最終更新: 2026-10-20 — モデルの記述を2026年10月時点の現行に合わせ、MCPの標準化の経緯と、原典を確かめられない数字(品質の倍率・応答速度など)を直しました。2026-09-19には人材開発支援助成金の記述を見直しています(令和8年8月3日改正の反映)。主要モデルの記述を当時の現行世代(GPT-5.6 / Claude Opus 5 / Gemini 3.6 Flash)に更新したのは2026-07-25です。MCPの標準化の動き・人材開発支援助成金 令和8年4月8日改正の反映、および冒頭TL;DR・業界ベンチマーク・Key Takeaways・新規FAQの追加は2026-05-29時点のものです。
TL;DR(30秒で読める要約)
- プロンプトの5原則(明確性・文脈・構造化・例示・反復)と10の型さえ押さえれば、生成AIの出力品質は大きく向上する。
- 3大モデル別の書き分け:ClaudeはXMLタグ、ChatGPTはMarkdown、GeminiはJSON+多言語が扱いやすい。
- MCP(Model Context Protocol)は2025年12月にLinux Foundation配下の財団に寄贈された。外部データやツールとの連携が必要な業務では、指示設計に加えて、参照先やツールの設計も重要になる。
- 効果が出やすい業務は決まっている:メール・議事録・問い合わせ対応など、繰り返し発生して形式が定まっている業務から着手する。
- 助成金の要件:人材開発支援助成金(人材育成支援コース・事業展開等リスキリング支援コース)はOFF-JTの訓練時間数10時間以上(通学制・オンラインのライブ研修は実訓練時間数)が要件のため、半日・1日の研修は単体では対象外。汎用的なプロンプトの作り方を学ぶ研修は、時間数を満たしても対象外になり得ます(後半で説明)。
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。ChatGPT・Claude・Geminiのいずれでも、同じモデルでプロンプト次第で結果の質は大きく変わります。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。
2026年のアップデートポイント
| トピック | 2026年10月時点の動向 |
|---|---|
| 主要LLM | Claude(現行は Fable 5.1・Opus 5.5・Sonnet 5.5・Haiku 5.5。Opus 5.5 のAPI価格は入力$4・出力$20)/ChatGPT(GPT-6 系。GPT-6 Astra・GPT-6 Sol・GPT-6 Luna など)/Gemini(Gemini 4 Argon が2026-10-13に一般提供。Flash 系は Gemini 3.8 Flash) |
| MCPの経緯 | Anthropic 2024-11発表 → OpenAI 2025-03採用 → Linux Foundation 配下の Agentic AI Foundation に寄贈(2025-12)。Anthropic・OpenAI・Google・Microsoft・AWS などが参加 |
| 助成金 | 人材開発支援助成金が令和8年4月8日に改正(その後の8月3日改正は、本記事後半の「当社のプロンプトエンジニアリング研修」の項で説明) |
| Claude Code | effort(思考量)を指定して推論の深さを調整できる(APIの既定は Opus 5.5 が medium、Fable 5.1 が high) |
| Gemini API の Managed Agents | Google I/O 2026(2026-05-19)で公開プレビュー。自律的に動くエージェントを作って動かす仕組み |
出典:Anthropic「Models overview」 / Gemini API 更新履歴 / Linux Foundation「Agentic AI Foundation の設立」(いずれも2026年10月20日確認) / 厚労省 人材開発支援助成金
研修を選ぶときに確認したい5項目
プロンプト研修は内容の差が大きい分野です。発注前に、以下が含まれているかを確認してください。
| 確認項目 | なぜ重要か |
|---|---|
| モデル別の書き分けを扱うか | Claude・GPT・Geminiで有効な書式が異なるため、汎用論だけでは現場で使えない |
| 自社の実業務を教材にするか | 一般的な例題では、研修後に自分の業務へ翻訳できず使われなくなる |
| MCP・ツール連携に触れるか | 2026年時点では「指示の書き方」だけでなく「何を参照させるか」の設計が成果を分ける |
| 受講後の測定方法まで設計するか | 効果測定の設計がないと、次年度の予算が取れない |
| 助成金の要件を確認できるか | OFF-JTの実訓練時間数10時間以上に加え、受講者の職務に直結する内容かが問われる。汎用的なプロンプトの作り方だけを学ぶ研修は対象外になり得る |
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に対して適切な指示(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。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。
同じツールを導入しても、書き方を体系的に学んだ組織とそうでない組織では、実務での成果に差が出ます。ツールの導入それ自体ではなく、「何を・どう指示するか」を業務に落とし込めているかが分かれ目になります。
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。
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: ...
後者のプロンプトのほうが、はるかに具体的で使える回答が返ってきます。
プロンプト設計の5原則
原則1: 明確性(Clarity)
| 悪い例 | 良い例 |
|---|---|
| 長い文章を短くして | 500字の文章を200字以内に要約して。重要なポイント3つを保持する |
| いい感じのタイトル | マーケティング担当者向けのSEO記事タイトルを5つ。各30字以内 |
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。職種・読者層・目的を添えます。
原則3: 構造化(Structure)
Markdown(GPT・Gemini向け)またはXMLタグ(Claude向け)で指示を整理します。
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
例を示さず、指示だけで回答を求める基本型。
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
入力と望ましい出力のペアを2〜5個示す型。ChatGPT・Claudeのいずれでも、例を示すと出力の形式や水準がそろいやすくなります。
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: 「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)
「ステップバイステップで考えて」と指示することで複雑な推論精度を上げる型。2022年にGoogleの研究者らが発表した論文(Chain-of-Thought Prompting)で有効性が示されて以降、標準的な手法として定着しています。
ある会社の売上推移:
- 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。
Claudeでは effort を高く指定すると、内部で考える量が増え、CoTの効果が高まりやすくなります(2026年10月時点のAPIの既定は Opus 5.5 が medium)。
型4: ロールプロンプト
AIに特定の役割・専門家のペルソナを与える型。
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:
- 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
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)
Claudeで特に有効です。Anthropicは公式ドキュメントでXMLタグによる指示の構造化を推奨しており、指示・文脈・要件・出力形式を明示的に区切ると、意図した通りに解釈されやすくなります。
<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>
マーケティングチームの週次レポートに使用。商品改善点の特定が目的。
</context>
<requirements>
- 各レビューに感情ラベルを付与
- 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
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: 向いている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。
型7: 制約指定プロンプト
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
- 必須キーワード: 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
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]
---
型9: セルフコンシステンシー
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]
アプローチ2: [方法2]
アプローチ3: [方法3]
各アプローチの結論を比較し、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
以下のタスクを実行してください。
タスク: [タスク]
回答生成後、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。
モデル別の書き分けのポイント(2026年10月時点)
| モデル | 推奨プロンプト形式 | 強み | 注意点 |
|---|---|---|---|
| Claude(Fable 5.1・Opus 5.5 など) | XMLタグ、詳細な文脈、effort の指定 | コーディング・法務・長文厳密処理、100万トークン | 深く考えさせるほど応答時間は伸びる |
| ChatGPT(GPT-6 系) | Markdown、簡潔な命令調、関数呼び出し | 汎用性、エコシステム。Astra・Sol・Luna などから価格と性能を選べる | モデルによって得意・不得意がある |
| Gemini(Gemini 4 Argon・3.8 Flash) | JSON出力指定、構造化、多言語混在 | Workspace連携、約105万トークン(4 Argon)、Flash系は費用を抑えやすい | 知識の時点(ナレッジカットオフ)はモデルごとに公式の資料で確認 |
業務別モデル選択の例
業務別のモデル選択の例は次のとおりです(モデルの版は数か月ごとに変わるため、製品名で示します)。
| 業務 | 第一選択 | 理由 |
|---|---|---|
| 法務・契約書精査 | Claude(上位モデル) | 長文の厳密処理、XMLタグで制御、effort を高くして深く検証 |
| マーケコピー量産 | ChatGPT(軽量モデル) | 費用を抑えやすい(APIの GPT-6 Luna は入力$0.10・出力$0.50。2026年10月時点) |
| 大量メール一括処理 | Gemini(Flash系) | 速度と費用を抑えやすい |
| 議事録要約(大量バッチ) | Gemini(Flash系) | 長いコンテキスト、Workspace統合 |
| コールセンターの通話記録の要約 | Gemini(Flash系) | 音声ファイルを入力でき、大量処理の費用を抑えやすい |
| 経理・財務分析 | Claude(上位モデル) | 数値精度、長文厳密 |
| プログラミング | Claude + Claude Code / ChatGPT(Codex) | いずれもコーディング向けのツールを公式に提供している |
MCPと組み合わせた業務別プロンプトはClaude Code MCP 業務別プロンプト集50選、Claude Codeの業務組み込みはClaude Code 業務導入完全ガイドを参照してください。
MCPと組み合わせる新しいプロンプト設計
2025年12月にLinux Foundation配下の財団に寄贈されたModel Context Protocol(MCP)により、プロンプトに全情報を詰め込む従来手法から、外部データソースをツール接続する設計へシフトしています。
従来:
[顧客の過去取引データを全てプロンプトに貼り付け]
分析してください。
MCP連携後:
顧客ID: 12345 の過去取引データを取得し、購買傾向を分析してください。
(モデルが自動的にCRM-MCPサーバーを呼び出してデータ取得)
プロンプト本体は短く、コンテキストは構造化された外部ツール経由で取得。
研修で効果を出すための設計(実施時の進め方)
効果を数字で確認したい場合は、以下を研修前に用意しておいてください。
| 準備するもの | 目的 |
|---|---|
| 対象業務の一覧(2〜3業務に絞る) | 研修の演習題材にする |
| その業務の現在の作業時間 | 研修後の比較基準(ベースライン)にする |
| 受講者名簿と担当業務 | 業務別に効果を分けて測る |
| 90日後の測定日 | 実施前に日程を確保しておく |
このベースラインがないと、研修後に「効果があったか」を数字で示せません。逆にこれさえ用意しておけば、受講90日後に同じ方法で測り直すだけで効果額が算出できます。
プロンプト改善チェックリスト
| # | チェック項目 | 確認 |
|---|---|---|
| 1 | タスクが明確か | [ ] |
| 2 | 必要な背景情報が含まれているか | [ ] |
| 3 | 期待する出力形式が指定されているか | [ ] |
| 4 | 文字数・構成の制約があるか | [ ] |
| 5 | 専門用語や業界特性が考慮されているか | [ ] |
| 6 | 具体例が示されているか(Few-shot) | [ ] |
| 7 | トーンや文体が指定されているか | [ ] |
| 8 | 読者層が明確か | [ ] |
| 9 | 避けるべき要素があるか | [ ] |
| 10 | モデル特性に合った形式か(XML/Markdown/JSON) | [ ] |
業務別プロンプト実践例
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
プロンプト研修と助成金
当社はいま、研修を単体ではお受けしていません。社内へのAIの使い方の説明は、仕事を測ってくり返しの手間をAIに任せる業務改善AIの中で行っています。
プロンプトの基礎講座は、人材開発支援助成金の対象外になり得ます。 令和8年8月3日の改正(経過措置あり)で、事業展開等リスキリング支援コースでは、DX化・GX化に関する訓練であっても、職業・職務に間接的に必要となる知識・技能を習得させるものや、職業・職務の種類を問わず職業人として共通して必要となるものは対象外になりました。厚生労働省のリーフレットは、「生成AIを利用するために汎用的なプロンプトの作り方を学ぶ訓練」を対象外、「生成AIを活用して商品提案書の構成案作成、文章生成、修正方法を学ぶ営業担当者向けの訓練」を対象の例として挙げています(厚生労働省リーフレット「令和8年8月3日からの変更点について」)。人材育成支援コースでは、こうした汎用的な内容は改正前から対象外です。本記事の10の型をそのまま学ぶ研修はこの「汎用的なプロンプトの作り方」に当たり得るため、助成金を前提にする場合は、受講者の職務に直結する題材で組む必要があります。
時間の要件もあります。人材開発支援助成金(人材育成支援コース・事業展開等リスキリング支援コース)はOFF-JTの訓練時間数が10時間以上であることが要件で、通学制・同時双方向型の通信訓練(オンラインのライブ研修)は実訓練時間数で数えるため、半日・1日の研修は単体では対象外です(eラーニング・通信制は、標準学習時間10時間以上または標準学習期間1か月以上で判断します)。合計10時間以上になるよう組んだ研修は、職務に直結する内容で要件を満たす場合に対象になり得ます(運用ルールの設計などの支援は対象外になり得ます)。最終判断は労働局への事前相談をおすすめします。詳細は助成金完全ガイド参照。
まとめ——明日から実践する3ステップ
- 本記事の10の型から1つ選んで試す(まずは型5の構造化プロンプトから)
- 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)
- 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、実践で磨かれるスキルです。
Key Takeaways(記事の結論5点)
- プロンプトの基本5原則と10の型を押さえれば、AI出力品質は大きく向上する — 「明確性・文脈・構造化・例示・反復」の5原則は全モデル共通。
- モデル別の書き分けが欠かせない — ClaudeはXMLタグ、ChatGPTはMarkdown、GeminiはJSON+多言語が扱いやすい。業務別に使い分けることで効率が上がる。
- MCPでプロンプト設計の考え方が変わった — 2025年12月にLinux Foundation配下の財団に寄贈され、主要ベンダーが参加する団体で管理されている。外部データやツールとの連携が必要な業務では、指示設計に加えて、参照先やツールの設計も重要になる。
- 効果が出やすいのは反復・定型の業務。メール・議事録・問い合わせ対応。
- 汎用的なプロンプト研修は助成金の対象外になり得る。人材開発支援助成金(人材育成支援コース・事業展開等リスキリング支援コース)はOFF-JTの訓練時間数10時間以上(通学制・オンラインのライブ研修は実訓練時間数)に加え、受講者の職務に直結する内容であることが問われます(半日・1日の研修は単体では対象外)。申請書類の作成・提出の代行は社会保険労務士にご依頼ください。
関連記事
- Claude Opus 4.8 の使い方・リリース日・料金
- Claude Code実践活用術
- ChatGPT法人契約完全ガイド
- 生成AI社内ガイドラインの作り方
- AI研修の助成金 申請手順2026|対象はOFF-JT10時間以上・人材開発支援助成金
- Claude Code MCP一覧と設定|業務導入5ステップ
- Claude Code MCP 業務別プロンプト集50選
- Google I/O 2026 AI関連アップデート完全まとめ|Gemini 3.5 Flash・Spark・AI Search 刷新と企業の業務活用への影響
参考文献
- Anthropic「Models overview」(2026年10月20日確認)
- Linux Foundation「Agentic AI Foundation の設立」(2025-12)(2026年10月20日確認)
- Gemini API 更新履歴(2026年10月20日確認)
- 厚生労働省 人材開発支援助成金
- 厚生労働省リーフレット「令和8年8月3日からの変更点について」(事業展開等リスキリング支援コース)