AI研修 実施事例｜Claude Code と Codex の答えが食い違う原因を潰した7時間

「Claude Code と Codex に聞いても、互いが全く違うことを返してくる」—— 初回のレクチャーから約2か月、独力で AI を使い続けた T様から届いたご相談は、この一文に集約されていました。当社は同じ方に対して、2回目の個別レクチャー（7時間・対面マンツーマン）を実施しています。

初回は「地図を渡す・実機を整える・ガードレールを付ける」でした。2回目に扱ったのは、そのどれでもありません。AI に何を渡すか、そして何を作らせるかを、人間の側で決める——この一点です。本記事では当日扱った5つのテーマを、実施記録に基づいて公開します。

TL;DR（45秒サマリ）

• リピートの理由：操作ができないのではなく、AI同士が違うことを言うので判断できない状態になっていた。
• 食い違いの正体：モデルの優劣ではなく、両者が見ている情報源が違うこと。一次情報を特定して揃えれば消える。
• 成果物がブレる理由：ゴール（成果物の定義）が未確定のまま着手していたため、AIが必要な情報を推測で埋めながら走っていた。
• 指示の型：曖昧な指示ほど精度が落ちる。「絞って絞って伝える」＋「もし私の指示が的外れなら指摘して」の一言。
• 環境側：乱立したリポジトリは名前に archive を前置して退避し、以後は 1プロジェクト＝1リポジトリ。
• 持ち帰りは宿題5点。受講後の成果・数値は当社で記録していないため掲載していません。

リピートの理由は「使えない」ではなく「判断できない」だった

再依頼のご連絡は、次のような書き出しでした。ご本人の許諾を得て、原文のまま引用します。

前回のレクチャーを受けて以降、素人ながらにAIを使ってはいるのですが、現状、何をどうしたらいいのか、分からなくなってしまっています。。

分からない事はAIに聞けばいい、と言われているので、Claude codeとcodexに聞いても、互いが全く違う事を返してきたりで困惑する状態が続いております。。

ここは丁寧に読む価値があります。「AIを使っていない」とは一言も書かれていません。 初回の後も自力で触り続け、案件を動かし、その結果として次の壁に当たっている。初回の課題が「どこで何が動いているか分からない」という環境の話だったのに対し、2回目は「どちらの答えを採用すべきか分からない」という判断の話に移っていました。

そして、この2段階目は初回をきちんと消化した人にしか訪れません。環境が分からないうちは、そもそも2つのツールに同じ質問をして突き合わせる、という運用にたどり着かないからです。

進め方のルールは初回と同じで、講師は代行操作をしません。手を動かすのは常にご本人で、講師の役割は「いま何を根拠にそう判断したか」を言葉にして残すことです。

論点1：AIが違う答えを返すのは、見ている情報源が違うから

当日いちばん最初に解いたのが、ご相談の核心だったこの問題です。結論から書きます。

複数のAIで回答が食い違うのは、モデルの優劣ではなく、両者が参照している情報源がバラバラだから。 まず一次情報を特定し、情報源を統一したうえで両者に同じものを渡せば、ブレは解消できる。

AI同士を突き合わせて「どっちが賢いか」を判定しようとすると、永遠に決着しません。そもそも問題の立て方が違う、というのがここでの学びでした。それぞれが別の記事・別の投稿・別のバージョンの仕様を根拠に喋っているなら、答えが割れるのは当然です。

一次情報かどうかを、渡す前に確認する

そこで習慣として置いたのが、「これは一次情報か？」を渡す前に確認することです。

• 一次情報 … 開発元の公式ブログ・公式ドキュメント。仕様の出どころそのもの
• 二次情報 … SNSの投稿、まとめ記事、解説動画。誰かの解釈が一段挟まっている

X（旧Twitter）で流れてくる情報は、有用でもあくまで二次情報です。速報性は高い一方、書き手の理解不足や、すでに更新された古い仕様がそのまま拡散されていることもあります。これをそのままAIに渡せば、AIの回答も同じ精度に引きずられます。Claude Code の仕様であれば Anthropic の公式ドキュメントを取りに行く——この一手間が、そのまま回答の安定性になります。

拾った情報を、どこにどう溜めるか

一次情報を取りに行く習慣は、保存先が決まっていないと続きません。当日は形式ごとに保存方法を決めました。

クリッピング系の外部SaaSは基本的に不要、という判断も共有しました。理由は2つで、①Obsidianで代替できる ②サービス終了のリスクがある、というものです。溜めた情報が他社サービスの都合で消える構造を、これ以上増やさない方針です。

食い違ったときの対処は3ステップ

まとめると、AI同士の回答が割れたときにやることは次の3つだけです。

1. どの情報を根拠にそう言っているのかを、それぞれに聞く
2. その論点の一次情報を特定する（公式ドキュメント・公式ブログ）
3. 同じ一次情報を両者に渡し直して、もう一度聞く

3で答えが揃えば原因は情報源、揃わなければ質問の書き方（次の論点2・3）が原因です。どちらが賢いかを当てにいかない、という切り分けそのものが、この日の持ち帰りでした。

論点2：ゴールが決まっていないと、AIは推測で走り出す

続いて、実際に動かしている案件を題材に、成果物がブレ続けていた原因を分解しました。案件は、専門家しか読めない検査データを、専門外の読み手向けのレポートにまとめるというものです（内容は当社側で抽象化しています）。

起きていたことは、こうです。

• 出発点が「読み手向けのレポートを作りたい」という漠然としたものだった
• そのためAIは、必要な情報を推測しながら動くことになり、成果物がブレ続けた
• 出来上がったレポートは「薄い」「何が言いたいか分からない」と指摘されていた
• そもそも成果物のフォーマット（テンプレート）が未定義のまま作業が進んでいた

ここで重要なのは、AIが悪いわけでも、指示した人の能力の問題でもないという点です。ゴールが定義されていない依頼を受けたAIは、空白を推測で埋める以外に進みようがありません。しかも推測は毎回わずかに変わるので、出力は当然ブレます。

定義 → 洗い出し → 制作 の3ステップに組み直す

そこで、着手の順番そのものを組み替えました。

そして最優先の一手として、発注元との30〜60分のオンラインミーティングを設定し、議事録ツールを回しながらゴールを言語化することを決めました。AIに向き合う前に、人間同士でゴールを固める時間を取る——遠回りに見えて、これが最短でした。

もうひとつ効いたのが、レポートの最終目的を先にAIへ伝えることです。「何を書くか」ではなく「読んだ人にどうなってほしいか」を最初に渡すと、含めるべき内容と省いていい内容をAI側で判断できるようになります。「薄い」という指摘の多くは、この最終目的が共有されていないことに由来していました。

論点3：「後出し情報」問題——曖昧な指示ほど精度が落ちる

3つ目は、日々の指示の出し方です。当日「後出し情報」問題と呼んだのは、次のパターンを指します。

曖昧・感覚的な指示を出す → AIが「分かりました」と答える → 出てきた成果物が意図と違う → そこで初めて条件を追加する

「分かりました」という返事は、指示が伝わった証拠にはなりません。ここを勘違いすると、作り直しが延々と続きます。

なぜ「ボヤッとした指示」は精度を落とすのか

たとえば「今後支障がないようにして」という指示。人間同士なら文脈で伝わりますが、AIにとっては考えるべき範囲が膨大になりすぎる指示です。何を支障と見なすのか、どこまでの範囲を見るのか、いつまで先を見るのか——すべてが未定義なので、探索が発散して精度が落ちます。

対して、当日示した具体化の例はこうです。

❌ 今後支障がないようにして

✅ Obsidianでのファイル作成とカニバリが起きないようにして

指示は「絞って絞って伝える」。範囲を狭めるほど、AIは深く考えられます。

「もし私の指示が的外れなら指摘して」を添える

そのうえで、当日いちばん再現性が高かったのがこの一言です。

もし私の指示が的外れなら指摘して。

これを添えると、AIが作業に入る前に前提のズレを返してくるようになります。指示の精度を上げてから作業に入るための、いわば安全弁です。作り終わってから「そもそも前提が違った」と分かるより、はるかに安く済みます。

設定変更は「競合箇所だけ出させて、自分で判断する」

設定ファイルやルールを更新するとき、AIに丸ごと書き換えさせると、何がどう変わったのか追えなくなります。そこで次のフローに固定しました。

1. 現在の設定と新しい設定で、競合（カニバリ）している箇所だけを出させる
2. 適用するかどうかは、一覧を見て自分で判断する

差分レビューを人間が握る、という考え方です。判断を手放さない限り、環境が自分の理解を追い越して壊れていくことはありません。

環境側の整流：リポジトリの乱立を止める

判断の話と並行して、当日は環境側の整理も実施しました。初回で「散らかったMacを整える」をやりましたが、その後2か月で案件が増え、今度はGitHub側が同じ状態になっていました。

• リポジトリが乱立・重複し、管理がカオスになっていた
• クローン（ローカルへの同期）が適切に行われておらず、AIがファイルの所在を把握できていなかった
• コミット・プッシュが未完了のリポジトリが多数あった

3つ目が地味に効きます。手元にしかない変更は、AIから見れば存在しないのと同じです。「AIが古い内容を前提に喋る」という不可解な現象の一部は、単にプッシュされていなかった、というだけのことがあります。

その場で決めた運用ルール

ここでも、初回から一貫している「消さずに退避する」を踏襲しています。削除ではなく archive の前置なので、後から中身を取り戻せます。判断を今日に迫らないから、手が止まりません。

GitHub と Obsidian、どちらに置くか

置き場の判断基準も1行に落としました。

題材にした案件は発注元との共有が発生するため、GitHub を推奨しました。「便利そうだから両方に置く」が最も事故るので、共有の有無という1軸で機械的に決めています。

モデル・ツールの使い分け

最後に、どの場面でどれを使うかを整理しました。当日の説明を、製品名を正確に補って表にしています。

補足として2点をお伝えしました。ひとつは、「英語に翻訳してから指示する」という古い手法は、現在は不要だということ。日本語のまま指示して問題ありません。もうひとつは、CLI型のコーディングエージェントは、日本語の自然な言い回しへの追従がチャット型より弱く出ることがあるため、そこでは指示をより具体的に書く必要がある、という実務上の感触です。

なお、Claude Code は Anthropic、Codex は OpenAI の製品で、別物です。混同されがちですが、冒頭の「2つが違うことを言う」問題を切り分ける前提として、ここははっきり分けて理解しておく必要があります。それぞれの位置づけは Claude Code とは？2026年の完全ガイド と AIエージェントとは？ に整理しています。

そして最も重要なのは、用途で選ぶのであって、優劣で選ぶのではないという点です。冒頭の「2つが違うことを言う」問題に戻ると、そこで必要なのは勝者を決めることではなく、同じ情報源を両方に渡し直すことでした。

持ち帰った宿題

当日の終わりに、次の5点を宿題として確定しました。

1. 発注元とのゴール定義ミーティングを30〜60分でセッティングする（議事録ツールを使用）
2. GitHubの既存リポジトリ全件の名前先頭に archive を付与し、コミット・プッシュを完了させる
3. 案件用の新規リポジトリを1つ作成し、今後の作業はそこに統一する
4. AIへの指示を行う際は「ゴール・目的・対象ユーザー」を最初に明示する習慣をつける
5. 有益な情報を見つけた際は、Obsidian Web Clipper または Gemini 要約で一次情報として保存するフローを定着させる

5つとも「知識」ではなく「次の30日で回す手順」になっている点が、この日の設計です。なお、その後の実行状況・定着度は当社で追跡・記録していないため、本記事には記載していません。

初回と2回目で、教えることはこう変わる

2回受けていただいたことで、段階の違いがはっきり見えました。同じ受講者でも、扱うべきテーマは半年待たずに移ります。

初回の内容は AIツールを入れすぎて分からなくなったので整えました に公開しています。あわせて読むと、同じ人が2か月で次のどこに詰まるのかが具体的に追えます。

法人として複数名に展開したい場合は Claude Code法人研修の選び方7チェックリスト、研修そのものの内容は 研修ページ をご覧ください。

よくある質問（FAQ）

Q. Claude Code と Codex で答えが食い違います。どちらを信じればよいですか？

どちらが賢いかを判定しにいかないでください。 食い違いの主因は、両者が参照している情報源が違うことです。①それぞれに「何を根拠にそう言っているか」を聞く ②その論点の一次情報（開発元の公式ドキュメント・公式ブログ）を特定する ③同じ一次情報を両方に渡し直して聞く、の3ステップで揃うことがほとんどです。それでも揃わない場合は、情報源ではなく質問の書き方（範囲が広すぎる・ゴールが未定義）を疑ってください。

Q. AIの成果物が「薄い」と言われます。どう直せばよいですか？

多くの場合、ゴール（成果物の定義）が未確定のまま着手していることが原因です。ゴールが無い依頼を受けたAIは、必要な情報を推測で埋めながら進むため、内容が浅くなり毎回ブレます。「定義 → 必要データの洗い出し → 制作」の3ステップに組み直し、「読んだ人にどうなってほしいか」という最終目的を最初にAIへ伝えると、含めるべき内容の判断がAI側でできるようになります。あわせてフォーマット（テンプレート）を先に確定してください。

Q. AIへの指示は、具体的にどう書けば精度が上がりますか？

絞って絞って伝えることです。 「今後支障がないようにして」のような指示は、AIが考えるべき範囲が膨大になりすぎて精度が落ちます。対象・範囲・条件を限定してください。加えて「もし私の指示が的外れなら指摘して」の一言を添えると、作業に入る前に前提のズレが返ってくるため、作り直しを大幅に減らせます。AIの「分かりました」は、指示が伝わった証拠ではありません。

Q. 一度レクチャーを受けたのに、また分からなくなるのは普通ですか？

普通です。むしろ受講後に手を動かし続けた人ほど、次の段階の壁に当たります。この事例の方も、初回後に独力でAIを使い続けた結果として「複数のAIに同じ質問をして突き合わせる」運用に到達し、そこで判断基準の不在に気づかれました。詰まる場所が「環境・操作」から「判断・設計」に移ったのは、後退ではなく前進です。

Q. 2回目のレクチャーでは、何を扱うのですか？

事前に固定していません。この事例では、ご相談内容からゴール定義・情報源の統一・指示の型・リポジトリ運用・モデルの使い分けの5テーマになりました。初回のような環境構築や基礎概念は扱っていません。その時点で詰まっている場所が初回とは違うため、2回目は当日の状況からテーマを組み直すのが実態に合っています。

Q. 個人でこのレクチャーを受ける場合、助成金は使えますか？

個人（個人事業主ご自身やフリーランスの方）が受講する場合、人材開発支援助成金の対象にはなりません。 同助成金は、事業主が雇用する労働者に訓練を実施する場合の制度だからです。加えて、1日完結のマンツーマン形式は同助成金で求められる「実訓練時間10時間以上」を単独では満たしません（法人向けには2日間・計11時間の研修をご用意しています）。なお本事例そのものについては助成金の適用可否を確認していないため、この事例をもって「対象になる」と申し上げるものではありません。法人として従業員に受講させる場合、当社は訓練実施機関として提供すべき書類（訓練カリキュラム・見積書・契約書・修了証・出席簿・様式第12号など）を作成・提供しますが、職業訓練実施計画届や支給申請書の作成・提出は行いません（貴社または委託される社会保険労務士が実施されます）。詳細は AI導入・研修で使える助成金2026 をご覧ください。最終的な受給可否は所管労働局の審査によります。

AI同士の答えが割れたとき、勝者を決める必要はありません。両方に同じ一次情報を渡し直すだけで、多くは消えます。そしてそれでも消えない食い違いは、たいてい「こちらがゴールを決めていない」というサインです。まずは、いま動かしている案件のゴールを1行で書けるか——そこから試してみてください。

本記事は、当日の実施記録（議事録）および事前・事後のやり取りに基づいて構成しています。受講者ご本人の内容確認と掲載許諾を得たうえで公開しています。 ご本人が特定されないよう、氏名・社名・屋号はイニシャル表記とし、実施日・受講料は掲載していません。写真に写るご本人のお顔は加工しています。 題材となった案件は、業種・取引先が特定されない粒度に抽象化しています（当該案件の関係者からは掲載許諾を得ていないため）。 また、当日の逐次記録は残していないため議事録に無い出来事は書いておらず、受講後の定着状況・成果・削減時間といった数値も当社で記録していないため掲載していません。