Graphエンジニアリングとは？
AI活用5段階の違いと構造を初心者向けに解説

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくん（@passion_tanaka）です。

先日、鬼速PDCAとループエンジニアリングの記事を公開したばかりなのですが、その直後から、海外のAI界隈で新しい言葉が一気に広がり始めました。

Graphエンジニアリング（グラフエンジニアリング）。

「プロンプトの次はコンテキスト、その次はループ、そして今はグラフだ」——そんな声が、この1週間で急に増えたんです。で、私は流行語に飛びつくより先に、いつもの手順で調べ尽くしました。並列のリサーチAIで英語圏・日本語圏の議論を洗い出し、NotebookLM（Googleが提供するAIノートブックツール）に50件以上の資料を集めて、自分の実践と突き合わせる。この記事は、その結果をまるごと初心者向けに翻訳したものです。

きっかけは、今年7月中旬に海外の著名な開発者Peter Steinbergerさんが投げた、たった一行の問いでした。

“Are we still talking loops or did we shift to graphs yet?”
（まだループの話をしてるの？それとももうグラフに移った？）

この投稿から数日で、英語圏でも日本語圏でも解説記事が一気に量産されました。私が前回の記事でこの問いを取り上げたときは、まだ「面白い問いだな」くらいの温度だったのに、1週間で「Graphエンジニアリング」という言葉そのものがトレンドになったわけです。

ただ、ここで正直に言っておきたいことがあります。調べてみると、この言葉の定義はまだ全然固まっていません。それどころか、AI開発の大手からは「状態機械もワークフローエンジンも何十年も前からある。新しいのは言葉だけだ」という冷静な指摘も出ています。

まず全体像から。AI活用は、この数年で「言葉の工夫」から「仕組みの設計」へと段階的に進化してきました。5段階それぞれの違いを、私は元惣菜屋なので、いつもの厨房で例えますね。

それぞれ、少しだけ補足します。

① プロンプトエンジニアリングは、いちばん馴染みのある「どう頼むか」の工夫。頼み方を1行変えるだけで結果が変わる、AI活用の入り口です。

② コンテキストエンジニアリングは、「その一回の仕事で、AIに何が見えているべきか」を設計すること。Anthropicの公式解説では、限られた窓に何を入れるかを選び続ける営みとして整理されています。大事なのは情報を最大にすることではなく、必要なものに絞ること。

③ ハーネスは、AIモデルの周りに置く実行環境のこと。使えるツール、権限、検証方法、止まる場所をまとめて持たせます。Addy Osmaniさんの整理では、エージェントは「モデル＋ハーネス」として説明されています。

④ ループエンジニアリングは、その実行を「作る→確かめる→直す」の繰り返し可能な改善システムに変える設計。Loop Engineeringの解説ではハーネスの一段上に位置づけられています。詳しくは前回の記事でたっぷり書きました。

そして⑤ Graphエンジニアリング。ループが増えたときに、仕事・担当・承認・証拠の「関係」を地図にして見えるようにする考え方です。

厨房の例えでピンとこなかった方のために、同じ5段階を会社経営と子育てでも並べてみます。同じ行が同じ段階です。自分の生活に近い列から読んでみてください。

そして⑤の必要性も、3つとも同じタイミングで訪れます。社員が1人なら組織図は要らない。鍋が1つなら段取り表も要らない。子どもが1人で予定も1つなら家族カレンダーも要らない。並行し始めて「今どこで止まってる？」と誰も答えられなくなったとき、はじめて地図が必要になります。

ここが今回いちばん伝えたいところです。AI活用5段階の構造は「プロンプトは古い、これからはグラフだ」という乗り換えの話ではありません。

この構造は同心円をイメージしてください。中心にAIモデルがあり、それをプロンプトが包み、コンテキストが包み、ハーネスが包み、ループが包み、いちばん外側にGraphがある。外の層は、内側の層があって初めて機能します。

Graphは複数のループを束ね、ループはハーネスの中で回り、ハーネスはコンテキストを管理し、コンテキストはプロンプトを活かす。だから、プロンプトの工夫は今もこれからも全部の土台なんです。

前回の記事で書いた一文を、もう一度だけ置いておきます。一つひとつの仕事を育てるのがLoop。増えたLoopを目的へつなぎ、全体の詰まりを見えるようにするのがGraph。この関係は1週間経っても変わっていません。

リサーチしていて気づいたのですが、いま「Graphエンジニアリング」という同じ言葉で、実は3つの違うものが語られています。ここを混ぜると初心者は確実に迷子になるので、分けて説明しますね。

1つ目は「実行のグラフ」。仕事の手順を、処理のマス（ノード）と流れの矢印（エッジ）でつないだ地図です。LangGraph（AIエージェントの処理の流れをグラフとして組み立てる開発ツール）が代表で、「いつ・何をするか」の順番、分岐、承認の位置を管理します。

2つ目は「ループの網」。改善ループ同士が互いに監視し合い、修正し合う組織のような構造です。作るAIと確かめるAIを分けるという前回の話を、もっと大きな網にしたイメージですね。

3つ目は「意味・記憶のグラフ」。知識や記憶を「何と何がつながっているか」で持つ構造で、GraphRAG（知識グラフを使ってAIの回答に根拠を持たせる検索技術）やAIエージェントの長期記憶の文脈で語られます。

ここからは、評論ではなく実践の話。私の自宅のMacでは、この2種類の地図を実際に運用しています。

その1：仕事の関係グラフ——タスクボードを地図として読む

私は複数のAIに仕事を渡すとき、AGI Cockpit（自作のタスク管理ツール）という作業ボードで進行・報告・承認を管理しています。前回の記事で書いたとおり、外部の新しいグラフ管理サービスを入れるのではなく、いま使っているタスクボードを唯一の正本として、その関係をグラフとして読めるようにする方針を選びました。

読み取るのは4種類。「何を実現する仕事か」「担当している一時的なAIは誰か」「どの操作が人間の承認を待っているか」「何の証拠が完了を裏づけるか」。これを線でつなぐと、「AIが作業中です」で終わらず、誰が何をしていて、いま何を待っているのかが見えるようになります。しかも読み取り専用。地図が勝手にタスクを増やしたり、公開を自動承認したりはしません。

その2：知識の関係グラフ——AIの提案を、人間が確定する

もう1つは知識側です。手元のノート（Markdownファイル)から「この文書とこの文書はつながっている」という関係候補をAIに抽出させる実験を、完全ローカルで行いました。使うAIはMacの中だけで動くもの（Ollamaというローカル実行ツール）に限定し、対象のノートも自分で選んだ数枚だけ。そして一番大事なルールがこれです。

AIが推論した関係は「候補」止まり。人間が承認したものだけを正式な記憶に昇格させる。

実際にやってみると、AIは選んでいない文書を根拠にした関係まで作ろうとしました。便利だけど、生成されたグラフをそのまま「正解の地図」として信じたら危ない。グラフは提案、確定は人間。これが実践から得た安全弁です。

ちなみに、この記事の下調べ自体も、並列のリサーチAI3体とNotebookLMのスライド生成機能を組み合わせて行いました。複数のAIが同時に動いて、最後の確定だけ人間がやる。5段階の話は、この記事の作り方そのものでもあるんです。

「じゃあ世界の最先端はみんなグラフに向かっているの？」と思うかもしれません。ここも正直に書きます。割れています。

この1週間（2026年7月19日〜26日）だけ見ても、AIエージェントの記憶サービスMem0が立て続けにアップデートを出し、グラフデータベース大手Neo4j周辺ではGraphRAGを推す記事が公開されました。グラフ推進派は「関係を構造で持つことがAIの回答の信頼性を上げる」という立場です。

一方で、「複雑なグラフ構造をやめて、もっとシンプルな方式に軸足を移す」流れも実際にあります。グラフを使わない記憶方式で高い性能を報告するチームもあり、「グラフは常に必要なわけではない」という声は、推進派の内側からも聞こえてきます。

最後に、初心者のあなたが今日からできる実践の順番です。大事なのは、Graphから始めないこと。

ステップ1：プロンプト。まずは頼み方を1行変えて、結果が変わる体験をする。「あなたは〇〇の専門家です」と役割を渡すだけでも変わります。

ステップ2：コンテキスト。自分の発言・記事・判断を1か所に貯め始める。私はこれを「カルピス原液づくり」と呼んでいます。原液が貯まるほど、AIはあなたらしく働けるようになる。

ステップ3：ハーネス。AIに渡す権限と、必ず止まる場所を決める。公開・課金・削除の前では必ず人間が確認する、という一線だけは最初に引いてください。

ステップ4：ループ。作る役と確かめる役を分けて、合格条件を先に書く。1人でやるなら「書いたAIとは別のAIにチェックさせる」だけでも効果があります。

ステップ5：Graph。仕事が並行し始めて「今どこで止まってる？」と迷子になったら、そのときはじめて関係の地図を作る。紙の段取り表からで十分です。