「環境設定」から始まるAI——Claude Coworkが他と違う理由

　生成AIを使い始めてから、もう何年も経ちます。ChatGPTが出たときの驚きは今でも覚えています。テキストを入れたら人間が書いたような文章が返ってくる。用途を変えながら試し、使い方を覚え、毎日の仕事に組み込みました。

　でも、正直に言います。

　ある時期から「慣れ」が来ました。便利なのは変わらない。毎日使っています。ただ、最初のあの感覚——「これは何かが変わる」という確信——は薄れていました。

　Claude Coworkを触り始めたのは、そういうタイミングでした。最初の数時間で、あの感覚が戻ってきました。この記事は、その体験を整理したものです。

生成AIに感じていた「もう一歩」

メモリ機能は解決策になったか

　ChatGPTには今、会話を横断して記憶するメモリ機能があります。過去の会話から学習し、次の会話に活かしてくれる。2026年1月のアップデートで、1年前の会話まで遡れるようになりました。

　便利です。「私はこういう人間で」と毎回説明しなくて済む場面は確実に増えました。

　ただ、メモリが増えても「プロンプトを入れて、答えが返ってくる」という基本構造は変わりません。AIが私のことを覚えていても、やっていることは相変わらず「質問→回答」です。覚えてくれているAIに、上手く質問する。それが今の生成AIの使い方だと感じていました。

プロンプトを磨くという方向

　プロンプトエンジニアリングという言葉が流行しました。同じAIでも、聞き方次第で出力の質が大きく変わる。これは本当のことです。

　私もかなり時間を使いました。テンプレートを作り、ロールプレイを試し、出力形式を細かく指定する。出力は確かに良くなりました。

　でも、あるとき気づいたんです。私が上手くなっているのは「AIへの問いかけ方」であって、AIが私の仕事のやり方に合わせてきたわけではないと。プロンプトで良い出力は得られます。でも「私の作業スタイルに最適化された出力」にはならない。

　この違いに、何か引っかかっていました。

Claudeという土台

　Coworkの話をする前に、土台の話をしておきます。Coworkの良さはClaude自体の性能に支えられているからです。

コーディングでOpus 4.6が抜けていた

　私はエンジニアではありませんが、バイブコーディングで複数のモデルを試しました。ChatGPT、Gemini、そしてClaudeの各モデル。

　結果として、Claude Opus 4.6が一番優秀でした。指示に対する追従性と、エラーが出たときの修復精度が他と違います。ChatGPTやGeminiは修正を繰り返すうちにどこかで崩れることが多いのですが、Opus 4.6は粘り強く直してくる。

文章も試しているところ

　文章生成については、現在進行形で比較しています。途中経過として言えるのは、Claudeには他のモデルと違う「書き味」がある、ということ。

　ただ、ここで大事なことがあります。私が今Claudeから受け取っている文章の質は、Claude単体の性能ではありません。後で詳しく書きますが、スキルという仕組みで自分の文体や作業フローを定義した結果です。素のClaudeに何も設定せずに書かせたら、たぶんここまでの差は出ません。

　つまり、Claudeの土台の強さ＋カスタマイズの仕組み。この掛け算がCoworkの核です。

Coworkという「もう一つの層」

　Claude CoworkはClaudeの有料プラン（Pro月額$20以上）で使えるリサーチプレビューです。2026年1月にmacOS版、2月にWindows版が公開されました。

PC内のファイルに直接アクセスできる

　他のAIサービスでファイルを使うには「アップロード」が必要です。「この会話で使って」と、都度渡す。Coworkは違います。フォルダを指定しておくだけで、そこにあるファイルをAIが直接参照できます。

　「都度渡す」のと「場所を共有している」のでは、対話の質が変わります。アップロードは「この会話限り」ですが、フォルダアクセスは「いつでもそこにある」状態。私が何も指示しなくても、関連するファイルを踏まえた上で返答が来ます。

　これはメモリ機能とは質が違います。メモリは「会話の中で覚えたこと」の蓄積です。ファイルアクセスは「私が書いてきたもの」への直接参照。会話の断片ではなく、ドキュメントそのものを読んでいます。

セッションの非永続という制約

　正直に書きます。Coworkにも制約はあります。

　セッションをまたいで会話が自動的に引き継がれるわけではありません。新しいセッションは、前回の会話を知らない状態で始まります。ここはChatGPTのメモリ機能のほうが楽です。

　私の場合、セッション終了時に要約をファイルとして保存し、次のセッションで読み込ませることで対処しています。手間はかかりますが、ファイルとして残る知識で文脈を作る——というのがCoworkの設計思想でもあります。

スキルという設計思想

　ここが、Coworkで最も驚いた部分です。

Markdownで振る舞いを定義する

　CoworkにはSKILL.mdという仕組みがあります。Markdownファイルをフォルダに置くと、Coworkがその内容を読み込んで振る舞いを変えます。

　たとえば「文章を書くときのルール」をMarkdownで書いておく。次からCoworkはそのルールに従って書きます。毎回プロンプトで指示する必要がありません。

　プロンプトテンプレートとの違いは明確です。テンプレートは毎回貼り付ける「一時的な指示」。スキルは環境に組み込まれた「恒常的な設定」。Markdownで書けるので、プログラミングの知識も要りません。

スキルで出力が変わる

　先ほど「Claudeの文章の質はスキルのおかげ」と書きました。具体的にどういうことか。

　私は自分の過去の執筆物を分析して、「自分が文章を書くときに無意識にやっていること」をスキルとして定義しました。文体の癖、構成の組み方、避けたい表現——それらをMarkdownに落とし込んであります。

　結果として、Claudeの出力は「私が手を入れなくても、だいたい自分の文体に近い」ものになりました。これはClaude単体の能力ではなく、スキルによるカスタマイズの成果です。

　同じことをChatGPTのカスタム指示でやろうとしたことはあります。でも、カスタム指示の枠では書ききれない量の設計を、スキルでは自由に書けます。ファイルなので、分量に制限がありません。

この記事もスキルで書いている

　ちなみに、この記事自体が二つのスキルの上で書かれています。一つは執筆のワークフローを定義したスキル。もう一つは文体を制御するスキル。ヒアリングから始まり、構成の承認を経て、添削・校正を通してから納品する——このフロー全体がスキルで定義されています。

Obsidianを読み込ませて見えたもの

　私はObsidianという知識管理ツールを使っています。日々の考え、読書メモ、仕事のアイデア。数百のノートが溜まっていました。

　書くことで整理はできます。でも、大量のメモが自分の中でどう繋がっているか、何を軸に書いてきたか、俯瞰するのは難しかった。

　CoworkにObsidianのフォルダを指定して、「このメモを読んで、私がよく考えているテーマを教えてほしい」と聞きました。

　返ってきた答えは、自分でも薄々感じていたことでした。でも「感じていた」だけで言語化できていなかったこと。散らばっていたメモに、構造が見えました。

　面白かったのは、Coworkが作った私のプロフィールが「自分と違う」と感じた場面もあったことです。AIとの対話ログを素材にしたために、AI的な表現が混ざっていました。それを指摘して、自分の言葉で上書きしていく作業が必要でした。

　この体験で学んだのは、AIへの入力が出力を決めるということです。AI生成テキストを素材にすればAI臭くなる。自分の言葉を素材にすれば、自分らしくなる。当たり前のことですが、体験して初めて実感しました。

「使い方を覚える」から「環境を作る」へ

問いかけ方の最適化か、環境の設計か

　ChatGPTやGeminiを上手く使うには、プロンプトを磨くことが攻略法です。どう聞くかが勝負。メモリ機能が加わっても、この基本は変わりません。

　Coworkを使い込んでいくと、意識が別の方向に向いていきます。「どう聞くか」よりも「何を置いておくか」が大事になる。スキルに何を書くか。どのフォルダを指定するか。

　意識の向き方が変わる、と言えばいいでしょうか。「その場で上手く質問する努力」から、「良い環境を作っておく努力」へ。後者は積み上がります。スキルを一つ作ると、次からそのスキルは働き続けます。ファイルを書き続けると、Coworkが参照できるコンテキストは増え続けます。

「AIを使う」から「AIと環境を共有する」へ

　ChatGPTやGeminiとの関係は「道具を使う」に近いと感じます。使いたいときに引っ張り出して、終わったらしまう。

　Coworkは違います。スキルを通じて作業スタイルを共有し、ファイルを通じて文脈を共有し、セッション記録を通じて記憶を引き継ぐ。毎回ゼロから始めなくてよくなる。

　「AIを使う」から「AIと環境を共有する」へ。この発想の転換がCoworkの本質です。

ここまでのまとめ

　Coworkは、すぐに便利を感じられるツールではありません。ChatGPTのほうが最初の体験はずっとスムーズです。開いてすぐ質問できる。答えが返ってくる。

　Coworkが面白くなるのは、環境が育ってきてからです。スキルが蓄積され、ファイルが増え、AIの振る舞いが自分の作業スタイルに馴染んでくる。その過程自体が、他の生成AIにはない体験でした。

　まず何かフォルダを一つ指定して、Coworkに自分のメモを読ませてみてください。返ってくる答えが、最初の「あ、これは違う」になると思います。

　ここから先は、もう少し踏み込んだ話をします。スキルとは何か、どうやって作るのか、そしてCoworkは誰に向いているのか。