こんにちは、かつコーチです。
前回、プロンプトの5要素（目的・役割・制約・出力形式・例）を紹介しました。
この5要素を丁寧に埋めていくと、プロンプトはどんどん長くなります。
さらに実務では、業務マニュアルや過去のやり取り、参考資料などもAIに渡したくなる場面が増えていきます。
「情報を渡せば渡すほど精度が上がるはず」と思いがちですが、実はそうとは限りません。
今日は、プロンプトが長く・複雑になったときにどう整理すればいいか、「コンテキストエンジニアリング」という考え方を軸に解説していきます。
コンテキストエンジニアリングとは
プロンプトエンジニアリングとの違い
コンテキストエンジニアリングとは、AIに「何を」「どんな順番で」「どこまで」渡すかを設計する技術のことです。
これまでの「プロンプトエンジニアリング」が1回の指示文の書き方を磨く技術だとすれば、コンテキストエンジニアリングはAIに渡す情報全体（コンテキスト）を設計する、一歩広い視点の技術です。
2026年のAI活用のトレンドとして、「プロンプトの書き方」から「コンテキストの設計」へと注目の重心が移ってきているとも言われています。
背景には、自律的に複数のタスクをこなすAIエージェントの普及があります。
単発の質問に答えるだけでなく、一連の作業を任せる使い方が増えたことで、「どの情報を・どのタイミングで・どこまで渡すか」の設計そのものが成果を左右するようになったのです。
なぜ今「整理」が必要なのか
AIに渡す情報は、多ければ多いほど良いわけではありません。
人間でも、会議で一度に10個の議題を並べられると集中力が落ちるのと同じように、AIも情報量が増えすぎると回答の精度が落ちることが分かっています。
指示を一度に詰め込みすぎると、AIの正確性が最大39%低下するというデータも報告されています。
これは決して小さな数字ではありません。
「とにかく情報を全部渡しておけば安心」という考え方は、むしろ逆効果になり得るということです。
なぜ情報を詰め込みすぎると精度が落ちるのか
AIにも「今、集中すべき情報」がある
AIは一度に渡された文章全体から回答の材料を探しますが、情報量が増えるほど「今回の指示にとって本当に重要な部分」が埋もれやすくなります。
たとえば、次のようなプロンプトを想像してみてください。
以下は当社の全部門の業務マニュアル（1万字）です。
このマニュアルを踏まえて、新入社員向けの1日のスケジュール表を作成してください。
また、経費精算のルールも説明してください。
さらに、有給休暇の申請方法もまとめてください。
あわせて、当社の企業理念についても触れてください。
（マニュアル本文1万字）
このプロンプトには、1つのマニュアルに対して4つの異なる依頼が同時に詰め込まれています。
AIはどの依頼にどの情報を対応させればいいか判断が難しくなり、一部の依頼への回答が薄くなったり、抜け落ちたりすることがあります。
「あれもこれも」が精度を下げる典型パターン
コンテキストが崩れやすい典型的なパターンをまとめると、次のようになります。
- 1つのプロンプトに複数の異なるタスクを詰め込む
- 関係のない過去の会話や資料をそのまま貼り付ける
- 制約条件を並べすぎて、優先順位が分からなくなる
- 前提情報と指示（今やってほしいこと）が入り混じっている
私自身、Claudeでブログ記事の構成案を作ってもらう際に、過去の記事10本分をまとめて貼り付けて「これを踏まえて次の記事のネタを10個出して」と頼んだことがあります。
結果は、10本の記事の内容が混ざり合った、要点のはっきりしない案ばかりが返ってきました。
情報を絞って「直近3本の記事だけ」を渡し直したところ、狙い通りの精度の高い提案が返ってきたのを覚えています。
コンテキストを整理する4つの方法
方法1：タスクを1つずつに分割する
複数の依頼を1つのプロンプトに詰め込むのではなく、タスクごとにプロンプトを分けます。
❌ Before：詰め込みすぎ
以下の議事録メモから、決定事項の要約、次回のアジェンダ案、参加者への感謝メールの3つを作成してください。
（議事録メモ）
✅ After：タスクを分割
【1回目のプロンプト】
以下の議事録メモから、決定事項を箇条書きで要約してください。
（議事録メモ）
【2回目のプロンプト（1回目の回答を踏まえて）】
先ほどの決定事項を踏まえて、次回会議のアジェンダ案を3つ提案してください。
1つずつ順番に依頼することで、AIは毎回「今回集中すべき情報」に絞って処理できるようになります。
会話が続く形式のAIチャットであれば、前のやり取りの文脈は引き継がれるので、情報が失われる心配もありません。
方法2：不要な情報を渡す前に削る
「念のため全部渡しておこう」という発想をやめ、今回のタスクに直接関係する情報だけを厳選します。
以下は先月の顧客アンケート結果です。
「価格に関する意見」だけを抜き出して、傾向をまとめてください。
（アンケート結果全文）
このように、渡す情報自体を絞り込む一言を添えるだけでも、AIの読み取り精度は変わってきます。
長い資料をそのまま渡す場合は、事前に「関係する部分だけ抜粋してから渡す」というひと手間も効果的です。
方法3：情報に優先順位・見出しをつける
複数の情報を渡さざるを得ない場合は、見出しや番号をつけて構造化します。
以下の情報をもとに、企画書のたたき台を作成してください。
【最優先で反映してほしい情報】
・予算は50万円以内
・納期は来月末
【参考情報（必須ではない）】
・過去の類似企画の実績データ
【最優先で反映してほしい情報】
（内容）
【参考情報】
（内容）
「最優先」「参考」といったラベルをつけることで、AIがどの情報を重視すべきか判断しやすくなります。
方法4：長い会話は定期的に要約してリセットする
AIとのやり取りが長く続くと、会話履歴そのものが膨大なコンテキストになり、古いやり取りとの矛盾や情報の混線が起きやすくなります。
ここまでの会話内容を、決定事項・保留事項・次のアクションの3点で要約してください。
このように途中で一度要約させて、その要約を新しい会話の冒頭に貼り付けて話を再開すると、コンテキストがすっきり整理された状態で続きを進められます。
長いプロジェクトをAIと一緒に進める際には特に有効なテクニックです。
つまずきやすいポイント・注意点
「情報を削る」ことへの不安を手放す
情報を削ると聞くと、「大事な情報が抜け落ちるのでは」と不安になるかもしれません。
しかし実際には、関係のない情報を混ぜたまま渡す方が、AIの回答精度を下げるリスクの方が大きいです。
「今回のタスクに必要かどうか」という一点で情報を取捕選択する意識を持つことが、結果的に精度の高い回答につながります。
分割しすぎて文脈が切れることもある
一方で、タスクを細かく分割しすぎて、AIに前提を伝え忘れてしまうケースもあります。
新しい会話を始めるときは、前提情報（誰向けか、何のためかなど）を簡潔に添えることを忘れないようにしましょう。
（新しい会話の冒頭で）
前提：これは社内向けの業務マニュアル改訂プロジェクトの一部です。
ここから経費精算の章について相談します。
分割と前提共有はセットで考えると、コンテキストの整理と情報の抜け漏れ防止を両立できます。
まとめ
この記事のポイント
- コンテキストエンジニアリングとは、AIに渡す情報全体を設計する技術
- 指示を詰め込みすぎるとAIの正確性が最大39%低下するというデータがある
- タスクの分割、情報の厳選、見出しによる構造化、会話の定期的な要約が有効な整理術
- 情報は「多ければ良い」のではなく「タスクに必要な分だけ」が原則
次に読むべき記事
次回は、ChatGPT・Gemini・Claudeそれぞれでプロンプトの効きやすさや作法に違いがあるのか、実際に比較しながら解説していきます。
→ 次の記事：AIツール別プロンプトの作法の違い（ChatGPT/Gemini/Claude）