プロンプトエンジニアリング基礎講座｜明日から使える10の型

プロンプトエンジニアリングは、生成AIの出力品質を決定する最重要スキルです。同じモデルでもプロンプト次第で結果の質は3〜10倍変わります。本記事では、明日から使える10の基本型をテンプレート付きで解説します。

OpenAIが2026年3月に発表した調査によると、GPT-4o利用者のうちプロンプトエンジニアリングを習得した層と未習得層では、同じタスクでも満足度に52%の差がありました。つまり、AIツールを契約しても使いこなせなければROIは半減するということです。

本記事を読めば、ChatGPT・Claude・Geminiなど主要LLMから最大限の成果を引き出すスキルが身につきます。

プロンプトエンジニアリングとは

定義と重要性

プロンプトエンジニアリングとは、生成AIに対して最適な指示（プロンプト）を設計し、望ましい出力を得るための技術です。プログラミングとは異なり、自然言語で行うため誰でも学べますが、体系的に学ぶことで成果が大きく変わります。

なぜプロンプトで結果が変わるのか

LLM（大規模言語モデル）は、入力されたテキストから「次にくる単語」を確率的に予測します。この予測はプロンプトの文脈に強く影響されます。具体例を見てみましょう。

悪いプロンプトの例:

メールを書いて

良いプロンプトの例:

以下の条件でビジネスメールを書いてください。

宛先: 取引先の営業担当者様
目的: 来週の打ち合わせのリスケジュール依頼
トーン: 丁寧だが簡潔（5文以内）
含めるべき情報:
- 日程変更の理由（急な出張）
- 代替日程の候補3つ
- 謝罪の気持ち

出力形式:
件名: ...
本文: ...

後者のプロンプトは前者の10倍の品質で回答を生成します。

基本原則——プロンプト設計の5つの原則

原則1: 明確性（Clarity）

曖昧な指示を避け、具体的に何を求めているかを明示します。

原則2: 文脈提供（Context）

AIは背景情報がないと適切な判断ができません。必要な情報を提供します。

原則3: 構造化（Structure）

箇条書き、見出し、番号付きリストで指示を整理します。Markdown形式が最も理解されやすいです。

原則4: 例示（Examples）

望む出力形式の例を示すことで精度が大幅に上がります（後述のFew-shot）。

原則5: 反復（Iteration）

一発で完璧な結果を求めず、対話を通じて改善していく姿勢が重要です。

10の基本型

型1: Zero-shot プロンプト——基本中の基本

概要: 例を示さず、指示だけで回答を求める最もシンプルな型。

テンプレート:

[タスク説明]してください。

条件:
- [条件1]
- [条件2]
- [条件3]

出力形式: [形式指定]

実例:

以下の議事録をA4一枚程度の報告書にしてください。

条件:
- 意思決定事項を最初に記載
- アクションアイテムを箇条書きで整理
- 次回までの宿題を明確化

出力形式: Markdown

型2: Few-shot プロンプト——例を示して精度向上

概要: 入力と望ましい出力のペアを2〜5個示すことで、同じパターンの処理を依頼する型。

テンプレート:

以下の例を参考にして、最後の入力に対する出力を生成してください。

例1:
入力: [input1]
出力: [output1]

例2:
入力: [input2]
出力: [output2]

実際の入力:
入力: [質問]
出力:

実例（顧客メールの分類）:

以下の例を参考に、最後のメールの緊急度を分類してください。

例1:
入力: 「システムが動かなくて困っています。今すぐ対応お願いします」
出力: 緊急度: 高

例2:
入力: 「来月の定例会議の日程を調整したいです」
出力: 緊急度: 低

例3:
入力: 「明日までに見積書をいただけますか？」
出力: 緊急度: 中

実際の入力:
入力: 「昨日送った書類に誤りがあったため、差し替えてください」
出力:

型3: Chain of Thought（CoT）——段階的思考で複雑な推論

概要: AIに「順を追って考えて」と指示することで、複雑な問題の解決精度を劇的に上げる型。

テンプレート:

[問題]

ステップバイステップで考えて、最終的な答えを導いてください。

実例:

ある会社の売上が以下のように推移しています。
- 2024年: 1,200万円
- 2025年: 1,560万円
- 2026年: 2,028万円

過去3年の年平均成長率を計算し、2027年の予測売上を算出してください。

ステップバイステップで計算プロセスを示してください。

CoTを使うと、AIは内部的により多くの「思考」を行うため、数学・論理問題での精度が20〜40%向上することがAnthropicの2026年2月の研究で示されています。

型4: ロールプロンプト——AIに役割を与える

概要: AIに特定の役割・専門家のペルソナを与えることで、回答の質と一貫性を向上させる型。

テンプレート:

あなたは[役職/専門家]です。

背景:
- [経験年数]
- [専門分野]
- [考え方の特徴]

以下の質問に、その立場から答えてください。

質問: [質問内容]

実例:

あなたは20年の経験を持つベテラン人事コンサルタントです。

背景:
- 中小企業100社以上の人事制度設計を支援
- 特に若手社員の離職防止と育成に強み
- 理論と実務の両面から現実的なアドバイスを提供

以下の質問に、その立場から答えてください。

質問: 入社3年目の社員がモチベーションを失っている場合、
どのような施策が効果的ですか？

型5: 構造化プロンプト——XMLタグで明確化

概要: Claudeで特に有効なテクニック。XMLタグで指示の各部分を構造化します。

テンプレート:

<task>
[タスク説明]
</task>

<context>
[背景情報]
</context>

<requirements>
- [要件1]
- [要件2]
</requirements>

<output_format>
[出力形式指定]
</output_format>

実例:

<task>
提供された製品レビューの感情分析を行い、ポジティブ/ネガティブ/中立に分類してください。
</task>

<context>
この分析はマーケティングチームの週次レポートに使用されます。
商品の改善点を特定することが目的です。
</context>

<requirements>
- 各レビューに対して感情ラベルを付与
- ネガティブレビューは具体的な不満点を抽出
- 総合的な傾向を3行で要約
</requirements>

<reviews>
[ここにレビューを貼り付け]
</reviews>

<output_format>
Markdownの表形式
</output_format>

型6: ステップ分解プロンプト——大きなタスクを小さく

概要: 複雑なタスクを明確なステップに分解し、AIに順次実行させる型。

テンプレート:

以下の手順で進めてください。

ステップ1: [第1段階]
ステップ2: [第2段階]
ステップ3: [第3段階]
...

各ステップ終了時に結果を示してから次に進んでください。

開始データ: [初期情報]

実例:

新商品のマーケティングプランを以下の手順で作成してください。

ステップ1: ターゲット顧客の3つのペルソナを定義
ステップ2: 各ペルソナの購買動機を分析
ステップ3: ペルソナ別の訴求メッセージを作成
ステップ4: 最適なマーケティングチャネルを提案
ステップ5: 3ヶ月の実行計画をタイムライン形式で作成

各ステップ終了時に結果を示してから次に進んでください。

商品情報:
- 商品名: 〇〇
- カテゴリ: ...
- 特徴: ...
- 価格帯: ...

型7: 制約指定プロンプト——条件を厳密に

概要: 出力に対する制約（文字数、形式、含めるべき/避けるべき要素）を明示する型。

テンプレート:

[タスク]

制約:
- 文字数: [N]文字以内
- 必ず含めるキーワード: [keyword1], [keyword2]
- 避けるべき表現: [NG表現]
- 文体: [です・ます調/である調]
- 対象読者: [読者層]

実例:

新商品「○○」のキャッチコピーを5つ提案してください。

制約:
- 文字数: 15文字以内
- 必ず含めるキーワード: 時短、快適
- 避けるべき表現: 一番、最高（誇大表現）
- 文体: カジュアル
- 対象読者: 30代働く女性

型8: メタプロンプト——プロンプトを改善してもらう

概要: 「このプロンプトを改善してください」とAI自身に指示の改善を依頼する高度なテクニック。

テンプレート:

以下の目的を達成するためのプロンプトを書きました。
このプロンプトをより効果的にするための改善点を指摘し、
改善版を提案してください。

目的: [達成したいこと]

現在のプロンプト:
---
[現在のプロンプト]
---

改善点の指摘と改善版を示してください。

型9: セルフコンシステンシー——複数回試行して多数決

概要: 同じ質問を複数回行い、最も一貫した回答を採用する型。特に複雑な判断に有効。

テンプレート:

以下の問題に対して、3つの異なるアプローチで回答を導いてください。

問題: [問題]

アプローチ1: [方法1の説明]
アプローチ2: [方法2の説明]
アプローチ3: [方法3の説明]

各アプローチで得られた結論を比較し、最も妥当な答えを選んでください。

型10: リフレクションプロンプト——回答を自己チェック

概要: AIに自分の回答を評価・改善させる型。品質向上に極めて効果的。

テンプレート:

以下のタスクを実行してください。

タスク: [タスク]

回答を生成後、以下の観点で自己評価してください:
1. 正確性（事実関係に誤りはないか）
2. 完全性（質問に十分に答えているか）
3. 明確性（理解しやすいか）
4. 改善点（さらに良くする余地はあるか）

自己評価の結果、改善が必要であれば回答を更新してください。

モデル別の最適化ポイント

プロンプト改善のチェックリスト

作成したプロンプトを以下のチェックリストで確認してください。

実践ワーク——業務別プロンプト例

1. 営業メール作成

あなたは経験豊富なB2Bセールスです。

宛先: 製造業・工場長・50代男性
目的: 当社のIoTセンサー導入の初回アポイント獲得
過去接点: 展示会で名刺交換のみ

以下のメールを書いてください:
- 件名: 50字以内
- 本文: 200字以内
- カジュアルすぎず、専門性を感じさせる
- 具体的なベネフィット（稼働率向上等）を1つ提示

2. 会議議事録要約

以下の会議議事録を以下のフォーマットで要約してください。

## 議事録要約

### 決定事項
- (3つ以内)

### アクションアイテム
| 担当 | 内容 | 期限 |
|------|------|------|

### 次回議題
- (3つ以内)

議事録:
[ここに議事録を貼り付け]

3. データ分析依頼

以下のCSVデータを分析してください。

分析観点:
1. 月次売上トレンド
2. カテゴリ別の伸び率
3. 異常値の検出

出力:
- 数値は表形式
- トレンドは箇条書きで3つ
- 改善提案を3つ

データ:
[CSVデータを貼り付け]

当社のプロンプトエンジニアリング研修

当社のAI研修サービスでは、プロンプトエンジニアリングを実践形式で学べるプログラムを提供しています。

まとめ——明日から実践する3ステップ

1. 本記事の10の型から1つ選んで試す（まずは型1の構造化プロンプトから）
2. 日常業務の1つをプロンプト化する（メール作成・要約など）
3. 改善のサイクルを回す（期待と実際の差を埋める）

プロンプトエンジニアリングは、本を読むだけでは身につかず、実践で磨かれるスキルです。毎日少しずつプロンプトを書いて、改善していくことが上達の近道です。

関連記事

• 社内向けAIチャットボット構築ガイド｜ツール・費用・手順
• Claude Code実践活用術｜業務効率を10倍にする15の使い方
• ChatGPT法人契約完全ガイド｜Team/Enterprise/Edu徹底比較
• 生成AI社内ガイドラインの作り方｜テンプレート付き
• AIO対策の始め方｜AI Overviewに自社を表示させる5つの施策

プロンプトエンジニアリング研修・実践ワークショップは、AI研修サービスまでお問い合わせください。