プロンプト・コンテキスト・ループ・グラフ——AIエンジニアリングの5層構造を会社員が理解するための地図

ChatGPTを使い始めたころは「プロンプトをうまく書けばいい」と思っていた人も多いはずです。ところが最近、コンテキストウィンドウ、ハーネス、ループ、グラフエンジニアリングといった言葉が次々と登場し、「また新しい概念が出てきた」と感じている会社員は少なくないでしょう。これらは互いを置き換えるものではなく、実は層を重ねる構造になっています。この記事では、その5層を順番に整理し、どの層が業務のどの場面に対応するかを具体的に示します。

「新用語が出るたびに別物」という誤解

AI関連のニュースや技術ブログを読んでいると、半年ごとに主役が入れ替わるように見えます。プロンプトエンジニアリングが注目されたかと思えば、次はRAG（検索拡張生成）、その次はエージェント、そして今はグラフ——という具合です。この流れを見て「どれを学べばいいか分からない」と感じるのは自然な反応です。

ただ、これらは競合関係にありません。後から出てきた概念は、前の概念を内側に取り込みながら動いています。ちょうど入れ子になった箱のように、外側の箱が大きくなるほど内側の箱も含まれたまま機能しています。つまり、グラフエンジニアリングを理解するためには、プロンプトの書き方が土台として必要です。逆に言えば、プロンプトだけ学んでおけば、上の層を学ぶときに応用が効きます。

5層の構造と、各層が担う仕事

各層を「1回の処理で何をやっているか」という視点で見ると、違いが分かりやすくなります。以下の表を参考にしてください。

この表を見ると、上に行くほど「AIが自律的に動く範囲」が広がることが分かります。プロンプト層では人間が毎回指示を書きますが、グラフ層では人間が設計したフローの中でAIが自律的に動きます。

プロンプト層——AIへの最初の手紙

モデルは呼び出されるたびに記憶をリセットします。前回の会話も、あなたの名前も、会社の事情も何も持ち越しません。だからこそ、プロンプト1つの中に「役割・背景・指示・例・出力形式」を全部詰め込む必要があります。たとえば「営業報告書を要約して」という一言では、モデルはどんな粒度で、どんな読み手向けに要約すればいいかを知りません。プロンプトの書き方ガイドで詳しく触れているように、情報を構造化して渡すほど出力の質が上がります。

コンテキスト層——渡せる情報の量と管理

モデルが一度に処理できる文字数には上限があります（これをコンテキストウィンドウと呼びます）。長い会話や大量の資料をそのまま渡すとはみ出してしまうため、「何を渡して何を省くか」を管理する仕組みが必要になります。これがコンテキスト管理です。たとえば法務部の担当者が契約書レビューをAIに依頼する場合、100ページの契約書を丸ごと貼り付けるのではなく、関連する条項だけを抽出して渡す——という操作がコンテキスト層の仕事です。

ハーネス層——プロンプトをパイプラインにする

ハーネス（harness）という言葉は馬具の意味から来ており、複数の力をまとめて制御するイメージです。AI文脈では、複数のプロンプトをコードでつないで自動実行する仕組みを指します。たとえば「データを読み込む→要約する→フォーマットを整える→メールに貼り付ける」という一連の処理を、人間が毎回手動でやるのではなく、コードが順番に実行する形にすることです。エンジニアでなくても、ノーコードツールを使えばこの層に近いことができます。

ループ層——自己修正するAI

ループ層では、モデルが自分の出力を評価して、条件を満たすまで繰り返します。たとえば「コードを書く→テストを実行する→エラーがあれば修正する→再テストする」というサイクルを、人間の介在なしに回すことができます。この層から「エージェント」という言葉が登場し始めます。ループが1回で終わるならハーネスで十分ですが、「完成するまで繰り返す」という条件が入った瞬間にループ層の話になります。

グラフ層——複数のAIが協調する

グラフ層では、役割の異なる複数のモデルや処理が、フローチャートのようにつながって動きます。「調査担当のAI」「文章を書くAI」「事実確認をするAI」がそれぞれ担当を持ち、結果を渡し合う構成です。現時点では、この層を使うのは主に開発者です。ただ、LangGraphやAutoGenといったフレームワークが整備されるにつれて、ノーコードで触れる入口も増えてきています。

30代の会社員が今すぐ使えるのはどの層か

正直に言うと、ハーネス以上の層を自分で構築するには、ある程度のコーディング知識が必要です。ただ、それは「上の層は自分には関係ない」という意味ではありません。

現実的な使い方を考えると、プロンプト層とコンテキスト層は今日から使えます。マーケティング部門で週次レポートを作る担当者であれば、毎週同じ構造のプロンプト（役割・背景・指示・出力形式）を保存しておき、数字だけ差し替えて使い回すだけで、作業時間を大幅に短縮できます。これはプロンプト層とコンテキスト管理の組み合わせです。

ハーネス層については、ChatGPTのGPTs機能やDifyのようなノーコードツールが代替手段になります。「毎週月曜に売上データを読み込んで、要約を指定フォーマットで出力する」という処理は、コードを書かなくても設定できる環境が増えています。AIを活用した副業や業務効率化の具体的な進め方でも触れているように、ツールの選び方次第でエンジニアでなくても上位の層に近づけます。

一方、ループ層とグラフ層は、現時点では「仕組みを理解しておく」段階で十分です。これらがどういう動きをするかを知っておくと、「このツールはループを回している」「このワークフローはグラフ構造だ」という読み解き方ができるようになります。技術の話を聞いたときに会話についていける、という実用的な価値があります。

用語の洪水に流されないための考え方

AI関連の新用語が出るたびに「また勉強しなければ」と焦る必要はありません。新しい言葉が登場したとき、「これはどの層の話か」「1回の処理単位は何か」という問いを立てるだけで、ほとんどの場合は既知の概念のどこかに当てはまります。

ChatGPTの使い方を基礎から整理したガイドで確認できるように、基礎の層をしっかり理解しておくことが、上位の概念を学ぶときの速度を上げます。プロンプト層を曖昧なまま飛ばして「グラフエンジニアリングを学ぼう」としても、どこかで詰まります。逆に、プロンプトの書き方を体で覚えている人は、コンテキスト管理もハーネスも比較的スムーズに理解できます。

AIの用語体系は今後も膨らみ続けるでしょう。ただ、その構造は「1回の処理単位が何か」という問いで整理できます。新しい言葉に出会うたびにこの問いを使うと、情報の洪水の中でも自分の立ち位置を見失わずに済みます。

まとめ

プロンプトからグラフまでの5層は、競合する概念ではなく、外側に向かって広がる入れ子構造です。会社員が今日から実践できるのはプロンプト層とコンテキスト層であり、ハーネス層はノーコードツールで近づけます。ループとグラフは「仕組みを知っておく」ことに今の価値があります。あなたの業務の中で、毎回手動でやっている繰り返し作業はどこにありますか——そこがハーネス層を試す最初の候補地です。