Claude Codeのトークン消費を抑えるプロンプト設計｜NG例・OK例で見る実務のコツ

Claude Codeを業務で使うと、ログ確認、仕様書の読み込み、コード調査、テスト観点の整理、ドキュメント確認などを効率化できます。
一方で、トークン消費量は、AIそのものの問題だけでなく、情報の渡し方や指示の出し方によって増えやすくなります。
たとえば、「全部読んで」「いい感じにまとめて」と依頼すると、本来は不要なファイルや長いログまで読み込んでしまい、想定以上にトークンを消費することがあります。
企業でClaude Codeを活用する場合は、必要な応答だけが得られるように、確認する範囲や出力形式、判断に必要な情報を慎重に指定することが大切です。

トークン消費を抑える基本の考え方

Claude Codeのトークン消費を抑えるには、最初からすべてを任せるのではなく、調査範囲や出力内容を限定することが重要です。
特に意識したいのは、次の3つです。

・見る対象を限定する
・出力に必要な指定をする
・調査と実装を分けて進める

AIに判断を任せる部分は残しつつ、不要な読み込みや長すぎる回答を防ぐことで、業務で使いやすい形になります。

NG例・OK例で見るプロンプト改善

Claude Codeのトークン消費を抑えるには、「何をどこまで確認するのか」を具体的に伝えることが大切です。
以下のように、曖昧な指示を避け、対象範囲や出力形式を絞ることで、不要な読み込みや長すぎる回答を防ぎやすくなります。

番号	業務シーン	NG例	OK例
1	ログからエラー原因を調べる	このログ全部見て原因を調べて	以下のログから、重要なエラー・発生頻度・再現条件だけを抜き出して
2	仕様書の要点を抜き出す	この仕様書を丸ごと読んで把握して	この仕様書から、今回の実装に関係する部分だけを箇条書きで抜き出して
3	コードベースの構造を把握する	関係ありそうなファイルを全部読んで構造を教えて	認証まわりのファイルだけ、役割と呼び出し関係をざっくり整理して
4	テスト観点を洗い出す	このコードのテストを全部考えて	この修正差分から、必要なテスト観点を正常系・異常系で3つずつ挙げて
5	変更差分の説明を作る	変更内容をいい感じにまとめて	以下の差分から、変更点・理由・影響範囲の3項目でPR説明のたたき台を作って
6	ドキュメントを下読みする	このドキュメント全部読んで教えて	このREADMEから、環境構築に必要な手順と前提だけを箇条書きで抜き出して
7	調査と実装を分けて進める	このエラー調べてそのまま直して	まず原因の仮説を出して。修正方針を確認してから進めて
8	途中経過を残しすぎない	調べた内容を全部このまま会話に残して進めて	途中経過は省いて、結論と次にやることだけ短くまとめて

1. ログからエラー原因を調べる場合

ログ確認では、すべてのログを読ませるのではなく、重要なエラー、発生頻度、再現条件など、判断に必要な情報に絞って抽出させることが大切です。
範囲を限定することで、不要なログの読み込みを抑えやすくなります。

2. 仕様書の要点を抜き出す場合

仕様書を丸ごと理解させようとすると、今回の作業に関係のない情報まで読み込む可能性があります。
「今回の実装に関係する部分だけ」など、目的に合わせて抜き出す範囲を指定すると、必要な情報を短く整理しやすくなります。

3. コードベースの構造を把握する場合

コード全体を読ませるのではなく、認証、決済、フォーム、APIなど、確認したい領域を先に絞ることが重要です。
ファイルの役割や呼び出し関係に限定して整理させると、構造把握に必要な情報だけを得やすくなります。

4. テスト観点を洗い出す場合

「全部考えて」と依頼すると、観点が広がりすぎることがあります。
修正差分をもとに、正常系・異常系などの分類や、出力数を指定しておくと、確認しやすいテスト観点に整理できます。

5. 変更差分の説明を作る場合

変更内容をまとめるときは、「いい感じに」ではなく、変更点、理由、影響範囲など、必要な項目を指定することが大切です。
PR説明や社内共有に使う場合も、項目を決めておくことで、そのまま確認しやすい文章になります。

6. ドキュメントを下読みする場合

READMEやマニュアルをすべて読ませるのではなく、環境構築、実行手順、前提条件など、知りたい内容を絞って依頼すると効率的です。
必要な手順だけを箇条書きで抜き出すことで、後続作業にもつなげやすくなります。

7. 調査と実装を分けて進める場合

Claude Codeを使うときは、いきなり修正まで任せるのではなく、まず原因の仮説出しや影響範囲の整理をさせると安全です。
たとえば、「このエラー調べてそのまま直して」ではなく、「まず原因の仮説を出して。修正方針を確認してから進めて」と伝えることで、不要な作業や意図しない修正を防ぎやすくなります。
企業での利用では、AIにすべてを一度に任せるよりも、確認ポイントを挟みながら進める方が、品質管理の面でも安心です。

8. 途中経過を残しすぎない場合

調査内容をすべて会話に残したまま進めると、後続のやり取りでも過去の情報が参照され、トークン消費が増えやすくなります。
そのため、途中経過はすべて残すのではなく、「結論と次にやることだけ短くまとめて」と指示するのがおすすめです。
業務で必要なのは、すべての思考過程ではなく、判断に使える要点です。

Claude CodeやCodexは、資料作成、コード修正、ログ確認、業務フローの自動化など、企業の日常業務を効率化しやすいAIツールです。
ただし、便利だからといって何でもAIに任せてしまうと、会話履歴や長文ファイル、不要な設定が積み重なり、トークン消費やコストが増えやすくなります。
特に企業で活用する場合は、「どの業務に使うのか」「どの情報を渡すのか」「どこまでAIに任せるのか」「どのタイミングで人が確認するのか」を整理しておくことが大切です。
こうしたAI活用を、実務の成果につながる形で設計・推進する役割として注目されているのが、生成AIマーケターです。

Claude CodeやCodexを業務で使いこなすには、機能名を知るだけでなく、自社の業務に合わせて「任せる作業」「人が確認する作業」「トークン消費を抑える使い方」を設計することが重要です。
今回の記事では、Claude Codeのトークン消費が増えやすい原因と、プロンプトのNG例・OK例をもとに、企業で実践しやすい改善ポイントを整理しています。
AIを便利なツールで終わらせず、社内で安定して活用するためにも、まずは日常業務の中でAIに任せたい作業を洗い出し、共通の使い方や確認ルールを整えていくことが大切です。
その基盤づくりとして有効なのが、生成AI研修です。

まとめ｜Claude Codeは「任せ方」でコストと品質が変わる

Claude Codeは、企業の開発業務や資料整理、ログ確認、仕様把握などを効率化できる便利なAIツールです。
ただし、トークン消費量は、Claude Codeにどの情報を、どの粒度で、どのように渡すかによって大きく変わります。
指示が曖昧なままだと、不要な情報まで読み込み、トークン消費が増えやすくなります。
重要なのは、AIに渡す情報を絞り、出力形式を指定し、調査と実装を分けて進めることです。
Claude Codeを業務で活用する際は、「全部読んで」ではなく、「何を見て、何を出してほしいのか」を明確にすることで、無駄な消費を抑えながら、実務に使いやすい成果につなげやすくなります。

・具体的に自社設計を相談したい方はこちら▼