コンテキスト

一言でいうと

AIが1回の応答を作るときに読み込んでいる情報のまとまりで、ここに無い情報はAIの判断材料になりません。

開発元と登場年

特定の開発元が名付けた語ではなく、言語モデルの分野で「モデルに与える入力の範囲」を指して使われてきた言葉です。2020年にOpenAIが発表したGPT-3の論文は、例をいくつか入力に含めるだけで課題をこなせることを示し、これを「インコンテキスト学習（in-context learning）」と呼びました。モデルを学習し直さず、入力の中身で振る舞いを変えるという使い方が、この論文から広がりました。

2025年にはAnthropicが、エージェントに渡す情報を選び、限られた量に収まるよう保つ考え方を「コンテキストエンジニアリング」として整理しています。

何を解決するために生まれたか

言語モデルは学習時点までの一般的な知識しか持っていません。自社の求人票、候補者とのやり取り、社内の選考基準といった個別の情報は、使うたびに入力として渡す必要があります。

指示文だけを工夫しても、判断に必要な材料が入っていなければ正確な答えは返りません。何を渡し、何を渡さないかを決める単位としてコンテキストという言葉が使われるようになりました。一度に渡せる量には上限があり、その上限をコンテキストウィンドウと呼びます。

どこで使われているか

チャット型のAIでは、指示、それまでの会話、添付ファイルがコンテキストになります。AIエージェントでは、ツールを呼び出した結果や読み込んだファイルの中身も加わり、作業が進むほど量が増えます。

社内文書を検索して関連部分だけを渡すRAG、長い会話を要約して詰め直す処理は、いずれもコンテキストに何を入れるかを制御する技術です。

人材市場の実情

コンテキストという語だけを掲げた求人はほとんどなく、LLMを使ったプロダクト開発やAIエージェント開発の求人の中で、設計の論点として扱われます。RAGの設計、長い会話の扱い、エージェントに渡す情報の絞り込みといった業務がこれに当たります。

非エンジニアの職種でも、AIに資料を渡して作業させる機会が増えています。どの資料を渡せば目的の答えが返るかを判断できるかどうかで、同じツールでも成果に差が出ます。

混同されやすい技術との違い

採用担当の見極めポイント

• AIの出力が期待と違ったとき、指示文を直したか、渡す資料を見直したかを聞いてください。資料の側を点検した経験を話せる場合は、コンテキストを設計の対象として扱ってきたと判断できます
• AIエージェント開発の候補者には、作業が長くなったときに情報をどう絞ったかを聞いてください。要約や検索での絞り込みを具体的に説明できるかが、実装経験の目安になります
• 求人票には、AIに渡している社内データの種類を書いてください。候補者はそこから、設計の難しさと扱う情報の範囲を読み取ります