もう少し詳しく

コンテキストエンジニアリングこんてきすとえんじにありんぐとは、AIエージェントに質問や指示を出す際、AIモデル自体の性能を上げるのではなく、AIが参照する「前提知識(コンテキスト)」——社内の用語定義、データベースの構造、過去のやり取りの経緯など——を整理し、必要な場面で適切に渡すための設計・運用作業のことです。同じAIモデルを使っていても、渡す前提知識が古い・不足している・矛盾していると、AIエージェントは誤った回答をしてしまいます。コンテキストエンジニアリングは、この「AIに何を渡すか」を体系的に管理する考え方です。

どこで使われるか

企業内でAIエージェントを業務に導入する場面で特に重要になります。たとえば「売上」や「顧客」といった用語の定義が部署ごとに異なる会社では、AIエージェントに正しい前提知識を渡さない限り、部署によって答えが変わってしまうことがあります。コンテキストエンジニアリングは、こうした用語の定義やデータの結びつきを整理し、AIエージェントが一貫して正確な回答を出せるようにするための土台作りとして使われます。

身近な例

Google Cloudは2026年10月22日、AIエージェント向けのコンテキスト管理サービス「Knowledge Catalog」に、社内の用語定義やデータの結びつきが古くなっている箇所を自動で見つけて更新案を作る「自己学習型コンテキスト強化」機能を発表しました。これは、従来は担当者が手作業で行っていたコンテキストエンジニアリングの一部を、AIが自動で手伝う仕組みの一例です。

注意点

コンテキストエンジニアリングは、AIモデル自体を賢くする技術ではありません。どれだけ仕組みを整えても、元になる社内文書やデータの定義そのものが古い・整理されていない場合は、AIエージェントが誤った前提知識を参照し続けることになります。AIエージェントの回答が不正確なとき、モデルの性能だけを疑うのではなく、渡している前提知識が最新かどうかを確認することが大切です。