AI開発者として、最近あらためて「AIの使用量」を気にするようになった話

はじめまして。
今回が初めてのnote投稿になります。

普段は、業務の中でAIを使った開発や、AIを活用した作業効率化に関わっています。

いきなりですが、AIを実務で使っている方は、普段どれくらい「使用量」を気にしているでしょうか。

もちろん、AIを使っている人であれば、会話が長くなるほどトークンを消費することや、従量課金の場合は使った分だけコストがかかることは、ある程度当たり前の話だと思います。

ただ、最近自分の中で、その「当たり前」がかなり現実味を持つようになってきました。

というのも、私は最近 Claude Code をよく使っているのですが、従量課金ベースで使うようになってから、以前よりも明確に使用量を意識するようになったからです。

便利だからこそ、気づいたら使っている。
使っているうちに、スレッドがどんどん長くなる。
そして、長くなった会話をそのまま続けるほど、使用量も増えていく。

頭では分かっていたことですが、実務で毎日のように使うようになると、これは無視できないなと感じるようになりました。

会話が長くなるほど、使用量は増えていく

AIは、こちらが直近で送ったメッセージだけを見ているわけではありません。
基本的には、それまでの会話の流れや文脈も含めて処理しています。

そのため、ひとつのスレッドでやりとりを続ければ続けるほど、AIに渡す情報量も増えていきます。

最初は軽い相談だったはずなのに、気づけば、

• エラー原因の調査

• コードの修正方針

• 仕様の整理

• 上司への報告文の作成

• ドキュメント反映

• レビュー指摘の整理

のように、ひとつのスレッドの中でいろいろな話題を続けてしまうことがあります。

もちろん、同じスレッドで続けることにはメリットもあります。
前提を説明し直さなくてよいですし、AI側も文脈を持ったまま回答してくれます。

ただ、前の文脈がもう不要になっているのに同じスレッドを使い続けると、使用量が増えるだけでなく、回答が少しズレることもあります。

最近は、このあたりをかなり意識するようになりました。

最近読んで便利だと思った記事

使用量を意識するうえで、最近こちらの記事が便利だなと思いました。

DevelopersIO の「Claude Code で常時コンテキスト使用量を把握できるようにしてみた」という記事です。

この記事では、Claude Code の /statusline をカスタマイズして、現在のコンテキスト使用量、使用率、Input / Output トークン、残りトークン、バーンレート、Daily / Weekly / Monthly の使用量などを表示する方法が紹介されています。

個人的に良いと思ったのは、使用量を「あとから振り返る」のではなく、作業中に見える形にしているところです。

AIの使用量は、見えないとあまり気にしません。
逆に、今どれくらい使っているのかが見えると、「このスレッドはそろそろ切ったほうがよさそうだな」「ここで一回要約しておこうかな」と判断しやすくなります。

特に Claude Code のように、開発作業の中で継続的に使うツールでは、こういう可視化はかなり実用的だと感じました。

私が実務で気を付けていること

ここからは、私が実務でAIを使うときに、使用量を抑えるために意識していることを書いてみます。

特別な裏技というよりは、基本的なことが中心です。
ただ、実務で毎日使うとなると、この基本がかなり効いてくると感じています。

1. ひとつのスレッドを長くしすぎない

一番意識しているのは、ひとつのスレッドをできるだけ長くしすぎないことです。

会話が長くなるほど、AIが毎回参照する文脈も増えていきます。

そのため、ある程度目的が終わったら、そこでスレッドを区切るようにしています。

たとえば、エラー調査が終わったあとに、そのまま同じスレッドで報告文の作成やドキュメント修正まで進めることもできます。

ただ、その時点でエラー調査の細かいログや試行錯誤の過程が不要であれば、新しいスレッドに分けたほうが軽くなります。

最近は、「この話題はまだ同じスレッドで続けるべきか？」を一度考えるようにしています。

2. 話題が変わったらスレッドを分ける

同じ業務に関する話でも、目的が変わったらスレッドを分けるようにしています。

たとえば、

• 原因調査

• 修正方針の相談

• 文章の整形

• レビュー指摘の管理

• 上司への返信文作成

これらは、同じ案件に関係していても、AIにやってほしいことは違います。

目的が違うものを同じスレッドで続けると、会話が重くなるだけでなく、AIの回答も余計な文脈に引っ張られることがあります。

なので、最近は「同じ案件かどうか」ではなく、「同じ目的かどうか」でスレッドを分けるようにしています。

3. AIに渡す情報を絞る

ログやコード、仕様書の文章などをそのまま全部貼ると、どうしても使用量が増えます。

もちろん、必要な情報は渡すべきです。
情報が少なすぎると、AIも正しく判断できません。

ただ、「とりあえず全部貼る」はなるべく避けるようにしています。

たとえばエラー調査なら、

• エラーメッセージ

• 発生した処理

• 直前に変更した内容

• 期待していた動き

• 実際の動き

このあたりを先に整理してから渡すだけでも、AIが読むべき情報をかなり減らせます。

情報を減らすというより、「AIが判断しやすい形にして渡す」という感覚に近いです。

4. 最初に目的を書く

AIに依頼するときは、最初に目的を書くようにしています。

たとえば、コードやログを貼って、

「これ見てください」

だけだと、AIはかなり広い範囲で回答しようとします。

それよりも、

「このエラーの原因候補を整理してください」
「まず確認すべきポイントだけ出してください」
「修正案ではなく、原因の切り分け観点を出してください」

のように、目的を先に書いたほうが、回答が必要な方向に寄りやすくなります。

結果として、追加のやりとりも減ります。

使用量を抑えるという意味でも、回答精度を上げるという意味でも、最初に目的を書くのは大事だと思っています。

5. 出力形式を指定する

出力形式も、できるだけ指定するようにしています。

たとえば、

• 箇条書きで

• 表形式で

• 結論、理由、対応方針の順で

• そのまま貼れる文章で

• まず要点だけ

のように指定します。

形式を指定しないと、AIは丁寧に背景説明から書いてくれることがあります。

それがありがたい場面もありますが、実務では「今ほしいのはそこではない」ということもあります。

最初から出力形式を指定しておくと、不要な説明が減り、修正依頼の回数も減らせます。

6. 長くなったら要約して引き継ぐ

どうしても長いやりとりになることもあります。

その場合は、途中でAIに要約してもらい、その要約を新しいスレッドに引き継ぐことがあります。

たとえば、

「ここまでの内容を、次のスレッドに引き継げるように要点だけまとめてください」

と依頼します。

そして、新しいスレッドではその要約だけを渡して続きを進めます。

過去の会話を全部抱えたまま続けるよりも、かなりスッキリします。

また、自分自身の整理にもなるので、実務ではこのやり方は使いやすいと感じています。

使用量を気にすることは、単なる節約ではない

AIの使用量を気にするというと、単にコストをケチる話に聞こえるかもしれません。

ただ、私はそれだけではないと思っています。

使用量を意識すると、自然と依頼内容を整理するようになります。
必要な情報を選ぶようになります。
目的を明確にするようになります。
不要な文脈を切るようになります。

その結果、AIからの回答も使いやすくなります。

つまり、使用量を減らす工夫は、単なるコスト削減ではなく、AIとのやりとり自体をうまくする工夫でもあると感じています。

おわりに

AIの使用量を意識すること自体は、正直なところ、AIを使っている人にとっては特別珍しい話ではないと思います。

ただ、実務で継続的に使うようになると、その重要性をあらためて感じます。

特に Claude Code のような開発支援ツールを日常的に使っていると、会話の長さやコンテキスト使用量は、かなり現実的な問題になります。

最近は、従量課金ベースで使う場面も増えてきているので、なおさらです。

私自身もまだ試行錯誤中ですが、今のところは、

• ひとつのスレッドを長くしすぎない

• 話題が変わったらスレッドを分ける

• AIに渡す情報を絞る

• 最初に目的を書く

• 出力形式を指定する

• 長くなったら要約して引き継ぐ

• 使用量を可視化する

このあたりを意識しています。

みなさんは、AIの使用量を減らすためにどんな工夫をしていますか？

実務でAIを使っている方のやり方も、ぜひ知りたいです。