AIプロンプトとは？意味と書き方5つのコツ

「AIプロンプト」という言葉を耳にしても、その意味を正確に説明できる方は多くありません。ChatGPTなどの生成AIを使い始めたものの、思うような回答が返ってこず、指示の出し方に悩んでいる方も多いのではないでしょうか。結論からいうと、プロンプトとはAIへの指示文のことで、「何を・誰のために・どんな形で」を具体的に書くだけで回答の質は大きく変わります。ここでは、プロンプトの意味と3つの種類、書き方5つのコツ、業務でそのまま使える文例を紹介したうえで、もっと上達したい方に向けて、Anthropic・OpenAI・Googleの公式ガイドが勧めるFew-shotや思考の連鎖などのプロンプトエンジニアリングの手法、コンテキストエンジニアリングとの違いまでを整理します。

プロンプトとは？AIへの指示文の基本的な意味

「プロンプト」という言葉は、生成AIの記事や解説動画で当たり前のように使われていますが、まずは言葉の成り立ちと、生成AIの世界での意味を整理します。

「プロンプト」の語源と一般的な意味

プロンプトは、英単語の「prompt」に由来する言葉です。この単語には「促す」「きっかけを与える」といった意味があり、演劇で役者にセリフを教える「プロンプター（prompter）」という役割の語源にもなっています。「相手に何かを行うよう促すきっかけ」というニュアンスを押さえておくと、生成AIでの使われ方も理解しやすくなります。

生成AIにおけるプロンプトの意味

生成AIの領域では、プロンプトはAIに出す質問や指示の文章を指します。ChatGPTやGemini、Claudeといった対話型AIの入力欄に打ち込む「〜について教えて」「〜を要約して」といった一文一文が、すべてプロンプトです。

GoogleのGemini APIの公式ガイド「Prompt design strategies」では、プロンプトを設計すること（プロンプトデザイン）を、言語モデルから正確で質の高い回答を引き出すための自然言語の依頼文をつくる作業だと説明しています。つまりプロンプトは、AIとの会話のきっかけであると同時に、出力の質を左右する「設計図」の役割も担っています。同じAIモデルを使っていても、プロンプトの書き方しだいで回答の質が大きく変わるのはこのためです。

「コマンドプロンプト」との違い

「プロンプト」と聞いて、Windowsの「コマンドプロンプト」を思い浮かべる方もいるかもしれません。名前は似ていますが、まったく別のものです。

コマンドプロンプトは、決められた形式のコマンドを入力してWindowsを操作するためのアプリケーションです。一方の「AIプロンプト」は、生成AIに対して普段の言葉で指示を出すためのものです。「何らかの出力を促すための入力」という語源は共通していますが、相手がOSなのかAIなのかという点で区別されます。

プロンプトの3つの種類（命令・補完・実演）

生成AIに入力するプロンプトは、形によって大きく「命令」「補完」「実演」の3つに分けて考えると整理しやすくなります。

①命令のプロンプト

「命令」のプロンプトは、「〜してください」という形で直接指示を出すタイプです。日常的に使われるプロンプトの大半はこの形です。

「〜について教えてください」
「〜を要約してください」
「〜を翻訳してください」

まずは「何をしてほしいのか」をはっきり命令の形で伝えることが、プロンプトの基本形です。

②補完のプロンプト

「補完」のプロンプトは、文章を途中まで書いて渡し、その続きをAIに書いてもらう形式です。キャッチコピーや文章の書き出しだけを用意して続きを考えてもらったり、表の見出し行だけを示して中身を埋めてもらったりする場面で使えます。前述のGoogleのガイドでも、回答の形式を揃えたいときに、出力の書き出し部分を示してモデルに続きを完成させる方法が紹介されています。

③実演のプロンプト

「実演」のプロンプトは、最初に具体的なお手本を見せ、AIにそのパターンをまねて回答させるタイプです。「入力：〇〇 → 出力：△△」というペアをいくつか示してから新しい入力を渡すと、示した例に沿った形式やトーンで出力されやすくなります。この考え方は、後で紹介する「Few-shotプロンプト」という手法そのものです。

なぜプロンプトの書き方で回答が変わるのか

生成AIは、与えられたプロンプトの情報だけを手がかりに回答を組み立てます。指示があいまいであれば、AIは足りない情報を推測で補うしかなく、的外れな回答や一般論だけの回答になりがちです。

これは人どうしの仕事の依頼と同じです。上司から「いい感じに資料を作っておいて」とだけ言われるのと、「〇〇向けに、要点を3つに絞って、A4一枚でまとめてほしい」と言われるのとでは、出来上がる資料はまったく違うはずです。AnthropicがClaude向けに公開しているプロンプティングのベストプラクティスでも、Claudeを「優秀だがあなたの規範やワークフローに関するコンテキストを持たない新入社員」と考え、望むことを正確に説明するほど結果が良くなると説明しています。

プロンプトを構成する4つの要素

伝えるべき情報を漏らさないために、プロンプトを次の4つの要素に分けて考えると便利です。

指示：AIに実行してほしいタスクそのものです。「要約して」「翻訳して」「案を5つ出して」など。
文脈（背景）：誰に向けた文章なのか、何に使うのか、なぜ必要なのかといった前提です。
入力データ：AIに処理してほしい文章やデータそのものです。要約したい議事録や、分析したい数値などが当たります。
出力形式：「箇条書きで」「300字以内で」「表形式で」といった、回答の形や分量の指定です。

簡単な質問なら指示だけで十分なこともありますが、業務で使う場面ではこの4つを意識して組み立てるだけで、回答のブレを大きく減らせます。

AIプロンプトの書き方5つのコツ

ここからは、プロンプトを書くときに押さえておきたい5つのコツを、良い例・悪い例と合わせて紹介します。どれも今日からすぐに実践できます。

1. 具体的かつ明確に指示する

最も基本となるのが、あいまいな表現を避け、具体的に指示することです。前述のGoogleのガイドも、モデルの振る舞いを調整する効果的な方法として、明確で具体的な指示を与えることを挙げています。

悪い例：「マーケティングについて教えて」
良い例：「中小企業のBtoBマーケティング施策を3つ、実施コストと期待効果とあわせて教えてください」

前述のAnthropicのガイドには、書いたプロンプトを「タスクの背景をほとんど知らない同僚」に見せて、その人が迷うならAIも迷う、という「黄金律」も紹介されています。送信する前に、他人が読んでも同じものを作れるかを確かめる習慣をつけると効果的です。

2. 背景情報と「なぜ必要か」を伝える

指示だけでなく、目的・対象読者・商品の特長などの背景を添えることで、回答は一般論から自分の状況に合ったものに変わります。

悪い例：「新商品の紹介文を書いて」
良い例：「20代女性向けに開発したオーガニックスキンケア商品の紹介文を書いてください。特長は無添加・国内生産・低刺激性で、SNS広告に使う想定です」

前述のAnthropicのガイドでは、指示の理由や動機を添えることで、AIが目的をよく理解し、より的確な回答を返せるようになると説明されています。たとえば「省略記号を使わないで」とだけ書くより、「音声読み上げに使うので、読み上げられない省略記号は使わないでください」と理由を添えるほうが、AIは似たケースにも応用して判断できます。

3. 出力の形式・分量・表現を指定し、「してほしいこと」で書く

回答をそのまま使える形に近づけるには、出力の条件を指定します。

分量：「400字程度で」「5項目で」
形式：「箇条書きで」「表形式で」「見出しを付けて」
表現：「ですます調で」「専門用語には説明を添えて」

あわせて意識したいのが、「〜しないで」より「〜してください」で書くことです。前述のAnthropicのガイドでも、してほしくないことではなく、してほしいことを伝えるよう勧めています。「専門用語を使わないで」と書くより、「中学生でも理解できる言葉で説明してください」と伝えるほうが、AIにとって行動の指針が明確になります。

4. 役割（ペルソナ）を与える

AIに「役割」を与えると、回答の視点やトーン、専門性をコントロールしやすくなります。

悪い例：「以下の英文を日本語に訳してください」
良い例：「あなたはビジネス文書に詳しいプロの翻訳者です。以下の英文を、取引先に送るメールとして自然な日本語に翻訳してください」

前述のAnthropicのガイドでも、役割を設定するとAIの振る舞いとトーンが用途に合わせて絞り込まれ、1文だけでも違いが生まれると説明されています。「あなたは経験豊富な営業マネージャーです」「あなたは新入社員に教える研修講師です」のように、目的に合った立場を設定してみてください。

5. 対話を重ねて回答を磨く

1回のやり取りで完璧な回答を求めすぎないことも大切です。出力を見てから追加の指示を重ね、段階的に仕上げていくほうが、結果的に早く理想の回答にたどり着けます。

「もう少し具体的に」
「初心者にもわかるように補足して」
「その中から3つに絞って、理由も添えて」

うまくいった指示は、そのまま次回も使えるテンプレートとして保存しておくと、毎回ゼロから考える手間が省けます。質問の仕方そのものを見直したい方は、AIへの質問のコツと改善例もあわせて参考にしてください。

業務で使えるプロンプトの文例

ここまでのコツを組み合わせた、業務でそのまま使える文例を紹介します。社名や商品名、数値などは実際の業務に合わせて差し替えてください。

ビジネスメールのあいさつ文作成

季節のあいさつや取引先への書き出しは、毎回一から考えると意外と時間がかかります。役割と出力条件を組み合わせると、状況に合った文面をすぐに用意できます。

あなたはビジネスマナーに精通したベテラン営業担当者です。
以下の条件で、取引先へ送るメールの冒頭あいさつ文を3パターン作成してください。

・時期：初秋（9月上旬）
・相手：長年取引のある得意先の担当者
・目的：新商品の案内メールの書き出し
・文字数：各100字程度
・トーン：丁寧だが親しみを感じさせる、ですます調

「時期」「相手」「目的」という背景と、「文字数」「トーン」という出力条件をあわせて指定することで、定型文ではなく状況に合ったあいさつ文を得やすくなります。

活動レポート・資料の要約

議事録や長文資料の要約は、生成AIが得意とする作業の1つです。ただし「要約して」とだけ伝えると重要な点が抜け落ちることがあるため、観点と形式まで指定するのがポイントです。

あなたは経営企画部のアシスタントです。
以下の月次活動レポートを、経営会議で報告する想定で要約してください。

・出力形式：箇条書き（見出しごとに3〜5項目）
・含めるべき観点：進捗状況、課題、次月のアクションプラン
・文字数：全体で400字程度
・数値データがある場合は、具体的な数字を残してください

【入力文】
（ここに要約したいレポート本文を貼り付ける）

「数値は省かないで」ではなく「数字を残してください」と、してほしいことの形で書いている点にも注目してください。

アイデア出し・企画提案

新商品の企画やキャンペーンの切り口を考えるときは、生成AIを壁打ち相手として使う方法が有効です。

あなたは若年層向けマーケティングに強い企画担当者です。
以下の商品について、SNSで話題になりそうな企画案を5つ提案してください。

・商品：オーガニック素材を使った携帯用スナック
・ターゲット：20〜30代の健康志向の女性
・出力形式：企画タイトルと概要（各50字程度）をセットで箇条書き

最初の回答で方向性が見えてきたら、「3つ目の案を、具体的なキャンペーン企画に落とし込んでください」のように指示を重ねていくと、アイデアを段階的に磨けます。業務別の文例をさらに探したい方は、業務別のプロンプト集も参考になります。

深津式プロンプトのテンプレート

日本では、指示・条件・入力・出力を見出しで区切って書く「深津式プロンプト」と呼ばれる型も広く使われています。基本の構造は次のとおりです。

#命令書
あなたは〇〇です。以下の制約条件と入力文をもとに、〇〇を出力してください。

#制約条件
・文字数は〇〇字程度
・〇〇向けに分かりやすく

#入力文
（処理してほしい文章やデータ）

#出力文

「#」などの記号で指示と入力を区切ることで、AIがどこまでが命令でどこからが処理対象なのかを取り違えにくくなります。この「区切って構造化する」考え方は、次に紹介するAnthropicのXMLタグの使い方とも共通しています。

もっと上達したい人向け：プロンプトエンジニアリングの手法

5つのコツで日常の使い方は十分にこなせますが、出力をもっと安定させたい、複雑な作業を任せたいという場合は、プロンプトエンジニアリングの手法が役に立ちます。ここでは、Anthropic・OpenAI・Googleの公式ガイドで確かめられる手法に絞って紹介します。

プロンプトエンジニアリングとは

プロンプトエンジニアリングとは、生成AIから狙いどおりの出力を安定して引き出すために、プロンプトを設計・検証・改善していく技術のことです。思いつきで質問を投げるのではなく、「どんな出力なら成功か」を決め、試して、直すことを繰り返す点が特徴です。Anthropicのプロンプトエンジニアリングの概要でも、取り組む前に成功の基準と、それを確かめる方法、改善したい最初のプロンプトを用意しておくことを前提にしています。

Zero-shotとFew-shot：お手本を見せる

例を示さずに指示だけで依頼する方法を「Zero-shot」、いくつかの入力と出力の例を見せてから依頼する方法を「Few-shot」と呼びます。前述の「実演のプロンプト」がFew-shotに当たります。

次の口コミを「ポジティブ」「ネガティブ」「どちらでもない」に分類してください。

口コミ：素晴らしい商品です → ポジティブ
口コミ：期待していたのに残念でした → ネガティブ
口コミ：思ったより普通でした →

OpenAIのプロンプトエンジニアリングガイドでは、Few-shotを、プロンプトにいくつかの入力と出力の例を含めることで、モデルにパターンをつかませる方法と説明しています。前述のAnthropicのガイドは、例は出力の形式・トーン・構成を導く最も確実な方法の1つで、3〜5個の例を含めると最良の結果が得られるとしています。Googleのガイドに至っては、Few-shotの例を常に含めることを推奨しています。

例を選ぶときは、実際の用途に近く、かつ毎回同じパターンに偏らないものを選ぶのがコツです。例が似通っていると、AIが意図しない共通点までまねてしまうことがあります。

思考の連鎖（Chain-of-Thought）：考える過程を経させる

思考の連鎖（Chain-of-Thought、CoT）は、結論だけを求めるのではなく、結論に至る途中の考えを段階的に出させる手法です。2022年に発表されたJason Wei氏らの論文「Chain-of-Thought Prompting Elicits Reasoning in Large Language Models」で、途中の推論を示すことで大規模言語モデルの推論能力が引き出されることが報告され、広く知られるようになりました。計算や複数の条件を順に処理する問題で効果が出やすい手法です。

ただし、最近のモデルは事情が変わっています。現在の主要なモデルの多くは、答える前に自分で考える「推論（思考）」の機能を備えています。OpenAIのガイドは、推論モデルは大まかな方針だけを示したほうが良い結果になり、GPTモデルは非常に正確な指示があると効果的だと、両者の違いを説明しています。Anthropicのガイドも、手書きの細かい手順より「徹底的に考えてください」のような一般的な指示のほうが良い推論を生むことが多いとしたうえで、手動で「順を追って考えて」と書くCoTは、思考機能を使わない場合の代替手段という位置づけにしています。

使っているAIに推論機能がある場合は、手順を細かく指定するより、ゴールと判断基準をはっきり伝えることを優先しましょう。

役割の指定とシステムプロンプト

コツの4つ目で紹介した役割の指定は、APIや業務システムでAIを使う場合、毎回の入力とは別に、AIの前提となる指示（システムプロンプト）として書くのが一般的です。OpenAIのガイドでは、開発者が書くメッセージをシステムのルールや業務ロジックを伝えるもの、ユーザーのメッセージをそのつどの入力と位置づけています。ChatGPTやClaudeの画面で使う場合も、カスタム指示やClaudeのプロジェクトの指示に役割や前提を書いておけば、毎回同じことを書かずに済みます。

区切り記号やXMLタグで構造化する

指示・参考資料・例・処理してほしい文章が1つのプロンプトに混ざると、AIがどこまでが指示なのかを取り違えることがあります。前述のAnthropicのガイドでは、<instructions>（指示）、<context>（背景）、<input>（入力）のように内容の種類ごとにXMLタグで囲むと、誤解が減ると説明しています。タグでなくても、深津式プロンプトのように見出しで区切るだけで効果があります。

複雑な作業は分割してつなぐ（プロンプトチェーン）

1つのプロンプトに多くの指示を詰め込むと、AIがどこに重点を置くべきか判断しづらくなります。Googleのガイドは、複雑な作業は指示ごとにプロンプトを分け、各ステップのプロンプトを順につなぐ方法を勧めています。Anthropicのガイドでは、「下書きを作る → 基準に照らして見直させる → 見直しをもとに直させる」という自己修正の流れが、最も一般的なつなぎ方として紹介されています。

ReAct：推論と行動を組み合わせる

ReActは、「考える（Reasoning）」と「行動する（Acting）」を交互に繰り返させる手法で、2022年に発表された論文「ReAct: Synergizing Reasoning and Acting in Language Models」で提案されました。AIが「何を調べるべきか考える → 検索などの行動をとる → 結果を見て次を考える」を繰り返すことで、事実確認が必要な質問や、複数の手順を要する課題での誤りを減らせると報告されています。現在のAIエージェントの多くは、この考え方を土台に動いています。

コンテキストエンジニアリングとの違い

最近は「プロンプトエンジニアリングの次はコンテキストエンジニアリング」という言葉もよく見かけます。Anthropicが2025年9月29日に公開した「Effective context engineering for AI agents」は、コンテキストエンジニアリングを、AIが推論するときに渡す情報（トークン）の最適な組み合わせを選び、維持していくための戦略と定義し、プロンプトエンジニアリングから自然に発展したものと位置づけています。

両者の違いは、扱う範囲にあります。

プロンプトエンジニアリング：AIへの指示文そのものを、どう書き、どう構成するかを工夫する技術
コンテキストエンジニアリング：指示文に加えて、参考資料、過去の会話履歴、使えるツールの情報など、AIに見せる情報全体をどう選び、いつ渡すかを設計する技術

同じ記事では、渡す情報が増えるほどモデルが必要な情報を正確に思い出しにくくなる「コンテキストの劣化（context rot）」にも触れ、AIの注意力には限りがあるため、渡す情報を必要なものに絞ることが大切だと説明しています。社内文書を検索してAIに渡すRAG（検索拡張生成）も、この考え方の代表的な実装です。

つまり、プロンプトエンジニアリングが古くなったわけではなく、AIが外部の情報やツールを使って自律的に動く場面が増えたことで、その外側に「何を見せるか」を設計する層が加わったと理解するのが正確です。一問一答で使う範囲なら、まずは5つのコツと今回紹介した手法を身につければ十分です。

プロンプト作成時に気をつけたい注意点

生成AIは便利な反面、プロンプトの書き方しだいで情報漏えいや権利侵害といったトラブルにつながる可能性があります。業務で使う前に、次の3点を押さえておきましょう。

個人情報・機密情報を入力しない

生成AIに入力した情報は、サービスや設定によってはAIの学習に使われることがあります。顧客の氏名や連絡先、社内の未公開情報、取引先との契約内容などは、プロンプトに含めないよう注意が必要です。

実名・住所・電話番号などの個人情報はダミーデータに置き換える
社外秘の資料や数値は、要点だけを抽象化してから入力する
利用するサービスの学習設定や利用規約を事前に確認する

多くのサービスには、入力内容を学習に使わせない設定が用意されています。Claudeの場合の手順はClaudeを学習させない設定で紹介しています。

著作権を侵害するプロンプトを避ける

画像を生成するときに、作品名や作家名、キャラクター名などをプロンプトに含めると、既存の著作物に似た画像が出力され、著作権侵害につながるおそれがあります。文章でも「〇〇（作家名）風の文体で」「〇〇（作品名）の続きを書いて」といった指示は、既存作品の表現をなぞる出力になりやすい点に注意が必要です。公開・納品する成果物は、固有名詞に頼らないプロンプトで作り、人の目でオリジナリティを確認してから使いましょう。判断の基準は生成AIの著作権リスクと対策で詳しく整理しています。

プロンプトインジェクションとハルシネーションを知っておく

「プロンプトインジェクション」とは、Webページやメール、ファイルなどに仕込まれた指示文をAIに読み込ませ、利用者が意図しない動作をさせる攻撃です。AIが外部の文章を自動で読み込む使い方では、その中の不正な指示に従ってしまい、情報漏えいや誤った処理につながるおそれがあります。

また、AIは事実と異なる内容をもっともらしく出力することがあり、これを「ハルシネーション」と呼びます。プロンプトをどれだけ工夫しても、ゼロにはできません。

出所が分からない外部の文章を、そのままAIに読み込ませない
回答の事実関係は、公式サイトなどの一次情報で確かめる
重要な判断や社外に出す内容は、必ず人が確認してから使う

まとめ

AIプロンプトとは、生成AIに出す質問や指示の文章のことです。命令・補完・実演という3つの形があり、指示・文脈・入力データ・出力形式の4要素を意識して書くと、回答のブレが大きく減ります。書き方のコツは、具体的に指示する、背景と理由を伝える、出力の条件を「してほしいこと」で書く、役割を与える、対話を重ねて磨く、の5つです。

さらに上達したい場合は、お手本を見せるFew-shot、考える過程を経させる思考の連鎖、XMLタグや見出しでの構造化、作業を分けてつなぐプロンプトチェーンといった、各社の公式ガイドにある手法を試してみてください。推論機能を持つ最近のモデルでは細かい手順よりゴールと判断基準を伝えることが大切になり、AIに見せる情報全体を設計するコンテキストエンジニアリングという考え方も加わっています。まずは紹介した文例を自分の業務に当てはめて試し、うまくいったプロンプトをテンプレートとして育てていきましょう。