対象読者大量資料の即時分析を自動化したい上級者

達成目標GPT+Claudeの2段階分析で俯瞰資料を20分で作成できる

前提条件Copilot CLI + Pro+プラン

所要時間15分

その他業務

Copilot CLIのマルチモデル切替機能を活かし、顧客から届いた大量資料を「2プロンプト」で即座に分析・俯瞰資料化するワークフロー。GPTの深い洞察とClaudeの構造化力を掛け合わせ、単一モデルでは到達できない品質を実現します。

大量資料 → 即時横断分析 → 俯瞰資料化

Copilot CLIのマルチモデル切替機能を活かし、顧客から届いた大量資料を「2プロンプト」で即座に分析・俯瞰資料化するワークフローです。

フローの全体像

資料受領

→

Markdown変換

→

Phase1: GPT深層分析

→

Phase2: Claude俯瞰資料化

不足があれば即顧客に依頼

⏱ 所要時間: ワークスペース準備5分 + 分析15分 = 約20分で完了

📝 Note

このワークフローの核心: GPTの「深い論理的洞察・仮説生成」と Claudeの「構造化・俯瞰・エグゼクティブ視点」を2段階で組み合わせること。1モデルでは到達できない品質が得られます。

前提環境

Copilot Pro+推奨 — Claude Opus や高負荷モデルにアクセスしやすい
Copilot CLIインストール済み — npm install -g @github/copilot
GitHub認証済み — copilot → /login
macOS / Linux / Windows 対応

分析専用ワークスペースの作成

毎回同じ構造でフォルダを作ることが、Copilotの横断参照精度を最大化する鍵です。

推奨構造

customer-acme-202603/
├── raw/ # 生資料（PDF/Word/Excel/画像）
├── docs/ # Markdown化した資料（メイン解析対象）
├── analysis/ # Phase1: 深層分析結果
├── deliverables/ # Phase2: 最終俯瞰資料
├── .github/
│ └── copilot-instructions.md # 分析ルール（自動適用）
├── AGENTS.md # カスタムエージェント定義
└── analysis-checklist.md # 分析観点テンプレート

ワンコマンドで作成するスクリプト

~/bin/new-analysis-workspace.sh

#!/bin/bash
# ~/bin/new-analysis-workspace.sh として保存
mkdir -p "$1"/{raw,docs,analysis,deliverables,.github}
cp ~/.templates/copilot-instructions.md "$1/.github/"
echo "# 分析ワークスペース: $1" > "$1/README.md"
echo "ワークスペース作成完了: $1"

使い方

new-analysis-workspace.sh customer-acme-202603
cd customer-acme-202603

✅ Tip

このスクリプトを1回作っておけば、以後は「資料受領 → スクリプト実行 → cd → 2プロンプト」で分析完了。再現性100%。

分析専用 Custom Instructions

以下のテンプレートを .github/copilot-instructions.md に保存します。Copilot CLIが自動読み込みします。

.github/copilot-instructions.md

# 顧客資料分析エージェント 厳守ルール

## 基本哲学（全Phase共通）
- 常にMECE・ロジカル・仮説駆動で思考
- 全資料を「1つの巨大知識グラフ」として横断参照
- 矛盾・不足情報は必ず【情報不足】タグ + 優先度（高/中/低）で明示
- 出力は必ずMarkdown（テーブル多用、箇条書き明確）
- 日本語出力厳守
- バイアス排除：【事実】/【推測】/【仮説】タグで区別

## 出力品質基準
- 引用元ファイル名 + ページ/セクションを必ず明記
- 必要に応じてMermaid記法で関係図・タイムラインを挿入
- 出力前に「MECE確認」「不足タグ全網羅」「論理矛盾ゼロ」を自己検証

## Phase1（GPT深層分析モード）
- 深い論理的洞察・仮説生成を優先
- 「なぜ？」を最低3階層まで掘り下げる
- 出力先: analysis/comprehensive-analysis-v1.md

## Phase2（Claude俯瞰資料化モード）
- 構造化・俯瞰・エグゼクティブ視点
- 「次に顧客に聞くべき質問リスト」を必ず作成
- 出力先: deliverables/executive-overview-v1.md

⚠️ Warning

Custom Instructionsはモデル切替しても一貫して適用されます。Phase1/Phase2の出力先を固定することで、ファイル管理が混乱しません。

資料の前処理 — Markdown変換が精度の鍵

Copilotは Markdown が最も高精度です。PDFのままでは表・図・レイアウトが崩れやすいため、事前変換が重要です。

方法1: Copilot自身に変換させる（最速）

@raw/**
すべてのファイルを高精度Markdownに変換せよ。
- 表はテーブル形式
- 図は詳細説明テキスト化
- ファイル名は「YYYYMMDD_テーマ.md」形式
- docs/フォルダに保存

方法2: 専用ツール併用（高精度）

複雑なレイアウトや日本語資料には専用ツールが有効です:

MinerU — 無料・最高精度のPDF変換ツール
Marker / LlamaParse — 高精度な代替オプション

✅ Tip

docs/ 内に数十ファイルあっても問題ありません。@docs/** で一括横断参照可能。100ファイル超えたらサブフォルダに分割を推奨。

Phase1: GPT深層分析（横断ロジカル分析）

GPTの強み: 深い論理的洞察、仮説生成、多角的分析、「なぜ？」の掘り下げ

Copilot CLI起動

copilot

Phase1 プロンプト

/model GPT-5.4

@docs/**
全資料を限界までロジカルに横断読み込み、以下の構造で包括分析せよ：

1. 全体像マッピング（テーマ・時間軸・関係性グラフ）
2. 深いインサイト・仮説群
3. ステークホルダー分析（影響力×関心度）
4. 矛盾点・一貫性問題の詳細リスト
5. 【情報不足】項目（優先度高→低）
6. 戦略的示唆（短期/中期/長期）

出力: analysis/comprehensive-analysis-v1.md に詳細記述。
まず「現在参照したファイル数: XX」と報告せよ。

全体像マッピング

テーマ・時間軸・関係性グラフで全資料の構造を可視化

深いインサイト・仮説群

「なぜ？」を3階層まで掘り下げ、論理的な仮説を生成

ステークホルダー分析

影響力 × 関心度のマトリクスで利害関係者を整理

矛盾点・一貫性問題

資料間の矛盾を検出し、優先度付きでリスト化

情報不足項目

【情報不足】タグで優先度高 → 低の順に整理

戦略的示唆

短期 / 中期 / 長期に分けたアクション提案

Phase2: Claude俯瞰資料化（エグゼクティブ資料）

Claudeの強み: 構造化、俯瞰、一貫性、最終出力の「読みやすさ」

Phase2 プロンプト

/model Claude Opus 4.6

@analysis/comprehensive-analysis-v1.md @docs/**

上記分析＋元資料を基に、エグゼクティブ向け俯瞰資料を作成：

1. エグゼクティブサマリー（300文字以内）
2. 主要テーマ別整理（各テーマに洞察＋証拠引用＋不足）
3. リスク/機会マトリクス（テーブル形式）
4. タイムライン別アクションプラン
5. 「次に顧客に聞くべき質問リスト」（即依頼可能形式・5〜10個）
6. 提案Next Step（具体的アクション＋所要時間）

出力: deliverables/executive-overview-v1.md
視認性・論理構造を最優先。Mermaid図を2つ以上含めること。

📝 Note

Phase1の出力をPhase2の入力に使うことで、2つのモデルの強みを掛け合わせます。GPTの「深さ」× Claudeの「構造化」= 単一モデルでは到達できない品質。

効率化・自動化Tips

Effort調整 — GPT時に /effort high または「最高精度・深層思考モードで」と追加
トークン対策 — 大量資料時は /compact で履歴圧縮
カスタムエージェント — AGENTS.mdに「Senior Document Analyst」定義
スクリプト化 — Phase1/Phase2のプロンプトを .sh ファイルに保存して自動実行
セキュリティ — 機密資料時は --allow-all を使わない。組織ポリシー確認

タグシステムの活用

分析出力内の【情報不足】【事実】【推測】【仮説】タグで:

不足検知 → 即顧客依頼 — 情報が足りない箇所を即座に特定
事実と推測の分離 → 意思決定精度向上 — 根拠の強度を明確化
検索・フィルタリング → 後から必要な情報を即発見 — タグで構造化された分析結果

エッジケース対応

状況	対応
資料が重複	重複を明示し最新版を優先
矛盾する資料	両論併記＋「顧客確認必須」タグ
英語資料混在	日本語訳を併記（要約レベル可）
100ファイル超	サブフォルダ分割＋まず全体構造マップを作成
数値データ多め	統計的傾向（平均・中央値・外れ値）を自動算出
画像・図が多い	テキスト化済みとみなし【図説明】タグで参照

まとめ — 1回作れば一生使える

このテンプレートを1セット作っておけば:

資料受領

ワークスペーススクリプト実行（5分）

前処理

Markdown変換（5分）

Phase1

GPT深層分析（5分）

Phase2

Claude俯瞰資料化（5分）

✓

成果物完成

エグゼクティブ資料＋不足質問リスト完成

⏱ 合計約20分で「不足があれば即顧客に依頼」可能な状態に到達

分析結果の最終確認チェックリスト

AI分析結果を顧客に送付する前に、以下を必ず人間が確認してください:

事実確認: 【事実】タグの内容が元資料と一致しているか
推測の妥当性: 【推測】【仮説】タグの内容が論理的に妥当か
不足の網羅性: 【情報不足】タグが実際の不足箇所を全てカバーしているか
機密情報: 顧客名・機密データが適切に匿名化されているか
数値の正確性: 引用数値が元資料の数値と一致しているか
質問リストの質: 「次に聞くべき質問」が的確で、顧客にそのまま送れるか

⚠️ Warning

AIは「もっともらしい嘘」を書くことがあります。特に数値データと因果関係の推論は、必ず元資料と照合してください。

PM特化プロンプトテンプレート集

エンジニア以外（PM・ビジネス職）でも即使えるプロンプト集です。

1. 要件整理

@docs/**
この資料群から機能要件と非機能要件を分離し、
優先度（Must/Should/Could/Won't）でMoSCoW分類せよ。
矛盾する要件があれば【矛盾】タグで明示。

2. PRD（製品要件定義書）作成

@docs/**
以下の構造でPRDを作成せよ:
背景と目的
ターゲットユーザー
ユーザーストーリー（As a... I want... So that...）
機能要件（Must/Should）
非機能要件（パフォーマンス・セキュリティ）
成功指標（KPI）
スコープ外
出力: deliverables/prd-v1.md

3. 論点抽出

@docs/**
全資料から「未決定事項」「リスク」「ステークホルダー間の意見の相違」を
抽出し、優先度付きの論点リストを作成せよ。
各論点に「決定に必要な情報」と「推奨アクション」を付与。

4. Issue分解

@deliverables/prd-v1.md
このPRDから実装可能なGitHub Issueを生成せよ:
- 1 Issue = 1機能（4時間以内で完了可能な粒度）
- 各IssueにAcceptance Criteria付き
- 依存関係がある場合は明記
- 優先度ラベル付き

✅ Tip

これらのテンプレートを .github/skills/pm-toolkit/SKILL.md として保存しておけば、Copilotが文脈に応じて自動ロードします。PMの日常業務を劇的に効率化。

← 前のページ

Agent HQ

ガイドTOP →

GitHub Copilot ガイド TOP