スクラッチパッドとは？AIの精度を上げる4つの仕組みとトークンコストの抑え方

AIに少し込み入った計算を頼んだら、答えだけがポンと返ってきて、しかも数字が合っていなかった。その経験があるなら、足りていなかったのは性能ではなく「途中の作業をする場所」です。

人間だって3桁の掛け算を暗算で通せと言われれば間違えます。紙に書けば、たいてい合います。AIにその紙を渡す考え方が、スクラッチパッドです。

---

スクラッチパッドとは？AIが答える前に使う下書き用紙

スクラッチパッドとは、AIが最終的な答えを出す前に、途中の考えや計算をいったん書き出しておく作業領域のことです。英語では走り書き用のメモ帳を指します。

読者に見せるための文章ではありません。AI自身が読み返すための作業板です。

たとえば「3つの拠点の経費を人数割りして、消費税を足して、月額に直して」という依頼。答えだけを出させると、どこかの工程がすっぽり抜けます。ところが「使う数字を並べてから計算して」と一言足すだけで、精度が変わります。

ここで出てくるトークンという言葉は、AIが扱う文字のかたまりのことです。日本語ならおおむね1文字前後が1トークン。この記事でも何度か出てきますが、意味はそれだけです。

重要なのは置き場所の違いです。同じ「下書き」でも、会話の中に置くのか、外部のファイルに書き出すのかで、後述する費用も運用もまるで変わります。

なぜ下書きを書かせると精度が上がるのか？

AIは文章を一気に思いつくのではなく、次に来る言葉を一つずつ選びながら出力しています。だから「答えの1文字目」を出す瞬間に、すでに結論が決まってしまう。

途中の作業場所がないと、全工程を出力せずに済ませることになります。暗算と同じ状態。

書き出させると何が起きるか。生成済みの文字が、次の文字を選ぶときの材料としてそのまま使われます。自分で書いたメモを自分で読み直す形になり、工程が飛びにくくなります。

考える時間を、文字数で買っているとも言えます。

もう一つ効くのが、間違いが目に見えるようになることです。途中式が残っていれば、AI自身も「ここで単位がずれた」と気づける余地が生まれます。答えだけを出す構えでは、この見直しが起きません。

効き方には偏りがあります。工程が1つしかない作業では差が出ず、工程が3つ以上ある作業で差が開く。この感覚は、後半の「裏目に出る場面」でもう一度触れます。

---

スクラッチパッドを支える4つの仕組み

ひとくちにスクラッチパッドと言っても、働いている機能は4つに分かれます。下の表は、それぞれが何をしていて、どんな作業で効くかを整理したものです。

つまり、精度が上がったように見える現象の正体は、この4つのうちどれかが働いた結果だということです。

自分の使い方でどれが必要かを見極めると、指示文の書き方も投入するコストも変わってきます。集計作業なら2番目が主役。コードを直させるなら3番目が主役です。

4番目の文脈の圧縮だけは、少し性格が違います。これは精度の話というより、長く走らせるための燃費の話。エージェント運用で最初にぶつかる壁でもあります。

チャットの履歴とスクラッチパッドは何が違う？

「会話の履歴が残っているなら、それがスクラッチパッドでは？」という疑問はもっともです。似て見えますが、役割が違います。

つまり履歴は「消せない台帳」、スクラッチパッドは「消しゴムの効く下書き」です。

この違いは費用に直結します。履歴は基本的に積み上がる一方ですが、スクラッチパッドは「30周ぶんのメモを3行に畳む」といった操作ができます。畳める場所を持っているかどうかが、長く走らせるときの分かれ目になる。

概念の全体像をもう少し体系立てて追いたい人は、スクラッチパッドの基礎と実装パターンを先に読んでおくと、この後の費用の話が早く入ります。

---

AIエージェントの中でどう働く？

AIエージェントとは、人が一手ずつ指示しなくても、自分で手順を決めて道具を呼びながら作業を進めるAIのことです。ここでスクラッチパッドは、あれば便利な補助から、無いと成立しない基盤に格上げされます。

エージェントは同じ輪を何度も回ります。状況を見る、次の一手を決める、道具を呼ぶ、結果を受け取る。この繰り返し。

問題は、道具から返ってくる結果がやたらと長いことです。検索結果、ファイルの中身、APIの応答。これをそのまま全部抱えたまま次の周に進むと、すぐに持てる量の上限に達します。

そこでスクラッチパッドの出番になります。返ってきた結果のうち、次の判断に使う部分だけを短く書き留め、元の長い塊は手放す。この畳み込みが、何十周も走らせるための燃費になります。

エージェント型のサービス全体の顔ぶれを眺めたいなら、AIエージェントのカテゴリ一覧から入ると、どのツールがこの設計をどこまで自動でやってくれるか比べやすいです。

ここで一つ、地味に効く実務のコツ。エージェントに「作業ログ」と「判断材料」を同じ場所に書かせないことです。ログは増える一方ですが、判断材料は常に最新版だけあれば足りる。分けておくと、畳む作業が機械的にできます。

ファイルに逃がすスクラッチパッドという選択肢

会話の中にメモを置くと、周回ごとに全文を持ち回ることになります。ファイルに書き出せば、必要になった周だけ読み込めば済む。

これが、コーディング支援の分野で作業メモのファイルを作らせる手法が定着した理由です。

つまり、作業が何周で終わるかの見立てが、置き場所の選択をほぼ決めます。

3周で終わる作業にファイルを用意するのは手間の無駄。50周回るなら、会話の中に置いた時点で費用が跳ねます。コード作業での実践例はAIコーディングのカテゴリに集まっているツール群の設計を見ると掴みやすいです。

---

トークンコストはどこで膨らむ？

ここが、導入してから驚かれる部分です。スクラッチパッドに書いた文字は、そのままトークンの消費に直結します。2026年時点の実運用でも、呼び出し回数の多いエージェントほどAPIの費用が膨らむ傾向がはっきり出ています。

仕組みとしては二重に効きます。書き出した瞬間に出力として課金され、その内容が次の周では入力として再び課金される。

具体的な形にすると分かりやすいはずです。500トークンのメモを10周持ち回れば、書いた回数は10回でも、運んだ延べ量はその何倍にもなります。周回数が増えるほど、増え方は加速する。

膨らむ場所は、だいたいこの4つに集約されます。

• 道具の戻り値を要約せず丸ごと残している
• 前の周のメモを消さずに積み増している
• 短い質問にまで長い下書きを書かせている
• 同じ事実を、言い方を変えて何度も書いている

請求額が想定の何倍かになっていたら、まず疑うのは周回数ではなくメモの畳み方です。1周あたりの持ち回り量が減れば、全体は一気に軽くなります。

ここまでの整理: スクラッチパッドは精度の道具であり、同時に費用の発生源でもあります。効かせたいのは工程の多い作業だけ。そこに絞って、持ち回る量を畳む。この2点で費用対効果はほぼ決まります。

コストを抑える5つの手

やることは難しくありません。下の表は、効果の大きい順に並べた対処法です。

つまり、削るべきは書く回数ではなく、書いたものを運ぶ距離です。

もう一段踏み込むなら、畳む作業そのものを自動化する方向もあります。処理を定型の流れに落とし込む考え方はAI自動化のカテゴリに並ぶツールの発想が参考になります。

---

スクラッチパッドが裏目に出る場面

万能ではありません。かえって悪くなる場面がはっきりあります。

短い定型作業がその筆頭です。あいさつ文の作成や翻訳に下書き工程を挟んでも、品質は動かず、待ち時間と費用だけが増えます。正直、無駄打ちです。

次に厄介なのが、誤った前提を書き込んでしまったときの挙動。スクラッチパッドは自分で書いたものを信じて進む仕組みなので、序盤の思い違いが最後まで引きずられます。途中で修正が効きにくい。

長くなりすぎたメモも問題です。情報が増えるほど、AIは真ん中あたりの記述を取りこぼしやすくなります。書けば書くほど賢くなるわけではありません。

待ち時間の増加も見落とされがちです。下書きを書く分だけ回答は遅れます。リアルタイムの応答が求められる用途では、この遅れが体験を壊します。

対処はシンプルで、「工程が3つ以上あるか」を入口の判定に置くこと。それだけで、裏目のほとんどは避けられます。

いつものチャットで再現するプロンプトの型

専用ツールは要りません。手元のチャットAIでも、指示文を一段落足すだけで同じ効果が得られます。

書き方の型はこうです。

答えを出す前に、次の3つを書き出してください。(1) 使う数字と、その出どころ。(2) 計算または判断の手順。(3) 見落としやすい前提。書き終えたら自分で読み返し、矛盾があれば直してから最終的な答えを出してください。

ポイントは「書き出す」と「読み返す」を別々に命じることです。片方だけでは自己検証が起きません。

途中の下書きを見せたくない場合は、末尾に「下書きは箱で囲み、最後に結論だけを3行でまとめてください」と足します。表示を分けるだけで、読み手の負担はぐっと減ります。

指示文の微調整で出力の質を上げる作法は、生成系のツールでも共通です。表現を詰めていく手順そのものはプロンプト調整で精度を上げる考え方の進め方がそのまま応用できます。細かい指定が結果をどう動かすかという観点では、3Dモデル生成の品質を上げるコツの作り込み方も同じ筋です。

学習用途で使うなら、書き出させた下書きそのものが復習の材料になります。問題を解く過程を残す使い方は、ChatGPTを学習に使うときの進め方と相性がいい。

---

導入前に決めておく5つのチェック

思いつきで入れると、費用だけ増えて効果が見えない状態になりがちです。始める前に、この5つを紙に書いておくと迷いません。

つまり、効果の測り方まで含めて決めて初めて、導入したと言える状態になります。

測り方についてもう少し。1回の出力で判断するのは無理があります。同じ問題を複数回解かせて、何回目で正解にたどり着くかを見る評価の考え方はpass@kの読み解き方にまとまっていて、下書きの有無を比べるときの物差しとしてそのまま使えます。

機密の扱いは、後回しにすると痛い目を見ます。下書きには、最終的な回答には出てこない社内の数字や固有名詞が平気で並びます。ログの保存先を確認してから始めてください。

AI PICKS編集部の判定

やる価値は圧倒的にあります。ただし、全部の作業に入れるのは正直イマイチです。

公開されている各社のドキュメントや実装の作法を突き合わせて見えてくるのは、効果の偏りがかなり大きいという事実です。多段の計算、条件が絡む判断、コードの修正。この3領域では手放せない道具になります。一方で翻訳や短文の生成では、待ち時間と費用が増えるだけで質は動きません。

費用の設計を先にやるかどうかで、評価は完全に割れます。会話の中にメモを積みっぱなしのまま何十周も回せば、請求書を見て青ざめることになる。要約して畳む工程を最初から組み込んでおけば、同じ精度を何分の一かの費用で取れます。

始め方としては、指示文を一段落足すところからで十分です。専用の基盤を用意する前に、手元のチャットで「工程を書き出してから答えて」を10問試す。効く作業と効かない作業の線引きが、自分の手元のデータとして見えてきます。そこから設計を決めるのが一番早いです。

---

よくある質問（FAQ）

Q. スクラッチパッドを使うのに専用のツールは必要ですか？

不要です。手元のチャットAIに「答える前に手順を書き出してください」と足すだけで、中核の効果は再現できます。専用の仕組みが要るのは、何十周も自動で走らせるエージェント運用に入ってからです。

Q. 「よく考えてから答えて」と書くだけでも同じ効果がありますか？

効果は出ますが、弱いです。考えた内容を実際に文字として出力させないと、途中の工程が残らず、自己検証も起きません。「書き出してください」と明示するほうが確実に効きます。

Q. 途中の下書きは利用者に見せるべきですか？

業務システムに組み込むなら、隠したほうが無難です。下書きには試行錯誤や言い直しが含まれ、読み手を不安にさせます。社内の検証用途では、逆に見せたほうが誤りを早く発見できます。

Q. トークン代はどのくらい増えますか？

作業の周回数しだいで、数割の増加から数倍まで幅が出ます。決め手は1周あたりに持ち回るメモの量です。周回の終わりに要点だけ残す運用にすれば、増加分はかなり抑えられます。

Q. 社内の機密情報を書かせても大丈夫ですか？

保存先とログの扱いを確認してからにしてください。下書きには、最終回答には出てこない具体的な数字や取引先名が並びます。外部のAPIを使う場合は、学習に使われない設定になっているかの確認が先です。

Q. 短い質問にも毎回使ったほうが得ですか？

損です。工程が1つしかない依頼では精度が変わらず、待ち時間と費用だけが増えます。工程が3つ以上あるかを目安に、使う場面を絞ってください。

Q. スクラッチパッドと記憶機能（メモリ）は何が違いますか？

働く時間の長さが違います。スクラッチパッドは1つの作業が終われば捨てる一時的な作業板で、記憶機能は会話をまたいで残る長期の保管庫です。両方を混同して同じ場所に書かせると、要らない情報が延々と持ち回られます。

---

あわせて見たいツール・カテゴリ

• AIエージェントのカテゴリ一覧 : 自分で手順を決めて動くタイプのAI。スクラッチパッドの設計が品質を左右する領域です
• AIエージェントの人気ランキング : どのサービスが長時間の作業に耐えるか、実際の顔ぶれから比べられます
• AIコーディングのカテゴリ一覧 : 作業メモのファイル化がいち早く定着した分野。実装の型が参考になります
• AI生産性・ノートのカテゴリ一覧 : 途中の考えを残す運用は、そのままノート系ツールの使い方に繋がります
• AIリサーチのカテゴリ一覧 : 何周も調べ続ける用途では、文脈の圧縮が費用を決めます
• AI自動化のカテゴリ一覧 : 畳む工程まで含めて流れに組み込みたいときの選択肢
• AIコーディングの人気ランキング : 長い修正作業でメモをどう扱うか、設計の違いが出やすい分野です

次に読むならこれ。仕組みをもう一段深く追って、自分の環境にどう実装するかまで決めたいなら、スクラッチパッドの基礎と実装パターンが続きになります。この記事で線引きした「どの作業に使うか」を持ったまま読むと、設計の判断が早く決まります。