現代のAIアプリケーションの中心は依然としてモデルですが、影響力は外側へと移っています。かつてプロンプトを調整していたチームは、今やモデルを取り巻くシステムを設計しています。彼らはモデルが見るものを厳選し、動作を管理し、「良い」を定義する検証者を追加し、必要に応じて複数の専門家を連携したワークフローに組み込みます。この層状の変化は誇張ではなく、大規模運用で実際に失敗やコストが発生する場所を反映しています。完璧な言い回しでは欠落した事実を補えず、長時間の実行では入力が徐々にずれ、検証されていないループは一晩中ゴミを出力することもあります。成果が伸び悩みコストが増加しているなら、ボトルネックは一層外側にある可能性が高いです。

5つの層で考えましょう。プロンプトエンジニアリングは単一のリクエストを構築します。コンテキストエンジニアリングはモデルが見るものを決定します—検索、ランキング、要約、編集カット。ハーネスエンジニアリングは実行全体を制御します：ツール、状態の永続化、オーケストレーション、評価、回復。ループエンジニアリングは目標、検証者、停止条件を定義し、トリガーから人を解放します。グラフエンジニアリングは複数の専門エージェントをエッジ、条件付きルーティング、並列処理、共有状態で調整します。各層は前の層を包み込み、何も廃れることはありません。希少なスキルは内側から外側へ移動します：言い回しから情報アーキテクチャ、制御設計、検証設計、そしてグラフ全体の分解とルーティングへと。

次の投資先を選ぶには症状を使いましょう。モデルが要求を誤解するならプロンプト契約を厳密に。回答に事実が欠けたり話題が逸れるなら検索とコンテキスト圧縮を修正。長いワークフローが不安定または静かに失敗するならハーネスを強化し評価者を追加。まだ人間がスケジューラーならループのトリガーと検証者を明確に。1つのエージェントが研究、執筆、批評など異なる仕事を混同するなら作業をノードに分割し、共有状態オブジェクトを定義し、明確な条件でルーティングします。各ステップには測定可能なKPIが必要です：回答可能性、ツール成功率、実行完了と回復、ループの精度/再現率、グラフレベルのスループットと受理アーティファクトあたりのコスト。

導入は段階的に行うべきです。まず出力契約を明文化し、軽量評価者をハーネスに追加。評価者が人間より多くの欠陥を検出できるようになったらループエンジニアリングに進みます。専門化とルーティングが単一の十分に検証されたループを品質、速度、ユニット経済で上回る場合にのみグラフエンジニアリングへ。小さくテスト可能な制御グラフ、明示的な状態スキーマ、サンドボックス化されたツールを優先。検証者はカバレッジ、ドリフトチェック、予算上限を備えた一級のコードとして扱います。この道筋はモデルコストを予測可能にし、欠陥率を観察可能にし、エージェント群をトークン消費ではなくビジネス成果に合わせて整列させます。