ChatGPTに同じような頼み方をしているつもりなのに、返ってくる文章の丁寧さや長さが毎回バラバラで、結局その場で書き直しに時間を取られていないでしょうか。
指示を少し変えただけで狙い通りの答えが返ってきた翌日、同じ聞き方をしたはずなのに的外れな一般論しか返ってこない、という状況に困っていないでしょうか。
この1～2年で、メール返信や議事録要約、企画書のたたき台まで生成AIに任せる場面が急速に増えました。
その一方で、指示の書き方ひとつで出力の質がどれだけ変わるかは、実際に使い込むまで気づきにくいままです。
この記事では、業務自動化の構築設計で実際に使っている組み立て方をもとに、プロンプトエンジニアリングの基本と出力がぶれる原因、メール返信・議事録要約・企画書のたたき台にコピーして使える型を整理しています。
プロンプトエンジニアリングとは何か
プロンプトエンジニアリングとは、AIに何をしてほしいかを役割・背景・指示・形式といった要素で整理して伝え、狙った通りの出力を安定して引き出すための指示の設計方法です。
思いついた言葉をそのまま入力する使い方と違い、AIが判断に迷わないところまで条件を具体的に書き込む点に特徴があります。
たとえば「メールの返信文を作って」とだけ伝えると、AIは宛先との関係性も文章の長さも自分で推測するしかなく、そのつど違う長さや丁寧さの文章が返ってきます。
一方で、宛先との関係、返信で伝えたい要点、希望する文字数まで指示に含めると、AIが推測に頼る余地は限定的です。
その結果、出力のばらつきも小さくなり、毎回書き直す手間が減っていきます。
なぜ同じChatGPTでも出力の質にばらつきが出るのか
出力がばらつく主な原因は、指示そのものに毎回同じ構造がなく、AIが不足した情報をそのつど推測で埋めていることにあります。
指示に役割・背景・指示内容・出力形式のいずれかが抜けていると、AIはその空白を独自の判断で補って回答を作るため、日によって丁寧さや長さ、切り口が変わります。
実際に同じ言い回しで議事録の要約を頼んでも、出力形式まで指定していない場合、ある回では箇条書き3行、別の回では段落形式の長文になるなど、結果が安定しません。
つまり出力のばらつきは、AIの性能差ではなく、指示に埋め込まれている情報量の差から生まれます。
たとえば「この会議メモを要約してください」という指示だけでは、要約する粒度も出力の形も指定されておらず、AIが毎回ゼロから判断して形を作る状態です。
これに対して「決定事項、懸案事項、次回までのタスクの3項目に分け、各項目は箇条書き3点までで要約してください」まで書くと、AIが埋めるべき空白がほとんど残らず、出力の構成が毎回そろいます。
この差が、プロンプトエンジニアリングという考え方が指しているものの実体です。
メールの返信でも同じ構造が働きます。
宛先との関係や伝えたい要点まで指示に含めるかどうかだけで、返ってくる文章の丁寧さや長さが大きく変わる仕組みです。
条件を書き込む手間はわずかですが、その手間を惜しむと、後から手直しする時間の方が結果的に長くなりやすくなります。
AIが持つ前提情報の少なさについては、Anthropic（Claudeの開発元）の公式ガイドでも次のように説明されています。
Think of Claude as a brilliant but new employee who lacks context on your norms and workflows. The more precisely you explain what you want, the better the result.
（訳）優秀だが自社のルールをまだ知らない新入社員だと考えるとわかりやすい。
出典： Anthropic「Prompting best practices」
AIは自社の業務ルールや背景事情を知らない状態から出力を組み立てるため、前提や条件を具体的に伝えるほど出力の精度が上がります。
業務でそのまま使えるプロンプトの基本の型
出力を安定させるための基本の型は、役割・背景・指示・形式という4つの要素を、毎回同じ順番で指示文に組み込むことです。
この4要素さえ埋まっていれば、メール返信でも議事録要約でも企画書のたたき台でも、AIが推測に頼る部分が減り、狙った長さと切り口で返ってくる可能性が高まります。
以下では、まず4要素の中身を確認したうえで、実際の業務でそのままコピーして使えるプロンプトの型を、メール返信・議事録要約・企画書のたたき台の3つの場面別に紹介する構成です。
役割・背景・指示・形式の4要素で組み立てる
役割は、AIにどの立場で回答してほしいかを指定する要素で、たとえば「社内向けの広報担当として」のように書きます。
背景は、判断に必要な状況や制約を伝える要素で、宛先との関係性や過去のやり取りの経緯などが該当します。
指示は、AIに実際にしてほしい作業内容そのものを指し、「返信文を作成してください」のように動詞で明確に書くのが基本です。
形式は、欲しい出力の長さや構成を指定する要素で、「300字以内で」「箇条書き3点で」のように数値や構成を添えると、出力のブレが大きく減ります。
この4要素のうち、実務で最も抜け落ちやすいのは形式です。
役割と背景は意識して書く人が多い一方、文字数や構成まで指定する人は少なく、結果として長さの読めない文章が返ってきやすくなります。
文字数の指定は、AIが処理する文章量そのものを制御する行為でもあり、AIがテキストをどう数えているかを知っておくと、形式を指定する感覚がつかみやすくなります。
メール返信のたたき台を作る型
取引先や社内からのメールに返信する際は、次の型に自分の状況を当てはめるだけで、丁寧さと長さがそろった返信文のたたき台を作れます。
あなたは[部署名]の担当者です。
以下のメールに対する返信文のたたき台を作成してください。
【背景】
- 相手との関係:[取引先/社内の上司/同僚など]
- このメールで伝えたいこと:[伝えたい要点を1〜2点]
- 避けたい表現や話題があれば:[あれば記載]
【元のメール】
[受信したメールの本文を貼り付け]
【出力形式】
- 文字数:[例:300字以内]
- 文体:[例:丁寧だが堅すぎない]このプロンプトは、まず役割と背景を与えて相手との関係と伝えたい要点をAIに認識させたうえで、元のメール本文を読み込ませ、最後に文字数と文体を指定して出力の形を固定する構成です。
自分の状況に合わせて変える場所は、[部署名]と【背景】の3項目、【元のメール】に貼り付ける本文、【出力形式】の文字数と文体の指定です。
【背景】の「避けたい表現や話題」は、たとえば値引きの話に触れたくない場合などに使う項目で、特になければ空欄のまま送っても問題ありません。
会議の議事録を要約する型
会議の録音メモや箇条書きのメモから議事録を作る場合は、要約の粒度と出力形式を最初から指定しておくことで、毎回同じ構成の議事録が得られます。
あなたは社内会議の議事録作成担当です。
以下の会議メモを要約し、議事録としてまとめてください。
【背景】
- 会議の目的:[例:来期の予算方針の確認]
- 参加者の役職:[例:部長2名、担当者3名]
【会議メモ】
[会議中に取ったメモや録音の書き起こしを貼り付け]
【出力形式】
- 構成:決定事項/懸案事項/次回までのタスク の3項目に分ける
- 各項目は箇条書きで[例:3点まで]このプロンプトは、会議の目的と参加者の役職を先に読み込ませることで重要度の判断基準を与え、決定事項・懸案事項・次回までのタスクという3つの区分に沿って会議メモを整理させる構成です。
自分の状況に合わせて変える場所は、【背景】の会議の目的と参加者の役職、【会議メモ】に貼り付けるメモの本文、【出力形式】の箇条書きの上限数です。
区分の名称は会議の性質に合わせて変えてよく、たとえば営業会議であれば懸案事項の代わりに「保留案件」にするなど、自社の議事録の呼び方に置き換えて使えます。
企画書のたたき台を作る型
企画書の骨子を一からまとめる場合は、目的と制約条件を先に与えることで、的外れな提案が出てくるのを防げます。
あなたは[部署名]の企画担当者です。
以下の条件で企画書のたたき台を作成してください。
【背景】
- 企画の目的:[例:既存顧客の解約率を下げる]
- 対象:[例:契約1年目の法人顧客]
- 制約条件:[例:追加予算なしで実施できる施策に限る]
【出力形式】
- 構成:背景/施策案/期待される効果/懸念点 の4項目
- 施策案は[例:3案]このプロンプトは、企画の目的と対象、制約条件を先に固定したうえで、背景・施策案・期待される効果・懸念点という4項目の構成でAIにたたき台を作らせる型です。
自分の状況に合わせて変える場所は、[部署名]と【背景】の3項目、【出力形式】の施策案の数です。
制約条件を書かずに送ると、予算や人員を無視した現実的でない施策案が返ってくることがあるため、この項目は空欄にせず必ず埋めることが安定した出力につながります。
4要素の型がある程度使いこなせてきたら、指示の中に例文を添えて出力の精度をさらに引き上げる方法もあります。
この発展形は次の記事で詳しく整理しました。
型を使う際に気をつけること
4要素の型は多くの定型業務で機能しますが、当てはめ方を誤ると、型を使う前より扱いにくい出力になりかねません。
とくに情報量を増やせば増やすほど精度が上がると誤解されがちですが、実際には逆の結果を招くこともあります。
ここでは、型に対して抱きやすい誤解と、型がそのまま機能しにくい場面の両方を整理します。
【よくある誤解】プロンプトは長いほど精度が上がるわけではない
プロンプトに条件を詰め込めば詰め込むほど出力の精度が上がると考えられがちです。
しかし条件同士が矛盾していたり優先順位が示されていなかったりすると、AIはどの条件を優先すべきか判断できません。
その結果、かえって的外れな出力になりがちです。
たとえば「簡潔に」と「すべての背景を漏れなく説明して」という指示を同じプロンプトに入れると、AIはどちらを優先していいか判断できず、中途半端に長い文章を返すことがあります。
条件を増やす場合は、優先したい条件から順に並べるか、「最優先は文字数、次に丁寧さ」のように優先順位を明示すると、条件同士の衝突を避けられます。
型がそのまま機能しない場面
この型は、返信文や要約、たたき台のように次にすべきことが明確な作業には向いていますが、アイデア出しの壁打ちのように答えがひとつに決まらない作業には向きません。
壁打ちの場面で背景や形式を先に固定してしまうと、AIの回答も型に沿った予定調和なものに寄りやすく、想定外の発想が引き出しにくくなる仕組みです。
新しい企画のアイデアを広げたい段階では、形式を指定せずに「思いつく案をできるだけ多く挙げてください」のように自由度を残した指示に切り替えるのが向いています。
案がある程度出そろった段階になってから、今回紹介した型に戻して整理するという使い分けが機能します。
貼り付ける元データそのものが極端に情報不足な場合も、型はうまく機能しません。
たとえば会議メモが箇条書き1行しかない状態で議事録の型を使っても、AIは存在しない情報を作り出すことはできず、内容の薄い要約がそのまま返ってきます。
この場合に直すべきなのは型ではなく、会議中にメモを取る段階です。
情報不足を型で無理に埋めようとすると、AIが存在しない情報をもっともらしく作り出すハルシネーションにつながることもあります。
注意すべき原因と対策は次の記事にまとめています。
自社の業務で整理してみて判断に迷う場合は、 個別相談 で一緒に棚卸しすることもできます。
プロンプトの型を業務で試して、うまくいかない部分はありませんか。
「型通りに書いたのに欲しい出力にならない」「どの業務にどの型を使えばいいかわからない」「もっと自社の業務に合わせてテンプレートを整えたい」
少しでもお心当たりがあれば、お気軽にご相談ください。
現在、AI業務自動化に関するお悩みをお伺いする 無料の個別相談 を実施しています。
よくある質問
Q. ChatGPT以外のAI（CopilotやGemini等）でも同じ型は使えますか
役割・背景・指示・形式という4要素の考え方自体は、AIツールを問わず使えるものです。
ただし各ツールが得意とする出力形式や文字数の挙動には違いがあるため、同じプロンプトを別のツールに入れた場合は、出力形式の指定をそのツールの挙動に合わせて微調整する必要があります。
Q. 毎回この型を全部書くのは手間ではありませんか
毎回一から書く手間を減らすには、よく使う型をテンプレートとして手元に保存しておき、【背景】や【元のメール】などの空欄部分だけを埋めて使う運用がおすすめです。
社内で複数人がAIを使う場合は、部署共通のテンプレートとして共有すると、担当者が変わっても出力の質を一定に保ちやすくなります。
Q. 指示を英語にした方が精度は上がりますか
英語の指示で出力精度に差が出るかどうかはモデルや用途によって異なり、断定はできません。
社内文書のように日本語特有の敬語表現や言い回しを正確に扱いたい作業では、今回紹介した型をそのまま日本語で使う方が、背景や形式を誤解なく伝えやすくなります。
まずは日本語でこの型を試し、それでも出力に納得がいかない場合に英語での指示を試すという順番で問題ありません。
Q. 部署共通のテンプレートとして展開する際に気をつけることはありますか
部署で共有する場合は、【背景】に個人名や取引先の固有名詞をそのまま書き込まず、あくまでプレースホルダーとして運用することが望ましいです。
社外に出せない情報を含む可能性がある場合は、貼り付けるメモやメール本文に機密情報が含まれていないか、送信前に必ず確認する運用にしておくと安全です。
Q. 型どおりに書いても出力が安定しない場合はどうすればよいですか
まずは【背景】や【出力形式】の項目に空欄が残っていないかを確認してください。
空欄のまま送信すると、AIがその部分を推測で埋めるため、型を使っていても出力がぶれる原因になります。
それでも安定しない場合は、出力形式の指定を文字数だけでなく「箇条書きか段落か」のように構成のレベルまで具体的にすると、改善しやすくなります。
