経営

AIの「情報環境設計」は、人材開発の「学習生態系」そのものだった

泉水亮介2026年6月24日

僕はずっと、AIを賢く動かす肝は「賢いモデルを選ぶこと」より「モデルに渡す情報環境を設計すること」だと言ってきた。先日、人材開発を専門にする方とこの話をしていて、面白いことを言われた。「それ、学習の世界とほとんど同じ話ですよ」。最初はリップサービスかと思ったが、聞くほどに腹落ちした。AIのコンテキスト設計と、大人の学習環境の設計は、別の分野で同じ問題を解いている──というのが、この記事で書きたい僕の私見だ。

これは僕の私見であり、専門家ひとりとの会話から得た一例にすぎない。検証された定説ではない。でも、分野の外側にいる人から「同じ構造だ」と返ってきた事実は、僕にとって考えを進める価値があった。だからここに書いておく。

コンテキストエンジニアリングは「プロンプト」じゃない

ここ1年で「コンテキストエンジニアリング」という言葉がAI開発の現場で広がったように見える。2025年6月にShopifyのCEOやAndrej Karpathyが相次いでこの言葉を使ったことを普及の一因と見る向きがあり、Karpathyはこれを「次の一手をモデルが解けるように、コンテキストウィンドウへちょうどいい情報を詰める繊細な技術と科学」と定義している（出典: LangChain, Context Engineering for Agents）。

ポイントは、これが一発の「うまい指示文（プロンプト）」の話ではないことだ。モデルが置かれる情報環境そのもの──検索で引いてきた資料、ツールの定義、過去のやり取りの記憶、会話履歴、システム指示──を、丸ごと設計する営みを指す。Karpathyはこれを、LLMをCPU、コンテキストウィンドウをRAMに見立てた「新種のOS」という比喩で説明している（同上）。賢いCPUを買うより、RAMに何を載せるかで仕事の質が決まる、という発想だ。

研修を作ることが、人材開発の本質ではないらしい

ここで人材開発側の話。少なくとも僕が聞いた専門家の捉え方では、この分野の仕事は「研修を作ること」ではない、という。彼らが設計しているのは**学習が起きる環境（学習生態系／ラーニングエコシステム）**で、研修はその一部の「種まき」にすぎない。

これには経験則として有名な裏付けがある。「70:20:10」という人材育成のモデルで、これは厳密な実測値ではなく現場の目安として広まった経験則だが、人の成長のうち約70%は仕事経験、約20%は他者との関わり、残り約10%が研修などの公式な学習から来る、と整理される（出典: LEARNING SHIFT, ラーニング・エコシステム）。実測値というより枠組みとしての話だが、含意は鋭い。研修という「点」に全力を注いでも、成長の9割が起きる場所には触れていない。だから専門家は、人・コンテンツ・テクノロジー・組織文化が有機的につながる「生態系」をどうプロデュースするかを設計する──研修という単発のイベントを作ることではなく。

学習生態系のより実務的な定義として、ある業界の解説はこれを「すべての学習ニーズに応える、継ぎ目なくスケールするアーキテクチャを作るための、複数の補完的な技術への戦略的投資」と表現している（出典: Training Orchestra, “The Learning Ecosystem”）。そこでは、学習する人・届け方（集合研修からインフォーマル学習まで）・技術の層・運用と体験の機能、という複数の次元が一つの環境として組み合わさる。核にあるのは「ひとつのツールが全部をやることはない（no technology does-it-all）」という原則だ。

同じ問題を、別の言葉で解いている

並べてみると、構造がほとんど鏡写しになっているのが分かる。

AI側は、モデル（CPU）の賢さに頼りきらず、**周囲の情報環境（RAM）**を設計して成果を出す。
人材開発側は、研修（点）に頼りきらず、**周囲の学習環境（生態系）**を設計して成長を起こす。

どちらも「賢い中心（モデル／優秀な個人）さえあれば成果が出る」という素朴な期待を退け、「成果は中心が置かれた環境の設計で決まる」と言っている。AIにとっての検索資料・記憶・履歴は、人にとっての仕事経験・他者との関わり・組織文化に対応する。コンテキストエンジニアリングが「一発のプロンプト」を超えた営みであるのと同じく、学習設計は「一回の研修」を超えた営みだ。僕にはこの二つが、別の分野で独立に育った、同じ思想の双子に見える。

これは検証済みの定理ではなく、あくまで僕の見立て（仮説）だ。反証もありうる──たとえばAIのコンテキストは比較的人為的に設計しやすい（それでもモデル挙動や検索結果など制御しきれない要素は残る）のに対し、人間の学習環境は本人の主体性や偶然にいっそう大きく左右される、という非対称性は無視できない。それでも、片方の分野で効いた設計の知恵が、もう片方のヒントになる可能性は十分にあると思っている。AIのプロンプトに行き詰まったら情報環境の全体設計を疑うのと同じで、人が育たないときは研修の中身より「学びの生態系」を疑う方が筋がいいのかもしれない。

だから何が変わるか（ここは仮説）

もしこの相似が本物なら、人材開発の担当者は「AIに置き換えられる側」ではなく「AI時代の環境設計をいちばん得意とする側」になりうる。情報の場を設計し、人と道具を組み合わせ、回しながら直す──その仕事の型を、彼らは長く実践してきた領域だと僕は見ているからだ。逆に、AIを「賢いプロンプトを打ち込む装置」としか見ない使い方は、研修を「良いコンテンツを配る作業」としか見ない発想と同じ天井にぶつかる、と僕は見ている。

確証はない。専門家ひとりとの会話と、僕自身のAIの使い方から立てた見立てだ。それでも、分野をまたいで同じ構造が顔を出すときは、たいてい何か本質に触れている。少なくとも僕は、しばらくこの仮説を握って動いてみるつもりだ。

結論

AIの成果を分けるのが「情報環境の設計」なら、人の成長を分けるのは「学習環境の設計」であり、コンテキストエンジニアリングと学習生態系づくりは別分野で同じ問題を解いているのではないか──というのが、ドメインの専門家との対話を経て腹落ちした僕の私見だ。検証済みの結論ではなく、これから確かめたい見立てとして置いておく。

出典

Andrej Karpathy のコンテキストエンジニアリング定義・LLM=OS比喩: LangChain, “Context Engineering for Agents”
70:20:10 モデル・ラーニングエコシステムの考え方: LEARNING SHIFT, “人材育成のROIを実現する『ラーニング・エコシステム』という考え方”
学習生態系の定義と構成次元（学習者・届け方・技術層・運用/体験）: Training Orchestra, “The Learning Ecosystem: Where Tech and Delivery Strategy Meet to Form Successful L&D” https://trainingorchestra.com/collaborative-learning-ecosystem-explained/
SHRM, “The Future of Learning & Development: Adapting to an AI-Powered Evolution” — AI時代のL&Dを「学習生態系」として捉える潮流。https://www.shrm.org/topics-tools/flagships/ai-hi/the-future-of-learning---development--adapting-to-an-ai-powered-
「コンテキストエンジニアリング（文脈設計）」は2025年前後に広がった新しい呼称であり、定義は発展途上。本稿での用法は「モデルに渡す情報環境の設計」を指す筆者の整理。