核心内容のまとめ
この記事は、AIが「一度に質問に答える」存在から、「報告書の作成」や「研究」などの複雑なタスクを連続してこなせる「エージェント」へと進化した際、単にプロンプト（Prompt）を最適化するだけでは不十分であると指摘しています。代わりに「コンテキストエンジニアリング（Context Engineering）」、つまりAIが各ステップで確認できる情報を管理する手法が必要になると述べています。その基本的な考え方は、AIの注意力は人間の集中力と同じように限られており、与えられた情報が多ければ多いほど良いわけではなく、各ステップで最も重要な情報だけを提示することで、安定して正確にタスクを完了できるようにするのです。一般ユーザーでもこれらの方法を活用すれば、AIが物事を忘れたり、同じことを繰り返したり、誤った答えを出したりする問題を解決できます。
一、プロンプトだけに囚われず、AIの「作業環境」こそが鍵
プロンプトを書くことはAIに命令を出すためだと思っていませんか？実際にはプロンプトは単なる「タスクリスト」であり、コンテキストこそがAIの「作業環境」です。これにはユーザーが話した内容、過去の会話記録、参照資料、AIが自分で調べた情報、中間結果など、その時点でAIが確認できるすべてのものが含まれます。
例えば、メールを修正する場合、プロンプトとコンテキストに大差はありません（要求と原文がほぼ同じです）。しかし、業界研究をさせる場合、AIはまず資料を検索したり論文を読んだりデータを比較したりします。そのたびに新しい情報が作業環境に追加されます。この時、作業環境が乱雑であるか（関係ない資料や矛盾する要求があるか）が、最終的な結果に大きく影響します。
次にAIが誤った答えを出したときは、「真剣ではない」と怒る前に、作業環境に古いタスクや無用な資料がたまっていないか確認してください。まるでデスクがファイルで溢れていて物事を探すのが遅くなるようなものです。
二、AIの注意力は「限られた予算」であり、多ければ多いほど良いわけではない
現在の大規模モデルは「数十万語の情報を処理できる」と宣伝されていますが、関連するすべての情報を一気に投入してはいけません。そうすると「コンテキストの劣化」が起こり、必要な情報を正確に見つける能力が低下します。
なぜかというと、AIの注意力は「予算」のようなもので、新しい情報を一つ追加するごとにその予算が少しずつ消費されていくからです。例えば、3000語の記事を修正させる場合、原稿、修正目標、スタイルの参考資料だけを与えれば十分です。古い原稿10件や何十回もの会話記録を入れると、実際に修正に影響する重要な情報が薄まり、AIは要点を把握できなくなります。
さらに危険なのは、AIの言葉遣いは流暢でも、事実の記憶や推論が間違ってしまうことです。ユーザーはAIがすべてを覚えていると思いがちですが、実際にはすでに注意が散漫になっています。
三、AIに与える情報は「ちょうど良い量」であり、短ければ短いほど良いわけではない
注意力が限られているのであれば、情報を少なくすればよいというわけではありません。重要な原則は「最小限で十分」です。情報が一つ足りなければ判断に影響しますが、10個余分に与えても結果は改善しません。
例えば会社研究をする場合、一度に50件の報道記事を渡すよりも、「研究目標（例：この会社の収益モデルの分析）+ 会社名 + 3つの重要な財務報告書」だけを与えて、必要に応じてAIに検索させる方が効率的です。これにより注意力を無駄にせず、十分な情報を確保できます。「万能のプロンプト」（数千語のルール）は実際には役立ちません。すべてのケースをカバーするために追加されたルールの多くは無駄なもので、予算を浪費するだけです。正しい方法は、AIに作業させてからどこが間違っているかを確認し、必要に応じてルールを追加することです。
四、長い会話が混乱したら？まとめて新しいウィンドウでやり直す
同じチャットウィンドウで何日もAIと会話する習慣はありませんか？会話が長くなる（例：記事の修正を30回繰り返す）と、AIは誤りを繰り返したり物事を忘れたりします。このような場合、最も効果的な方法はAIに現在の状況をまとめさせることです（例：「記事の目標はXXで、確認された視点はXX、修正が必要な部分はXX」）。そのまとめと最新の原稿を持って新しいウィンドウで会話を続けます。これを「歴史の圧縮」と呼びます。重要な情報だけを保持し、無用なもの（例：繰り返されたツールの出力）は削除します。報告書を書いている途中で思考を整理してから再開するのと同じです。
五、長期的なプロジェクトではAIに「メモを取らせる」
AIを使って長期的なプロジェクト（例：1ヶ月間の市場調査）を行う場合、数百回もの会話を覚えていてくれるとは期待できません。そのために「プロジェクトノート」を作成しましょう。目標、完了したタスク、重要な決定事項、固定された基準（例：報告書は口語的にし、専門用語を使わない）などを記録します。AIと会話する際は、ノートからその都度必要な情報だけを提供します。例えば「ユーザーニーズ分析」を行う場合、「ユーザーニーズ調査データ」と「以前に決定したニーズの方向性」だけを渡し、古い会話記録を参照する必要はありません。これはノートに重要な情報をメモするのと同じです。
一般ユーザー向けの簡単なアクションリスト
1. 複雑なタスクを行う前に目標を明確にしましょう（例：「AIの注意力についての解説記事を書く」）。最初から大量の資料を渡すのではなく、
2. 参考資料は「少なくとも質の高いもの」を選び、AIが自分で探せるものはあらかじめ読み込まないようにしましょう。
3. AIが物事を忘れたり同じことを繰り返したりした場合は、コンテキストを整理してください（関係ない内容を削除するかウィンドウを変える）。新しいプロンプトを追加するのではなく、
4. 長い会話が続いたら定期的にAIに状況をまとめさせ、必要に応じてウィンドウを変えましょう。
5. 長期的なプロジェクトでは「外部ノート」を作成して重要な情報を記録しましょう。
6. 示例としては「典型的なもの」（要件を満たす1件の記事）を渡し、数十件もの資料を渡さないでください。
7. 情報を追加する前に「これが本当にAIのタスクの完了に役立つか？」と自問してください。無用な情報は追加しないでください。
要するに、AIを効果的に活用する鍵は「より多くの情報を与える」ことではなく、「最も必要な情報だけを提供する」ことです。まるで仕事中にデスクに現在使うファイルだけを残すように、効率が最も高くなります。