レッスン4：プロンプトエンジニアリング入門——伝わる指示文の組み立て方

このレッスンで学ぶこと

プロンプトとプロンプトエンジニアリングの意味を理解する
伝わるプロンプトの5つの黄金要素を組み立てられる
Few-shotプロンプティングとChain-of-Thoughtの使い方を知る
よくある失敗パターンと改善のコツを理解する

レッスン3では、ChatGPT・Claude・Geminiという主要サービスの特徴を比較しました。同じサービスでも、指示の出し方しだいで結果は驚くほど変わります。このレッスンでは、AIから望む答えを引き出すスキル「プロンプトエンジニアリング」の基本を学びます。

プロンプトとは

プロンプトとは、AIに対して送る指示文や質問文のことです。「カレーの作り方を教えて」「この文章を英語に翻訳して」といった、私たちがAIに入力するテキストすべてがプロンプトです。

LLMはレッスン2で学んだとおり、与えられた文章の続きを予測して回答を作ります。つまり、入力したプロンプトの質がそのまま回答の質を決める、と言っても言い過ぎではありません。良いプロンプトは良い回答を、曖昧なプロンプトは曖昧な回答を引き出します。

プロンプトエンジニアリングとは

プロンプトエンジニアリングとは、生成AIから望ましい回答を引き出すために、プロンプトを工夫して設計するスキルのことです。「エンジニアリング」と名前は付いていますが、特別なプログラミング知識は不要で、誰でも文章の書き方の工夫として身につけられます。

専門資格や難しいツールは要りません。重要なのは、AIに「やってほしいことを正確に伝える」習慣を身につけることです。

💡 ポイント プロンプトエンジニアリングは、人に仕事を依頼するときの「依頼書の書き方」と似ています。「いい感じに資料を作っといて」と頼むより、「会議用の3枚スライド、テーマはA、対象は新入社員、で作って」と頼んだほうが、人間にもAIにも伝わりやすいのです。

伝わるプロンプトの5つの黄金要素

良いプロンプトの条件は、5つの要素に整理できます。これらをすべて入れる必要はありませんが、難しい依頼ほど多く含めると効果的です。

1. 役割（Role）

AIにどのような立場で答えてほしいかを伝えます。「あなたは経験豊富な編集者です」「あなたはマーケティング担当者として答えてください」のように指定します。役割を与えることで、回答のトーンや視点が安定します。

2. 文脈（Context）

なぜこの依頼をするのか、どんな状況で使うのか、対象は誰かといった背景情報を伝えます。「新入社員向けの研修資料として」「中学生にもわかるように」など、目的や対象が明確になると的確な答えが返ります。

3. タスク（Task）

具体的に何をしてほしいかを書きます。「要約して」「比較表を作って」「メールの本文を書いて」など、動詞を使ってはっきりと指示します。

4. 制約（Constraints）

文字数、含めるべきキーワード、避けたい表現、フォーマットの制限などを伝えます。「500字以内で」「専門用語は使わずに」「箇条書きで5つ」といった条件です。

5. 出力形式（Format）

どのような形で答えてほしいかを指定します。「Markdownの表で」「JSONで」「見出しと箇条書きを使って」など、用途に合わせた形式を求めます。

📝 補足 5つの要素を意識した例をひとつ示します。「あなたはWebサイトの編集者です（役割）。BtoB向けの自社ブログに掲載する記事の冒頭文を書きます（文脈）。次のテーマで200字以内のリード文を書いてください（タスク・制約）。テーマ：『中小企業のDX推進』。出力はリード文のみ、装飾なしのプレーンテキストで（出力形式）」。具体的にすればするほど、結果は安定します。

悪い例と良い例

簡単な事例で、プロンプトの違いが結果にどう影響するかを見てみます。

悪い例：「ブログを書いて」

これではテーマも長さも対象も決まりません。AIはとりあえず汎用的なブログ記事を作るしかなく、ピントの外れた回答になりがちです。

良い例：「あなたは中小企業のITサポート担当者です。社内ブログ向けに、初心者社員に向けたパスワード管理の心得をテーマに、約400字、です・ます調、見出しなしの一段落構成で書いてください」

役割・文脈・タスク・制約・出力形式が揃っており、想定される回答の幅がぐっと狭くなります。

Few-shotプロンプティング——例示の力

具体例を一緒に見せることで、AIの回答品質を大きく上げる手法があります。これを「Few-shotプロンプティング」と呼びます。「Few-shot」は「いくつかの例」という意味で、何個かのお手本を見せながら指示を出します。

例えば「商品名のキャッチコピーを作って」と頼むより、お手本となる過去のキャッチコピーを2〜3例示しながら「このスタイルで新しい商品名のキャッチコピーを作って」と頼んだほうが、自社らしいトーンに沿った答えが返ります。

💡 ポイント 何も例を示さない頼み方を「ゼロショット（Zero-shot）」と呼びます。ゼロショットでうまくいかないときは、Few-shotに切り替えるのが定石です。「もっと具体例を見せれば伝わるかな」という発想で、お手本を1〜3個入れてみてください。

Chain-of-Thought——考えるプロセスを書かせる

複雑な問題では、答えだけでなく「考えるプロセス」をAIに書かせると、正答率が上がる傾向があります。これを「Chain-of-Thought（思考連鎖）」と呼びます。

例えば、計算問題や論理パズルで、「答えだけ教えて」と聞くより、「まず手順を整理し、次に1つずつ計算してから結論を述べて」と頼むほうが、正確な答えを得やすくなります。プロンプトの中に「ステップごとに考えてください」「順を追って説明してください」といった指示を入れるだけで、効果が出ることがあります。

ただし、2026年の最新モデルの多くは、複雑な質問に対して自動的に「考える時間」を取る「Thinking」モードを備えています。例えばChatGPTのGPT-5.5には、必要に応じてThinkingモードに切り替わる仕組みがあります。簡単な問題には軽量モード、難しい問題にはThinkingモード、と使い分けると効率的です。

コンテキストエンジニアリング——プロンプトの先へ

2026年に入ってから、「プロンプトエンジニアリング」だけでなく「コンテキストエンジニアリング」という言葉も広がっています。コンテキストエンジニアリングとは、AIに与える情報全体、つまり指示文だけでなく参考資料・過去の会話履歴・外部データ・利用可能なツールまで含めて、最適に設計しようという考え方です。

レッスン2で触れたコンテキストウィンドウには、ユーザーのプロンプトだけでなく、過去のやり取り、参考にさせたい資料、AIに使わせるツールの情報など、すべてが詰め込まれます。何を入れて何を入れないかの取捨選択が、回答の質を左右します。

業務でAIを本格活用する場合は、プロンプト1つの良し悪しだけでなく、AIが利用するコンテキスト全体を意識して設計する視点が重要になります。

📝 補足 「コンテキストエンジニアリング」は、特に専門性の高いAIアシスタントを作る場合に重要になります。社内文書、業務マニュアル、過去のFAQをコンテキストとして与えることで、自社専用に近いふるまいをするAIが作れます。レッスン5で扱う「RAG」も、コンテキストエンジニアリングの代表的な実装手段です。

よくある失敗と改善のコツ

入門段階でつまずきがちなパターンを4つ紹介します。

失敗1：曖昧な指示で曖昧な答えが返る

「うまくまとめて」「いい感じに」だけでは、AIは判断できません。長さ、対象、口調、形式を具体的に指定しましょう。

失敗2：前提や背景を省く

何の話か、誰向けか、なぜ必要かを書かないと、AIは一般論で答えるしかなくなります。1〜2文で背景を添えるだけで、答えの精度がぐっと上がります。

失敗3：1つのプロンプトに詰め込みすぎる

「市場調査を行い、競合の比較表を作り、SWOT分析を出して、最後に提案書をまとめて」と一度に頼むと、各工程が浅くなりがちです。複雑な依頼は工程を分割し、ステップごとに会話を進めるほうが質の高い答えが得られます。

失敗4：間違った答えを訂正せず、そのまま使う

AIの答えに誤りがあったら、「ここは違う、正しくはこうです」と指摘して再度作り直してもらう「対話の繰り返し」が大事です。1回で正解が出なくても、対話を通じて精度を高めていけます。

⚠️ 注意 同じプロンプトでも、AIは毎回まったく同じ回答を返すとは限りません。LLMは確率的に次の単語を選ぶため、わずかなブレが生じます。重要な業務では、複数回試して結果を見比べる、別のサービスでも検証するといった習慣をつけましょう。

まとめ

このレッスンでは、以下のことを学びました。

プロンプトとは、AIへの指示文や質問文のことである
良いプロンプトは「役割・文脈・タスク・制約・出力形式」の5つの要素を意識する
Few-shotプロンプティングは、お手本を見せて回答の質を上げる手法である
Chain-of-Thoughtは、考えるプロセスを書かせることで複雑な問題の正答率を上げる手法である
2026年では、プロンプトだけでなくコンテキスト全体を設計する考え方も広がっている
曖昧な指示・詰め込みすぎ・誤答の放置は、よくある失敗パターンである

次のレッスンでは、テキスト以外の領域へと視野を広げます。画像生成、動画生成、AIエージェント、RAGといった2026年に注目される活用領域を整理し、業務での実用シーンを学びます。

確認クイズ

このレッスンの理解度をチェックしましょう。