「うまい聞き方」の時代は終わりつつある
AIが広まったころ、話題の中心は「どう聞けばうまく答えてくれるか」でした。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、確認して次へ進む。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新しい言葉が次々に生まれました。プロンプト→コンテキスト→ハーネス→ループ→グラフ。扱う範囲が外へ外へと広がっていった記録で、地層のように積み重なっています。下の層がなくなったわけではありません。
使う会社は増えました。総務省の令和8年版情報通信白書「生成AIの業務利用状況」では、何らかの業務で生成AIを使う日本企業は86.4%で、2024年度の55.2%から伸びました。ただし同白書「組織的な取組状況」では、「組織的な取組はない」が27.0%で、中小企業ほど高い傾向でした。
5つのエンジニアリングの地図
| 用語 | 仕事にたとえると |
|---|---|
| プロンプト | 仕事の頼み方 |
| コンテキスト | 渡す資料 |
| ハーネス | 作業台と道具、検品の仕組み |
| ループ | 次に何をやるかを誰が決めるか |
| グラフ | 業務フロー図 |
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。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プロンプトと②コンテキスト——頼み方と、渡す材料
プロンプトエンジニアリングは、指示の書き方を工夫して望む結果を得やすくする技術です。Anthropic社の公式ドキュメントが強調しているのは、技法より先に「何をもって成功とするか」を決めておくこと。「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」を書くだけで、社内の品質は揃います。
次の層が、この1年で最も重要になりました。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」です。Anthropic社は2025年9月29日の技術記事「Effective context engineering for AI agents」で、これを最適な情報の組み合わせを選び、保ち続けるための戦略の集まりだと説明しています。作業のたびに何を残し何を捨てるかを判断する点が、プロンプトとの違いです。
詰め込むほど賢くなる、わけではない
同社の記事は、情報量が増えるほど正確に思い出す力が落ちる現象を「コンテキストの腐敗（context rot）」と呼んでいます。勧めているのは詰め込むことではなく絞ること。社内の全ファイルを渡すと、精度は下がることがあります。まずは1業務・1フォルダから。
③ハーネスと④ループ——作業環境と、繰り返しの仕組み
ハーネスは本来「馬具」を意味し、ここではAIモデルそのものを除いた周りの仕掛け全部——道具、記憶の置き場所、権限の制限、結果の検査を指します。Thoughtworks社のビルギッタ・ベッケラー氏は2026年4月の記事で、これをガイド（作業の前に方向づける手順書）とセンサー（作業のあとに検査する自動テストやレビュー）に整理しました。
ループは2026年6月に生まれたばかりの言葉で、AIが行動し、結果を見て、次の手を決め、また行動する輪を回し続ける仕組みを指します。技術者アディ・オスマニ氏は、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。重要なのが作る係と検査する係を別のAIに分ける発想。営業が自分の見積を自分で承認しない、という当たり前の統制と発想が一致しています。
⑤グラフと、結局なにが変わったのか
グラフとは点と線でつながりを表した図のこと。AIの世界では処理を点にし、次にどこへ進むかを線で結んだ設計図を指します。LangChain社の2026年7月の記事によれば、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。
5つを通して眺めると、人がやることが「作業」から「設計」へ移っています。ただし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。
5つに共通する原則と、増える3つの危険
突き詰めると、5つとも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」、コンテキストは「何を知っておくべきか」、ハーネスは「何ができたら合格か」、ループは「いつ止めるか」、グラフは「どういう順で進むか」。技術の話ではなく、業務設計の話です。
先へ進むほど危険も増えます。オスマニ氏の記事が挙げるのは三つ。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ない）、理解の負債（中身を理解しないまま次へ進み、自社の仕事なのに説明できなくなる）、考えることの放棄。AIが回している業務を、担当者の退職後に誰も再現できない——代償は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
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へ。個人のコツを会社の資産に変えるのが目的です。第2段階・材料をそろえる。紙しかないマニュアルを文字にする、見積書式を統一する。9割はAIと関係ない地道な整理ですが、効果はいちばん大きい。前述の白書「組織的な取組状況」は、米独中の3か国で社内データを学習・参照させる環境整備の回答が「5割を超えており、日本より大幅に高い結果となった」と明記しています。
第3段階・確認の仕組みを決める。金額が入るものは人が検算する、社外に出る文章は責任者が目を通す。これがハーネスの「センサー」です。第4段階・回す範囲を決める。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。
AIと付き合ううえで大切なこと
ひとつめ、言葉の流行を追いかける必要はない。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。ふたつめ、確認できないものは任せない。5つの層の議論は、突き詰めると「どうやって検証するか」に集約されます。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す。
みっつめ、人の時間をいちばん効く場所に集める。中小企業で人が見るべきは金額、契約、社外への発信、人に関わる判断の4つ。ここに確認の時間を集中させ、それ以外は仕組みに任せます。よっつめ、AIを使うほど、自社の仕事を言葉にする力が問われる。AI導入のいちばんの効用は、「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。
よくある質問（Q&A）
プロンプトエンジニアリングはもう古いのでしょうか。
古くなっていません。上の層に含まれるようになっただけです。変わったのは比重で、AIが長い作業をこなすようになると、指示文はそこに渡る情報全体の一部にすぎなくなった、という位置づけです。中小企業の日常業務では、いまも指示文の型を整えるのが最も費用対効果の高い一手です。
ハーネスやループは、うちのような小さな会社にも関係ありますか。
言葉としては当面不要です。ただし中身は関係します。「AIに何をさせてよいか決める」「合格の基準を決める」「確認する人を分ける」「止める条件を決める」——これはハーネスとループの中身そのもので、社員10人の会社でも今日からできます。むしろ小さい会社のほうが、決めたことがすぐ全社に行き渡るぶん有利です。
結局、社内の資料整備から始めろということですか。
はい、ただし全部を一度にやる必要はありません。まず1業務だけ選んでください。件数が多く、答えが決まっていて、間違えても致命傷にならない業務——問い合わせ対応や社内FAQが典型です。全社の資料整理から入ると、たいてい途中で止まります。
まとめ
- プロンプト→コンテキスト→ハーネス→ループ→グラフは、扱う範囲が外へ広がった記録で、下の層は無くならない。
- 5つに共通するのは「あいまいなまま渡さない」という一点。つまり業務設計の話。
- 自動化が進むほど検証・理解・判断を手放さないことが大切になる。
5つを並べると、進む方向は一貫しています。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。頼み方、渡す資料、合格の基準、止める条件、進む順番は、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す。まずはよく使う頼み方を1つ、文書にするところから始めてください。