ハーネスエンジニアリングとは？AI時代の環境設計スキルを解説
この記事で分かること：
- ハーネスエンジニアリングの定義と、2026年に注目が集まっている背景
- 同じAIモデルでも性能が10倍変わる環境設計の仕組み
- Claude Codeでの始め方と、キャリアにどう効くか
ハーネスエンジニアリングとは「AIの環境設計」
ハーネスエンジニアリングは、AIエージェントが正しく動ける環境を設計する技術だ。
Martin Fowler（ThoughtWorks）の定式化がわかりやすい。
Agent = Model + Harness
AIエージェントからモデルを除いた全て——ルールファイル、テスト、フィードバックループ、ドキュメント——を指して「ハーネス」と呼ぶ。語源は馬具。手綱、鞍、柵、道の整備にあたるものだ。
馬の脚力がどれだけ速くても、道がなければ走れない。AIも同じで、モデルの性能だけでは成果が出ない。
データが裏付けている。
- Can.ac実験: 同一モデルのスコアが6.7%→68.3%に。モデル変更なし、ハーネスだけで約10倍（出典: SmartScope）
- LangChain Terminal Bench 2.0: 同一モデルで30位→5位。スコア52.8%→66.5%（出典: LangChain Blog）
AIの出力品質を決めるのはモデルの選択ではなく環境の設計。これがハーネスエンジニアリング注目の核心だ。
プロンプトからハーネスへ — 3つの進化ステップ
突然出てきた概念ではない。段階的な進化がある。
| 段階 | 対象 | メタファー | 具体例 |
|---|---|---|---|
| プロンプトエンジニアリング | 何を聞くか | 声の指示 | ChatGPTへの質問文 |
| コンテキストエンジニアリング | モデルに何を送るか | 馬に見せる地図 | RAG、Few-shot例示 |
| ハーネスエンジニアリング | システム全体の動作 | 手綱・鞍・柵・道の整備 | CLAUDE.md、CI、テスト |
階層は Harness ⊇ Context ⊇ Prompt になる。
プロンプトエンジニアリング（声の指示）
2022〜2023年に広まった手法。「箇条書きで出力して」「ステップバイステップで考えて」のように、AIへの指示文を工夫する。1回のやりとりが対象。
コンテキストエンジニアリング（馬に見せる地図）
2024〜2025年に主流化。モデルに渡す情報全体を設計する。RAG（検索拡張生成）やシステムプロンプトの構成が代表例だ。
ハーネスエンジニアリング（手綱・鞍・柵・道の整備）
2026年2月、Mitchell Hashimoto（HashiCorp共同創業者）がブログで概念を打ち出した。その直後、OpenAIが3人のエンジニアで5ヶ月・100万行のコード生成に成功したレポートを公開し、一気に注目度が高まった（出典: OpenAI）。
プロンプトやコンテキストの先にある領域——テスト、リンター、CI/CD、ドキュメント体系——まで含めたシステム全体の設計がこれにあたる。
ハーネスの3つの核心要素
Martin Fowlerのフレームワークでは、ハーネスの構成を2つの軸で整理する。
ガイド（フィードフォワード制御）
AIが動く前に方向を定める。
- ルールファイル: CLAUDE.md、AGENTS.md、.cursorrules
- ドキュメント: アーキテクチャ決定記録、コーディング規約
- テンプレート: PRテンプレート、Issueテンプレート
OpenAIの助言は「1,000ページのマニュアルではなく、地図を渡せ」（出典: OpenAI）。ルールファイルは60行以内が目安だ。詰め込みすぎると逆に指示が無視される。
センサー（フィードバック制御）
AIが動いた後にミスを検出する。
| 種類 | 速度 | 例 |
|---|---|---|
| Computational（決定論的） | 高速・低コスト | テスト、リンター、型チェック |
| Inferential（意味分析） | 低速・高コスト | LLMコードレビュー、AIジャッジ |
Anthropicの公式ドキュメントにこうある。「AIに自分の仕事を検証する手段を与えること。これが最もレバレッジの高いアクションだ」（出典: Claude Code Best Practices）。
コンテキスト管理
必要な情報を、必要なタイミングで渡す。
- MCP（Model Context Protocol）: 外部ツールとの接続
- Skills: タスクに応じた専門知識を段階的に開示
- Sub-agents: コンテキストを分離し並行処理
3つの要素はどれか1つを極めるものではない。ガイドで先回りし、センサーで検出し、コンテキスト管理で情報を供給する。この循環がハーネスの全体像だ。
Claude Codeで始めるハーネスエンジニアリング
理屈はわかった。では実際に何をするか。Claude Codeでの始め方を2ステップで紹介する。
CLAUDE.mdを書いてみる
プロジェクトのルートにCLAUDE.mdを置く。ハーネスの最初の一歩だ。
書く内容は3つに絞る。
- テスト実行コマンド（
npm testなど） - コードスタイルの取り決め（変数名はcamelCaseなど）
- リポジトリ固有のルール（PRにはテストを付けるなど）
書かない方がいいものもある。コードを読めば自明なこと、言語の標準的な慣習、すぐ変わる情報。CLAUDE.mdは短いほど効く。各行について「これがなかったらAIは間違えるか？」と問いかけてみるといい。
Hooksでフィードバックループを作る
CLAUDE.mdは推奨にすぎない。確実に守らせたいルールはHooksで自動化する。
Hooksとは、ファイル編集やツール実行のタイミングで走るシェルコマンドのこと。CLAUDE.mdと違い、決定論的に実行が保証される。
たとえばコード変更後にリンターを自動実行する、テスト失敗をAIにフィードバックする——こうしたループの構築がハーネスの肝になる。
こうしたAI環境の設計スキルは、副業としても需要がある。AI活用支援やツール設定の代行は、スキルを持つ人がまだ少ない。
キャリアへの影響 — 環境設計者という新しい役割
ハーネスエンジニアリングは技術の話だけではない。働き方の構造が変わりつつある。
市場の前提:
- 2040年にはAI人材が339万人不足する見通し（出典: 経産省「2040年就業構造推計」2026年3月）
- AIエージェント市場はCAGR 46.61%成長。2034年に2,513億ドル規模（出典: Fortune Business Insights）
- 日本企業の85.1%がDX人材不足を認識（出典: IPA「DX動向2025」）
関連職種の年収:
| 職種 | 年収レンジ |
|---|---|
| AIエンジニア平均 | 570〜630万円 |
| 生成AI/LLM専門家 | 600〜1,500万円 |
| AIエージェント専門家 | 600〜1,200万円 |
| フリーランスAIエンジニア | 960〜1,200万円 |
（出典: renue.co.jp 2026年版）
見逃せない変化がある。コードを書くこと自体の価値が相対的に下がり、AIが正しく動く環境を設計する人の需要が上がっている。OpenAIの100万行プロジェクトで、エンジニアは1行もコードを書かなかった。彼らの仕事は「エージェントに地図を渡し、道を整備すること」だった。
非エンジニアにとってもこの流れは追い風だ。ドキュメント整備、テスト項目の設計、ワークフロー構築。コードが書けなくても貢献できる領域は確実にある。
ハーネス設計のスキルは副業やフリーランスの武器にもなる。
よくある質問
Q. ハーネスエンジニアリングとコンテキストエンジニアリングの違いは？
コンテキストエンジニアリングは「AIに何を見せるか」を設計する。ハーネスエンジニアリングはさらに「システムが何を防ぎ、何を測定し、何を修正するか」まで対象に含む。Harness ⊇ Context ⊇ Promptの階層関係にある。Martin Fowlerはハーネスエンジニアリングをコンテキストエンジニアリングの特定形態と位置づけた（出典: Martin Fowler）。
Q. プログラミング未経験でもハーネスエンジニアリングは学べる？
学べる。出発点はCLAUDE.mdなどのルールファイル作成で、Markdownのテキストファイルにすぎない。プログラミングの知識がなくても書ける。ドキュメント整備やワークフロー設計のスキルがあれば、ハーネスの構築に十分貢献できる。
Q. ハーネスエンジニアリングを学ぶのにおすすめの教材は？
AnthropicのClaude Code Best Practicesが無料で読める公式ガイドとして手堅い。フレームワークの全体像はMartin FowlerのHarness Engineering解説が体系的にまとまっている。手を動かすならClaude Codeの無料プランから始められる。
この記事で紹介したサービス
| サービス名 | カテゴリ |
|---|---|
| ココナラ | freelance |
