Back to posts

AIツールの乗り換えコストを下げる：データを持ち運べる形に

Published
CATEGORIES
AI
Tags
#AI #データ #運用

AIツールは、思ったより頻繁に入れ替わるものです。モデルの世代交代、料金改定、職場や案件ごとの指定。私自身、調査用、コード編集用、文章の推敲用と複数のAIを使い分ける運用をしていて、作業を担当させるツールが変わる場面は珍しくありません。

そのたびに感じるのは、乗り換えで本当に困るのは「モデルの性能差」ではないということです。性能は数か月で均されてきます。困るのは、前のツールの中に残してきたもの、会話の文脈、覚えさせた設定、作りかけの成果物を持ち出せないことです。

対策は単純で、大事なものをツールの中ではなく自分の側に置くこと。この記事では、ロックインが効く場所と、私がやっている「持ち運べる形」の作り方を整理します。

ロックインが効くのは、モデルの外側

乗り換えコストの正体は、だいたい次の4か所にあります。

置き場所ツール内にだけあると起きること持ち運べる形
会話履歴過去の議論や決定の経緯が追えず、最初から説明し直しになる結論と理由だけを抜き出して、自分のファイルに残す
メモリ・学習済みの設定「いつもの前提」を毎回ゼロから教え直すことになる前提・好み・ルールをテキストで手元に持つ
カスタム指示・プロンプトの型設定画面の中にだけあり、他ツールで再現できない指示文そのものをテンプレートとして保存する
成果物とファイル置き場ドキュメントや下書きがサービス内に散らばり、所在が分からなくなるMarkdown等の標準形式で、自分のフォルダに集約する

表の右列に共通するのは、「特定のツールの機能に依存しない形」だということです。プレーンテキストと標準形式なら、どのAIに渡しても読めますし、人間がそのまま読んでも意味が通ります。

ポイント： エクスポート機能は「最後の手段」であって、普段の運用の代わりにはなりません。会話履歴を丸ごと書き出せても、それを別のツールに読み込ませて文脈を復元するのは現実的ではないからです。その理由は後半で触れます。

私の運用：正本は自分のファイル側

私がやっているのは、決定事項や作業の引き継ぎを、ツールの履歴やメモリだけに頼らず、自分のフォルダのMarkdownファイルに残すことです。何を決めたか、なぜそう決めたか、次に何をするか。それをファイルに書いておけば、担当のAIが変わっても、そのファイルを新しい側に読ませるところから作業を再開できます。

この運用にしてから、使うAIを変えるときの心理的な抵抗はかなり減りました。「あのツールじゃないと文脈が通じない」という状態そのものがロックインだったのだと、後から気づきました。

原則： AIは「作業する相手」、保管場所は「自分のファイル」。正本の置き場を自分の側に決めておくと、ツールは交換可能な部品になります。

ファイルに残すときの粒度も決めています。会話の全文は残しません。量が膨らんで検索性が落ちますし、後から読み返すのは結局「結論と理由」だけだからです。

  • 残す：決まったこと／そう決めた理由／次にやること／うまくいった指示の型
  • 残さない：試行錯誤の過程の全文、その場限りの言い回し

この取捨選択自体は手間に見えますが、会話の区切りで数行足すだけなので、実際にはそれほど重くありません。むしろ「残すほどの結論が出たか」を意識する分、作業の区切りがはっきりするようになりました。

エクスポート機能はある。でも過信しない

主要なサービスには、データのエクスポート機能が用意されています。たとえばChatGPTは設定の「データ管理」から、会話履歴を含むデータをZIPファイルで書き出せます。Claudeも設定のプライバシー項目からデータをエクスポートできます。存在を知っておくこと自体は、保険として意味があります。

ただし、これは「取り出す」ための機能であって、「別の場所に移して、続きから使う」ための機能ではありません。Claudeの公式ヘルプにも、エクスポートしたデータを別の個人アカウントへインポートすることはできないと明記されています。形式もサービスごとに異なりますし、巨大なZIPやJSONを手にしても、実務で役立つのはその中の結論部分だけです。

だから私の考え方はこうです。エクスポートは保険として、場所の確認と一度の試行だけしておく。日常的には、会話のたびに結論を持ち帰って自分のファイルに足していく。この積み重ねの有無が、乗り換えのときの差になります。

乗り換え時に困る順番

実際に担当ツールを切り替えると、困る順番には偏りがあります。体感ではこの順です。

  1. カスタム指示と前提の再現：毎回効いていた「いつもの設定」が、新しい側では白紙。地味ですが、一番時間を取られます
  2. 決定の経緯の喪失：「何を作るか」は覚えていても「なぜそう決めたか」を失うと、終わった判断を蒸し返すことになります
  3. 成果物の所在：下書きやメモが複数のサービスに散らばっていると、探すだけで疲れます
  4. モデルの性能や癖の差：意外と最後です。指示の型が手元にあれば、調整は数回で済みます

性能差が最後に来るのが面白いところで、裏を返すと、上位3つはモデルの進化では解決しません。自分の側の置き方でしか下げられないコストです。

点検リスト

普段から次を満たしておくと、乗り換えはだいぶ楽になります。乗り換えが決まってから慌ててやるのではなく、ときどきの棚卸しのつもりで確認するのがおすすめです。

  • 重要な決定とその理由が、自分のファイルに文章で残っている
  • カスタム指示・プロンプトの型を、設定画面の外（手元のファイル）にも保存してある
  • 成果物はMarkdown／CSV／PNGなどの標準形式で、手元に集約されている
  • 使っているサービスのエクスポート機能の場所を確認済みで、一度は書き出しを試した
  • メモリ機能に覚えさせている内容を、自分でも説明できる（＝テキスト化できる）
  • 新しいツールに指示テンプレートを渡して、同じ作業ができるか試したことがある

おわりに

乗り換えコストをゼロにはできません。ただ、その大半は「モデルの差」ではなく「文脈の置き場所」で決まります。決定と経緯と指示の型を自分の側に持つ。それだけで、AIツールは「引っ越せない家」ではなく「交換できる道具」に近づきます。モデルは半年で入れ替わっても、自分のファイルに積んだ判断の記録は、そのまま次のモデルの土台になります。

参考

Tags Categories