AIの回答が変わる！業務で使えるプロンプト設計の基本

なぜAIの回答は「思った通り」にならないのか？

様々な場面においてAIへ相談したとき、思い描いていたような回答が返ってこず、もどかしさを感じた経験はないでしょうか。

「間違いを指摘して欲しかったのに、内容を褒められて終わった」
「個別事象を掘り下げて欲しかったのに一般論でまとめられてしまった」

こうした意図と結果のズレは、AI活用の現場ではよく起こります。 AIは非常に優秀なツールですが、現時点では人間の意図を完全に自動で読み取れるわけではないためです。
AIは与えられた指示や情報をもとに、求められている内容を推測して回答を生成します。
そのため、情報が不足していると、一般論的な無難な回答に偏り、結局何度も指示をやり直したり、手作業で指示を修正したりと、業務効率化のために使っているはずのAIの調整で、余計な時間がかかってしまいます。

求める成果物を定義し、それに必要な情報を揃えて提示する、つまりプロンプトを設計することが、AIの性能を引き出す鍵となります。
本記事では、AIプロンプト設計（指示文の工夫）の重要性と、業務でそのまま活用できるプロンプトの基本フレームワークを解説します。

実務で使えるプロンプト設計の７つのポイント

プロンプトを構成する要素は、インプットに関するものとアウトプットに関するものの2つのカテゴリに分けることができます。
インプットは、AIが考えるための材料です。経緯や文脈を提示することで、AIは背景を正しく理解でき、より実用的な回答を返しやすくなります。
アウトプットは、AIに対する回答の指定です。具体的な条件やフォーマットを設定することで、回答をより使いやすい形で出力させます。

インプット 〜AIが考えるための「材料」〜

まずはインプットについての4つのポイントです。
AIに適切な思考を促すためには、以下の要素を組み合わせて提示することが重要です。
これらの情報を必要に応じて整理して提示することで、AIは状況を正確に理解しやすくなり、一般論ではなく実務に沿った回答を返しやすくなります。

では、各項目についてご紹介していきます。

1. 目的

目的は、「AIに何をしてほしいのか」を明確にする要素です。

例えば、「ブラッシュアップしてほしい」と「アイデアを出してほしい」では、AIが行う作業はまったく異なります。目的が曖昧なままだと、要約してほしかったのに改善案が返ってきたり、分析してほしかったのに文章を書き直されたりと、意図とは異なる回答になりやすくなります。

＜例＞

• 社内資料を要約し、重要なポイントを抽出する
• 競合との差別化を整理する
• 新商品のコンセプト案を10個提案する

2. 役割

役割を指定すると、AIがどのような立場や専門性で回答するかをコントロールできます。

同じ内容でも、「マーケティング担当者」と「セキュリティ監査員」では着眼点が異なります。求める視点が決まっている場合は、役割を指定するだけで回答の方向性が大きく変わります。
指示を行わない場合、幅広い視点を取り入れようとするため、専門性や着眼点がぼやけた回答になりやすくなります。

＜例＞

• 有能なマーケットリサーチャー
  → 市場動向や顧客ニーズ、競合分析など、マーケティング視点に特化した分析や提案を期待する場合
• 新人社員を指導する優しいメンター
  → 相手を否定せず、理解度に合わせた丁寧な説明や改善アドバイスを期待する場合
• 厳格なセキュリティ監査員
  → 利便性よりもリスクや規制、情報管理上の問題点を重視したチェックを期待する場合

3. 前提条件・背景

AIは与えられた情報をもとに回答を組み立てます。

そのため、予算や利用できるツール、過去の経緯などを伝えることで、より現実的で実務に使いやすい提案を受けやすくなります。
また、Google ドキュメントや Google スプレッドシートなどの資料を参照させることで、一般論ではなく、自社の情報を踏まえた回答を得ることも可能です。

＜例＞

• 前提条件
  • 予算は50万円以内
  • 実施期間は1か月以内
  • Google以外のツールは使用しない
• 背景
  • 過去に同様の施策を実施したが定着しなかった
  • 現在は担当者が不足している

4. ターゲット

ターゲットを指定すると、AIは相手に合わせて語彙や説明の詳しさ、例え話の選び方などを調整しようとします。
同じ内容でも、経営者向けと現場担当者向けでは、重視すべき情報が異なります。
誰に伝える文章なのかを明確にすることで、読み手に合った回答を得やすくなります。
指定しない場合、読み手に適した説明レベルをAIが判断する必要があるため、専門的すぎる説明になったり、逆に情報量が不足したりする場合があります。

＜例＞

• ITツールに詳しくない現場担当者
• 経営判断を行う役員・経営層
• 導入を検討している既存顧客

アウトプット〜AIが回答するための「指定方法」〜

次は、アウトプットについての3つのポイントです。

AIに考えるための材料を渡した後は、どのような形式・条件で回答してほしいのかを指定します。
同じ情報を渡しても、「箇条書きで整理してください」と指示する場合と、「文章形式で説明してください」と指示する場合では、出力結果は大きく変わります。
AIへの回答指定で重要な要素は、以下の3つです。

5. 出力形式

出力形式は、「どのような形で情報を整理してほしいか」を指定する要素です。

AIは指定がない場合でも文章を生成できますが、利用目的に適した形式になるとは限りません。
後から表に整理したり、不要な文章を削除したりする手間が発生する場合があります。
特に指定をしない場合、文章の羅列や、コピーしにくい形式で出力され、後工程で整形が必要になることがあります。

＜例＞

• 表形式で出力してください
  → 複数の項目を比較したい場合や、Google スプレッドシートへ転記したい場合
• 結論・理由・具体例の3構成で出力してください
  → 説明資料やブログ記事など、読みやすい構成を作りたい場合
• JSON形式で出力してください
  → システム連携やデータ処理に利用したい場合

6. 回答例

回答例は、「どのような回答を完成形と考えているか」をAIに伝える要素です。

文章の構成や表現方法は、言葉だけで説明するよりも、実際のサンプルを示した方がAIに伝わりやすい場合があります。
特に、以下のような曖昧になりやすい要素を指定するときに有効です。

• 文章のトーン
• 見出し構成
• 情報量
• 表現方法

サンプルを示さない場合は、生成結果の内容は正しくても、文章の雰囲気や構成が期待したものと異なる回答になることがあります。

＜例＞

• 過去に作成した資料を提示する
  → 自社の資料構成や表現に合わせたい場合
• 理想的な回答例を提示する
  → 同じ形式の文章を複数作成したい場合

7. 制約条件

制約条件は、「回答時に守ってほしいルール」を指定する要素です。

文字数や表現方法、禁止事項などを指定することで、不要な情報を減らし、目的に合った回答へ調整できます。
未設定の場合、AIが必要以上に説明を追加したり、利用目的に合わない表現を含めたりする場合があります。

＜例＞

• 300文字程度で要約してください
  → 短い紹介文や概要資料を作成したい場合
• 前置きや挨拶は不要です
  → そのままコピーして利用できる文章が欲しい場合
• 専門用語を使用する場合は補足説明を付けてください
  → 初心者向けの資料を作成したい場合

【ケーススタディ】「中学生でもわかるように」という指示の問題点

専門用語の解説や複雑な概念の要約をAIに依頼する際、「中学生でもわかるように説明して」というプロンプトを使った経験がある方も多いのではないでしょうか。
一見すると、分かりやすい説明を求める適切な指示に見えます。
しかし、この指定だけでは、意図した回答にならない場合があります。

なぜ意図とズレるのか？

AIは「中学生」という言葉から、単純に知識レベルだけではなく、「学校教育向けの説明」「子ども向けの表現」「親しみやすい例え話」といった関連するパターンも推測して回答します。

その結果、以下のような結果を出力する場合があります。

• 「〜かな？」「〜してみよう！」といった教育教材のような口調になる
• 「部活動」「お小遣い」など、ビジネス用途には適さない例え話を使う
• 必要以上に簡単な説明になり、重要な情報が省略される

本来指定したいのは「中学生向けの文章」ではなく、「専門知識がない人でも理解できる説明」です。
そのため、年齢や属性だけを指定するのではなく、「誰に、何のために、どのような形式で伝えるのか」を具体的に指示することが重要です。

改善例

• NG例（抽象的な指示）:
  > IT用語の意味について、中学生でもわかるように説明してください。

• 改善例（具体的な指示）:
  > 役割：あなたは、分かりやすい解説に定評のあるITビジネスライターです。
  > 目的：ITに詳しくないお客様が、専門用語の意味や利用するメリットを理解できるように説明してください。
  > 制約条件：専門用語（カタカナ語や技術用語など）を使用する場合は、直後に日常的な言葉で補足を入れてください。
  例え話を入れる場合は、ビジネスシーンを意識した内容にしてください。
  ビジネスに適した丁寧な敬体（です・ます調）を使用してください。

このように、AIへの指示は「簡単にして」という曖昧な指定ではなく、「どのような相手に、どのような状態になってほしいのか」まで伝えることで、より意図に近い回答を得やすくなります。

プロンプトは「AIへの指示」ではなく「仕事の依頼設計」

AI活用で「思い通りの回答が得られない」原因の多くは、AIの能力ではなく指示要素の不足にあります。
意図通りの成果を得るには、AIが思考する材料（目的・役割・前提・ターゲット）と、回答の方法（出力形式・回答例・制約）を揃えて提示することが不可欠です。
前提が曖昧なほど解釈のブレが生じますが、情報を構造的に与えれば、AIの回答は「たまたま得られた結果」ではなく「狙い通りの成果」に変わります。

プロンプト作成とは、「AIに適切な前提を共有するコミュニケーション」です。
必要な要素を整理して渡す工夫を取り入れるだけで、AIはより頼もしい実務のパートナーになります。
まずは本記事のフレームワークを活用し、日々のちょっとした指示出しから試してみてください。

• ←前へ
• 次へ→