プロンプトより、周りを整える

AI活用の話は、いつのまにか四つの層に分かれていた。一回の指示をうまく書くプロンプ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コンテキストエンジニアリング。道具と権限、動ける環境を用意するハーネスエンジニアリング。実行→検証→修正をどう回し続けるかを設計するループエンジニアリング。

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。

実際の調査業務に当てはめると形が見えてきた。情報を集め、数値を抜き出し、表に整理する。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。最後にワークフローの仕組みで、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。