コンテキストウィンドウとは、生成 AI が1回のやり取りで読み書きできる文章量の上限のことです。量はトークン(利用量と料金の単位)で数え、指示文・添付した資料・それまでの会話に加えて、AI が書く回答も同じ枠に入ります。
コンテキストウィンドウには、渡した情報と AI の回答の両方が入る
コンテキストウィンドウに入るのは、AI に渡した情報と、AI がその回で書く回答の合計です。
Anthropic は、コンテキストウィンドウを、言語モデルが回答を作るときに参照できるすべての文章で、回答そのものも含むものと説明しています。モデルが学習に使った大量のデータとは別物で、モデルにとっての作業用の記憶だという位置づけです(Anthropic「Context windows」Claude API ドキュメント・2026年11月14日確認)。
同じ説明によれば、枠に数えられるのは、システムプロンプト(AI への事前の指示)、会話のメッセージ(ツールの実行結果・画像・文書を含む)、AI に使わせるツールの定義のすべてです。AI が回答の前に考える過程(thinking)の出力も数えられます。
Google も Gemini の説明で、コンテキストウィンドウを人の短期記憶にたとえています(Google「Long context」Gemini ドキュメント・2026年11月14日確認)。机の広さに近いもので、机に載らない資料はその回の判断に使われない、と考えると分かりやすいでしょう。
枠の大きさはモデルごとに違い、同じ会社のモデルでも世代が変わると変わります。本ページでは具体的な数字を置かず、使うモデルの上限は各社の公式ドキュメントのモデル一覧で確かめるのが確実です。
トークンの数は文字数と一致しないので、文書が枠に占める量は、文字数からの換算ではなく実際の文書で数えて確かめるのが確実です。数え方と料金の関係はトークンの用語ページにまとめています。
上限を超えると、読み込めないか、古い内容から抜け落ちる
上限を超えたときに起きることは、AI を API(プログラムから呼び出す窓口)で使うか、チャット画面で使うかで変わります。
API で使う場合、入力だけで枠を超えると、Claude の API はエラー(prompt is too long)を返し、処理そのものが行われません。入力は収まっていても、回答を書く途中で枠に達したときは、生成がそこで止まる仕組みです(Anthropic「Context windows」Claude API ドキュメント・2026年11月14日確認)。途中で止まった回答は、見た目では完成した回答と区別しにくいので、仕組みの側で止まった理由を確かめる必要があります。
チャット画面では、エラーで止まる代わりに、古い内容から順に押し出されることもあります。Anthropic は、claude.ai のようなチャット画面が、先に入ったものから先に出す形でコンテキストウィンドウを管理する場合があると説明しています。会話の初めに伝えた前提や条件が、長いやり取りの後で回答に反映されなくなる場合、この押し出しも原因の1つです。
長い会話を続けるために、Anthropic は会話の前半を自動で要約して続きを書けるようにする機能(compaction)を用意しています。要約は便利な一方で、元の文章の細部(数字・固有名・例外の条件)は要約するときに落ちることがあります。
上限に収まっていても、長いほど正確さは下がる
枠に収まるかどうかと、中身が正しく使われるかどうかは別の問題です。
Anthropic は、トークンの数が増えるにつれて正確さと想起(必要な情報を思い出す力)が落ちる現象を context rot と呼び、枠の大きさと同じくらい、何を入れるかの選別が大切だとしています(Anthropic「Context windows」Claude API ドキュメント・2026年11月14日確認)。
長い入力のどこに情報があるかでも、結果は変わってきます。複数の文書から答えを探す課題で言語モデルを比べた研究では、正答率は必要な情報が入力の冒頭か末尾にあるときに最も高く、中ほどにあるときに大きく下がりました。長い入力を扱うように作られたモデルでも、同じ傾向が見られたという報告です(Liu ほか「Lost in the Middle: How Language Models Use Long Contexts」Transactions of the ACL・2024年)。
Google も、長い入力では質問をプロンプトの最後に置くほうが性能が良くなること、探す情報が1か所ではなく複数あると同じ正確さは出ないことを挙げています(Google「Long context」Gemini ドキュメント・2026年11月14日確認)。
業務で AI の回答がずれたとき、原因は大きく2つに分かれます。資料が枠からはみ出して読まれていない場合と、読まれてはいるが長さの中で埋もれた場合です。どちらも回答だけを見るとハルシネーション(AI がもっともらしい誤りを作ること)と見分けにくいので、誤りが出たら、まず渡した情報の量と置き場所を確かめるのが先です。
業務で影響が出やすいのは、長い契約書・議事録・会話の履歴
コンテキストウィンドウの影響が出やすいのは、1回で扱う文章が長い業務と、やり取りが長く続く業務です。
| 業務 | 起きやすいこと | 確かめること |
|---|---|---|
| 長い契約書・社内規程の確認 | 一度に入らずエラーになる。入っても中ほどの条項の扱いが弱くなる | 条項や章の単位で分けて渡しているか |
| 会議の書き起こし・議事録のまとめ | 複数回分をまとめると枠を超える。要約で数字や決定事項が落ちる | 1回分ずつ要約し、残す項目を決めてから束ねているか |
| 社内チャットでの長いやり取り | 会話の初めに伝えた前提が反映されなくなる | 守らせたい前提を、会話ではなく事前の指示に置いているか |
| AI エージェントの長い作業 | ツールの実行結果が積み上がり、枠を圧迫する | 結果のうち次の判断に要る部分だけを返しているか |
契約書や規程の確認では、条項の読み落としがそのまま判断の誤りにつながります。会議の書き起こしを AI に読ませて何を自動化し何を人に残したかは、商談の議事録 AI を自社で組んだ記録にまとめています。
画像や PDF を多く添付する業務では、トークンの上限より先に、1回の依頼に載せられるページ数や容量の上限に達する場合もある、と Anthropic は注意を促しています(Anthropic「Context windows」Claude API ドキュメント・2026年11月14日確認)。添付が多い業務を試すときは、トークンの数と添付の量の両方を記録しておくと、どちらの上限で止まったかを切り分けられます。
上限への対策は、分けて渡す・要点を先にまとめる・必要な部分だけ検索して渡す
枠の小さいモデルでの対策として、Google は、古いメッセージを外す、内容を要約する、検索で必要な部分を取り出して渡す(RAG)といった方法を挙げています(Google「Long context」Gemini ドキュメント・2026年11月14日確認)。企業の業務に置き換えると、次の3つに整理できます。
1つ目は、資料を分けて渡す方法です。契約書なら条項ごと、規程なら章ごとに分けて AI に処理させ、それぞれの結果を後でまとめます。分ける単位は文字数ではなく意味の切れ目で決めると、1つの条項が途中で切れて前後の文脈が失われることを防げます。
2つ目は、要点を先にまとめてから渡す方法です。複数回分の議事録や長い会話は、1回分ずつ要約してから束ねます。要約では数字・固有名・例外の条件が落ちやすいので、業務ごとに「必ず残す項目」を決め、その項目を表の形で書き出させると、後で元の文書と照らし合わせやすくなります。
3つ目は、必要な部分だけ検索して渡す方法です。社内規程の全文を毎回渡すのではなく、質問に関係する箇所を検索で取り出し、その部分だけを渡す形にします。検索で渡す方式と、モデルを追加で学習させる方式の比べ方はRAG とファインチューニングの違いと選び方で整理しました。
3つに共通する工夫として、質問や指示は渡す資料の後ろに置き、判断に欠かせない情報を長い入力の中ほどに埋もれさせないことも大切です。何を・どの順で・どれだけ渡すかを業務ごとに設計する考え方は、コンテキストエンジニアリングのページで詳しく扱っています。
コンテキストウィンドウと似た語との違い
似た語との違いは、量の単位なのか、上限なのか、その上限の中に何を入れるかの設計なのか、という点にあります。
| 語 | 指すもの | コンテキストウィンドウとの関係 |
|---|---|---|
| トークン | 生成 AI が文章を処理する最小の区切りで、利用量と料金の単位 | コンテキストウィンドウの大きさを数える単位 |
| 最大出力トークン数 | 1回の回答で AI が書ける長さの上限 | 回答もコンテキストウィンドウに入るので、入力が多いと回答に使える量が減る |
| 学習データ | モデルを作るときに学習させた大量の文章 | 回答のときに参照する作業用の記憶とは別物。社内資料は学習させなくても、その回の入力として渡せる |
| メモリ機能 | 会話をまたいで利用者の情報を残しておく機能 | 残した情報も、回答を作るときに入力として渡されればコンテキストウィンドウに入る |
| コンテキストエンジニアリング | AI に渡す情報を、何を・どの順で・どれだけ渡すか設計する取り組み | 限りあるコンテキストウィンドウをどう使うかを決める考え方 |
コンテキストウィンドウが大きいモデルを選べば、分ける・まとめる・検索するという工夫が要らなくなるわけではありません。長い入力ほど毎回の料金がかさみ、上で見たとおり正確さも下がりやすいからです。器が大きいことと、たくさん入れてよいことは分けて考える必要があります。
企業が導入するときに決めること
全社で生成 AI を使う前に、コンテキストウィンドウについて決めておくことは4つあります。
1つ目は、業務ごとの入力量の実測です。Claude の API は、応答のたびにその依頼で使ったトークン数を返し、送る前に数を見積もる機能も用意しています(Anthropic「Context windows」Claude API ドキュメント・2026年11月14日確認)。対象の業務で実際の文書を数本流し、使うモデルの上限に対してどれだけ余裕があるかを記録しておくと、本番で「入らない」ことに気づく事態を避けられます。
2つ目は、モデルを切り替えるときの見直しです。上限の大きさはモデルごとに違うので、モデルを替えたら、1つ目で記録した業務の入力量が新しいモデルの上限に収まるかを、同じ文書を流して確かめ直します。
3つ目は、分けて渡す・要点をまとめる・検索して渡す、のどれをどの業務で使うかの割り振りです。要約を使う業務では、必ず残す項目を業務の持ち主と一緒に決めておきます。
4つ目は、上限に達したときの扱いを利用者に知らせることです。エラーで止まった場合と、回答が途中で止まった場合のそれぞれで、利用者が何をすればよいかを社内の利用ルールに書いておくと、途中で止まった回答を完成品として使う誤りを減らせます。
株式会社overflow の Offers AX は、コンサルティング・AI エージェント開発・内製化支援の3つを、戦略立案と実装を業務の現場に近い距離で一体で進める FDE 型で支援するサービスです。数週間で動くプロトタイプを作って実際の業務で確かめてから本実装へ進むので、長い文書や会話を扱う業務でも、どこで枠に達するかを本番の前に実測できます。構築先はお客様の GCP・Azure・AWS の環境で、社内で運用を続けられるよう、引き継ぎまで設計に含めています。
支援の進め方はOffers AX のサービスページをご覧ください。長い契約書や議事録を AI に扱わせる業務の設計から相談したい場合は、無料相談を申し込むからお申し込みいただけます。
コンテキストウィンドウと一緒に使われる用語
- トークン: コンテキストウィンドウの大きさと、生成 AI の料金を数える単位
- コンテキストエンジニアリング: 限りある枠に、何を・どの順で・どれだけ入れるかを設計する取り組み
- ハルシネーション: 前提が枠から抜け落ちた後の誤った回答は、ハルシネーションと見分けにくい
- AI エージェント: ツールの実行結果が積み上がるため、作業が長くなるほど枠を圧迫しやすい
- 基盤モデル: コンテキストウィンドウの大きさは、使う基盤モデルごとに決まっている
社内の資料に答える仕組みで枠をどう使うかは、社内 AI チャットボットを作る前に決めることの記事で扱っています。