株式会社TIMEWELLの濱本です。今日はテック関連のサービスご紹介です。
知人の紹介で、ある宮大工の棟梁の仕事場を見学させていただいたことがあります。作業場には何十本もの角材が整然と並べられ、一本一本に墨で番号や記号が書き込まれていました。棟梁はそのうちの一本を手に取り、鑿（のみ）を当て、ものの数分で複雑な仕口を刻み上げてしまいました。まるで木が最初からその形になりたがっていたかのような、迷いのない手つきでした。「すごい技術ですね」と声をかけると、棟梁は少し照れたように笑って言いました——「いや、ここに来るまでに全部決まっとるんですよ。刻みは確認作業みたいなもんです」。
この一言が、私がいまAIエージェントを使い倒すなかで最も大切にしている哲学の原点になっています。2026年の今、AIは「対話する相手」から「仕事を丸ごと任せるエージェント」へと変わりました。チャットでやりとりを重ねながら正解に近づけていく時代は、率直に言って終わりつつあります。一撃で指示を出し、エージェントがノンストップで走り切るかどうか。この一点に、AI活用の巧拙が集約されるようになりました。そして、その「一撃」を可能にするのは天才的なひらめきではありません。棟梁が教えてくれた「段取り八分」の思想そのものです。
棟梁の手が止まらない理由——「対話」から「一撃」への不可逆な転換
2025年の後半あたりから、私の周囲で明らかな変化が起きていました。AIを使いこなしている人とそうでない人の差が、もはや「プロンプトがうまい・下手」では説明できなくなったのです。
Andrej Karpathyが2025年初頭に「Vibe Coding」という言葉を生み出し、AIに雰囲気で指示を出してソフトウェアを作る手法が話題になりました。ところが同じKarpathy自身が、その後「コンテキストエンジニアリング」こそが本質だと軌道修正しています。つまり、1回のプロンプトの言い回しを磨くことよりも、AIが動くための「情報環境」を丸ごと設計することのほうが、圧倒的に成果を左右するという認識が広がったわけです。
renue社の2026年版ガイドは、この違いを端的に整理しています。プロンプトエンジニアリングが「1回の入力テキストの最適化」であるのに対し、コンテキストエンジニアリングは「システム全体の情報フローを設計する」アーキテクチャレベルの取り組みだと [1]。前者がステートレスな1回の対話を想定しているのに対し、後者はステートフルに複数ステップを継続処理するエージェントを前提としています。
私自身、TIMEWELLで輸出管理AIエージェント「TRAFEED」やGraphRAG技術を用いた社内情報検索AI「ZEROCK」を開発・運用するなかで、この違いを肌で感じてきました。エージェントに「この書類を審査して」と投げるだけでは、まともな結果は返ってきません。審査基準の体系、過去の判例データ、例外パターンの一覧、出力フォーマットの定義——これらを事前に構造化して「情報環境」として整えておくと、エージェントは迷いなく走ります。棟梁が「刻みは確認作業」と言い切れるのと同じ構造です。すべては事前に決まっている。
ここで私が中級を目指す方に繰り返し伝えていることがあります。もうAIとの「対話」にこだわるのはやめましょう。一撃でエージェントがノンストップで仕事をするかどうか。そこにこだわるべきです。そして必然的に、一撃の指示に的確かつ大量のコンテキストが入らなければ、それは達成されません。だからこそ「段取り八分」の大工の思想が生きてくるのです。
Looking for AI training and consulting?
Learn about WARP training programs and consulting services in our materials.
木配り——ダメな材からいい家は絶対に建たない
棟梁の仕事は、木材の「目利き」から始まります。山から伐り出された原木を前にして、一本一本の木目を読み、節の位置を確認し、乾燥の具合を見極める。この木は柱に使える。この木は梁向きだ。この木は癖が強いから、力のかかる場所には使えない——。木配りと呼ばれるこの作業は、棟梁にしかできない高度な判断の連続です。どれだけ腕のいい大工が刻んでも、材そのものが悪ければ、いい家は絶対に建ちません。
AIエージェントにおける「木配り」は、コンテキストの収集に他なりません。多くの人がここで躓いています。とりあえず手元にある情報を全部渡せばいいと思っている。あるいは、検索で最初に出てきた記事をそのままコピペする。これは、ホームセンターで目をつぶって適当な角材をカートに放り込むようなものです。
木材の「乾燥具合」は、情報の正確性と最新性を意味します。2023年の市場データでAIに2026年の戦略を立てさせれば、当然ずれた結論が出ます。含水率の高い生木で家を建てれば反りや割れが出るのと同じことです。「産地」は情報の信頼性にあたります。経済産業省の白書とSNSの匿名投稿では、同じ数字が書いてあっても重みがまるで違います。吉野の桧と出所不明の外材くらいの差があると言っていいでしょう。McKinseyやBCGのレポート、学術論文、政府統計——こうした一次情報に近いソースを選び取る目利き力が、AI時代にはむしろ人間の側に強く求められています。
私がTIMEWELLのAI人材育成プログラム「WARP」で受講者に最初に教えるのは、プロンプトの書き方ではありません。「どこから情報を取ってくるか」の判断基準です。信頼できるソースから鮮度の高い情報を選び取る。この工程を怠った時点で、その後にどれだけ精巧なプロンプトを書いても、出力の天井は低いままです。
正直なところ、ここをサボっている方があまりにも多いと感じています。木材の選定に何日もかける棟梁を「非効率だ」と笑う人はいないでしょう。なのにAIの世界では、コンテキスト収集に時間をかけることを「面倒くさい」と感じてしまう。この意識のギャップが、アウトプットの品質差として如実に現れます。
墨付け——「情報を渡しただけ」で終わっている人たち
木配りを終えた材は、そのままでは家にはなりません。棟梁が次に行うのは「墨付け」です。一本一本の角材に墨壺と墨差しを使って、仕口や継手の加工位置、番付（どの場所にどの材を使うか）を書き込んでいく。この墨付けこそが棟梁の真骨頂であり、建物の構造を木材の上に「設計図として翻訳する」作業です。墨の一本が狂えば、仕口が噛み合わず、建て方の日に現場が止まります。
コンテキストの構造化も同じです。集めた情報をそのままAIに渡すのは、墨付けをしていない角材を現場に運び込んで「さあ家を建ててくれ」と言うようなものです。AIは器用ですから、なんとか形にしてくれるかもしれません。しかし、柱と梁が噛み合わない家に住みたい人はいません。
墨付けの工程を分解すると、コンテキスト設計と驚くほど重なることに気づきます。「番付を振る」作業は情報の分類です。戦略の話と実行計画の話とリスク要因の話が混在したドキュメントを、そのまま渡していないでしょうか。「仕口の位置を決める」作業はノイズの除去にあたります。会議の議事録をAIに渡すとき、雑談部分や重複発言を削ぎ落としているでしょうか。「材の癖を読んで墨を打つ」作業は粒度の統一です。ある項目は3行の箇条書きで、別の項目は2ページの詳細文——この粒度のばらつきがあると、AIは必ず偏った解釈をします。
DeNAの南場智子会長が2026年3月のAI Day登壇で語った言葉が印象に残っています。Claude Opus 4.5の登場以降、人間が直接コードを書く機会は大幅に減ったと [2]。コードを書く量が減った分、何が増えたか。設計と構造化の時間です。AIが自律的に動くほど、そのAIに渡す情報の構造が問われるようになります。
多くの人が「情報を渡しただけ」で終わっています。渡したのと、構造化して渡したのとでは、エージェントの挙動がまったく変わります。ここが甘いとAIは必ず誤解します。私自身、ZEROCKの開発過程で何度もこの教訓を味わいました。社内ドキュメントを大量にRAGに突っ込んだだけでは検索精度が出なかったのです。文書をカテゴリごとに分類し、粒度を揃え、メタデータを付与して初めて「使えるAI」になりました。墨付けの精度こそが品質の分水嶺だったのです。
刻み——ここで家の出来はほぼ決まる
墨付けが終わると、いよいよ「刻み」に入ります。墨に沿って鑿と鉋（かんな）で仕口や継手を加工していく工程です。柱に穴を掘り、梁に凸を残し、組み合わせたときにぴたりと噛み合うように精密に削り出す。大工の世界で「段取り八分、仕事二分」と言われる所以は、この刻みまでの準備で建物の品質が9割決まるからです。棟上げの日に鮮やかに骨組みが立ち上がるのは、何週間もかけた刻みの結果に過ぎません [3]。
AIエージェントにおける刻みとは、タスク設計と制約設計のことです。コンテキストエンジニアリングの文脈で言えば、システムプロンプトの設計、ツール連携の定義、メモリ管理の方針、ガードレールの設定——これらの「アーキテクチャ」を事前に組み上げる作業にあたります [1]。
「仕口を掘る」作業は、目的とゴールの精密な設定です。「いい感じにまとめて」という指示が失敗する理由は、仕口の寸法が決まっていないからです。「この報告書は経営会議で使用する。意思決定者はCFOで、投資判断の材料になる。結論を先に示し、根拠となるデータを3点以内で添える」——ここまで明確にすれば、エージェントの迷いは消えます。柱と梁がぴたりと組み合うように。
「継手の角度を決める」作業は、優先順位と制約条件の設計です。何を重視し、何を切り捨てるか。速度と品質のどちらを優先するか。この判断を人間の側で済ませておかないと、エージェントは「あれもこれも中途半端」な出力を返してきます。継手の角度が曖昧なまま組み上げれば、荷重がかかったときに家が歪むのと同じことです。
「加工の順序を組み立てる」作業は、実行フローの設計に対応します。エージェントが複数のステップを自律的に実行する場合、どの順番で何を処理するかの設計が不可欠です。先にデータを集めるのか、先に骨格を作るのか。この順序を間違えると、後半の工程で手戻りが発生します。大工の世界でも、刻みの順番を間違えれば、すでに掘った仕口が無駄になることがあります。
あえて言い切りますが、この刻みの工程を自分でやれるかどうかが、AI活用の「中級」と「初級」を分ける最大のポイントだと考えています。プロンプトのテンプレートをコピペするだけなら誰でもできます。自分の業務に合わせてコンテキストの全体設計をやれる人は、まだ驚くほど少ないのが現実です。
Sky社のTech Blogも同様の見解を示しています。従来の「優れたモデルを作る競争」から「その優秀なモデルをいかに賢く使うか」へ、AIの世界はステージを移行していると [4]。「賢く使う」の核心は、まさにこの刻み——コンテキストの全体設計——に集約されます。
建て方と造作——棟梁が棟上げの日に悩まない理由
刻みが完璧なら、建て方の日は驚くほどスムーズに進みます。朝、現場に材を運び込み、番付通りに配置し、柱を立て、梁を渡す。仕口と継手が寸分の狂いなく噛み合い、木槌の音とともに骨組みが立ち上がっていく。棟梁は建て方の日にほとんど悩みません。悩むとしたら、それは刻みが甘かった証拠です。ヤマモト工務店のブログにも、段取りが完璧な現場ほど作業が速く、かつ安全だと記されています [5]。
AIエージェントへの「一撃プロンプト」も同じ構造を持っています。指示の粒度（太い柱か細い桟か）、プロンプトの構造（組み上げの順序）、そしてエージェントに迷いを生じさせない明確さ——これらはすべて、事前の段取りから自然に導かれるものです。段取りが済んでいれば、プロンプトを書く段階では「あとは建てるだけ」の状態になっています。
「造作」はアウトプット設計に対応します。骨組みが立ったあとの仕上げ——床を張り、壁を塗り、建具を入れる。どんなに構造がしっかりしていても、造作が雑なら住み心地は悪くなります。AIの出力も同じで、フォーマットの指定、構造化された出力形式、即座に使える状態での納品——これらを事前に設計に組み込んでおくことが、最終的な「使える度」を左右します。
私がTIMEWELLの社内で実践しているのは、プロジェクトごとに「コンテキストパッケージ」を作っておくやり方です。目的、制約、参照データ、出力形式、品質基準——これらを一つのドキュメントにまとめておきます。新しいタスクが発生したら、そのパッケージをエージェントに渡して一撃で実行させます。パッケージの作成には時間がかかります。一度作ってしまえば、同種のタスクは何度でも高速に回せます。棟梁が一度刻んだ材を組み上げるのが速いのと同じで、段取りの初期コストが、本番の圧倒的なスピードとして回収される構造です。
段取りの思想をインストールする
ここまで読んでくださった方のなかには、「結局、事前準備が大事という当たり前の話では？」と感じた方もいるかもしれません。その通りです。当たり前のことを言っています。しかし、当たり前のことを愚直にやれる人が、AI活用の世界でも圧倒的に少ないというのが、私の率直な実感です。
パナソニック時代に450名の社内起業家を育成するプログラムを運営していたとき、成功する人と失敗する人の差はアイデアの質ではありませんでした。事前準備の徹底度です。市場調査を自分の足でやったか。顧客ヒアリングを10件以上重ねたか。競合のプロダクトを実際に触ったか。この「段取り」の厚みが、そのままプレゼンの説得力に変換されていました。
AIエージェントの世界でも、まったく同じことが起きています。ChatGPTやClaudeの性能が上がるたびに「AIに任せればいい」という声が大きくなりますが、私はむしろ逆だと思っています。AIが賢くなるほど、人間の段取り力が問われます。腕のいい大工ほど、棟梁の墨付けの精度に敏感に反応するのと似ています。的確な文脈と明確な制約を渡してこそ、その賢さが正しく発揮されるのです。
2026年4月現在、AIエージェント市場にはLangGraph、CrewAI、AutoGenといったフレームワークが乱立し、マルチエージェントが協調して複雑なワークフローをこなす時代に入っています [6]。技術の選択肢は日に日に増えています。だからこそ、技術そのものではなく、その技術に「何を食わせるか」の設計力が、差別化の源泉になります。
私がWARPの受講生に伝えているのは、「プロンプトを書く前に、30分だけ段取りの時間を取ってください」ということです。目的を明文化する。使うデータの信頼性を確認する。出力形式を決める。制約条件を書き出す。たった30分の段取りが、その後の3時間分の試行錯誤を消し去ってくれます。
棟梁の仕事は、棟上げの日にとっさに天才的な判断を下しているように見えます。本当は、何週間もかけて木を選び、墨を打ち、刻みを重ねた結果として、あの鮮やかな「建て方」が成立しています。AIエージェントを使いこなすということは、結局、この段取りの思想を自分のなかにインストールすることだと、私は確信しています。
作業場で黙々と鑿を振るう棟梁のように、目に見えない準備に時間をかけられるか。それが、AIに振り回される人と、AIを自在に使いこなす人の、たった一つの分かれ道です。
段取りの壁を、伴走で越える
事前準備の重要性に納得したとしても、「自分の業務に合わせてコンテキストをどう組むか」で手が止まる方は多いはずです。目的定義、情報ソースの選別、タスクの構造化、制約条件の言語化——このすべてを一人で組み上げるのは、正直、簡単ではありません。
TIMEWELLのWARPでは、AIエージェントをビジネスで動かすための「段取り力」を、座学ではなく実業務のケースで鍛えるプログラムを提供しています。受講者ご自身の業務課題を題材に、コンテキスト設計・タスク分解・一撃プロンプトの組み立て・検証までを伴走します。
社内ドキュメントが散らばっていて「渡すべき情報」がそもそも揃わない場合は、エンタープライズAIプラットフォームのZEROCKが土台になります。GraphRAGで社内ナレッジを構造化し、AIエージェントが常に信頼できる一次情報を参照できる環境を作ります。木配りの段階から整える、そんな使い方です。
「一撃プロンプトで動くエージェントを作りたいが、どこから手をつければいいかわからない」「現場でAIを回してみたが成果が出ない」。そんな方は、ぜひお気軽にご相談ください。
参考文献
[1] 株式会社renue. "コンテキストエンジニアリングとは？LLM・AIエージェントの設計手法【2026年版】." https://renue.co.jp/posts/context-engineering-vs-prompt-engineering-ai-agent-guide-2026 (2026年)
[2] エンジニアtype. "南場智子「ますます"速さ"が命題に」DeNA AI Day2026全文書き起こし." https://type.jp/et/feature/30605/ (2026-03-06)
[3] 大彦株式会社. "棟上げに向けて〜墨付け・刻み〜." https://daihiko.jp/blog/家づくりに思うこと/2642/ (2026年)
[4] Sky株式会社 Tech Blog. "次世代AI開発に必要な「コンテキストエンジニアリング」とは." https://www.skygroup.jp/tech-blog/article/2096/ (2026年)
[5] ヤマモト工務店. "段取り八分！【大工のお仕事】." https://yamamoto-koumuten.company/blog/23498/ (2026年)
[6] Intuz. "Top 5 AI Agent Frameworks 2026: LangGraph, CrewAI & More." https://www.intuz.com/blog/top-5-ai-agent-frameworks-2025 (2026年)