「システムプロンプト陳腐化」をどう防ぐか AWSの試行錯誤に見る「自社AIエージェント」運用のポイント

AWSが公開した「Kiro」というAIコーディングエージェントの運用事例から見えてくるのは、企業が自社AIを導入したら「完成した」と思っちゃいけない、という厳しい現実だ。システムプロンプトとは、AIエージェントに与える「いかに仕事をするか」という指示書であり、これを最適に保つには、実際の使用データをLLMに採点させて、プロンプト変更の効果を一件ずつ比較する——つまり、A/Bテストの自動化が必要になるということだ。

ここで面白いのは、AIの「考え方の癖」が時間とともに変わってしまうという現象だ。ChatGPTも、Claude も、新しいバージョンが出るたびに微妙に挙動が異なる。そのモデルに対して以前のプロンプトを当てると、指示が指示として機能しなくなる。データやツール、ユーザーの使い方も変わっていく。つまり、システムプロンプトは「自動運転の教科書」のように毎年改訂し続けないと、ジリジリ効きが悪くなっていく資産なのだ。AWSが27件のプロンプト変更候補を評価して比較し、どれが実務に効くかを検証した例も報告されている——これが「運用の現場」だ。

中小企業がAIエージェントを導入するなら、この視点が決定的に重要だ。「効きが悪くなった」という直感に頼らず、実利用のデータから「何がどう機能していないのか」を定期的に見立てて、プロンプトを刷新する。そのサイクルを持つ企業と持たない企業では、半年後の生産性に大きな差がつく。自社のAIはメンテナンス資産だ——この切り替えが、AIを本当に使いこなす第一歩になる。