あなたとは違う。あなたのために：なぜ「認知工学」は本質を外しているのか
あなたとは違う。あなたのために：なぜ「認知工学」は本質を外しているのか
要点：AI業界は新しい「工学」分野を次々と発明し続けています — プロンプト、コンテキスト、ハーネス、ループ、グラフ、そして今は認知です。それぞれが同じメタ問題、つまり信頼できる出力を解決します。しかし、「認知工学」はまだ提供できないものを約束しています。本当の機会は、AIに考えさせることではありません。のようにあなた。考えさせているためにあなたのために — より良く、より速く、そして自らの限界を明示的に理解しています。
ジェームズ、マーキュリーテクノロジーソリューションズのCEOです。 サイバーポート、香港 — 2026年7月
ネーミングトレッドミル
数ヶ月ごとに、AI Twitterは新しい「エンジニアリング」を発明します。
プロンプトエンジニアリング。コンテキストエンジニアリング。ハーネスエンジニアリング。ループエンジニアリング。グラフエンジニアリング。今や認知エンジニアリング。
名前が増えていきます。会議はチケットを販売します。LinkedInの思想的リーダーたちは自分のプロフィールを更新します。そして、そのすべての中で、実際のエンジニアリングが行われます。
しかし、ここに重要な点があります：進展は現実です。各レイヤーは、AIが実際に望むものを信頼性を持って生成する方法という同じメタ問題を、範囲と抽象度を増しながら解決します。
| レイヤー | 制御するもの | 飛躍 | |-------|-----------------|----------| | プロンプト | 単一呼び出し | モデルが見るもの | | コンテキスト | 単一呼び出し + メモリ | モデルがあなたについて知っていること | | ハーネス | 単一タスク実行 | ツール、状態、安全境界 | | ループ | マルチターン持続性 | 完了するまでの修正 | | グラフ | マルチステップオーケストレーション | フローデザイン、分岐、並列処理 | | 認知 | 意思決定そのもの | それがどのように考えるか、ただ何を考えるかではなく |
各ステップは前のステップよりも本当に難しい。各ステップは新しい抽象化、新しい失敗モード、新しい可観測性を必要とする。名前が問題ではない。問題は、人々がそれらをアーキテクチャではなくマーケティングとして扱うときだ。
**エンジニアリングの逆説:** 名前を付ければ付けるほど、ユーザーが私たちの抽象化を気にしないことを忘れるリスクが高まる。彼らが気にするのは結果だ。
"認知エンジニアリング"が実際に意味すること
最近の投稿では、認知エンジニアリングを次のフロンティアとして位置づけている: "AIに考え方を教える"。あなたの思考パターン、意思決定フレームワーク、判断基準、優先事項を理解させる。ただ実行するのではなく、あなたのように考え、その後実行する。
魅力的なビジョンだ。それはまた 危険なほど不十分に指定されています。
誰かが「AIに考え方を教える」と言うとき、彼らは非常に異なる3つのことを意味する可能性があります：
| 解釈 | 実際の内容 | 構築できますか？ | |----------------|---------------------|------------------| | A: 反射パターン | 思考の連鎖を促す + 自己修正ループ | ✅ 今日。アンドリュー・ングの4つのエージェンティックパターンを参照してください。 | | B: 好み学習 | あなたの意思決定の痕跡に基づいて微調整し、あなたのトレードオフを学ぶ | ⚠️ 難しい。ほとんどの企業が持っていないデータインフラが必要です。 | | C: 明示的な認知アーキテクチャ | 信念状態、推論ルール、不確実性処理、メタ認知 | ❌ 研究の最前線。まだ製品ではありません。 |
ほとんどの「認知工学」デモは Cとして装飾されています。 反射チェーンを示し、「AIに考えさせることを教える」と呼ぶでしょう。それは認知アーキテクチャではありません。それは追加のステップを伴う良いプロンプティングです。
真の認知アーキテクチャには、より困難なものが必要です：
• 信念状態 — エージェントが真実と見なすもので、明示的な信頼度を持っています
• 推論ルール — 新しい証拠に基づいて信念を更新する方法
• 意思決定フレームワーク — トレードオフ（速度対精度対コスト）のための明示的な論理
• メタ認知 — 自分が知らないことを知り、それを言うこと
それはエンジニアリングではありません。それは 心を構築することです。 そして、私たちはまだそこに到達していません。
彼が欠けている次元
彼が示す進行は 垂直 — 各層あたりの能力が増加します。しかし、そこには 水平重要なのは次の次元です：運用の範囲。
垂直（彼のフレーム）： プロンプト → コンテキスト → ハーネス → ループ → グラフ → 認知 水平（欠落）： シングル → マルチ → 永続的 → 分散型 → 自律型 → 自己改善
水平軸は、システムがあなたなしでどれだけ機能するかに関するものです：
| ステージ | 範囲 | 人間の関与 | |-------|-------|-------------------| | シングルコール | 一つのプロンプト、一つの応答 | すべての単語 | | マルチターン | 会話の履歴 | すべてのセッション | | 永続的 | タスクはセッションを超えて生き残る | 定期的なレビュー | | 分散型 | 複数のエージェントが調整する | 例外処理 | | 自律型 | 自己指向の目標追求 | エスカレーションのみ | | 自己改善 | 自身のアーキテクチャを修正する | なし（理論的） |
マーキュリーでは、私たちは次のように運営しています：永続的 → 分散型。私たちのcronジョブは夜間に実行されます。私たちのサブエージェントは並行して作業します。しかし、人間が出力をレビューし、投稿を公開し、戦略を承認します。
認知工学が存在するなら、それは両方の軸の交差点に存在します：自律的な範囲 + 明示的な推論アーキテクチャ。それはスプリントで出荷する機能ではありません。それは研究プログラムです。
本当の質問
"あなたは『あなたのように考え、あなたのために仕事を実行する』AIを望みますか？"
いいえ。私は考えるAIが欲しいより良い私が明示的に委任したドメインでは、私よりも尋ねるべき時を知っている私が委任していないドメインでは。
"私のように"はバグであり、機能ではありません。私は偏見を持っています。盲点があります。疲れていて悪い判断を下す日もあります。私の思考を再現するAIは、私の失敗を再現します。
ここで引用されるのは、ヤン・ウェンリーの言葉です："勝つための最も効果的な方法は、敵の戦う意志を失わせることです。"この場合、敵は信頼性の欠如です。そして、それを打ち負かす方法は模倣ではなく、拡張です。
私が実際に望んでいること：
• 私が委任する領域では： より迅速で、一貫性があり、感情的でない。疲れなし。エゴなし。「昨日これを決めたから、これを守ろう。」ということはなし。
• 私が保持する領域では： 明確なエスカレーション。「十分な文脈がありません。」 「これはあなたの優先事項と矛盾しています。」 「尋ねずにこれをするなと言ったでしょう。」
• 境界において:明示的な引き継ぎ。"私はXを行いました。Yはあなたの判断を必要とします。私の推奨はこれです。"
**本当の枠組み:** "あなたのように"ではなく。**あなたのために。**
マーキュリーが実際に構築しているもの
私たちは認知工学を必要としません。私たちが必要なのは信頼できるグラフ工学クライアントが実際のビジネスプロセスで信頼するものです。
実際にそれがどのように見えるかは次のとおりです:
今日のスタック：
• L1-L3 ループ（レポート → 支援 → 無人）コンテンツと分析のため
• L4-L5 調整（永続的なタスク、マルチエージェント）監査と研究のため
• コンテキスト圧縮 長時間のセッションが状態を失わないように
• 再試行 + フォールバックルーティング 失敗が連鎖しないように
• 可観測性レイヤー 何が壊れたのか、なぜ壊れたのかを知るために
次に追加する内容：
• 優先度のログ記録 — あなたが優先するもの、あなたが許容するリスク
• 意思決定の追跡 — "AIは何をしたか"ではなく、"なぜこれを選んだのか"
• 明示的な不確実性 — 推奨に対する信頼スコア、単なる回答ではなく
それは認知工学ではありません。それは嗜好学習 + 明示的なトレードオフログです。しかし、それは20%の複雑さで80%の価値を提供します。そして、今すぐ構築可能です。
機会
「認知的な」行動の弱い形でも製品化する最初の会社が物語を勝ち取ります。それは完全なAGIではなく、「自動化」から「判断」への会話をシフトさせるからです。
ピッチについて考えてみてください:
"私たちのエージェントは、あなたのワークフローを単に実行するだけではありません。彼らはあなたの意思決定基準を学びます — どのリードを優先し、どのリスクを許容し、どのショートカットを受け入れるか — そしてそれを一貫して適用します。彼らが不確かであるとき、彼らは尋ねます。あなたが不確かであるとき、彼らは推奨します。"
それは研究論文ではありません。それは 製品ポジショニングです。 そして、それは防御可能です。なぜなら、堀はモデルではなく、蓄積された嗜好データ であり、競合他社にはありません。
アクション
AIを使って構築しているなら、次の「エンジニアリング」ラベルを追いかけるのをやめて、代わりに3つの質問をしてください：
1. 私のシステムはどの範囲で動作していますか？（単一呼び出し？永続的？分散？）
2. 失敗した場合はどうなりますか？（静かなエラー？エスカレーション？カスケード？）
3. どのようにして私が重視するものを知っていますか？（明示的なルール？学習した好み？そうではない？）
回答は次に何を構築するかを教えてくれます。名前を何にするかは教えてくれません。
2026年には、勝つ企業は最も高度な認知アーキテクチャを持つ企業ではありません。彼らはエージェントが優雅に失敗し、明確にエスカレーションし、継続的に改善する企業です。
残りはただの名前付けです。
マーキュリーテクノロジーソリューションズ：デジタリティを加速する。
Originally published on MTS Blog & Research