能（会社名や業務内容などの前提情報をあらかじめ登録しておける機能）を使えば、毎回同じ背景説明を書く手間を省けます。また、作業の複雑さに応じて複数のモデル（Haiku・Sonnet・Opusなど）を選べる点も、通常のチャットにはない要素です。

項目	通常のチャットAIのプロンプト	Claude Coworkのプロンプト
対象範囲	会話の中で完結	操作対象フォルダ・実行タスクまで指定
前提情報	毎回の会話で説明が必要	Projects機能に登録し省略可能
出力の反映先	チャット画面内の回答	指定したファイル・フォルダへの反映
モデル選択	基本的に単一モデル	Haiku/Sonnet/Opusなど複数モデルを作業内容で使い分け

これらの違いを理解しておくと、次章で紹介する精度を高めるコツの意味がつかみやすくなります。

出典：Get started with Claude Cowork（Claude Help Center）

Claude Coworkのプロンプトの精度を高める4つのコツ

基本形を踏まえたうえで、実務で精度を安定させるための工夫を4つ紹介します。指示の具体化から機能の使い方、組織での再現性まで、段階的に押さえておきたいポイントです。

曖昧な指示と具体的な指示の違い

同じ内容を依頼する場合でも、指示の具体性によって成果物の質は大きく変わります。

たとえば「集客のアイデアを教えて」という指示では、対象や前提が定まらないまま一般論が返ってきやすくなります。一方で「自社の強み・ターゲット・過去の施策を踏まえ、来月実施できる施策を3つ、実施難易度付きで提案して」のように書くと、対象ファイル・処理内容・出力形式の3点が明確になり、実務にそのまま使える回答が返ってきやすくなります。

Projects・フォルダ指定による前提情報の説明の省略

Projects機能に会社名・事業内容・想定読者などの前提情報をあらかじめ登録しておくと、個別のプロンプトを簡潔に保てます。毎回の依頼で背景を説明し直す必要がなくなり、継続的な利用がしやすくなります。

あわせて、作業対象のフォルダを先に指定し「このフォルダ内だけで作業する」と伝えておくと、誤操作が起きたときの影響範囲を限定できます。この安全面の考え方は、後述する失敗要因の対策にもつながります。

作業内容に応じたモデル（Haiku・Sonnet・Opus）の使い分け

Claude Coworkでは、作業内容に応じてモデルを選べます。モデル選択は見落とされがちですが、精度と処理速度の両方に影響する設定です。

定型的で軽い作業にはHaiku、通常業務の大半にはSonnet、複雑な判断や高い精度が求められる作業にはOpusを目安に使い分けると、無理なく運用できます。どれを選ぶか迷う場合は、まずSonnetを標準にして、結果を見ながら調整する進め方が現実的です。

出典：Choosing the right Claude model（Claude公式チュートリアル）

良い結果が出た手順のSkills化による属人化の防止

一度良い結果が得られた指示や手順は、「これをスキルにして」と依頼するだけでSkill（Claudeに渡す業務手順書のようなもの）として保存でき、次回以降は同じ品質を再現できます。

部署内でSkillを共有しておけば、担当者が異動・退職しても同じ手順・品質で業務を引き継げます。これは、個人の工夫を属人化（特定の担当者にしかできない状態になること）させず、組織の資産に変えるという意味でも重要な工夫です。

出典：Use skills in Claude（Claude Help Center）

【部署・業務別】Claude Coworkのプロンプト例

ここからは、部署・業務別にそのまま応用できるプロンプトのひな型を紹介します。いずれも「対象ファイル」「出力形式」「条件」の3点を明記する型になっているため、自社の情報に置き換えるだけで試せます。

経理・バックオフィス向けプロンプト例

経理・バックオフィス業務では、集計・チェックといった定型作業に活用しやすくなっています。

• 「〇月分の経費データ（Excel）を読み込み、費目別に集計したうえで、前月比で増減が大きい項目とその要因を表にまとめて」
• 「今月分の経費精算申請一覧を確認し、社内規定に照らして確認が必要と考えられる項目を一覧化して」

いずれも、対象ファイル・出力形式（表や要約文）・誰に見せる資料かをあわせて指定するのが型です。

営業向けプロンプト例

営業担当者にとっては、商談準備や報告業務の負担を軽くする使い方が中心になります。

• 「商談先である〇〇社について、事業内容・直近の決算情報・想定される検討課題を整理し、商談準備メモとしてまとめて」
• 「今週分の営業日報を読み込み、上長向けの週次報告メールを、結論→数字のハイライト→来週のアクションの順で400字以内にまとめて」

商談先の情報整理も報告資料の作成も、対象とする材料（企業名や日報データ）を明確に指定することが精度を左右します。

マーケティング・企画向けプロンプト例

マーケティング・企画部門では、リサーチから資料化までの一連の作業を任せる使い方が向いています。

• 「〇〇（競合サービス名）の公式サイトと紹介記事を読み込み、自社サービスとの機能・価格の違いを比較表にまとめて」
• 「先月分の広告レポート（複数媒体のCSV）を読み込み、媒体ごとの成果を比較したうえで、来週の定例会議向けの週次サマリーをスライド構成案として作成して」

自社の背景情報をProjects機能にあらかじめ登録しておくと、こうした依頼を毎回書き直さずに済みます。

人事・法務向けプロンプト例

人事・法務部門では、文章生成の量が多く定型化しやすい業務での活用がイメージしやすくなっています。

• 「以下の募集要件をもとに、求人票のたたき台を、丁寧な文体で作成して」
• 「この契約書のひな型と照らして、確認すべき条項の抜けや注意点を一覧化して」

契約書のチェックはあくまで確認作業の補助であり、最終的な法的判断は必ず法務担当者や専門家が行う必要があります。

Claude Coworkのプロンプト活用時の失敗要因と対策

Claude Coworkを導入・運用する中でつまずきやすいポイントを、症状と対策のセットで整理します。すべての失敗要因に対応する対策を示したうえで、末尾に一覧表でまとめます。

指示の曖昧さと成果物のズレ

「いい感じにまとめて」のような抽象的な指示では、対象範囲や情報の粒度がずれた成果物になりやすくなります。原因は、依頼内容・出力形式・条件のいずれかが指示から抜け落ちていることにあります。

対策としては、前章で紹介した5つの要素（立場・依頼内容・材料・出力形式・条件）がそろっているかを見直すことと、不明点があればClaude側から質問してもらう一文を添えることが有効です。

フォルダ・権限設定の誤りによる想定外の操作

作業対象フォルダを広く設定しすぎると、意図しないファイルまで参照・変更される可能性があります。原因は、初期設定の段階で操作範囲を絞らずに許可してしまうことにあります。

対策としては、作業ごとに必要最小限のフォルダのみを許可すること、そして「削除」ではなく「移動」や「一覧化」といった安全な操作から試すことが挙げられます。

出典：Use Claude Cowork safely（Claude Help Center）

機密情報を含むファイルの誤読み込み

顧客情報や未公開の財務データなどが含まれるファイルを、中身を確認しないまま作業対象フォルダに含めてしまうケースがあります。原因は、フォルダ単位で許可する際に中の情報を精査していないことにあります。

対策としては、作業対象フォルダを業務単位で分けて機密ファイルと混在させないこと、そして社内で扱ってよい情報の範囲をあらかじめルール化しておくことが重要です。

担当者ごとの品質のばらつき（属人化）

同じ業務でも、担当者によって指示の書き方が異なるため、成果物の品質にばらつきが出ることがあります。原因は、良い指示のパターンが個人の中にとどまり、組織で共有されていないことにあります。

対策としては、良い結果が出た指示をSkill化・テンプレート化し、部署内で共有する運用に切り替えることが有効です。この観点は、次章の組織展開のルール化にもつながります。

失敗要因	想定されるリスク	対策
指示の曖昧さ	期待と異なる成果物になる	5要素の見直し／不明点は質問してもらう一文を添える
フォルダ・権限設定の誤り	想定外の範囲を操作される	必要最小限のフォルダのみ許可／削除より移動・一覧化から試す
機密情報の誤読み込み	情報漏えいにつながる	業務単位でフォルダを分離／扱ってよい情報の範囲をルール化
品質のばらつき（属人化）	担当者交代で品質が維持できない	良い指示をSkill化・テンプレート化して部署内で共有

Claude Coworkのプロンプト運用を組織展開する際のガバナンス・セキュリティの論点

個人での使い方だけでなく、複数人・複数部署でClaude Coworkを使う場合に、あらかじめ決めておきたいルールの論点を紹介します。

操作権限を与える範囲のルール化

部署・業務内容に応じて、アクセスを許可するフォルダの範囲や、ファイルの削除・上書きといった取り消しにくい操作を任せてよい範囲を、事前に取り決めておく必要があります。

特に人事・経理など機密性の高い情報を扱う部署では、対象フォルダを限定したうえで試験的に始めることが望ましい進め方です。

利用状況・実行履歴を確認できる体制の整備

どのフォルダに対してどのような操作が行われたかを、後から確認できる体制を整えておくことが重要です。

定期的に利用状況を振り返り、許可範囲やルールを見直す運用サイクルを持っておくと、導入後の不安を軽減しやすくなります。

社内でのプロンプト・Skillsの標準化とナレッジ共有

部署ごとに有効だったプロンプトやSkillを一覧化し、他部署や新しく担当になった人が参照できる場所にまとめておくと、属人化を防ぎながら展開範囲を広げやすくなります。

小さく試して効果が確認できた範囲から、段階的に対象部署を広げていく進め方がおすすめです。

Claude Coworkのプロンプト設計・導入支援は「フリーコンサルタント.jp」へご相談ください

ここまで基本形や部署別の例を紹介してきましたが、部署ごとの業務理解とプロンプト設計、フォルダ権限などのガバナンス設計を並行して社内だけで進めるのは、担当者の負荷が大きくなりやすい取り組みです。特に、どこまでの操作権限を与えるか、どの業務から展開するかといった論点は、業務知識と生成AI活用の知見の両方が求められるため、自社だけで最適な設計にたどり着くまでに時間がかかるケースも見られます。

こうした場面では、生成AI活用やDX推進の実務経験を持つプロ人材を、必要な期間だけ活用するという選択肢があります。フリーコンサルタント.jpでは、事業会社やコンサルティングファーム出身のプロ人材が、プロンプト設計や社内展開のルールづくりといった上流の設計から、現場への定着・ノウハウ移転までを伴走支援します。自社に合った活用範囲の見極めから相談したい場合にも対応可能です。

フリーコンサルタント.jpによるAI活用・DX推進支援の事例

技術領域はプロンプト設計そのものとは異なりますが、いずれも属人化していた業務を仕組み化し、現場が自走できる体制に変えてきた実績です。Claude Coworkのプロンプト・運用ルールの定着支援でも、同じ「仕組み化して引き継ぐ」という考え方を活かしています。

事例①｜大手通信キャリア企業：デジタル活用推進組織の立ち上げ支援

業務効率化を目的にデジタル活用組織（CoE）の立ち上げを決めたものの、組織立ち上げとデジタル技術活用の両方を担える人材が社内に不足していた企業の事例です。

当時の課題	・デジタル領域の知見と組織立ち上げ経験を併せ持つ人材が社内に不足 ・業務効率化ツールの開発・運用体制をゼロから構築する必要があった
実施したこと	・組織の立ち上げから全体設計・運用構築・実運用までを一気通貫で伴走支援 ・事業部門への課題ヒアリングをもとにツール開発の仕組みを構築し、プロパー社員が自走できる体制へ知見を移転

組織立ち上げと運用の安定化により、立ち上げ前と比較して業務工数を削減し、外部人材への依存から段階的に脱却する体制を構築しました。

事例②｜大手飲食企業：需要予測・発注業務の自動化支援

200店舗以上の発注業務を店舗担当者の経験と勘に頼っており、業務が属人化していた大手飲食企業の事例です。

当時の課題	・データサイエンティストなどAI活用の経験者が社内に不足 ・複数人が同じ精度で需要予測を行うことが困難 ・発注業務が担当者の勘に依存し、休暇や退職で業務が滞るリスクを抱えていた
実施したこと	・店舗ごとの特徴を踏まえた変数を定義し、データを整理 ・PoC（概念実証）を経て、店舗ごとに高い精度で需要予測ができるAIモデルを構築・運用

需要予測AIの活用により発注業務の多くを自動化し、店舗担当者が接客など本来の業務に時間を割けるようになりました。

生成AIの活用範囲を広げたい、あるいは社内展開のルールづくりから相談したいという場合は、無料相談からお気軽にお問い合わせください。

まとめ

Claude Coworkのプロンプトは、立場・依頼内容・材料・出力形式・条件という基本の5要素を押さえたうえで、部署ごとの型に落とし込むことで実務にすぐ活用できます。あわせて、フォルダ権限の設定や標準化のルールを整えておくことで、個人の効率化にとどまらず、組織的な業務改善へとつなげやすくなります。

まずは自分の業務で小さく試し、良い結果が出た指示をSkill化して部署内に共有するところから始めることをおすすめします。

（監修者情報：〇〇〇〇。生成AI活用・DX推進支援の実務経験を持つプロフェッショナル。詳細プロフィールは別途確認のうえ記載）