Context Rot（コンテキスト・ロット）とは、AIへの入力が長くなるほど回答の信頼性が下がる現象です。AIに大量の資料を読み込ませれば、もっと賢く答えてくれる。そう考えるのは自然です。ところが研究によると、情報が増えるほど、かえって正答率が低下する場合があります。問題は「情報を収容できる量」と「情報を正確に活用できる能力」が同じではないことです。
01. 「Context Rot」とは何か
Context Rot（コンテキスト・ロット）は、AIへの入力が長くなるにつれ、回答の信頼性が低下する現象を表す言葉です。直訳すれば「文脈の腐敗」。情報自体が壊れるというより、AIが必要な情報を見つけ、区別し、利用することが難しくなるという話です。
こんな場面を想像してください。
秘書に「田中さんとの契約金額を教えて」と頼みます。10ページの資料ならすぐ見つかりますが、数千ページに似た名前や古い契約が入り混じっていたらどうでしょう。正解が含まれていても、探し間違える可能性が出てきます。
最近のAIは膨大な「トークン」（文章を処理する際の単位）を一度に入力できます。しかし、長文を入力できることは、長文から常に正しく答えられることの保証ではありません。
02. Chromaの研究は何をしたのか
AI向けの検索基盤（ベクトルデータベースなど）を開発するChromaが、2025年7月14日に研究レポート「Context Rot: How Increasing Input Tokens Impacts LLM Performance」を発表しました。対象はGPT-4.1、Claude 4、Gemini 2.5、Qwen3など18のAIモデルです。
評価対象となったモデル数
入力の長さを変えながら、情報検索、紛らわしい記述、会話履歴、文字列の反復などを調査。
特徴は、できるだけ質問の難しさを固定し、入力の長さを変えて比較したことです。これにより、単に問題が難しくなっただけでは説明できない性能変化を調べています。
03. 研究が示した5つの意外な結果
答えが書いてあっても、表現が違うと見つけにくい
従来の「干し草の山から針を探す」テストでは、質問と資料に共通の言葉があることが多く、単純な検索に近い条件でした。研究では、言い換えや意味のつながりを必要とすると、文章が長くなるほど成績が落ちやすいことが示されました。
説明のための例
資料：「佐藤さんは神戸市に住んでいる」
質問：「兵庫県に住んでいる人は誰？」
「神戸市は兵庫県にある」という知識を結び付ける必要があります。これは研究の実験文そのものではなく、意味のつながりを要する質問の例です。研究では、質問と記述の意味の近さを数値で測り、段階的に変えて比べています。
似た情報が、AIを惑わせる
研究者は正しい記述と同じ資料の中に、質問には答えないものの、よく似た記述を無作為な位置に置きました。紛らわしい記述が1件あるだけでも性能が下がり、4件ある条件では低下が一段と大きくなりました。
この研究条件では、Claude 4系は不確実なときに回答を控えやすく、GPT系は誤った回答を生成しやすいという違いも観察されました。これは当時の対象モデルと実験条件に限った結果です。
整った文章より、シャッフルした文章のほうが高得点
論理的な流れを持つ文章と、文の順番をランダムに入れ替えた文章を比較すると、この情報検索テストでは後者のほうが成績が良くなりました。
解釈に注意
だからといって、日常的な資料までバラバラにするべきだという意味ではありません。特定の検索課題で、文章の構造そのものが結果に影響したという発見です。内部でなぜ起こるかは未確定です。
会話履歴は「全部見せる」より「関連部分だけ」のほうが正確
会話履歴に基づいて質問に答えるLongMemEvalという評価の一部（306問）を使い、研究者は長い履歴全体と、答えに関係する部分だけを渡す方法を比較しました。
ChromaのLongMemEval実験における平均入力長の比較。棒は入力の長さであり、正答率を示したものではありません。
結果は、評価されたすべてのモデルで関連部分だけを入力したほうが高得点でした。推論を強化するモードでも、その差は完全には消えませんでした。
「過去の会話を全部読ませれば記憶力が上がる」とは限らないのです。
同じ単語を正しく写すだけでも失敗する
単語を繰り返した長い文章を、そのまま出力させる単純な課題でも、入力が長くなるとコピーの誤りが発生しました。複雑な推論をしなくても、長文処理の信頼性には課題があることを示しています。
04. AI活用の常識が変わる
AIに渡す情報は「多ければ多いほどよい」のではなく、「必要な情報が適切に届くこと」が重要。
この考え方につながるのが、Context Engineering（コンテキスト・エンジニアリング）です。AIに何を、どのタイミングで、どのような形で渡すかを設計します。
研究結果から導く設計上の考え方を示した概念図。図の「関連情報を選別する」方式があらゆる作業で必ず優れると実証されたわけではありません。
ただし、情報を削りすぎれば必要な事実まで失われます。重要なのは、原本を保存しつつ、そのとき必要な根拠を適切に取り出すことです。
05. AIエージェント・業務AIへの活かし方
長時間働くAIエージェントや、資料を大量に読み込む業務システムでは、次のような設計が実用的です。以下は研究が直接検証した製品別の性能ではなく、研究結果を踏まえたFUJIKAWA LABの実務提案です。
| 起こりがちな問題 | 設計上の対策 |
|---|---|
| 長い作業の途中で目的を見失う | 目的・制約・決定事項・次の作業を短く維持する |
| 古い情報と新しい情報の混同 | 更新日時と出典を添えて保存する |
| 膨大な文書から誤った記述を選ぶ | 関連箇所を検索し、回答時に原文を参照する |
| 会話が長大になる | 節目で要約し、詳細履歴は別に保管する |
| 数字や文字列を間違える | コードや外部ツールで機械的に検証する |
すぐ試せる「節目の整理」
AIに渡す指示の例
「ここまでの作業を、①現在の目的、②決定事項、③未完了の作業、④次の一手、⑤参照すべき原資料に整理してください。推測で空欄を埋めず、不明点は不明と書いてください。」
このように整理した情報を次の作業に引き継ぎ、詳細が必要になったら保存した元資料を参照します。OpenAI APIで提供される会話の圧縮機能「Compaction」とも関係する考え方ですが、要約時の情報落ちには注意が必要です。
06. この研究をどう読むべきか
この実験は2025年7月に公開された研究で、2026年現在のすべての最新モデルを評価したものではありません。また、情報検索、会話の質問応答、文字列コピーといった特定条件での結果を、そのまますべての実務に一般化することはできません。
加えて、Context Rotが起こる仕組みをAI内部のレベルで解明したわけではありません。文章の構造や紛らわしさが影響することは観察されましたが、原因の詳細には研究の余地があります。
それでも、この研究が示す警告は十分に実用的です。最大入力長だけでAIを評価せず、自分の業務に近い長文・複数資料・紛らわしい情報を使って実際にテストする必要があります。
結論
より優れたAI活用に必要なのは、大量の情報を無差別に詰め込むことではありません。適切な情報を選び、原本を残し、重要な結果を検証すること。 Context Rotの研究は、これからのAIエージェントに「記憶の量」だけでなく「記憶の使い方」が必要であることを教えてくれます。
反論と再反論
「最新のAIなら、もう解決しているのでは？」
新しいモデルで改善している可能性はあります。しかし2025年の研究だけでは、2026年のモデルについて結論を出せません。現行モデルでの再評価が必要です。
「要約すると、大切な情報を失うのでは？」
その懸念は正当です。要約だけに頼らず、元資料を保存して必要時に検索・照合できる仕組みが重要です。
出典・参考資料
一次資料
Kelly Hong, Anton Troynikov, Jeff Huber, “Context Rot: How Increasing Input Tokens Impacts LLM Performance,” Chroma Technical Report, 2025-07-14.
https://www.trychroma.com/research/context-rot
実験コードはChromaの研究ページからリンクされています。図解はFUJIKAWA LABによる説明用の再構成です。
記事について：原研究の観察結果と、編集上のたとえ・実務への提案を区別して記述しています。公開時点のモデル性能を保証するものではありません。
