第5章|プロンプトと実務活用
DAY 26 ・ 約15分伝わる依頼の組み立て方
思いつきの一文を、確認可能で再利用できる依頼へ変える。
目的・背景・材料・条件・出力形式・確認方法を組み合わせ、生成AIへ安全で再現しやすい依頼を書ける。
言葉を知る
用語だけを暗記せず、似た言葉との違いまで説明できる状態を目指します。
プロンプト
生成AIへ渡す指示、質問、資料、会話履歴などのまとまりです。短い質問だけを指すとは限らず、目的、前提、入力データ、条件、例、出力形式を含む仕事の設計図として扱います。
コンテキスト
回答を作るときに参照できる会話、資料、画像、データ、前提の範囲です。AIが知っているはずと期待せず、今回の作業に必要な情報を、出所と対象範囲が分かる形で渡します。
制約
文字数、対象者、期限、禁止事項、使える資料など、出力が守る条件です。条件を増やすこと自体が目的ではなく、採用判断に必要なものだけを優先順位付きで示します。
出力形式
表、箇条書き、見出し構成、JSONなど、結果の形を指定するものです。後工程で人やシステムが確認・再利用しやすい形式を選び、必要な項目名と順番を明確にします。
受入基準
出力を採用してよいか人が判断する条件です。事実の根拠、禁止表現、必須項目、文字数範囲などを観察可能な形で置き、AI自身の自己評価だけで合格にしません。
目的
個人情報や機密は、目的に不要なら削除・置換します。
確認方法
良い依頼は、目的、読者、材料、条件、形式、確認方法がそろっています。
仕組みを理解する
1.良い依頼は、長文ではなく判断材料がそろっている
『いい感じに紹介文を書いて』では、誰向けか、何を伝えるか、どこで使うかが分かりません。AIは不足を推測し、自然でも目的に合わない文章を作ります。良い依頼は、目的、読者、材料、条件、形式、確認方法がそろっています。例えば『初めてサービスを知る保護者向けに、無料体験の不安を減らす紹介文を、提供資料だけを根拠に百二十〜百五十字で三案。料金を断定せず、最後に確認が必要な事実を列挙する』とすれば、評価できます。長さではなく、依頼者とAIが完成条件を共有できるかが重要です。
2.最初に目的と利用場面を固定する
同じ文章でも、社内メモ、顧客メール、広告、契約資料では必要な精度と表現が違います。『文章を作る』ではなく、『問い合わせへの返信案を作り、担当者が原文と照合して送信する』のように、誰が、何のために、どの工程で使うかを書きます。公開範囲と最終判断者も示します。目的が複数あるときは一度に詰め込まず、構成案、本文、確認の順へ分けます。AIは組織の本当の優先順位を自動では知りません。目的を先に固定すると、途中で内容が膨らみ、関係のない提案へそれることを防げます。
3.背景は、今回の判断に必要な範囲だけ渡す
背景が少なすぎるとAIが補完し、多すぎると重要情報が埋もれます。対象者の知識、現在の課題、過去に試したこと、今回変えられない条件を短く整理します。資料を添付する場合は、資料名、版、日付、使ってよい範囲を示します。『添付資料を参考に』だけでなく、『料金は料金表二〇二六年八月版、特徴はサービス仕様書だけを根拠にし、推測は未確認と表示する』と指定します。個人情報や機密は、目的に不要なら削除・置換します。背景提供は情報量競争ではなく、必要性と安全性の選別です。
4.入力材料と命令を区切る
長いメールや記事を貼った後に依頼を書くと、資料中の文章を命令と誤認したり、どこまでが引用か分からなくなったりします。『目的』『資料』『条件』『出力形式』の見出しや区切り記号を使います。外部サイトや顧客文書には『前の指示を無視せよ』のような悪意ある文が混ざる可能性があります。資料中の命令には従わず、事実の抽出対象としてのみ扱うよう明記します。ただし文章で命じるだけでは完全な防御になりません。外部送信、削除、購入などの操作は権限を分け、人の承認を必須にします。
5.条件には優先順位と例外を付ける
『短く、詳しく、専門的で、子どもにも分かり、すべて網羅』のように条件が衝突すると、どれを優先するかAIが推測します。絶対に守る条件、できれば守る希望、分からない場合の処理を分けます。例えば『最優先は事実の正確さ。百五十字を超えても根拠は省かない。資料にない数値は作らず“要確認”とする』と書きます。禁止事項だけを並べるより、代わりにどうするかを示すと安定します。例外が多い業務では、一回の生成へ詰め込まず、対象外を人へ引き継ぐルールを作ります。
6.出力形式は、次の工程から逆算する
読むだけなら箇条書き、比較するなら表、システムへ渡すなら定めた項目構造が向きます。『表で』だけでなく、列名、並び順、空欄の扱い、根拠欄を指定します。顧客メールなら件名、本文、確認事項を分け、分析なら観測事実、解釈、提案、不明点を分けます。形式を整えても内容が正しいとは限りません。JSONが正しい形でも値が誤ることはあります。後工程で型や必須項目を機械検査し、重要な内容は人が元資料と照合します。見た目の整然さを正確さの証拠にしないことが大切です。
7.例は、説明しにくい基準を見せる
文章の調子、分類ルール、独自の書式は、少数の良い例を示すと伝わりやすくなります。ただし例が誤っていたり一種類に偏ったりすると、その偏りを再現します。採用例だけでなく、対象外や境界例も用意し、なぜそう判断したかを短く添えます。例の中へ実在する個人情報や秘密を入れず、架空・匿名化したデータを使います。例を増やしすぎると新しいケースへ柔軟に対応できず、入力も長くなります。指示だけで十分かを先に試し、曖昧な部分へ必要最小限の例を加えます。
8.一度で完成させず、工程を分ける
複雑な仕事を一回で頼むと、どの段階で誤りが入ったか分かりません。最初に不足情報を質問させ、次に構成を作り、材料との対応を確認し、本文を書き、最後に受入基準で点検します。例えば記事制作なら、検索意図の整理、構成案、根拠一覧、本文、校正を分けます。各工程の出力を人が確認してから次へ進めれば、誤った前提が大量の文章へ広がるのを防げます。チャットの対話は便利ですが、重要条件が長い会話の途中へ埋もれます。確定条件は毎回参照できる短い仕様へまとめます。
9.AIに質問させる設計で、勝手な補完を減らす
不足があれば生成前に質問し、回答がない場合は仮定を明示して停止するよう指定します。ただしAIは不足を完全には発見できません。依頼者自身も、誰向けか、根拠資料は何か、公開期限、禁止情報、承認者を確認します。質問数が多すぎると仕事が進まないため、『結果を大きく変える不足だけ最大三問』など範囲を決めます。急ぐ場合も、推測した事実を確定表現にしないことを優先します。AIの質問は確認表の補助であり、業務責任者の要件整理を代替するものではありません。
10.確認は、AIの自己採点だけで終えない
『間違いがないか確認して』と同じAIへ頼むと、自分の出力を同じ前提で見直し、誤りを見逃すことがあります。形式、文字数、必須項目は機械的に検査し、事実は一次情報、計算は計算機やコード、権利と法務は担当者へ戻します。確認結果には、根拠箇所、未確認事項、修正理由を残します。高影響な内容ほど別の人によるレビューを置きます。合格基準は『良い文章』ではなく、『公式資料の数値と一致』『禁止表現ゼロ』『対象外ケースは回答せず引継ぎ』のように観察可能にします。
11.失敗例から、プロンプトだけで解けない問題を知る
ある会社が『顧客の質問へ親切に回答せよ』とAIへ指示し、自動送信まで許可したとします。AIは古いFAQを使い、返金条件を誤案内しました。指示を詳しくするだけでは、古い資料、権限過多、確認不足を解決できません。最新版だけを検索対象にし、返金は対象外として人へ渡し、外部送信前に承認を置く必要があります。プロンプトは仕組みの一部です。モデル、データ、検索、権限、画面、ログ、人の役割を合わせて設計します。文章上の注意書きを、技術的なアクセス制御や業務手順の代わりにしません。
12.読者演習:曖昧な依頼を六つの部品へ直す
『新商品の紹介メールを書いて』を題材にします。目的は既存顧客へ特徴を知らせること、読者は専門知識のない利用者、材料は承認済み仕様書、条件は誇張・未確認数値・他社比較を禁止、形式は件名三案と本文二百字、確認は仕様書の引用箇所と未確認事項の一覧、と書き直してください。次に、資料の版、配信対象、行動喚起、承認者の不足を最大三問で質問させます。構成、本文、確認の三段階へ分け、最後に事実、権利、機密、表現、リンクを人が点検します。第三者が同じ材料で再実行し、同じ基準で採否を決められれば完成です。
実例で理解する
具体例で考える
問い合わせ返信を作る場面では、依頼を『あなたは顧客対応担当です』だけで始めません。目的を“公開FAQにある一般的な質問への返信案を作る”、材料を“二〇二六年八月版FAQだけ”、対象外を“解約・返金・個人情報・苦情”、形式を“回答案、根拠の見出し、未確認事項”、受入基準を“根拠のない断定ゼロ、対象外は担当者へ引継ぎ”とします。生成前に不足を最大二問だけ質問させ、担当者がFAQ原文と照合してから送信します。AIにはメール送信権限を与えません。試行では、配送日の質問、営業時間、対応地域、支払方法など、公開情報だけで答えられる二十件を用意します。正解例を丸暗記させるのではなく、FAQのどの見出しを根拠にしたか、資料にない情報を作っていないか、対象外を正しく停止できたかを記録します。わざと古い料金表、氏名を含む問い合わせ、返金を求める文面も混ぜ、指示に従って使わない・人へ渡す動作を確かめます。文章が自然でも根拠見出しが誤っていれば不合格です。逆に、回答不能と判断して安全に止めた結果は失敗ではありません。担当者二人が同じ基準で採否を判定できるかも確認します。運用開始後は、FAQ更新日、全面修正率、誤案内、引継ぎ件数を週ごとに見ます。急に修正が増えたら、モデルの問題と決めつけず、資料の版、問い合わせ傾向、指示、画面表示の変更を調べます。改善するときは、一度に多くの条件を変えず、変更前後を同じテスト集合で比べます。このように依頼文、評価例、権限、監視を一つの流れにすると、再現可能な業務手順になります。これにより、文章を丁寧にするだけでなく、資料の版、対象範囲、確認責任、停止位置をそろえられます。初めて使う時は、次の型だけ覚えれば十分です。「何のために」「誰が読むか」「何を材料にするか」「守る条件」「出してほしい形」「分からない時の動き」を順に書きます。たとえば、家族旅行の持ち物表なら、行き先、日数、季節、参加者、移動手段を材料にし、子ども用と大人用を分けた表を求め、不明な天気は推測せず確認事項へ出すよう頼みます。仕事だけでなく日常の小さな依頼でこの型を試すと、各部品の役割を理解しやすくなります。
手を動かして理解する
- 今日の三つの用語を、見ずに説明する
- 仕事や生活の例へ置き換える
- 間違えた確認問題の理由を声に出して説明する
04|今日の理解度を確認する
今日の理解度を確認する
次の説明が示す用語を、選択肢から1つ選んでください。 「生成AIへ渡す指示、質問、資料、会話履歴などのまとまりです。短い質問だけを指すとは限らず、目的、前提、入力データ、条件、例、出力形式を含む仕事の設計図として扱います。」
プロンプト:生成AIへ渡す指示、質問、資料、会話履歴などのまとまりです。短い質問だけを指すとは限らず、目的、前提、入力データ、条件、例、出力形式を含む仕事の設計図として扱います。
プロンプト: 生成AIへ渡す指示、質問、資料、会話履歴などのまとまりです。短い質問だけを指すとは限らず、目的、前提、入力データ、条件、例、出力形式を含む仕事の設計図として扱います。
Zero-Shot: 完成例を示さず、目的、材料、条件、出力形式などの指示だけでモデルへ仕事を依頼する方法です。モデルがすでに持つ一般的な知識や指示理解を使うため、短く始めやすい一方、組織独自の基準は推測されます。
Few-Shot: 少数の入力例と望ましい出力例をプロンプト内へ示し、例に共通する分類基準、表現、形式などを新しい入力へ適用させる方法です。例を見せることで、モデル自体を追加学習しているわけではありません。
代表例: 実際の対象の中で頻度が高く、標準的な判断を示す例です。珍しい例だけを集めず、日常的に処理する中心ケースから選びます。
次の説明が示す用語を、選択肢から1つ選んでください。 「回答を作るときに参照できる会話、資料、画像、データ、前提の範囲です。AIが知っているはずと期待せず、今回の作業に必要な情報を、出所と対象範囲が分かる形で渡します。」
コンテキスト:回答を作るときに参照できる会話、資料、画像、データ、前提の範囲です。AIが知っているはずと期待せず、今回の作業に必要な情報を、出所と対象範囲が分かる形で渡します。
コンテキスト: 回答を作るときに参照できる会話、資料、画像、データ、前提の範囲です。AIが知っているはずと期待せず、今回の作業に必要な情報を、出所と対象範囲が分かる形で渡します。
Few-Shot: 少数の入力例と望ましい出力例をプロンプト内へ示し、例に共通する分類基準、表現、形式などを新しい入力へ適用させる方法です。例を見せることで、モデル自体を追加学習しているわけではありません。
代表例: 実際の対象の中で頻度が高く、標準的な判断を示す例です。珍しい例だけを集めず、日常的に処理する中心ケースから選びます。
境界例: 二つの分類の間や、判断保留・対象外になりやすい例です。何をしないか、迷ったときどう止めるかを伝えるために使います。
次の説明が示す用語を、選択肢から1つ選んでください。 「文字数、対象者、期限、禁止事項、使える資料など、出力が守る条件です。条件を増やすこと自体が目的ではなく、採用判断に必要なものだけを優先順位付きで示します。」
制約:文字数、対象者、期限、禁止事項、使える資料など、出力が守る条件です。条件を増やすこと自体が目的ではなく、採用判断に必要なものだけを優先順位付きで示します。
制約: 文字数、対象者、期限、禁止事項、使える資料など、出力が守る条件です。条件を増やすこと自体が目的ではなく、採用判断に必要なものだけを優先順位付きで示します。
代表例: 実際の対象の中で頻度が高く、標準的な判断を示す例です。珍しい例だけを集めず、日常的に処理する中心ケースから選びます。
境界例: 二つの分類の間や、判断保留・対象外になりやすい例です。何をしないか、迷ったときどう止めるかを伝えるために使います。
評価集合: プロンプト作成に使った例とは分けて用意する確認用データです。代表例、境界例、危険例を含め、変更前後を同じ条件で比較します。
次の説明が示す用語を、選択肢から1つ選んでください。 「表、箇条書き、見出し構成、JSONなど、結果の形を指定するものです。後工程で人やシステムが確認・再利用しやすい形式を選び、必要な項目名と順番を明確にします。」
出力形式:表、箇条書き、見出し構成、JSONなど、結果の形を指定するものです。後工程で人やシステムが確認・再利用しやすい形式を選び、必要な項目名と順番を明確にします。
出力形式: 表、箇条書き、見出し構成、JSONなど、結果の形を指定するものです。後工程で人やシステムが確認・再利用しやすい形式を選び、必要な項目名と順番を明確にします。
境界例: 二つの分類の間や、判断保留・対象外になりやすい例です。何をしないか、迷ったときどう止めるかを伝えるために使います。
評価集合: プロンプト作成に使った例とは分けて用意する確認用データです。代表例、境界例、危険例を含め、変更前後を同じ条件で比較します。
要約: 元資料の重要な内容を、目的に合わせて短く再構成する作業です。単なる文字数削減ではなく、誰が何を判断するために読むかによって残す情報が変わります。
次の説明が示す用語を、選択肢から1つ選んでください。 「出力を採用してよいか人が判断する条件です。事実の根拠、禁止表現、必須項目、文字数範囲などを観察可能な形で置き、AI自身の自己評価だけで合格にしません。」
受入基準:出力を採用してよいか人が判断する条件です。事実の根拠、禁止表現、必須項目、文字数範囲などを観察可能な形で置き、AI自身の自己評価だけで合格にしません。
受入基準: 出力を採用してよいか人が判断する条件です。事実の根拠、禁止表現、必須項目、文字数範囲などを観察可能な形で置き、AI自身の自己評価だけで合格にしません。
評価集合: プロンプト作成に使った例とは分けて用意する確認用データです。代表例、境界例、危険例を含め、変更前後を同じ条件で比較します。
要約: 元資料の重要な内容を、目的に合わせて短く再構成する作業です。単なる文字数削減ではなく、誰が何を判断するために読むかによって残す情報が変わります。
校正: 誤字、脱字、文法、表記揺れ、読みにくさなどを点検し、意味を変えない範囲で整える作業です。事実の正しさや法的妥当性を保証する校閲とは分けます。
条件を細かく書くほど、生成AIの回答は必ず正確になる?
いいえ。条件の衝突や古い資料、権限過多は、長い指示だけでは解決しません。目的に必要な条件を優先順位付きで示し、資料、権限、人の確認を合わせて設計します。
はい: 不正解です。条件を細かくするだけでは、回答の正確性は保証できません。条件同士の衝突や、参照資料の誤り・古さが残ることがあります。
いいえ: 正解です。必要な条件を優先順位付きで示し、資料の版、権限、人の確認を組み合わせる必要があります。
04|今日の理解度を確認する
今日の理解度を確認する
今日の整理をする
この3点を持ち帰る
- ✓ 目的・読者・材料・条件・形式・確認方法をそろえ、完成後に誰がどの原典と照合するか、記録をどこへ残すか、誤りを見つけたとき誰が止めて関係者へ訂正を伝えるかまで依頼時点で決める
- ✓ 複雑な仕事は質問・構成・生成・検証へ分け、途中の前提が正しいことを確認してから次へ進む
- ✓ プロンプトだけへ頼らず、資料の版・権限・人の承認・運用後の監視で安全を作り、定期的に有効性を見直す