コンテキストロットとは
コンテキストロットとは、LLMやAIエージェントに長い履歴や古い資料を入れすぎた結果、必要な情報を見失い、回答の質が落ちる現象です。長いコンテキストウィンドウを使えることと、正しい文脈だけを渡せることは別問題だと考えると分かりやすいでしょう。
英語表記: Context Rot
長文でもAIが迷子になる理由
RAGやプロンプトで資料を足すと、AIは多くの手がかりを読めます。ただし、古い仕様、重複した会話、関係の薄いメモが混ざると、AIの注意が散り、根拠の弱い回答や早すぎる結論につながります。
経営判断では、これは「資料を全部渡したから安心」ではありません。会議の議事録、FAQ、社内ルールを入れるほど、どれが最新で、どれを優先するかを人間側が整理する責任が重くなります。
ビジネスでの見方
コンテキストロット対策は、モデルを大きくする話だけではなく、AIに渡す資料棚の掃除です。古いプロンプト、期限切れの手順書、似た名前のデータセットを残したまま自動化すると、ハルシネーションの原因を人間が増やす形になりがち。
まずは「参照してよい資料」「捨てる資料」「更新待ちの資料」を分ける運用が現実的な第一歩。AI導入の精度改善は、派手な新機能より文脈の棚卸しから始まることがあります。
Topic情報を増やすほどAIが「投げ出す」ことがある
2026年6月に公開された長い探索作業に関する研究では、AIに渡す文脈を増やすほど、途中で調べるのをあきらめたり、確信の薄い答えを急いで出したりする傾向が報告されました。資料をたくさん渡すほど丁寧に答えてくれる、とは限らないのです。研究では、渡す文脈を絞り込む管理と、あやしい答えを後からふるい落とす仕組みを組み合わせると精度が上がったとされています。
コンテキストロットに関するよくある質問
- コンテキストロットはコンテキストウィンドウ不足と同じですか？
- 同じではありません。コンテキストウィンドウはAIが一度に読める範囲で、コンテキストロットはその中身が古い、重複している、関係が薄いことで判断が鈍る問題です。
- 社内AIで最初にできる対策は何ですか？
- AIに渡す資料を増やす前に、参照してよい最新版、古い版、確認待ちの資料を分けることです。RAGやプロンプトの改善より先に、資料棚の整理が効く場面があります。
