AI活用の5つの層｜プロンプト・コンテキスト・ハーネス・ループ・グラフをやさしく解説

「うまい聞き方」の時代は終わりつつある

AIが世の中に広まったころ、話題の中心は「どう聞けばうまく答えてくれるか」でした。呪文のようなプロンプト集が売られ、「この一文を足すと精度が上がる」といったコツが飛び交いました。実際、聞き方で結果は変わります。それは今も変わりません。

けれども、AIが「答えるだけの相手」から「作業をする相手」に変わったことで、勝負どころが移りました。ファイルを開き、社内の資料を読み、何度もやり直し、確認して、次の作業に進む。こうなると、一発の聞き方よりも、その周りをどう組み立てるかのほうが結果を左右します。

この変化に合わせて、技術者の世界では新しい言葉が次々に生まれました。順に並べると、プロンプト → コンテキスト → ハーネス → ループ → グラフ。これは流行り言葉の入れ替わりではなく、扱う範囲が外へ外へと広がっていった記録です。地層のように積み重なっており、下の層がなくなったわけではありません。まず全体像から見ていきましょう。

5つのエンジニアリングの地図

それぞれを一言で言い換えると、次のようになります。

会社の仕事にたとえると、こうなります。プロンプトは仕事の頼み方。コンテキストは渡す資料。ハーネスは作業台と道具、そして検品の仕組み。ループは次に何をやるかを誰が決めるか。グラフは業務フロー図そのものです。

新人に仕事を任せるとき、私たちは無意識にこの全部をやっています。指示を出し、資料を渡し、机と道具を用意し、いつ報告させるか決め、全体の流れを説明する。AI活用でいま起きているのは、それをAI相手にもきちんとやろう、という当たり前への回帰です。

①プロンプトエンジニアリング：頼み方を整える

いちばん基礎の層です。プロンプトとは、AIに与える指示のこと。プロンプトエンジニアリングは、その書き方を工夫して、望む結果を得やすくする技術を指します。

Anthropic社の公式ドキュメントでは、明確かつ具体的に指示する、良い例をいくつか見せる、考える手順を書かせる、タグや見出しで指示を構造化する、役割を与える、長い作業は複数のプロンプトに分けてつなぐ、といった技法が紹介されています。同社が繰り返し強調しているのは、技法そのものより先に「何をもって成功とするか」と「それをどう確かめるか」を決めておくことです。

ここは中小企業の実務にそのまま効きます。「良い感じにまとめて」ではなく、「誰向けに」「何文字で」「どういう形式で」「何を含めて」を書く。うまくいった頼み方は個人の頭の中ではなく、共有できる場所に保存する。それだけで社内の品質は揃います。基本の型はプロンプトの基本の記事にまとめています。

②コンテキストエンジニアリング：渡す材料を選ぶ

次の層が、この1年でいちばん重要になった考え方です。コンテキストとは、AIが答えを作るときに「見えている情報のすべて」を指します。あなたが打ち込んだ指示だけでなく、これまでの会話、読み込ませた資料、つないだツールから返ってきた結果、すべてが含まれます。

この言葉が広まったのは2025年6月のことでした。Shopify社の最高経営責任者トビ・リュトケ氏が、タスクをAIが解けるようにするために必要な文脈をすべて与える技術だという趣旨の説明をし、その翌週にAI研究者のアンドレイ・カルパシー氏が同じ方向で支持したことで、一気に定着しました。

Anthropic社は2025年9月29日に公開した技術記事で、コンテキストエンジニアリングを「AIが考えている間、最適な情報の組み合わせを選び、それを保ち続けるための戦略の集まり」という趣旨で定義しています。同社の説明で重要なのは、プロンプトエンジニアリングが「一回の指示文を練ること」であるのに対し、コンテキストエンジニアリングは作業が進むたびに、何を残し何を捨てるかを繰り返し判断することだという点です。

中小企業に引き直すと、これは「AIに何を読ませるか」という話です。社内マニュアル、過去の見積、よくある質問への回答例。これらが整理されていない会社では、どれだけ聞き方を工夫しても答えは良くなりません。逆に言えば、資料の整備そのものがAI活用の中身になります。ナレッジの整え方は社内情報共有の記事で扱っています。

詰め込むほど賢くなる、わけではない

ここで、多くの人が誤解している点に触れておきます。「全部読ませればいちばん賢く答えてくれるはずだ」——これは違います。

Anthropic社の同じ記事では、情報量が増えるほど、その中から正確に思い出す力が落ちていく現象が説明されています。同社はこれを「コンテキストの腐敗（context rot）」と呼び、原因のひとつとして、AIが情報どうしの関係をすべて突き合わせて処理する仕組み上、量が増えると関係の数が急激に増えることを挙げています。人間でいえば、注意力には予算があり、資料を積み上げるほど一枚あたりに割ける注意が薄まるという話です。

だから同社が勧めるのは、詰め込むことではなく絞ることです。指示は細かすぎず曖昧すぎない「ちょうどよい高さ」で書く。道具（AIから呼び出せる機能）は用途が重ならないように、それぞれ自己完結させる。例は数を競わず、良いものを厳選する。そして必要になった時点で必要な資料だけを取りに行かせる。長い作業では、区切りごとに要約して引き継ぎ、メモを外部のファイルに残す——同社はこの引き継ぎメモの手法を、複数の作業回にまたがる長時間タスクの実践としても公開しています。

③ハーネスエンジニアリング：作業環境を整える

三つめの層は2026年に入ってから急に広まりました。ハーネスとは本来「馬具」や「装具」を意味する言葉で、ここではAIモデルそのものを除いた、周りの仕掛け全部を指します。使える道具、記憶の置き場所、作業する場所、権限の制限、結果の検査。この分野では「エージェント＝モデル＋ハーネス」という言い方が2026年に定着しました。

この考え方を広めた一人が、HashiCorp社の共同創業者であるミッチェル・ハシモト氏です。2026年2月5日に公開した記事で、エージェントが間違えるたびに、二度と同じ間違いをしないよう仕組みの側を作り直す、という取り組み方を説明しました。具体例として挙げられているのは、注意事項をまとめた指示ファイルを整え、そこに書く一行一行を「実際に起きた失敗」から起こしていくやり方や、確認作業を自動で行うスクリプトを用意することです。

もう少し体系立てて説明しているのが、Thoughtworks社のビルギッタ・ベッケラー氏が2026年4月2日にマーティン・ファウラー氏のサイトで公開した記事です。同記事はハーネスを二種類に分けています。ひとつはガイド——作業の前に方向づけるもので、手順書やルール、参考資料がこれにあたります。もうひとつはセンサー——作業のあとに検査し、自己修正を促すもので、自動テストや点検、別のAIによるレビューがこれにあたります。前者を「先回りの制御」、後者を「あと追いの制御」と整理すると分かりやすいでしょう。

同記事の姿勢で見逃せないのは、良いハーネスは人の関与をゼロにすることを目指すのではなく、人の判断がいちばん効く場所に人を回すためのものだという趣旨の指摘です。これは中小企業にとって重要な視点です。人手が少ない会社ほど、限られた確認の時間をどこに使うかが勝負になります。

④ループエンジニアリング：人が指示しなくなる

四つめは、2026年6月に生まれたばかりの言葉です。ループとは「繰り返し」のこと。AIが行動し、結果を見て、次の手を決め、また行動する——この輪を回し続ける仕組みを指します。

言葉が広まるきっかけは、開発者コミュニティで交わされた一言でした。「もうエージェントに指示を出すのはやめて、指示を出す仕組みのほうを設計しろ」。これを受けて、Googleでの勤務歴を持つ技術者アディ・オスマニ氏が2026年6月に「Loop Engineering」と題した記事を公開し、内容が整理されました。同氏はループエンジニアリングを、プロンプトを打ち込む人間の役割を、システムに置き換えることだと説明しています。

記事が挙げる構成要素は、大きく次のとおりです。決まった時間や条件で自動的に走らせる自動実行。複数のAIが同時に動いてもぶつからないよう作業場所を分ける作業領域の分離。会社ごとの知識を書いておくスキル。既存の業務ツールとつなぐ連携。作る係と検査する係を別のAIに分けるサブエージェント。そして全体を支える外部メモリ——AIは作業回をまたぐと前回のことを忘れるため、進捗と残作業をファイルに書き残しておく必要があります。

とくに重要なのが、作る係と検査する係を分ける発想です。自分の書いたものを自分で採点させると、どうしても甘くなる。だから完了判定は別のAIにやらせる。これは人間の組織でも同じで、営業が自分の見積を自分で承認しない、経理が自分の伝票を自分で決裁しない、という当たり前の統制と発想が一致しています。

⑤グラフエンジニアリング：道筋を先に決める

五つめの層は、いちばん「業務フロー図」に近い話です。グラフとは、点（ノード）と線（エッジ）でつながりを表した図のこと。AIの世界では、処理のひとつひとつを点にして、次にどこへ進むかを線で結んだ設計図を指します。

この分野で長く実装を提供してきたLangChain社は、2026年7月22日の記事で、点には「決まりきった処理を行うプログラム」「AIへの一回の問い合わせ」「道具の呼び出し」などを置け、線は次にどこへ進むかを表し、条件によって行き先を変えられる、と説明しています。全体は状態を持つ仕組みとして動き、やり直しの繰り返しや、人が承認する段階を途中に組み込むこともできます。

なぜわざわざ図にするのか。同記事の説明はこうです。AIは同じ入力でも毎回同じ答えを返すとは限らず、壊れやすい。だから「この仕事はこう進むはずだ」という前提を、AIの判断に委ねずに、通れる道として構造の側に埋め込む。決まったことは決まった処理にやらせ、判断が要る箇所だけAIに任せる、という発想です。

ちなみに同社は、グラフエンジニアリングという言葉について「用語としては新しいが、やっていること自体は新しくない」という趣旨の指摘もしています。同社のライブラリは3年前から提供されており、月間6,500万回を超えてダウンロードされているとのことです。変わったのは、点の中に置けるものが「AIへの一回の問い合わせ」から「エージェントの一連の作業」へと大きくなったことだと説明されています。

結局、何が変わったのか

5つを通して眺めると、変化の方向がはっきりします。

左から右へ、人がやることが「作業」から「設計」へ移っています。指示を出す人ではなく、指示を出す仕組みを作る人になる。確認する人ではなく、確認の基準を決める人になる。役割が一段上がる、と言い換えてもよいでしょう。

ただし誤解しないでください。右に行くほど偉い、という話ではありません。下の層が崩れていれば、上の層は必ず崩れます。曖昧な頼み方のまま自動で回せば、曖昧な成果物が大量生産されるだけです。順番があります。

5つに共通する、たった一つの原則

ここまで5つの言葉を見てきましたが、突き詰めると、全部が同じことを言っています。AIに期待する仕事を、あいまいなまま渡さないということです。

プロンプトは「何をしてほしいか」をはっきりさせる作業です。コンテキストは「何を知っておくべきか」をはっきりさせる作業です。ハーネスは「何を使ってよく、何ができたら合格か」をはっきりさせる作業です。ループは「いつ止めるか」をはっきりさせる作業です。グラフは「どういう順で進むか」をはっきりさせる作業です。

つまり5つとも、自社の仕事を言葉にして、外に取り出す作業にほかなりません。これは技術の話ではなく、業務設計の話です。だからこそ、社内の仕事をいちばんよく知っている人——多くの中小企業では経営者やベテラン社員——が関わらないと、決して良いものになりません。AIは操作より業務を見直す力が問われる、という点は業務を見直す力の記事でも述べたとおりです。

自動化が進むほど増える3つの危険

先へ進むほど便利になりますが、同時に危険も増えます。ループエンジニアリングを整理したオスマニ氏の記事は、この点にはっきりと紙幅を割いています。挙げられている危険は三つです。

第一に、検証の抜け。自動で回るループが出す「完了しました」は、主張であって証明ではありません。同記事は、無人で動くループは無人で間違えるループでもある、という趣旨の警告をしています。

第二に、理解の負債。AIが速く成果物を出すほど、中身を理解しないまま次に進むことになり、自分の会社の仕事なのに説明できない、という状態が積み上がります。借金と同じで、あとで必ず返すことになります。

第三に、考えることの放棄。うまく回っている状態は快適で、だからこそ危ない。同記事は、いちばん楽な姿勢がいちばん危険だという趣旨で締めくくり、ループを設計しながらも技術者であり続けよ、と述べています。

この三つは、中小企業でもそのまま起こります。AIが作った請求書の下書きを誰も検算しない。AIが書いた提案書の根拠を誰も説明できない。AIが回している業務の中身を、担当者が退職した後で誰も再現できない。便利さの代償は、たいてい少し遅れてやってきます。

中小企業はどこから手をつけるか

では、実際の進め方です。結論から言えば、5つを上から順に、1段ずつで構いません。急ぐ必要はありません。

第1段階：指示の型を作る。よく使う頼み方を10個ほど文書にして、共有フォルダに置きます。メール返信、議事録整理、見積の下書き、求人票。個人のコツを会社の資産に変えるのが目的です。ここだけで、社内の出力品質はかなり揃います。

第2段階：材料をそろえる。AIに読ませたい社内資料を、読ませられる形に整えます。紙しかないマニュアルを文字にする、バラバラの見積書式を統一する、よくある質問と回答を一枚にまとめる。この段階の作業の9割はAIと関係ない、地道な整理です。しかし効果はいちばん大きい。

第3段階：確認の仕組みを決める。誰が、何を、どこまで見るか。金額が入るものは必ず人が検算する、社外に出る文章は責任者が目を通す、といったルールを紙一枚にします。これがハーネスでいう「センサー」にあたります。

第4段階：回す範囲を決める。自動で繰り返させてよい作業と、必ず人が押す作業を線引きします。下書き・要約・整理は自動でよく、送信・支払い・削除・公開は人が押す。止める条件を先に決めてから、回し始めるのが鉄則です。エージェント全般の考え方はAIエージェント入門の記事にあります。

AIと付き合ううえで大切なこと

ここまで技術寄りの話を続けてきましたが、最後に、5つの層を全部見たうえで見えてくることを書いておきます。

ひとつめは、言葉の流行を追いかける必要はないということです。この1年だけで4つも新語が生まれました。来年にはまた別の言葉が出るでしょう。しかし中身は、頼み方・資料・環境・段取り・流れという、昔からある仕事の要素の言い換えです。新しい言葉が出るたびに焦る必要はなく、自社の仕事のどこに当たるかを訳せれば十分です。

ふたつめは、確認できないものは任せないという線です。5つの層の議論は、突き詰めると「どうやって検証するか」に集約されていきます。作る係と検査する係を分ける、停止条件を先に決める、承認の段階を組み込む。どれも同じ発想です。逆に言えば、合格の基準を言葉にできない仕事は、まだ任せる段階にないということでもあります。

みっつめは、人の時間を、いちばん効く場所に集めるという考え方です。ハーネスの記事が指摘していたとおり、目指すべきは人の関与をゼロにすることではありません。中小企業で人が見るべきは、金額、契約、社外への発信、人に関わる判断。この4つに確認の時間を集中させ、それ以外は仕組みに任せる。全部を見ようとすると、結局どれも見られなくなります。

よっつめは、少し逆説的ですが、AIを使うほど、自社の仕事を言葉にする力が問われるということです。マニュアルのない会社、判断基準が社長の頭の中にしかない会社では、どの層も組み立てられません。AI導入のいちばんの効用は、実は「うちの仕事は説明できる形になっていなかった」と気づくことかもしれません。それに気づいた会社は、AIがあってもなくても強くなります。

今日から確認する5項目

自社の状況を、次の5点で点検してみてください。

• よく使うAIへの頼み方が、個人ではなく共有できる場所に保存されている
• AIに読ませたい社内資料（マニュアル・FAQ・書式）が、渡せる形に整理されている
• AIの成果物について「何ができたら合格か」を、業務ごとに言葉にしてある
• 作る作業と確認する作業が、同じ人（または同じAI）だけで完結していない
• 自動で繰り返す作業について、止める条件と、人が必ず押す操作が決まっている

自社の業務を5つの層に当てはめて整理したいときは、次のプロンプトが使えます。[　]に自社の情報を入れてください。

よくある質問（Q&A）

まとめ

新しい言葉が出るたびに「また勉強し直しか」と感じるかもしれません。しかし今回の5つを並べてみると、進んでいる方向は驚くほど一貫しています。AIに任せる範囲が広がるほど、任せる前に決めておくべきことが増える。それだけです。決めるべきことは、頼み方、渡す資料、合格の基準、止める条件、進む順番。どれも、AIが登場する前から良い会社がやってきたことでした。技術の流行は変わり続けますが、この土台は当分変わりません。

筆者コメント