問題はプロンプト債務：モデルに依存せず、プロンプトを手動調整することはできない
プロンプトを特定のAIモデル向けに細かく調整すると、モデル変更のたびに再調整が必要となる「プロンプト債務」が生じる。モデルに依存しない（model agnostic）設計を目指すなら、手動でプロンプトを調整するのではなく、構造化された出力や評価フレームワークを活用すべきだと論じている。
背景メモ
プロンプト・デット（Prompt Debt）──LLM（大規模言語モデル）ごとに手作業で調整したプロンプトが積み重なり、モデルを切り替えるたびに修正コストが膨らむ問題。筆者のDrew Breunigはテクノロジー・アントロポロジストであり、AI実務における「モデル非依存（model-agnostic）」の理想と現実のギャップを指摘する。背景にあるのは、GPT・Claude・Llamaなど各モデルの応答傾向やフォーマット感度が異なるため、あるモデルで最適化したプロンプトが別のモデルでは機能しない事態。この概念はソフトウェア工学の「テクニカルデット（技術負債）」に由来し、AIプロダクトの保守性や将来のモデル移行の障壁として認識され始めている。企業がプロンプト管理にリソースを奪われる現状を、設計上の構造問題として可視化した論考。