2026.08.06AI

コンテキストエンジニアリングと市場調査AI化構想

AIエージェント設計・コンテキストエンジニアリング・市場調査自動化

概要

AI活用の考え方が「プロンプトエンジニアリング」から「コンテキストエンジニアリング」「ハーネスエンジニアリング」「ループエンジニアリング」へ進化していることを整理した。 自分にとっての優先順位はコンテキスト＞ループ＞ハーネス＞プロンプトであり、情報資産・知識ベース・ワークフロー設計の方が重要という結論。 自身の市場調査業務（UTM・SASE・EPP・EDR・IDaaS等）を題材に、AIエージェント化による自動化イメージ（Web検索→数値抽出→Excel整理→AIレビュー）を具体的に検討した。

日時: 2026-08-06

概要

AI活用の考え方が「プロンプトエンジニアリング」から「コンテキストエンジニアリング」「ハーネスエンジニアリング」「ループエンジニアリング」へ進化していることを学んだ。

また、自身の市場調査業務（UTM、SASE、EPP、EDR、IDaaSなど）のAIエージェント化について検討した。

AI活用の4つの考え方

1. プロンプトエンジニアリング

概要

AIへの指示文を最適化する。

ポイント

  • 役割
  • 目的
  • 制約条件
  • 出力形式
  • 出力例

を明確にする。

2. コンテキストエンジニアリング（現在最重要）

概要

AIに何を知った状態で考えさせるかを設計する。

例

  • Obsidian
  • 社内資料
  • 過去の会話
  • RAG
  • 業界情報
  • ナレッジベース

これらを適切なタイミングでAIへ渡す。

ポイント

プロンプトよりも、

AIへ渡す情報の質

が重要になってきている。

3. ハーネスエンジニアリング

概要

AI・ツール・ワークフロー全体を設計すること。

例

  • ChatGPT
  • Claude
  • 検索
  • Excel
  • Obsidian
  • n8n
  • Make

これらを組み合わせて一つのシステムとして動かす。

4. ループエンジニアリング

概要

一発回答を求めず、

計画
↓
実行
↓
レビュー
↓
改善
↓
再実行

を何度も繰り返す設計。

AIエージェントの中心的な考え方。

自分に最適な優先順位

  1. コンテキストエンジニアリング
  2. ループエンジニアリング
  3. ハーネスエンジニアリング
  4. プロンプトエンジニアリング

プロンプトを書く能力より、

  • 情報資産
  • 知識ベース
  • ワークフロー設計

の方が重要。

AIを使う成長ステップ

レベル1

プロンプトを資産化

テンプレートを作る。

レベル2

コンテキストを資産化

Obsidianへ知識を蓄積する。

レベル3

AIの役割分担

例

  • リサーチ担当
  • 企画担当
  • レビュー担当
  • 編集担当

レベル4

ループ設計

構成作成
↓
不足洗い出し
↓
追加調査
↓
レビュー
↓
修正
↓
完成

AIエージェント構築に必要なもの

レベル1

ChatGPT Plus

Claude Pro

だけでも十分。

レベル2

追加

  • Obsidian
  • n8n
  • Make
  • Google Drive

など。

レベル3

本格的なAIエージェント

例

  • API利用
  • 複数AI
  • 自動実行
  • 自動評価
  • データベース更新

自分の市場調査業務

現在調査している市場

  • UTM
  • SASE
  • EPP
  • EDR
  • IDaaS

など。

現在の業務フロー

市場を決める

↓

Google検索

↓

各種レポート確認

↓

市場規模を確認

↓

プレーヤーを確認

↓

特徴を整理

↓

Excelへ転記

↓

分析

かなり手作業が多い。

Excelでまとめたい項目

  • 市場名
  • 市場規模予測（年別）
  • 主要プレーヤー
  • 市場の特徴
  • 外部環境変化
  • 社会的背景

AIエージェント化後のイメージ

① 調査対象を決定

↓

② AIがWeb検索

↓

③ 数値抽出

↓

④ 出典整理

↓

⑤ Excelへ自動整理

↓

⑥ AIレビュー

・数字の矛盾
・古い情報
・出典漏れ

↓

⑦ 完成

将来的な理想

Excelを最終成果物ではなく、

データベース

として扱う。

そのデータから

  • グラフ
  • PowerPoint
  • 提案資料
  • 市場分析

をAIが自動生成できる状態を目指す。

今後やること

Step1

Excelのフォーマットを固定する。

Step2

調査項目を標準化する。

例

  • 市場規模
  • CAGR
  • プレーヤー
  • 成長要因
  • リスク
  • 市場特徴
  • 出典

Step3

AIにリサーチを担当させる。

Step4

レビューAIを追加する。

  • 数字確認
  • 出典確認
  • 矛盾確認

Step5

n8nなどを使って自動化する。

学び

これから重要なのは

「良いプロンプトを書くこと」ではない。

重要なのは

  • コンテキストを整える
  • AIの役割を分ける
  • ループを設計する
  • ナレッジを資産化する

ことである。

AIを単なるチャットツールではなく、

「一緒に仕事をするチームメンバー」として設計すること

が今後のAI活用の鍵になる。

関連ノート

  • AIエージェント — エージェント設計の技術的基盤
  • プロンプトエンジニアリング — 4つの考え方の出発点
  • AIドリブン経営について考えた日 — AIを仕事にどう活かすかという同系統の考察
  • AIエージェントによる学習する組織構想 — 業務のAIエージェント化という共通テーマ

今後調べたいこと

  • コンテキストエンジニアリングを実践するために、Obsidianの知識をどう構造化・資産化するか
  • 市場調査のExcelフォーマット・調査項目の標準化を、どこから着手するか
  • レビューAI（数字確認・出典確認）をどう設計・実装するか
AIAIエージェントコンテキストエンジニアリング洞察