第１ 本記事の対象と結論
１ 扱う問い
弁護士・税理士が生成AIに調査，起案又は点検を頼むとき，依頼文の冒頭に「あなたは経験豊富な弁護士です」「税務の専門家として答えてください」と役を書く例は多い。
本記事は，役を名乗らせることで何が変わり，何が変わらないかを確認した上で，AIに頼む仕事を「大きく」ではなく「深く」するための依頼文の書き方を，法律・税務の実務に即して整理する。
基準日は令和８年１０月１７日であり，AI提供者の公式資料と法令はこの日に確認したものである。
英文資料の訳は，本記事によるものである。
２ 結論の要旨
結論は次の５点である。
①役を名乗らせることは，口調や振る舞いを整えるが，調べ方や結果の正確さを保証しない。
②依頼文には，役の名前ではなく，その分野の一流が出発点にする一番生の資料，使う手法と道具，及びAIでも依頼者でもない何が正しさを示すかを書く。
③法令・判例・通達の調査では，「必ずあるはずだから探して」と押したり，件数を決めて求めたりしない。
押してよいのは調べる範囲と手順であり，見つからなければ「見つからなかった」と答えるよう指示しておく。
④AIに自分の出力を採点させず，e-Gov，裁判所ウェブサイト，判例秘書，国税庁の法令解釈通達，公表裁決事例及び原資料の該当頁という外部の照合先で確かめる。
⑤依頼文に生の資料を入れるほど，弁護士・税理士の守秘義務の問題に近づくため，入力する資料と利用するサービスの条件を先に確認する。
第２ 出発点となった資料
１ Anthropicの開発者による手引き
出発点は，AnthropicでClaudeの開発に携わるFelix Rieseberg氏が，令和８年１０月１３日に自身のウェブサイトで公表した「How to be more ambitious: A tutorial for humans with models」である。
同記事は，AIへの頼み方の野心を，同じ仕事を早く終える「速さ」，個々の作業ではなくその先の結果を頼む「高さ」，その分野の一流と同じ道具と材料まで降りる「深さ」，及び普段は呼ばない分野を持ち込む「広さ」に分けて説明している。
筆者は記事末尾の自己紹介で，Anthropicのエンジニアリングマネージャーであり，Claude.ai，Cowork及びClaude Codeのデスクトップ版のエンジニアリングを率いてきたと述べている。
同記事は，筆者の経験に基づく手引きであり，効果を測定した研究ではない。
また，筆者はAI提供者の社員であり，題材も同社のAIである。
本記事は，同記事の指摘を，研究資料，提供者の公式資料及び法令と照らし合わせ，法律・税務の実務で使える範囲に限って用いる。
２ 解説動画との関係
同記事は，YouTubeチャンネル「AI Jitan Lab」が令和８年１０月１６日に公開した動画「AIを低く見積もる世の中へ。― Claude開発者が書いた野心の手引き」でも紹介された。
もっとも，動画には，記事に書かれていない説明（難しい目標を任されること自体が自己効力感を高めるという説明等）が加わっている箇所がある。
本記事は，動画の説明ではなく，記事本文と各一次資料を根拠にしている。
第３ 役を名乗らせても調べ方は変わりにくい
１ 手引きの指摘
手引きは，「深さ」の技法の最初に，プロのように振る舞うよう求められたモデルは，方法を変えずに語彙だけを切り替えることが多いと述べている。
原文は，“models often switch vocabulary without actually switching methods” である。
そこで，Markdown形式の表で済ませようとしたら，データベースと統計モデルを使うよう求めるというように，その分野の一流が使う道具そのものを指定するよう勧めている。
一流が何を使うかを依頼者が知らなくても，AIの方が通常知っているとも述べている。
「広さ」の技法でも，空売り投資家のように書かせるのではなく，空売り投資家がポジションを取るために行う調査をさせるよう求めている。
役になりきらせると，やり取りが妙になるだけで結果は良くならないことがあるという趣旨である。
２ 研究と提供者の説明
役を名乗らせる効果については研究もある。
Mingqian Zhengほか「When “A Helpful Assistant” Is Not Really Helpful: Personas in System Prompts Do Not Improve Performances of Large Language Models」（arXiv:2311.10054，令和６年１０月９日改訂の第３版）は，６種類の対人関係と８つの専門分野にわたる１６２の役を，４系統の大規模言語モデルと２，４１０問の事実問題で試した。
同論文の抄録によれば，システムプロンプトに役を加えても，役を加えない場合と比べて成績は上がらなかった。
役の性別，種類及び分野が正答率に影響することはあったが，問題ごとに最適な役を自動で選ぶことは難しく，役の効果は大部分が偶然に左右されるとまとめている。
他方，Anthropicの公式資料「Prompting best practices」は，「Give Claude a role」の項で，システムプロンプトで役を設定するとClaudeの振る舞いと口調が用途に合うようになると説明し，一文でも違いが出るとしている。
原文は，“Setting a role in the system prompt focuses Claude’s behavior and tone for your use case.” である。
同資料が述べる効果は，振る舞いと口調についてのものである。
両方を合わせると，役の指定は，回答の口調や立場を整える手段としては使えるが，調査の手順や結果の正確さを確保する手段としては足りないと考えられる。
前記の論文は事実問題の正答率を調べたものであり，法律・税務の調査を対象としたものではない点にも注意が要る。
３ 法律事務所での書き方
例えば，裁判例の調査を頼むときに，「最高裁調査官のように厳密に調べて」と書くだけでは，回答の語調が変わるだけで，読む資料と照合の手順が変わるとは限らない。
これを，「判決全文を読み，事案，判旨及び結論を分け，主張を支える判示の該当箇所を示し，事案の違いから射程が及ぶかを検討して」と書けば，AIが行う作業そのものが変わる。
税務でも，「ベテラン税理士として答えて」と書くより，「適用年度の条文と法令解釈通達の本文を確認し，通達番号と該当箇所を示し，質疑応答事例を使う場合は前提事実が本件と一致するかを確認して」と書く方が，確認すべき作業が明確になる。
役の名前を書く場合も，その役が実際に行う作業を併せて書くことが考えられる。
第４ 深さの４つの問い
１ 手引きの問い
手引きは，筆者がよく助けられる依頼文として，次の趣旨の文を示している。
この作業を，大きくではなく，深くしたい。
書き直す前に，①この分野の一流のプロなら，私が頼んでいないことで何をするかを言う，②すでにかみ砕かれたものではなく，プロが出発点にする一番生の材料を挙げる，③プロが使う具体的な手法と道具を挙げる，④あなたでも私でもない何が，結果が正しいと示すかを言う。
その上で，まさにそれを頼むように，私の依頼文を書き直す。
この文は，AIに答えを出させる前に，依頼そのものを深い形へ書き直させる点に特徴がある。
自分の依頼文と一緒に渡せば，AIが一流の作業手順を挙げ，その手順を頼む依頼文に書き直す。
２ 法務・税務版の問い
法律・税務の調査に使うなら，例えば次のように置き換えられる。
この作業を，大きくではなく，深くしたい。
書き直す前に，次の４つに答えてほしい。
①この分野の一流の弁護士（裁判例の調査なら最高裁判所調査官，税務なら経験のある税理士）なら，私が頼んでいないことで何をするか。
②要約，解説又は判決要旨ではなく，一流が出発点にする一番生の資料は何か（判決全文，条文の現行本文と改正経過，立法資料，法令解釈通達の本文，記録の原本，登記・戸籍の原本等）。
③一流が使う具体的な手法と道具は何か（要件事実の整理，時系列表，裁判所ウェブサイト・判例秘書の検索式，e-Gov法令検索，国税庁ホームページ等）。
④あなたでも私でもない何が，結果が正しいことを示すか（裁判所ウェブサイトの判決全文，判例秘書の本文，e-Govの現行条文，通達・裁決の本文，証拠原本の該当頁等）。
その上で，まさにそれを頼むように，私の依頼文を書き直してほしい。
３ 各問いの意味
①は，頼む側が気付いていない作業を洗い出す問いである。
例えば，相手方の引用判例を確認する依頼で，上訴審の結論や同じ争点の後続判例の確認が抜けていれば，ここで挙がることが期待できる。
②は，要約の要約を材料にしないための問いである。
判例データベースの見出し，解説記事の要約及び検索結果の抜粋は，原文を読んだことの代わりにならない。
③は，役の名前の代わりに作業を指定する問いである。
第３の３で述べた書き方を，AI自身に提案させることになる。
④は，結果を誰が確かめるかを最初に決める問いである。
答えがAI自身の再確認や依頼者の印象にとどまるなら，その依頼は検証の手段を持たないまま進むことになる。
第５ 「解けるはずだ」と押す指示を調査に使わない
１ 手引きの勧め
手引きは，「深さ」の技法として，無茶な目標を選び，それが十分合理的だとモデルに伝えることも勧めている。
ウェブサイトの表示を１０秒から５秒にしたいなら２００ミリ秒を求め，モデルが無理そうだと言えば，解ける問題であり続ければよいと繰り返し伝えるという例である。
これは，表示速度のように，結果を測って確かめられる課題についての勧めである。
２ 法令・判例・通達の調査に持ち込んだ場合
この勧めを，法令・判例・通達の調査にそのまま持ち込むと，問題が生じ得る。
「この主張を支える判例を３件挙げて」と件数を決めて求めたり，「必ずあるはずだから探して」と繰り返したりすると，該当がない場合でも件数を埋める答えを促すおそれがある。
これは本記事の整理による設計上の懸念であり，特定の製品で起きた事象を測定したものではない。
もっとも，生成AIが実在しない裁判例や誤った事件番号を示すことがあることは，生成AIを使った本人訴訟－訴状・準備書面の作成，架空判例の確認及び裁判所への提出（AI作成）で述べたとおりである。
３ 指示の書き方
調査を頼むときに押してよいのは，調べる範囲と手順である。
例えば，裁判所，期間，検索語，類似語及び関連条文を指定し，検索した範囲と件数を記録させる。
その上で，見つからなければ「見つからなかった」と答えるよう，依頼文に書いておく。
弁護士職務基本規程３７条１項は，「弁護士は、事件の処理に当たり、必要な法令の調査を怠ってはならない。」と定め，同条２項は，「弁護士は、事件の処理に当たり、必要かつ可能な事実関係の調査を行うように努める。」と定める。
AIが挙げた裁判例や通達の存在と内容を確かめる作業は，この調査の一部として弁護士自身が行う必要がある。
同条の詳しい内容は，弁護士の法令・事実調査―弁護士職務基本規程３７条と調査範囲・依頼者説明（AI作成）で扱っている。
税務でも同じである。
通達番号や裁決の例をAIに挙げさせるときは，件数を決めずに求め，挙がった番号は国税庁ホームページの法令解釈通達又は国税不服審判所の公表裁決事例で本文を開いて確かめる。
税務回答の検証手順全体は，生成AIの税務回答を申告に使う前の検証手順―事実，適用年度，条文・通達，計算及び税理士の判断記録（AI作成）で整理している。
第６ AIに自分を採点させず，外部の照合先を使う
１ 手引きの「外部の審判」
手引きは，「深さ」の技法の最後に，モデルに自分自身を評価させないよう求めている。
原文は，“Do not ask the model to judge itself.” である。
筆者は，令和８年１０月の時点では外部での検証を強く求めるとし，理想はモデルがすぐに実行して結果を得られる検証の道具であると述べている。
作成したAI自身に評価させると肯定的に偏りやすいとする開発企業の技術資料と，評価役を分ける方法は，AIの改善ループが失敗する条件－代理指標，仕様ゲーミング，遅れて分かる成果及び人が決める停止条件（AI作成）及びAIの仕事の評価基準を育てる手順―失敗の言語化，理想の成果物，落とし穴メモ及び評価を作り込む業務の選び方（AI作成）で扱っている。
２ 法律・税務の照合先
法律・税務の仕事では，外部の照合先は次のように決まっていることが多い。
| 確かめる対象 | 照合先 | 確かめる点 |
|---|---|---|
| 法令の条文 | e-Gov法令検索の現行条文 | 条・項・号，施行日，経過措置 |
| 裁判例 | 裁判所ウェブサイトの裁判例検索，判例秘書 | 裁判所名，裁判年月日，事件番号，判示の該当箇所 |
| 国税庁の解釈 | 国税庁ホームページの法令解釈通達，質疑応答事例 | 通達番号，改正履歴，前提事実 |
| 裁決 | 国税不服審判所の公表裁決事例 | 裁決本文，争点，認定事実 |
| 事実・数字 | 記録の原本，証拠，帳簿，証憑 | 該当頁，金額，日付，当事者 |
裁判所ウェブサイトの検索で見つからないことは，その裁判例が存在しないことの証明ではない。
照合先で見つからなかったものは，「確認できなかった」と記録し，「存在しない」と書かない。
３ 照合先に合わせて原本を書き換えさせない
照合先は，誤りを見つけるために使うものであり，原本を書き換える根拠ではない。
例えば，名簿の画像をAIで書き起こし，既存の名簿と照合させる場合に，「一致するまで直して」と指示すると，改姓した人，新しく加わった人又は照合先に載っていない人の氏名を，既知の似た氏名に書き換えるおそれがある。
照合先と一致しない氏名は，画像のとおりに書いた上で，「照合不一致」として理由とともに一覧にさせる方が安全である。
手引きが冒頭で触れた例にも，同じ考え方が表れている。
報道によれば，天文学の訓練を受けていない人物が，宇宙望遠鏡TESSの公開データと複数のAIを使って惑星の候補を見つけ，仮説を崩すための検定を７４回行い，そのうちの一つでは２つのデータセットから３つ目のデータセットでの減光の時刻を予測させたという。
この候補は，MITが公開するTESSの追加観測（DDT）の提案一覧に，番号１００の提案として掲載されている。
報道によれば，本人も，検出した規則性が惑星以外の原因によるものである可能性を認めており，追加観測の結果を待つ段階であって，確定した発見ではない。
この例で結論を支えようとしているのは，AIの自己評価ではなく，別の時期のデータと追加観測という外部の照合先である。
第７ 「高さ」と「広さ」
１ 作業ではなく目的を渡す
手引きの「高さ」は，個々の作業ではなく，その先の結果を頼むことである。
筆者は，クラッシュを１件ずつ直させる頼み方から，アプリをクラッシュしない状態に保つこと自体を任せる頼み方へ移ったと述べ，そのために，AIが自分でクラッシュ報告を取得し，実機で再現・確認できる環境を用意したとしている。
法律事務所では，最終的な法的判断を弁護士が行うことを前提に，作業の目的と，何が判明すれば次の工程が変わるかを渡すことが，これに当たる。
担当者へ渡す目的の書き方は，法律事務所のAIエージェント業務設計－目的・コンテキスト・権限・完了条件をどう分けるか（AI作成）で整理している。
２ 名詞を動詞に言い換える
手引きの「広さ」は，普段は呼ばない分野の知識と手法を持ち込むことである。
その方法として，手引きは，成果物を名詞ではなく動詞で言い換えることを挙げ，四半期の業績報告は「資料」ではなく，忙しい人々に因果の筋を信じてもらい，不確かなまま３０分で決めてもらうことだと説明している。
準備書面に当てはめれば，準備書面は「書面」ではなく，争点ごとの因果の筋を，限られた時間で裁判官に理解してもらい，判断してもらうことである。
こう言い換えると，筋の立て方，削り方及び時系列の図示といった別の作業の視点が必要になることが見えやすくなる。
相手方代理人が反論のために行う調べ方や，使途不明金を追う調査の手順（取引履歴と証憑の突合等）を借りることも，同じ発想である。
ここでも，役になりきらせるのではなく，その人が実際に行う作業をさせる。
第８ 生の資料を渡すときの守秘義務
一番生の資料を出発点にするという考え方は，依頼者の資料をAIに渡す場面を増やす。
弁護士法２３条は，「弁護士又は弁護士であつた者は、その職務上知り得た秘密を保持する権利を有し、義務を負う。但し、法律に別段の定めがある場合は、この限りでない。」と定める。
弁護士職務基本規程２３条は，「弁護士は、正当な理由なく、依頼者について職務上知り得た秘密を他に漏らし、又は利用してはならない。」と定める。
税理士法３８条は，「税理士は、正当な理由がなくて、税理士業務に関して知り得た秘密を他に洩らし、又は窃用してはならない。税理士でなくなつた後においても、また同様とする。」と定める。
したがって，生の資料を渡す前に，入力する資料の範囲と，利用するサービスの保存・学習・再委託の条件を確認する必要がある。
公開情報だけで足りる作業は，公開情報から始める方法も考えられる。
契約上の確認事項は，法律事務所が生成AIのDPAを確認するときのチェックリスト－学習不使用，保持期間，ZDR，再委託，国外処理及びコネクタ（AI作成）で整理している。
第９ 本記事の確認状況
Rieseberg氏の手引きは，筆者のウェブサイトで本文を確認した。
解説動画は，自動生成字幕と概要欄で確認し，本記事の根拠には用いていない。
Zhengほかの論文は，arXivの抄録で確認した。
Anthropicの公式資料は，令和８年１０月１７日に「Prompting best practices」の該当項を確認した。
惑星の候補の例は，報道（Gizmodo，令和８年１０月９日）とMITのTESS追加観測（DDT）の提案一覧で確認した。
弁護士法２３条及び税理士法３８条はe-Gov法令APIで，弁護士職務基本規程２３条及び３７条は日本弁護士連合会の公表PDFで確認した。
本記事は裁判例を根拠とする命題を採用していないため，判例秘書の検索は行っていない。
第１０ 関連記事
①AIに「判断」と「文章作成」を分けて任せる―判断だけするAI（Jev）から考える問いの立て方，定型処理及び期間計算をプログラムに任せる理由（AI作成）
②AIに主張案を複数書かせて選ぶとき―項目別の採点，弁護士が決める重み，書き手と別の採点役及び選び方が割れた案の確認（AI作成）
③AIエージェントを使って裁判所提出書面を作成するときに行うべきハルシネーション防止方法（AI作成）
④生成AIを使った本人訴訟－訴状・準備書面の作成，架空判例の確認及び裁判所への提出（AI作成）
⑤生成AIの税務回答を申告に使う前の検証手順―事実，適用年度，条文・通達，計算及び税理士の判断記録（AI作成）
第１１ 出典・参考資料
１ 法令・会規
①e-Gov法令検索「弁護士法」２３条（令和８年１０月１７日にe-Gov法令APIで確認）：https://laws.e-gov.go.jp/law/324AC1000000205
②e-Gov法令検索「税理士法」３８条（同上）：https://laws.e-gov.go.jp/law/326AC1000000237
③日本弁護士連合会「弁護士職務基本規程」２３条，３７条：https://www.nichibenren.or.jp/library/pdf/jfba_info/rules/kaiki/kaiki_no_070.pdf
２ AI提供者・研究者の資料
①Felix Rieseberg「How to be more ambitious: A tutorial for humans with models」（令和８年１０月１３日）：https://felixrieseberg.com/how-to-be-more-ambitious-a-tutorial-for-humans-with-models/
②Mingqian Zheng，Jiaxin Pei，Lajanugen Logeswaran，Moontae Lee，David Jurgens「When “A Helpful Assistant” Is Not Really Helpful: Personas in System Prompts Do Not Improve Performances of Large Language Models」（arXiv:2311.10054，第３版）：https://arxiv.org/abs/2311.10054
③Anthropic「Prompting best practices」（Give Claude a role）：https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
３ 報道・その他
①Gizmodo「Did Claude Help an Amateur Astronomer Discover a New Planet?」（令和８年１０月９日）：https://gizmodo.com/did-claude-help-an-amateur-astronomer-discover-a-new-planet-2000824393
②MIT TESS「DDT Programs」：https://tess.mit.edu/science/ddt/
③AI Jitan Lab「AIを低く見積もる世の中へ。― Claude開発者が書いた野心の手引き」（YouTube，令和８年１０月１６日）：https://www.youtube.com/watch?v=gD6UZ4wG8OM