2026-09-10 · code, biz

AI社員に「予測を先に言わせる」ルールで判断力が育った話：Claude Codeに答え合わせの前に宣言させる学習設計3段階

AIに「予測してから答え合わせ」させたら判断力が上がった

Claude Codeを業務に組み込んでから約1年。最初は「答えを出してもらう道具」として使っていたが、ある時期から運用を変えた。

答えを確認する前に、まずAI側の予測を宣言させる。

これを繰り返したら、AIの判断精度が目に見えて上がった。人間の学習と同じで、予測→検証→差分の反復が効いている。

今回は、この「予測宣言ルール」の実装と効果を3段階で整理する。

実案件で判断が必要になる場面——たとえば、検査記録の分類、帳票の記載要否、過去の類似案件の検索結果の妥当性など——で、確認する前にClaude側の予測を先に出力させる。

具体的には次の流れ。

これを繰り返すと、予測の的中率が数値として見える。最初は5割程度だったものが、3ヶ月で7〜8割まで上がった。

重要なのは、答えを見る前に予測を固定すること。後から「実はこう思っていた」は学習にならない。人間の試験と同じで、答案を出してから採点するのが鉄則。

予測が外れたとき、その差分が最も価値のある学習材料になる。

外れたケースを記録し、次のような形で振り返る。

この振り返りをClaude.md（業務用のコンテキストファイル）に追記する。次回以降、同じ判断が発生したときに参照できる形で蓄積する。

予測が当たったケースも記録する。何が判断の決め手だったかを言語化しておくと、次の予測精度が上がる。

予測の的中率を「勝率」として記録すると、成長が目に見える。

私の場合、最初の1ヶ月は5割前後だったが、3ヶ月目で7割を超えた。6ヶ月目には8割を安定して超えるようになった。

勝率が上がると、実務での信頼度も上がる。「このケースはClaudeの予測で判断してよい」「このケースは人間が最終確認する」という線引きが明確になる。

勝率の記録は簡単でいい。Notionやスプレッドシートに「予測日・状況・予測内容・結果・一致/不一致」を記録するだけ。月単位で集計すれば、成長曲線が見える。

人間の学習と同じで、予測を宣言してから答え合わせする構造が、判断力を育てる。

AIに答えを出させる前に予測を宣言させ、実際の判断と照合する運用を回したら、判断の精度が明確に上がった。

予測→検証→差分の反復が学習を加速する。人間の試験勉強と同じで、答えを見る前に予測を固定することが鉄則。

差分を記録し、次の判断基準として蓄積する。勝率を可視化すれば、成長が目に見える。

AIを「答えを出す道具」から「判断力を育てる相手」に位置づけ直すと、業務の質が変わる。