プロンプトの書き方：回答の質を劇的に上げるコツ

同じAIに同じことを頼んでも、聞き方（プロンプト）を変えるだけで、返ってくる答えの質は大きく変わります。「答えが浅い」「意図とズレる」「長すぎる」——その多くはモデルの性能不足ではなく、指示の設計で解けます。本ガイドは、初めての人がそのまま真似できる形で、いま（2026年）の主要モデルに通用する“効く書き方”を整理します。

覚えるべき土台は3つだけです。役割（誰として答えるか）、文脈（背景・対象・制約）、出力形式（どんな形で返すか）。AIは要約・文章作成・分析・コード生成が得意な一方で、曖昧な依頼には曖昧に返す性質があります。丸投げではなく「良い指示書を渡す」感覚が、いちばんの近道です。

FIG.1　モデルを変えなくても、指示の作り方で答えの質は大きく動く

01まず覚える「良いプロンプト」の基本構造

最初に体で覚えてほしいのが、次の6行テンプレートです。穴埋めするだけで、依頼が一気に安定します。

あなたは［役割］です。
目的：［最終的に何が欲しいか］
前提：［背景・対象読者・制約条件］
入力：［素材・状況・データ］
出力形式：［箇条書き / 表 / 見出し付き / 文字数 など］
注意点：［避けたいこと・重視したい観点］

たとえば取引先への納期調整メールなら、こう書きます。

あなたは日本企業のビジネス文書に詳しいアシスタントです。
目的：取引先への納期調整メールを作成したい。
前提：相手に失礼がなく、こちらの事情も誠実に伝えたい。
入力：部材調達の遅れで納品が3日遅れる見込み。一部先行納品は可能。
出力形式：件名案を3つ、本文を敬語で1通。
注意点：言い訳がましくせず、具体的な対応策を入れる。

「納期遅延メールを書いて」と比べて、出てくる文章の実用度がまるで違います。ポイントは、AIが推測で埋めていた空白を、あなたが先に埋めてあげること。空白が減るほど、回答のブレも減ります。

02Before / After で見る改善効果

抽象論より、同じ依頼の「雑な版」と「整えた版」を並べたほうが効果が伝わります。

例1：ブログ記事の構成案

Before

SEO記事の構成を考えて。

テーマ・読者・狙うキーワード・深さ、どれも不明です。AIは「それっぽい一般論」で埋めるしかありません。

After

あなたはSEOコンテンツ編集者です。
目的：「在宅ワーク 集中できない」をテーマにブログ構成案を作る。
前提：読者は在宅勤務1〜3年目の会社員。検索意図は「すぐ試せる改善策を知りたい」。
出力形式：
- 記事タイトル案3つ
- h2 / h3 の見出し構成
- 各見出しで書く要点を1〜2文
注意点：精神論ではなく、行動レベルの具体策を中心に。

足したのは読者像・検索意図・出力形式の3つだけ。これだけで、そのまま執筆に入れる構成が返ります。

例2：要約依頼

Before

この資料を要約して。

After

以下の会議資料を要約してください。
目的：上司が2分で全体像を把握できるように。
出力形式：
1. 全体要約（150字以内）
2. 重要ポイント3つ
3. 意思決定が必要な項目
4. 懸念点
専門用語はできるだけ平易に言い換えて。

要約は「誰が・何のために読むか」で正解が変わります。読み手と用途を1行入れるだけで、使える要約に化けます。

03役割設定は「専門家ごっこ」ではなく、視点を固定する技術

「あなたはマーケターです」という一文は、雰囲気づくりではありません。どの観点を優先して考えるかをモデルに指定する操作です。同じ題材でも、立場が変われば見るポイントが変わります。

役割は細かいほど効きます。「マーケター」より「SaaS企業のBtoBマーケター」のほうが、業務の文脈に合った答えになります。ただし役割は“万能薬”ではありません。専門的な正確さが要る場面では、役割を与えても事実が正しくなるわけではない点に注意。最終的な裏取りは人間側の仕事です。

04「考えさせ方」は2026年で変わった——推論モデルの登場

少し前まで、複雑な問いには「ステップごとに考えて（think step by step）」と書く思考の連鎖（Chain-of-Thought）が定番でした。途中の推論を文章で出させると、いきなり結論を急ぐより正答率が上がる、という考え方です。

2026年現在は事情が分かれます。いま主流になりつつある推論モデル（思考モデル）——たとえば各社の「reasoning / extended thinking / thinking」と銘打たれたモード——は、答える前に内部で考えるよう作られています。ここに「ステップごとに考えて」を足すと、効果がないどころか、かえって冗長になったり質を下げたりすることがあります。OpenAI なども、推論モデルでは明示的なステップ指示を控えるよう案内しています。

通常モデル（速い・標準）	推論モデル（深く考えるモード）
難問では「順に整理して」が有効なことが多い	内部で既に推論する。ステップ指示は不要〜逆効果
手早い作業・定型文・要約に向く	多段の論理・比較検討・難しい判断に向く
指示は「考え方」まで書くと安定	指示は「ゴールと制約」を明確に。過程は任せる

実用的な指針はこうです。まず使っているモードを意識する。通常モデルなら「結論だけでなく、判断の観点を順に整理して」と過程の構造を促す。推論モデルなら過程は任せ、代わりに出力の形を指定します。

結論に至る判断を、次の構造で出力して：
- 前提整理
- 選択肢の比較
- 推奨案
- 理由

大事なのは「思考を長々と見せさせること」ではなく、判断を構造化して出させること。後者はどちらのモデルでも安定します。

05Few-shot：説明するより「お手本」を見せる

意図がうまく伝わらないとき、言葉で説明を足すより具体例を1〜3個（多くても5個程度）見せるほうが早いことがあります。これが Few-shot（少数例提示）です。

以下の例と同じトーンで返信文を作って。

例1
お客様：配送状況を知りたい
返信：ご連絡ありがとうございます。ご注文商品は本日発送済みで、通常1〜2日でお届け予定です。

例2
お客様：返品したい
返信：お問い合わせありがとうございます。返品をご希望とのこと承知しました。商品到着後7日以内であればお手続き可能です。

今回：請求書の発行日を確認したい

Few-shot は文体・分類基準・出力パターンを揃えたいときに特に効きます。コツは「正解例を1個だけ」ではなく、扱う入力の幅をカバーするように散らすこと——丁寧な問い合わせ／クレーム／短文の3パターン、のように違うタイプを混ぜると安定します。例が多すぎるとノイズになるので、2〜3例から始めるのが扱いやすいです。

06長い文章を渡すときは「囲って・順番を決める」

資料・議事録・コードなど長い素材を一緒に渡す場面は、初心者がいちばんつまずくところです。素材と指示が地続きだと、AIはどこからが「やってほしいこと」なのか見失います。対策は2つだけ覚えれば十分です。

FIG.2　素材はタグで囲み、「やってほしいこと」は素材の後ろに書く

(1) 素材を区切りで囲む。　<資料> … </資料> のようにタグ（または """ などの区切り）で素材をくくると、AIは「ここが参照データ」と認識しやすくなります。指示・例・素材が混ざる長いプロンプトほど効果が大きく、逆に短い依頼ではやり過ぎなくて構いません。

(2) 指示を「素材の後ろ」に置く。　長い素材を渡すときは、肝心の依頼文を最後に書くと安定します。直前にある指示ほどモデルの“いま見ている範囲”に残りやすいためです（特に Claude 系はこの順序が効くとされています）。

<資料>
（ここに会議の文字起こしを丸ごと貼る）
</資料>

上の<資料>だけを根拠に、決定事項と宿題を箇条書きで。
資料にない内容は書かないこと。

この「囲う＋後ろに置く」は、最近はコンテキストエンジニアリングとも呼ばれ、何を・どの順で・どう囲って渡すかを設計する考え方として広がっています。難しく考えず、まずは“素材を囲って、依頼を最後に”だけで十分効果が出ます。

07Step-by-step：大きな依頼は分解して頼む

大きな作業を一度に投げると、もっともらしいが粗い回答になりがちです。段階に区切って頼むと、各段の質が積み上がります。

業務改善・学習計画・企画立案で特に有効です。いきなり方法論を求めるより、課題整理 → 原因仮説 → 対策の順に進めるほうが、出てくる案に納得感が出ます。
なお（04で触れた）推論モデルを使う場合は、各ステップの“考える過程”まで細かく指定せず、段の区切りとゴールだけを渡せば十分なことが多いです。

08モデルごとのクセを知っておく

2026年は「どのモデルでも同じ書き方が最適」とは言えなくなりました。主要モデルには、ざっくり次のような傾向があります（プランや仕様は頻繁に変わるため、最終的には各社の公式ドキュメントで確認してください）。

傾向	プロンプトの寄せ方
Claude 系：契約書のような明確な指示・自己チェック工程を好む	役割と制約を箇条書きで明示し、「最後に自分の回答を点検して」を足す
Gemini 系：短く直接的な指示を好み、お手本が効きやすい	簡潔に。質問は最後に置く。Few-shot を1〜2例添える
GPT 系：構造化指示と出力形式の指定に強い	役割・目的・出力形式をテンプレで渡す

細かい違いを丸暗記する必要はありません。覚えておくべきは「使うモデルが変わったら、同じプロンプトでも微調整の余地がある」という心構えです。うまくいかなければ、まず簡潔にする／お手本を足す／指示を後ろに回すのどれかを試すと改善しやすいです。

09実務で使いやすいテクニック早見表

テクニック・向いている場面	書き方の要点
役割設定 ／ 視点を揃えたい	職種・業界・目的まで具体化する
文脈提供 ／ 意図違いを減らしたい	背景・読者・制約を入れる
出力形式指定 ／ そのまま使いたい	箇条書き・表・見出し・文字数を指定
Few-shot ／ トーンや型を揃えたい	違うタイプの短いお手本を1〜3個
区切り＋後置 ／ 長文素材を渡したい	素材をタグで囲み、指示を最後に書く
Step-by-step ／ 複雑な課題を整理したい	手順を段階で区切る（過程は任せてよい）

10迷ったら使う汎用テンプレート

あなたは［役割］です。以下に対応してください。

【目的】［最終的に得たい結果］
【背景】［状況・読者・用途］
【入力】
<素材>
［データ・メモ・本文をここに］
</素材>
【出力形式】［箇条書き / 表 / 見出し付き / 文字数］
【重視する点】［正確性・簡潔さ・実用性 など］
【補足】不足情報があれば、作業前に確認事項を3つまで質問して。

回答の質を上げるのは難しい呪文ではなく、誰として・何のために・どんな形で出してほしいかを先に伝えること。

最後の「不足情報があれば質問して」は地味に強力です。推測で突き進ませず、ズレそうな所で確認を挟めるので、やり直しが減ります。

11注意：プロンプトが良くても、事実確認は別仕事

指示を整えると回答は安定しますが、内容が常に正しくなるわけではありません。AIは自信たっぷりに誤情報を混ぜること（ハルシネーション）があります。料金・数値・最新の仕様・固有名詞など正確さが要る情報は、必ず一次情報（公式サイト等）で裏取りしてください。役割設定や丁寧な指示は“それらしさ”を上げますが、真偽の保証ではありません。

業務でAIにデータを渡すときは、機密情報の取り扱いにも注意します。社外秘や個人情報を安易に貼らない、利用するサービスの規約・保存方針を確認する——この一手間が、便利さと安全のバランスを取ります。

12まとめ：良いプロンプトは、AIへの“指示書”

土台は3つ——役割設定・文脈提供・出力形式指定。これだけで回答は見違えます。そこに、必要に応じてFew-shot（お手本）、Step-by-step（分解）、長文は囲って後ろに指示を足していきます。

2026年のひと工夫は、使っているのが推論モデルかどうかを意識すること。推論モデルなら過程は任せ、ゴールと出力形式を明確に。通常モデルなら考える順序まで促す——この使い分けだけで、無駄も的外れも減ります。雑に聞いても答えてはくれますが、丁寧に頼むほど精度は上がります。次の章からは、用途別の実践テンプレと、安全な使い方へ進みます。