AIの「記憶」はセッションごとにリセットされる？プロが語るClaude Codeの利用法と「新卒」の心得
本記事は、AIツール（特にClaude Code）を実務で利用する際の、記憶管理とワークフローの最適化について、具体的な指針を提示しています。筆者は、AIのセッションを「同じ学歴を持つ別の新卒」に例え、AIが人間のように記憶を保持しない構造的な問題を指摘しています。ユーザーが「さっき言ったはずなのに」という食い違いに直面するのは、AIが劣化したのではなく、単に別のセッション（別の担当者）が座っているためであると解説しています。
実務上の最大の落とし穴は、セッションを分けた場合、AIが過去の会話内容を共有しない点です。前任者が残したコードやファイルは参照可能ですが、そこから読み取る時間（工数）がトークンとして消費され、また、ファイルに書かれていない「意図」や「前提」は次の担当者には伝わらないため、引き継ぎの食い違いが起きやすいと警告しています。
さらに、会話が長くなることでAIが古い情報を要約する「compact」機能は、同じ担当者でも過去の細部を忘れる人間の状態に似ており、重要な決定事項は必ずファイルに記録することが不可欠です。最も危険なのは、一つのセッションで複数の案件を混在させる「記憶の混線」であり、これはローテーション勤務の新人と同じ構造であるため、AIを「賢くない」のではなく、利用者が複数の情報を詰め込みすぎていることが原因だと指摘しています。
したがって、筆者は以下の3つの指針を提唱しています。第一に、残すべき情報は必ずファイル（書庫）に記述し、会話は一時的な頭の中のメモとして扱うこと。第二に、セッションは「1セッション＝1テーマ」を徹底し、話題が変わったら`/clear`コマンドで担当を切り替えること。第三に、引き継ぎを行う際は、単なるファイルだけでなく、「目的」「進捗」「次にやること」「触ってはいけない場所」をまとめた前提書（handover.md）を必ず渡す必要があるとしています。これらの指針は、AIを単なるツールとしてではなく、構造的な制約を持つ「新人」として扱う視点を提供しています。
背景
近年、生成AIの利用が急速に進む中で、ユーザーはAIを「万能な知性体」として捉えがちです。しかし、AIのセッションやメモリ構造には、人間とは異なる明確な制約（コンテキストの限界、セッションごとの独立性）が存在します。本記事は、これらの技術的な制約を「新卒のたとえ」という比喩を用いて可視化し、実務におけるAIの適切な利用方法を指導するものです。
重要用語解説
- セッション: AIとの対話画面（コンテキストウィンドウ）のこと。セッションを分けると、AIは前の会話内容を共有しないため、別々の担当者として扱われます。
- compact: AIが長すぎる会話履歴を自動的または手動で要約する機能。これは、AIが過去の膨大な情報から要点を抽出するプロセスであり、人間が経緯を忘れる現象に例えられます。
- トークン: AIが情報を処理する際の最小単位。会話の長さや複雑さによって消費され、実質的な「工数」やコストに直結します。引き継ぎの作業もトークン消費となります。
今後の影響
本記事の指針に従うことで、AIの利用は単なる「質問応答」から「構造化されたプロジェクト管理」へと進化します。これにより、AIの出力を単なる会話履歴としてではなく、必ずファイル（ドキュメント）に落とし込む習慣が定着し、チーム全体の業務効率と属人化の解消に大きく貢献すると予想されます。