プロンプトより、周りを整える

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。

気づいたこと

AI活用の話は、いつのまにか四つの層に分かれていた。

プロンプトエンジニアリング — 一回の指示をうまく書く。 コンテキストエンジニアリング — AIに何を持たせて考えさせるかを整える。 ハーネスエンジニアリング — 道具と権限、動ける環境を用意する。 ループエンジニアリング — 実行 → 検証 → 修正を、どう回し続けるかを設計する。

自分にとっての優先順位を並べてみると、はっきりした。

コンテキスト ＞ ループ ＞ ハーネス ＞ プロンプト

プロンプトがいちばん下に来たのが、自分でも意外だった。 けれど考えてみれば当然で、前提が足りていない相手には、どんな聞き方をしても足りない答えしか返らない。 逆に前提が揃っていれば、雑に聞いても要点が返ってくる。

だとすると、力を入れる場所は言葉ではなかった。 情報資産と知識ベースをどう持つか。ワークフローをどう組むか。 つまり、自分の側の整理のほうだった。

そう考えると、AIをチャットツールとして扱っている限り、この層には入れない。 一緒に仕事をするチームメンバーとして設計する——そこからが本番だった。

自分の市場調査業務（UTM・SASE・EPP・EDR・IDaaS など）に当てはめると、形が見えてきた。 Web検索で情報を集め、数値を抜き出し、Excelに整理する。 そこに数字・出典・矛盾を確認するレビュー役のAIをもう一体足す。 最後に n8n のような仕組みで、この流れごと自動で回す。

役割を分けた瞬間に、これは一人のAIの賢さの話ではなくなった。

まとまったこと

市場調査のAI化ステップ:

1. Web検索で情報を集める
2. 数値を抽出する
3. Excel フォーマットへ整理する
4. レビューAIを足す（数字確認 / 出典確認 / 矛盾確認）
5. n8n などで自動化する

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

まだ言葉になっていないこと

• コンテキストエンジニアリングのために、Obsidian の知識をどう構造化・資産化するか
• 市場調査のExcelフォーマットと調査項目の標準化を、どこから始めるか
• レビューAI（数字確認・出典確認）をどう設計し、実装するか

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を使うから、AIと経営するへ
• 人ではなく、会社が学ぶ

元の対話

• Archive/対話ログ/コンテキストエンジニアリングと市場調査AI化構想