コンテキストエンジニアリングとは - プロンプト改善より100倍成果が変わる情報設計
「プロンプトをうまく書けば、AIはもっと使えるはずだ」という信念で試行錯誤を続けているチームは多い。言い回しを変え、例を加え、ロールを指定し、それでも成果が出ない。AIが期待通りの仕事をしてくれない。
問題はプロンプトではなかった。AIに何を渡しているか、だ。
コンテキストエンジニアリングは、2025年6月にShopify CEOのTobi Lütkeが定義し、Tesla AI元責任者のAndrej Karpathyが賛同して一気に広まった概念だ。だが「新しいバズワード」ではない。MITの2025年調査によれば、企業AI活用の95%がROIをほぼ出せていない。その最大の原因が、コンテキスト設計の欠如だ。
この記事では、コンテキストエンジニアリングが何であるかを、非技術系の経営者・事業担当者が理解できる言葉で解説する。Shopify・Cognizantの実践事例と、今週から試せる具体的なステップも示す。
なぜプロンプトを磨いても成果が出ないのか
まず、現実の数字を見てほしい。
MITが2025年に実施した調査では、企業がAIに投資してROIをほぼ得られていないケースが全体の95%に達した。ChatGPTを導入した、Claudeを試した、社内に推奨した——それでも業務改善につながっていない。この数字は「AIが使えない技術」という結論を支持しない。AIは確かに賢い。問題は別の場所にある。
MicrosoftとSalesforceが共同で実施した研究が、より具体的な答えを示している。コンテキスト設計を誤った場合、AIの性能は平均39%低下する。最上位モデルのOpenAI o3でさえ、コンテキストが不適切な条件下では98.1点から64.1点に急落した（出典: Glean, 2026年）。
要するに、AIに「何を尋ねるか」より「何を見せて尋ねるか」の方が、成果に大きく影響する。
プロンプトエンジニアリングとコンテキストエンジニアリングの違いを一言で言えば、前者は「どう尋ねるか」、後者は「今この瞬間、何を見せて尋ねるか」だ。プロンプトを書いた時点でAIが持てる情報は固定される。コンテキストエンジニアリングは実行の瞬間に外部データベース・社内文書・会話履歴・ツールの出力を動的に集め、AIに渡す情報の設計そのものを変える。
Gartnerは2025年7月に「プロンプトエンジニアリングの時代は終わり」と宣言し、2028年までにAIツールの80%がコンテキストエンジニアリングを採用すると予測している。プロンプトはコンテキストエンジニアリングの「一部」に過ぎないという認識が、業界の共通認識になりつつある。
コンテキストエンジニアリングとは何か - 4つの構成要素
概念を理解したら、何を設計しているのかを整理しよう。
図1: コンテキストエンジニアリングの4つの構成要素
取得（Retrieval）: AIが質問に答えるために必要な情報を、実行の瞬間に外部から引っ張ってくる。社内マニュアル・過去の商談記録・製品仕様書——これらを事前にAIの記憶として持たせるのではなく、必要なときに必要な情報だけを参照させる。
圧縮（Compression）: 情報を多く渡せばいいわけではない。むしろ不要な情報を渡しすぎると性能が落ちる（これを「コンテキスト腐敗」と呼ぶ）。関連性の高い情報だけを選別して渡す設計が必要だ。
状態管理（State Management）: AIとのやり取りが続くとき、前の会話で何を引き継ぐかを決める。「顧客名と課題感は引き継ぐが、最初の挨拶文は捨てる」という判断が、AIの応答の一貫性を決める。
トークン予算管理: AIには一度に処理できる情報量の上限がある。その上限内で何を優先して渡すかを設計する。予算管理なしにすべての情報を渡そうとすると、重要な情報が後ろに追いやられて精度が落ちる。
この4要素を設計することがコンテキストエンジニアリングだ。プロンプトを書く以前の問題として、「何をAIに見せるか」を決める作業とも言える。
先進企業はどう実践しているか - Shopify・Cognizantの事例
概念の理解より、実例を見た方が解像度が上がる。
Shopify（カナダ・ECプラットフォーム企業、従業員約1万人）:
CEO Tobi Lütkeがコンテキストエンジニアリングという用語を定義したのは、自社での実践から来ている。Shopifyでは社内Wiki・プロダクト管理ツール・データウェアハウス・Salesforce・Slack・Googleドキュメントを、すべてMCPサーバー経由でAIツールに接続した。AIが質問に答える際、関連する社内文書・顧客データ・会議記録を動的に参照できる環境を構築している。
Lütkeが強調したのは「AIをただ使う」ではなく「社員が自分の仕事に必要なコンテキストをAIに与えられるよう設計すること」を文化として浸透させたことだ。結果として、エンジニアチームの生産性が20%向上した（出典: BVP, 2026年）。
Cognizant（米国・ITサービス大手、顧客はFortune 500各社）:
2025年8月、Cognizantは専用プラットフォーム「ContextFabric」を開発し、1,000名のコンテキストエンジニアを展開すると発表した（出典: Cognizant公式プレスリリース, 2025年8月）。コンテキストエンジニアは企業固有の業務知識・ワークフロー・業務ルールをAIエージェントが理解できる形式に変換する専門職だ。導入事例では精度が3倍向上し、AIの「でたらめな回答（幻覚）」が70%減少した。
Fortune 500企業が、コンテキスト設計を「一時的な施策」ではなく専門人材が必要な「恒久的なケイパビリティ」と位置づけたことの意味は重い。一度うまく設計すれば繰り返し使える資産になる、という判断だ。
日本企業特有の課題との接点
コンテキストエンジニアリングが日本企業にとって特別に重要な理由がある。
日本企業の業務には「暗黙知」が多い。長年のベテランが頭の中に持っているノウハウ、Excelに書かれていない判断基準、会議で決まったが議事録に残っていない方針——これらがAIに渡す「コンテキスト」になっていない。
Lat91でAIエージェントを10体構築・運用している中で最も痛感したのは、AIの性能よりも「どの情報を渡すか」の設計が成果を決めるという事実だ。同じAIモデルに同じ問いを投げても、渡す情報が変わると結果は全く異なる。性能の差は、AIの差ではなく情報設計の差から来ていた。
日本企業が「生成AIを使ってみたが期待した成果が出ない」と感じている場合、その大半はプロンプトの問題ではなく、形式知化されていないナレッジをAIに渡す仕組みが整っていないことが原因だ。コンテキストエンジニアリングは、その問題に直接向き合う概念だ。
よくある誤解と反論
「コンテキストは多ければ多いほどいい」という誤解。コンテキスト設計の落とし穴として「コンテキスト腐敗（Context Rot）」がある。情報量が大きくなるほど、重要な情報が埋もれてAIの性能が逆に低下する現象だ（出典: Redis Blog, 2025年）。「少なく、良いコンテキスト」が「多いコンテキスト」に勝る。情報を整理せずにすべて渡すことは、必要な情報を探させることでAIを余計に悩ませる。
「名前を変えただけの古い概念では？」という批判。著名エンジニアのSimon Willisonは「情報を整理して渡すことは昔からやっていた。新しい名前をつけて騒いでいるだけ」と指摘した（出典: simonwillison.net, 2025年）。この批判には一理ある。個別の作業としては以前から存在していた。しかし、AIエージェントが実際の業務プロセスに組み込まれる時代になり、「どの情報をいつ渡すか」を体系的に設計する必要性が急速に高まった。概念が整理されることで、実装の再現性と品質が上がる——それが「名前がある」ことの意味だ。
図2: 改善アプローチ別の成果への影響度（Cognizant ContextFabric実績より）
今週から始められること
技術的な実装は後でいい。まず思考の転換から始める。
「AIへの情報パッケージ」を1業務分だけ作る。自社でよく発生する業務（例: 提案書作成、問い合わせ対応、商談準備）を1つ選び、「AIがその仕事をするために必要な情報リスト」をチームで書き出す。顧客の基本情報、過去のやり取り、自社サービスの詳細、よくある誤解——これを整理してAIに渡すだけで、結果が変わる。
「プロンプトを磨く」時間を「情報を整理する」時間に振り向ける。社内でAI活用を試行錯誤しているなら、今週から優先事項を変える。言い回しの改善より、渡す情報の質・量・構造の改善にリソースを移す方針転換だ。
「情報の型」を1つ決める。毎回バラバラな形式でAIに情報を渡すのをやめ、「商談準備はこのフォーマット」「クレーム対応はこの項目立て」という標準テンプレートを1つ作る。これが実質的なコンテキスト設計の始まりだ。
Shopifyが始めたのも、これと同じ問いからだ。「AIに何を渡しているか」を問い直すこと。その問いが、AIエージェントの時代での競争力の差を生む。
まとめ
- AIの成果が出ない原因の大半は、プロンプトではなくコンテキスト設計の欠如にある（MIT 2025年調査: 95%がROIゼロ）
- コンテキストエンジニアリングとは「AIに何を問いかけるか」ではなく「AIに何を見せながら問いかけるか」を設計する技術
- ShopifyはCEO自らが率先し、生産性20%向上。CognizantはFortune 500向けに1,000名の専門職を展開し、精度3倍・幻覚70%減を実現
- 日本企業特有の「暗黙知・属人化」問題がコンテキスト設計の最大の障壁になっている。ナレッジの形式知化がAI活用の前提条件だ
- 情報を多く渡せば良いわけではない。「少なく、良いコンテキスト」を渡す設計が成果を決める
AIモデルを比較する前に、渡す情報を設計する。プロンプトを磨く前に、コンテキストを整理する。その順序が、AIが仕事の道具として機能するかどうかを決める。
Lat91では、AIエージェントのコンテキスト設計から実装・運用まで、実務経験に基づいた支援を行っています。
「AIを導入したが期待した成果が出ていない」「どこから手をつければいいかわからない」という方は、まずは無料相談からお気軽にどうぞ。