Claude Projectsの育て方【実践編】過去の提案書から“勝ちパターン”を再現する方法
基礎編で、あなたは1体目のProject「業界アナリストProject」を雇いました。
公開資料を読ませて、論点を整理させる——いい感じに役に立ちそうです。
でも、正直に言いましょう。
あの業界アナリストProjectは、新人でも作れます。
なぜなら、公開資料を要約させるだけなら「資料を読んで答える」という単純な作業だから。資料を選ぶセンスも必要ですが、それは数年で身につくレベル。経験者の本当の優位は、まだ何も発揮されていない。
あれはProjectsの長文読解力を体験するための練習台でした。
本番はここからです。
この実践編で育てるのは、あなたにしか作れないProject。
世の中の提案書テンプレはネット上に無数にあります。しかし
- 「うちの会社で、この業界の、この役職の相手に、通る提案書」のテンプレは、世界のどこにも落ちていません
- 「この種類の報告書で、上司が必ずチェックする3つの観点」は、マニュアルには書かれていません
- 「この業界の契約書で、絶対に外せない一文と、譲っていい一文」は、AIの学習データに入っていません
これらは、あなたが長年かけて何度も書き、提出し、通し、ときに落とされながら掴んだ、過去の成果物の中にしか流れていない“勝ちパターン”となっているはずです。
そして、その“勝ちパターン”を抽出して再現できるAIは、Projectsが最適です。なぜなら、過去の成果物を数多くまとめて読み込ませて、共通する型を抽出させるには、Projectsの長文読解力とパターン認識が最適だからです。
※Claude Projects自体は無料プランでも利用できますが、作成数や大容量ファイル活用には制限があります。大量の過去成果物を読み込ませて本格運用する場合は、Pro / Max / Team / Enterpriseなどの有料プランを前提に考えるのが現実的です。
この記事のレベル：実践編
ゴールは「①過去の成果物を読ませて、“勝ちパターン”を抽出させる／②あなたの段取り感を「カスタム指示」に言語化して注入する／③アーティファクトで成果物そのものをAIに作らせる／④成果物別のProjectチームを編成する」状態。
基礎編でProjectsの基本を確認していることを前提に進めますので、まだ未読の方はぜひこちらから。
なぜ「勝ちパターン」が、AI時代の最後の砦になるのか
成果物の作り方は、一見すると誰にでもできる作業に見えます。
提案書、報告書、契約書のテンプレは、ネット上に無料で転がっている。AIに「提案書を書いて」と言えば、それなりのものが出てくる。「正しい提案書」は、もう誰でも作れる時代です。
でも、現場で重要なのは「正しい提案書」ではなく「通る提案書」。
そして、ベテランが書いた成果物には、若手の書いたものには絶対に流れていない一段がある。
- 同じ提案書でも、ベテランは「この章を先に置くと、この相手は途中で読むのをやめない」を知っている
- 同じ報告書でも、ベテランは「この数字を頭に出すと、上司は安心して残りを流し読みする」を知っている
- 同じ契約書でも、ベテランは「この条文は絶対に削れない、この条文は譲っていい」を知っている
これらは、検索しても出てきません。マニュアルにも書かれていません。
長年の現場で、何度も提案を通し、ときに落とされ、ときに足元をすくわれながら体得した、言語化されていない型の感覚。これを持っているのが、経験者であるあなたの唯一にして最大の資産です。
そしてリスキリングとは、この勝ちパターンを捨てて、新しいスキルに置き換えることではありません。
この勝ちパターンを、過去の成果物ごとAIに学ばせて、新規案件で再現させること。それが、Re:Skillsの考える「置換ではなく拡張」の到達点です。
若手は、Projectsの操作を1日で覚える。
だが、「通る提案書の型」を、若手はまだ掴めない。
あなたがやるべきは、操作で若手と張り合うことではなく、あなたの“勝ちパターン”をProjectに注入することです。
勝ちパターン再現Projectの3本柱：あなたの机に眠る成果物
実践編で育てるProjectの候補を、3体提示します。
すべてに共通するのは、「あなたの過去の成果物がなければ、ただの汎用ジェネレーターにしかならない」という点。どれも、あなたが書いてきた現物を読ませて初めて型を持つ存在になります。
まずは、自分の業務に一番近い1体から始めてください。
候補①：提案書生成Project
読ませる素材： 過去5〜10本の自社提案書。通ったものと、できれば通らなかったものもセットで。
注入する暗黙知： 構成の順序、論理展開、表現のトーン、価格提示の作法、リスクの扱い方。
経験者にしか作れない理由： 「正しい提案書」と「通る提案書」は別物。両者の差は、何本も通して（そして落として）きた人にしか分かりません。
候補②：報告書生成Project
読ませる素材： 過去の月次・四半期・案件報告書。複数のフォーマット例があれば全部。
注入する暗黙知： 上司や経営層が「気になる順」に並べる感覚、数字の見せ方、悪い情報の伝え方。
経験者にしか作れない理由： 報告書は事実の羅列ではなく判断材料の提示。何を載せ、何を載せないかの取捨選択は、組織内政治と意思決定プロセスを知る人にしか組めません。
候補③：契約書レビューProject
読ませる素材： 過去の自社の契約書、業界の標準契約書、過去にトラブった契約書（あれば最強の過去経験データ）。
注入する暗黙知： 業界特有の落とし穴、自社の譲れない条項、相手が見落としやすい論点。
経験者にしか作れない理由： 契約のリスクは、踏んだ人にしか分かりません。きれいな雛形はネットにあっても、「この業界のこの場面で踏みがちな地雷」は、あなたの記憶と過去資料の中にしかない。
※契約書レビューProjectは、法務判断を代替するものではありません。AIには論点の洗い出し、過去契約との比較、確認観点の整理を任せ、最終判断は必ず法務部門・専門家が行ってください。
ここからは、候補①「提案書生成Project」を代表に、勝ちパターンの注入からアーティファクト活用までを実際に手を動かす形で解説します。手順そのものは、報告書でも契約書レビューでも同じです。自分の題材に置き換えながら読んでください。
リスキリングクエスト｜「提案書生成Project」を育てる
全体像：基礎編との違いは「成果物そのものを作らせる」
基礎編は「資料を読ませて、答えさせる」体験でした。
実践編は、Projectsを「読み手」から「作り手」に転換させます。
| 装備 | 役割 | 提案書生成での使い方 |
|---|---|---|
| 手順（カスタム指示） | あなたの作り方を言語化 | 提案書の段取り・型を文章化 |
| ファイル | 過去の成果物を読ませる | 通った提案書＋通らなかった提案書を教師データに |
| アーティファクト | 成果物を独立した形で出す | 編集可能なドラフトとして提案書を受け取る |
この3つを組み合わせると、Projectは「新規案件の概要を伝えると、あなたの会社の勝ちパターンを踏まえた提案書ドラフトを生成する」という、汎用AIには絶対に作れない存在になります。
基礎編は資料アップロードから始まりましたが、実践編は過去経験データの選別から始めます。
ここを飛ばすと、「ありがちな汎用提案書ジェネレーター」しかできません。あなたの経験を活かす要は、何を読ませるかです。
「過去経験データ」の黄金構成：「通った3本＋通らなかった2本」
過去の自社提案書から、以下の構成で選んでください。
- 通った提案書を3〜5本：相手・業界・規模が様々だと理想的。なぜ通ったか、その理由まで自分の中で言語化できているもの。
- 通らなかった提案書を1〜2本：あれば最強の教師データ。「同じ会社のはずなのに、なぜこれは通らなかったか」を対比で学ばせると、Projectのパターン抽出が一気に鋭くなります。
「通らなかった提案書」を入れる、というのが実践編の最大のコツです。
通ったものだけを読ませると、Projectは「成功例の特徴」しか学べません。失敗例とセットで読ませると、「通る／通らないの分かれ目」を学べます。これは経験者しか提供できない「過去経験データ」の組み方で、汎用GPTには絶対に真似できません。
選別こそ、経験者の独壇場
ここがリスキリングの本丸です。
過去のフォルダから「学ぶ価値のある提案書はどれか」を見抜けるのは、書いた本人だけ。若手が同じフォルダを開いても、どれが通った理由まで含めて学ぶに値する1本なのかは判断できません。
選別の作業そのものが、あなたのキャリアの棚卸しです。ここから始めましょう！
過去の自社提案書には、顧客名・金額・社内事情・人事に関わる記述が必ず含まれます。基礎編の業界研究（公開資料中心）と違い、ここは最大限慎重に進める必要があります。
セキュリティの5点セット
- データ取り扱いのオプトアウト設定を必ず確認
個人プラン（Free・Pro・Max）は、2025年9月以降デフォルトで会話データがモデル学習対象。設定→プライバシー→ 「AIモデルの改善にご協力ください」をオフに。Team・Enterpriseの場合は契約上、業務データを学習に使わない扱いです。 - 業務データを本格的に扱うならTeam・Enterpriseを強く推奨
個人プランでオプトアウトしても、契約上の保証ではない。本気で社内資料を扱うなら、データ取り扱いが契約で明示されているTeam・Enterpriseへの移行を組織として検討すべきです。 - 「過去経験データ」はマスキングが原則
顧客名は「A社」、金額は「○○万円」、固有の人名は「役員X氏」のように匿名化してから読ませる。「実名のままの方が学習効果が高い」という誘惑に負けないでください。マスキング後でも、提案書の論理構造とトーンは十分学べます。 - 共有範囲は「自分のみ」を基本に
Team・Enterpriseで組織内共有する場合も、社内ルールに沿って慎重に。 - 会社のAI利用ポリシーの確認は必須
「個人で勝手に繋ぐ」のは絶対NG。情報システム部門・コンプラ・就業規則を確認し、業務資料の外部AIへの読み込みが許可されているかを確かめてください。
「AIに任せる範囲」と「人間が守るべき一線」を見極めるこの判断こそ、現場を知り尽くしたあなたにしかできない仕事です。
Claudeにログインし、画面左側の「Projects」をクリック。
Claude 公式サイト
claude.ai
開いた画面の右上にある「新規プロジェクト」をクリック。
プロジェクト作成のダイアログが表示されます。
- 名前： 提案書生成Project
- 説明： 自社の勝ちパターンを踏まえて、新規案件の提案書ドラフトを生成
「手順」欄に以下の「カスタム指示」を貼り付けてください。
【 】内をあなたの会社・業界の言葉に置き換えてください。
注目してほしいのは、「自社の提案書の段取り」セクション。
これがあるかないかで、生成される提案書の質はまったく変わります。段取り情報なしで「提案書を作って」と頼むと、Projectは汎用的な提案書を作ります。それは、世の中のテンプレに毛が生えたものであって、あなたの提案書ではないのです。
経験者の優位は、ここに表れます。
「うちの会社の提案書は、こういう順番で、こういうトーンで書く」を言語化できる。これだけで、汎用AIと格差がつきます。
画面右側の「ファイル」エリアに、STEP 1で選別した過去提案書（マスキング済み）を5〜7本ほどアップロードします。
ファイル名は分かりやすく：
- 通った提案書_A社向け_製造業.pdf
- 通った提案書_B社向け_物流.pdf
- 通らなかった提案書_C社向け_理由メモ.pdf（理由メモを同梱できれば最強）
それぞれにメタ情報を付けると、Projectのパターン抽出精度が上がります。
設定が終わったら、新規案件の概要をチャットに投げます。
例：
ここでProjectsの本領発揮。生成された提案書は、チャット横のアーティファクトエリアに独立した文書として表示されます。
- アーティファクトで全体を読み返し、構成が「自社の段取り」に沿っているか確認
- 違和感があれば「3章の表現をもう少し控えめに」「投資対効果の3軸を強調して」とチャットで指示
- チャットで修正指示を出すと、アーティファクト内のドラフトが更新されていきます
これが、Projectsならではの成果物そのものを作らせる体験です。
育てる｜勝ちパターンは「一度では出しきれない」
ここからが、Re:Skillsが提案するClaude Projectsの活用法の本質です。
あなたの勝ちパターンは、一度では言語化しきれません。むしろ、Projectの出力を見て初めて「あ、この感覚も無意識にやっていた」と気づくものです。
育成サイクル：出力のズレ＝言語化されていない勝ちパターン
Projectが生成した提案書を見て「なんか違う」と感じたら、それは宝の山です。
その違和感の正体を一行で言語化し、「手順」の「カスタム指示」に追記する。
| Projectの出力を見て感じたこと | 言語化して追記する勝ちパターン |
|---|---|
| 「この章で導入実績の出し方が浅い」 | 「導入実績は、相手と同業他社を最低1件、規模が近いものを最低1件、合計2件以上」 |
| 「リスクの章が攻撃的に見える」 | 「リスクは”対策がある前提”で書く。書き出しは『対策済みではありますが』」 |
| 「価格表が淡白で説得力が弱い」 | 「価格表の下に必ず”金額の根拠”を3行添える（工数/期間/比較対象）」 |
| 「この相手にこの表現は砕けすぎ」 | 「金融・行政向けは敬体厳格、IT・SaaS向けは常体可」 |
週に1回、新規案件で生成 → 違和感を3行追記する。
3ヶ月続ければ、提案書生成Projectは「あなたの提案書を9割再現するメンバー」に育ちます。
そしてその頃には、あなた自身の勝ちパターンも、かつてないほど言語化されている。
Projectを育てる過程は、自分のキャリアの棚卸しでもある。これが、Project育成という営みの最大の副産物です。
量産する｜1Projectから「成果物生成チーム」へ
提案書生成Projectが育ったら、同じ要領で成果物別に増員します。
ここで、基礎編で予告した「AIチームを率いる人」への移行が、現実になります。
- 提案書担当： 提案書生成Project ← 今回作ったもの
- 報告書担当： 報告書生成Project（候補2）
- 契約書担当： 契約書レビューProject（候補3）
- 議事録要約担当： 議事録から会議サマリー生成Project
- メール下書き担当： カスタムGPT（GPTs実践編で作ったもの）
これらが揃うと、あなたの周りには成果物別に専門化したAIメンバー群が並びます。
そして、これらを「どの成果物のとき、どのメンバーを呼ぶか」を采配するのが——人間である、あなたです。
これが、Re:Skillsの言う「人とAIの混成チーム」の最小単位です。
あなたはもう、Claudeを”使う人”ではありません。複数のProjectメンバーに専門領域を持たせ、束ね、成果に責任を持つチームのリーダーです。
しかも興味深いことに、ここに異なる3兄弟のAIメンバー（GPTs・Gem・Projects）も同居できます。役割別（GPTs）、時間帯別（Gem）、成果物別（Projects）——3つの軸で編成されたAIチームを、あなたが束ねる。AI3兄弟の使い分けこそ、Re:Skillsが目指すAIオートメーションユーザーの一つの答えになります。
チーム化のコツ：「Projectをコンパクトに保つ」「成果物の引き継ぎを意識する」
複数Projectをスムーズに運用する第一歩は、Projectを欲張らないこと。
「これも、あれも」と教師データを追加しすぎると、Projectのパターン抽出は薄まり、応答も遅くなります。1 Project = 1 成果物カテゴリで割り切る——これが鉄則です。
そして、Project間で「成果物の引き継ぎ」を意識する。例えば、議事録要約Projectが作った会議サマリーを、提案書生成Projectのチャットに貼って「この会議の議論を踏まえて、提案書ドラフトを更新して」と頼む。これが、人間がオーケストレーションする最初の第一歩です。
Before / After：あなたの市場価値が変わる
Before
「Claudeは使えます」と言っていた頃
汎用のClaudeに毎回提案書の指示を出し、出力をコピーして手元に貼り付け、自分で書き直していた。「AI使えます」と言っても、若手と差別化できず、自分の長年の経験がどう活きるのか、正直ピンときていなかった。
After
「うちの勝ちパターンを学んだAIチームを持つ人」になった頃
あなたの過去の成果物を学んだProjectが3体、成果物別にスタンバイしている。新規案件が来ると、概要を伝えるだけで、あなたの会社の型に沿った提案書ドラフトが30分でアーティファクトに現れる。あなたは、ドラフトを磨くことに時間を使える。
そのとき、あなたが持っているのは「Projectsの操作スキル」ではありません。
「自分の勝ちパターンを、AIが再現できる形に翻訳できる」という、誰にも真似できない設計力です。これは、ドメイン経験と過去の成果物を持つ人にしか持てない力。企業がいま、確実に欲しがっている人材像そのものです。
ネクストステップ
普段使っているChatGPTをカスタマイズする「カスタムGPT編」へ
ChatGPTを自分専用にカスタマイズできる機能、カスタムGPTの育て方。
Google環境にネイティブに住む「Gemini Gems編」へ
普段、様々なGoogleのツールを使いこなしているならGeminiのGemで自動化の第一歩を。
AIオートメーションユーザーのリスキリングを確認したい
毎日のめんどくさいを全自動化するスキルアップ記事のまとめ。
AIオートメーションの基礎を学び終えたあなたはさらなる上位クラスへ
Gemini GemsでAI自動化を経験したら、さらなる複数ツールを連携させるスキルへの挑戦を。
あなたにおすすめのリスキリングロードマップ
リスキリングで人とAI混合のチームを指揮するスキルを身につける。
初心者用・用語解説
- 勝ちパターン： 過去の成果物に流れる、通る/効く/伝わるための”型”のこと。経験者の頭の中にしかなく、本記事のProjectで再現を狙うものです。
- 教師データ： Projectに「お手本」として読ませる過去資料のこと。本記事では「通った提案書＋通らなかった提案書」を黄金構成として推奨しています。
- アーティファクト（アーティファクト）： Projectsで長文・コード・レポートを生成すると、チャット横に独立した編集可能枠として表示されるClaudeの機能。実践編で最も活きる装備です。
- Custom Instructions / 手順（カスタム指示）： Projectに最初に覚えさせる「役割・出力ルール・振る舞い方」をまとめた指示文。実践編では「あなたの段取り」を言語化して注入する場所です。
- マスキング： 顧客名・金額・人名などの機密情報を「A社」「○○万円」「役員X氏」のように伏せて、特定できないようにすること。教師データを読ませる前の必須作業です。
- ハルシネーション： AIが「知らないこと」を、知っているかのように”それっぽく”作り上げてしまう現象。「教師データに無いものは推測しない」「出典明示」の指示で大幅に防げます。
引用・参考文献
- Anthropic公式ヘルプ「How can I create and manage projects?」「What are projects?」
Projectsの作成手順、Project knowledge（知識ベース）、手順（カスタム指示）（指示）の使い方が公式に解説されています。本記事のリスキリングクエスト手順は、この公式仕様に基づいています。 - Anthropic公式「Updates to Consumer Terms and Privacy Policy」（2025年）および関連プラン解説
個人向けプラン（Free・Pro・Max）では、設定によって会話データがモデル改善に使われる扱いとなり、Privacy設定でオプトアウトが可能。一方、Team・Enterpriseおよびビジネス契約・API利用は商用条項により学習対象外、と整理されています。本記事のセキュリティ注意は、この公式情報に基づいています（最新条件は必ず公式で確認してください）。 - Anthropic「アーティファクト機能の公式紹介」
アーティファクトは、長文・コード・文書をチャット横の独立した編集可能枠として表示する機能。実践編で「成果物そのものをAIに作らせる」体験の核となります。本記事の活用法は、この機能の設計思想に沿ったものです。
リスキリングの進め方ロードマップ一覧
この記事を書いた人
関連記事
-
Claude Projectsの育て方【基礎編】資料を読ませて“業界アナリストAI”を作る方法 -
Gemini Gemsの育て方【実践編】Gmail・カレンダー・ドライブ連携で「朝イチ秘書Gem」を作る
-
Gemini Gemsの育て方【基礎編】Googleカレンダー連携で専属AI秘書を作る
-
経験者にしか作れないカスタムGPTの育て方：暗黙知を注入し、業務AIチームを組成する【実践編】
-
汎用エースAIメンバー、カスタムGPTの育て方：配って増やせる業務ボットの作り方【基礎編】
-
クリティカルシンキング【実践編】：AIの答えを“検証”する5つの問いかけ術
-
クリティカルシンキング【基礎編】：AIの嘘を見抜く“違和感センサー”の正体
-
ロジカルシンキング【実践編】：フレームワーク×AIで、思考を”翻訳”する技術
