読む

プロンプトエンジニアリング入門

「わかりやすく説明して」だけでは、相手はどこまで砕けばよいか分かりません。人に頼むときと同じで、誰向けか・何が欲しいか・どの形で返してほしいかを先に言います。それがプロンプトです。

そもそも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は、AIに対する「質問・指示の設計」のことです。ChatGPTやClaudeのようなAIは、入力された文章のパターンから次の言葉を予測して返してきます。つまり、入力の質が出力の質をほぼ決めてしまいます。

2023年以降、AIを業務で使う仕事の多くで「プロンプト設計力」が評価されるようになりました。一部の企業では「プロンプトエンジニア」という専門職も話題になりましたが、現在では多くの職種で必要な基礎スキルとして広がっています。今のうちから自然に身につけておくと、社会人になったときの強い武器になります。

悪いプロンプト vs 良いプロンプトの違い

同じ目的でも、プロンプトの書き方で答えの質はまるで変わります。下の比較を見てください。

プロンプト要素を追加するごとに精度はこう上がる 出典:編集部による比較実験(同じ題材『現在完了形を中学生向けに』を5パターンで子ども100名評価) A: 単純(題材のみ) 35% 「英語を教えて」 B: +役割設定 55% +「家庭教師として」 C: +条件(学年・分量) 75% +「中3向け3行」 D: +出力形式 90% E: +段階推論(CoT) 95% 0% 50% 100% ★ A→Eで精度2.7倍。「役割+条件+出力形式+段階推論」の4点セットがプロの基本
図1:プロンプト要素を追加するたび精度は35%→95%(2.7倍)。4点セット(役割/条件/出力形式/段階推論)が基本

違いは「役割(誰として答えるか)」「条件(どんな対象・量・前提か)」「出力形式(どう書いてほしいか)」の3つを明記しているかどうか。これだけで、AIから返ってくる文章は「使える答え」に変わります。

主要なプロンプトテクニック8選

下の8つは、研究論文や業務マニュアルでも紹介される、効果がはっきり確認されているテクニックです。

プロンプトエンジニアリング8テクニック:効果・難易度・推奨頻度 出典:OpenAI Cookbook/Anthropic Prompting Guide/『Chain-of-Thought Prompting』論文(2022) テクニック 使う場面 難易度 推奨頻度 ①役割設定(ロール) あらゆる質問 ★☆☆ 毎回 ②コンテキスト あらゆる質問 ★☆☆ 毎回 ③Few-shot(例示) 変換・分類タスク ★★☆ 必要時 ④段階推論(CoT) 数学・推論問題 ★★☆ 複雑な質問 ⑤出力形式指定 表・JSON・箇条書き ★☆☆ 毎回 ⑥自己レビュー 長文・複雑な答え ★★☆ 必要時 ⑦否定より肯定で書く 指示の精度UP ★☆☆ 常に意識 ⑧温度パラメータ API利用時 ★★★ プログラム時
図2:8テクニックのうち①②⑤⑦は毎回使う4点セット。③④⑥は複雑な質問で発動。⑧はAPI開発者向け

各テクニックの使い方

① 役割設定(ロールプレイ)

「あなたは○○です」とAIに役柄を与えると、その立場にふさわしい言葉づかい・知識の深さ・粒度で答えてくれます。「数学の家庭教師」「英語のネイティブの友達」「採用面接官」など、目的に応じて変えます。

② コンテキスト(背景情報)を渡す

「私は中3で、英語が苦手」「Pythonを始めて1か月」など、自分の状況を最初に伝えます。AIは相手の前提を知らないので、ここを省くと一般論しか返ってきません。

③ Few-shot(少数例を見せる)

同じパターンの「お手本」を2〜3個見せて、続きをAIにやらせます。たとえば「『元気』→『energetic』。『さわやか』→『refreshing』。次は『せつない』→?」と書くと、AIはルールを学習して答えを返します。

④ 段階推論(Chain of Thought)

「ステップごとに考えて答えてください」と指示すると、AIは答えを出す前に思考過程を文字にしてから結論を出します。とくに数学・推理問題・ロジカルな質問で正答率が大きく上がります。

⑤ 出力形式の指定

「箇条書きで」「表形式で」「JSON で」「200字以内で」と書くと、答えの形が安定します。データ加工やレポート作成で効果が大きいテクニックです。

⑥ 自己レビュー

「答えを出した後、自分で読み返して間違いを修正してから提示してください」と書くと、AIは一度自分の出力を点検します。長文や複雑な答えの精度が上がります。

⑦ 否定より肯定で書く

「○○しないで」よりも「○○してください」と肯定で書くほうが効きます。AIは否定形より、やってほしいことの指示のほうが理解しやすい性質があります。

⑧ 温度の感覚

API経由で使う場合、「温度(temperature)」というパラメータがあります。低いほど堅実で再現性のある答え、高いほど発想が自由で予測しにくい答えになります。アイデア出しは高め、契約書のような正確さが必要な作業は低めに設定します。

気をつけたい落とし穴

プロンプトの3つのNG
  • 長すぎるプロンプトは逆効果。要素は5〜7個までに絞る
  • 1回で完璧を狙わない。返ってきた答えを見て、追加質問で詰めていく「対話」が前提
  • うまくいったプロンプトを使い回そうとして、状況違いで無理やり当てる。毎回少しずつ調整する

とくに、AIは「指示を全部守ろうとして妥協する」性質があります。たとえば「200字以内で、深く論じて」と書くと、どちらも中途半端になりがちです。「短く要点だけ」「長くてもいいから深く」など、優先順位をはっきりさせると返ってくる答えが安定します。

プロンプトは一発で完成させるものではありません。最初の答えを見て、「もっと具体例を」「表にして」「小学生にも分かる言葉で」「根拠を分けて」と追加していく会話の設計です。よいプロンプトを書く人は、よい質問をする人であり、返ってきた答えを見て次の指示を直せる人です。

学校で使う場合は、AIに考えさせる前に自分の考えを書いておくと学習効果が上がります。「自分の答えはこうです。弱い点を指摘してください」と聞けば、答えを奪われるのではなく、添削相手として使えます。

将来どう役立つ?

プロンプトエンジニアリングは、AIを業務で使うあらゆる仕事の土台になっています。エンジニアは仕様書をAIに渡してコードを書かせ、ライターはプロンプトで記事構成を組み立て、研究者は論文の要約を高速で作る。「指示する力」そのものが評価されるようになり、この力を10代のうちから鍛えておけば、社会人デビューの時点でAIを使いこなせる側に立てます。

将来は、プロンプトだけでなく、AIに渡す資料を整理する力、出力をチェックする力、チームで再利用できる形にまとめる力も重要になります。自分だけが使える魔法の文ではなく、誰が使っても近い結果が出る手順にできると、仕事の現場で価値が高まります。

今日からできること

今日の課題:役割・目的・形式を入れる
  1. 同じ質問を、短い文と、役割+目的+形式つきの文の2回聞く
  2. 返ってきた2つの答えを比べ、使いやすい方の理由を1行書く
  3. 使ったプロンプトをノートに残す

まとめ

プロンプトエンジニアリングは、AIから狙った答えを引き出すための「質問の設計術」です。役割・コンテキスト・Few-shot・段階推論・出力形式・自己レビューなど、現場で使われる定番テクニックは10個ほど。1つずつ試して、自分用のプロンプト集を育てるのが上達の近道です。AIに「上手に指示する力」は、これから先の社会で長く効く武器になります。

確認 狙いどおりの答えに近づける部品は?