8月7日、Search Engine Journalが「Google's Ex-AI Chief Jeff Dean Explains How To Improve Context Engineering」と題した記事を公開した。Google DeepMindのチーフサイエンティストを務めるJeff Deanが、Y CombinatorのDiana Huによるインタビューで「コンテキストエンジニアリング」の重要性と、AIモデル選定よりも優先すべき実践的アプローチについて率直に語っている。

「どのモデルを使うか」より「どう使うか」

Jeff Deanは、GoogleのAI研究部門を長年率いてきた人物であり、現在はGoogle DeepMindでチーフサイエンティストを務めている。そのDeanが、AI活用の重心がどこに移りつつあるかを語った。

Diana Huが「AIの進歩はかつてはモデルの大型化を意味していたが、最近はリトリーバル（情報検索）、ツール、メモリ、エージェントといったモデルの周辺にある要素——つまりコンテキストエンジニアリングに移ってきているのでは」と問いかけると、Deanはそれに同意した上でこう続けた。

「モデルは、本当に面白い問題を解けるシステム全体を構築しようとするときの、あくまで一つのピースに過ぎません。重要なのは、モデルがさまざまなツールをどう使えるか、関連情報にどうアクセスできるか、そして過去の問題で取得した情報の履歴をどう活かせるかです。」

「コンテキストエンジニアリング」とは、AIモデルに渡す情報（コンテキスト）を設計・最適化することで、モデルそのものを改造せずに出力品質を高める手法を指す。プロンプトエンジニアリングを包含しつつ、ツール呼び出しや外部検索、エージェント連携まで含んだ広い概念だ。この用語は2025年前半から急速に普及し始め、Tesla AI元ディレクターのAndrej Karpathyが「プロンプトエンジニアリングの後継概念」として言及したことで広く認知されるようになった経緯がある。Deanの発言は、こうした業界全体の関心の高まりと軌を一にしている。

モデルの巨大な「スープ」vs. 的を絞ったコンテキスト

Deanが特に強調したのが、学習データとコンテキストの質的な違いだ。

「学習データは、何兆トークンもが数千億〜数兆のパラメータという『スープ』に混ぜ込まれています。それに比べて、特定の問題や用途のためにモデルが直接見るコンテキストの方が、はるかに明確です。」

この比喩は的を射ている。汎用的に学習されたモデルは、すべての知識を曖昧な形で内包しているが、適切に構築されたコンテキストはそのタスクに直接必要な情報だけを凝縮して渡せる。モデルを替えるより、渡す情報を設計し直す方が、多くのケースで効果的というわけだ。

さらにDeanは、マルチエージェントの協調（オーケストレーション）が重要になると述べた。問題を複数のツール呼び出しに分解し、複数のアプローチを試して評価する仕組みを組み上げることが、今後のAI活用の核心になるとしている。

「複雑なエージェントおよびマルチエージェントシステムのオーケストレーション全体が、ますます重要になっていくと思います。」

コンテキストエンジニアリングを上達させる方法

Diana Huが「コンテキストエンジニアリングはGPUも大量データも不要で、APIさえあれば誰でも取り組める」と指摘した上で、上達のコツをDeanに問うた。

Deanの答えは実践的だ。モデルが失敗しているケースを観察し、モデルのパラメータを調整するのではなく、ガイドラインやスキル（ツールの使い方の定義）を改善することで対処せよ、というものだ。

「モデルがどこで失敗しているかを観察してください。そして、モデルパラメータを調整する（これは外部からは難しい）のではなく、より良いガイドラインを作ったり、特定の問題クラスを解くのに役立つツールの使い方をモデルに教えるスキルを書いたりすることで、モデルをうまく機能させられることが多いです。そうすることで、自己改善のループが生まれ、モデルがより有能になるために何の情報が必要かを理解できるようになります。」

これは実装面での示唆に富む。ファインチューニングやモデル乗り換えを検討する前に、「モデルへの指示（システムプロンプト）やツール定義を改善すること」で解決できる問題が多い、というメッセージだ。Deanの言う「自己改善のループ」は、LangChainのエージェント評価フレームワークやOpenAIのEvalsのような反復評価の仕組みとも接続する考え方であり、現場のMLエンジニアにとって即実践可能なアプローチとして注目に値する。

まとめ

Deanの発言を整理すると以下になる。

• AIモデルはシステム全体の一部品に過ぎなくなっている
• ツール、リトリーバル、エージェントのオーケストレーションが出力品質を左右する
• モデルを替えるより、システム周辺を改善する方が効果的なことが多い
• 失敗ケースを観察し、ガイドラインとスキル定義を反復改善することが上達の近道

コンテキストエンジニアリングはAPIさえあれば誰でも着手できる領域であり、Deanはそこに大きな可能性を見ている。Karpathyに始まりDeanへと連なるこの潮流は、「良いAIシステムを作ることはモデル選びではなく設計の問題だ」という認識が業界のコンセンサスになりつつあることを示している。

※編集部の考察：コンテキストエンジニアリングの台頭は、GPUや大規模データを持たない開発者・企業にとってAI活用の参入障壁を大きく下げるものでもある。モデルの改良競争から距離を置き、「使いこなし」の設計力を磨くことに注力する動きは、今後さらに加速するだろう。

詳細はGoogle's Ex-AI Chief Jeff Dean Explains How To Improve Context Engineeringを参照していただきたい。