AIへの指示の出し方：プロンプト入門

プロンプト設計に必要なLLMの動作原理を理解する

生田 陸人
監修
LuaGate エンジニア / 現役エンジニア
編集 LuaGate編集部

このレッスンで分かること

  • この記事では「プロンプト設計に必要なLLMの動作原理を理解する」を プロンプト設計 の現場で使える形で整理します
  • LLMとは何か？大規模言語モデルの仕組みを知る をおさえれば、現場で迷ったときに立ち戻れる
  • LLMの核心：次に続く言葉を予想する確率のゲーム をおさえれば、現場で迷ったときに立ち戻れる
  • AIは事実ではなくパターンを返している をおさえれば、現場で迷ったときに立ち戻れる
  • なぜプロンプトが重要なのか？動作原理から導く3つの理由 をおさえれば、現場で迷ったときに立ち戻れる

プロンプト設計に必要なLLMの動作原理 とは

ChatGPTなどのLLMがどのような仕組みで動いているのか、プロンプト設計に不可欠な「動作原理」を初心者向けに解説。次に続く言葉を予測するAIの特性を理解し、精度の高い指示を出すための基礎知識を身につけます。

「AIを使いこなせるようになりたいけれど、なぜか思い通りの答えが返ってこない……」と悩んでいませんか？プロンプトエンジニアリングをマスターするための第一歩は、最新のテクニックを覚えることではなく、AI（LLM）が裏側でどのように動いているのかという仕組みを理解することにあります。

このレッスンでは、ChatGPTなどの基盤となっている大規模言語モデル（LLM）の基本的な動作原理を学びます。AIの「考え方のクセ」を知ることで、指示の出し方が劇的に改善されるはずです。

LLMは「考える機械」ではなく「次の単語を確率で予測するマシン」です。この一点を腹落ちさせるだけで、プロンプトの書き方が根本から変わります。

LLMとは何か？大規模言語モデルの仕組みを知る

まず、ChatGPTやClaude、GeminiといったAIの正体である「LLM（Large Language Model：大規模言語モデル）」について理解しましょう。LLMとは、インターネット上の膨大なテキストデータを学習し、人間のように自然な文章を生成できるAIモデルのことです。

ここで重要なのは、LLMは人間のように「思考」したり「知識」をデータベースから検索したりしているわけではない、という点です。LLMの本質は、学習した膨大なデータの中から、「ある言葉の次に来る可能性が最も高い言葉」を計算して出力する高度なプログラムに過ぎません。

例えば、「昔々、あるところに……」という書き出しを見れば、私たちの多くは「おじいさんとおばあさんがいました」という続きを予想しますよね。LLMもこれと同じことを、数学的な確率に基づいて行っています。この次に来る単語の予測（Next Token Prediction）こそが、すべてのプロンプト設計における基本原理となります。

diagram (will load when visible)

LLMの核心：次に続く言葉を予想する「確率のゲーム」

LLMが文章を作るプロセスは、よく「超高性能な自動補完（オートコンプリート）」に例えられます。AIは私たちが入力したプロンプトを分析し、それに対する「続きの文章」として最も自然なものを、一語ずつ順番に生成していきます。

この仕組みを理解すると、プロンプトがなぜ重要なのかが見えてきます。あなたが入力する指示文は、AIにとって「これから生成する文章の方向性を決めるための強力なヒント」になるからです。

AIは「事実」ではなく「パターン」を返している

AIに「日本の首都は？」と聞いて「東京です」と返ってくるのは、AIが日本の地理を理解しているからではなく、学習データの中で「日本の首都は」というフレーズの後に「東京」という言葉が続く確率が圧倒的に高かったからです。

そのため、あまりにもマイナーな情報や、最新のニュースなど、学習データに含まれていない内容について聞くと、AIは「確率的にありそうな嘘」をついてしまうことがあります。これが、AIがもっともらしい嘘をつくハルシネーション（幻覚）と呼ばれる現象の正体です。

ハルシネーションは「バグ」ではなく仕組み上の必然です。確率的に最もそれっぽい単語を返す装置である以上、知らないことを聞かれても「無回答」ではなくそれっぽい嘘を生成してしまいます。

なぜプロンプトが重要なのか？動作原理から導く3つの理由

LLMの動作原理が「次に来る言葉の予測」である以上、良い回答を引き出すためには、AIが「正しい方向に言葉を紡ぎやすい環境」を整えてあげる必要があります。そのためにプロンプト設計が重要になる理由は、主に以下の3点に集約されます。

diagram (will load when visible)

  1. 文脈（コンテキスト）の固定: 「企画案を考えて」だけでは、何についての企画か、誰に向けたものかが不明確です。AIは広大な選択肢の中から確率的に言葉を選ばなければならず、結果として汎用的でつまらない回答になります。文脈を具体的に指定することで、AIの予測範囲を絞り込むことができます。

  2. 役割（ペルソナ）の付与: 「あなたはプロのマーケターです」と指示すると、AIは「マーケターが使いそうな言葉のパターン」を優先的に選択するようになります。これにより、回答のトーンや専門性が劇的に向上します。

  3. 出力形式の指定: 「箇条書きで教えて」「JSON形式で出力して」といった指定は、AIが次に出力すべき言葉のパターンを強制する役割を果たします。

ここで、具体的に「動作原理を意識したプロンプト」と「そうでないプロンプト」を比較してみましょう。

避けたい例 曖昧な指示（AIが迷う例）

「ダイエットについて教えてください。」

※解説：これだけでは、食事制限なのか運動なのか、医学的な話なのか、AIはどのパターンの言葉を繋げればよいか判断に迷います。

良い例 原理に基づいた指示（AIの予測を誘導する例）

「あなたはプロのパーソナルトレーナーです。30代のデスクワーク中心の男性が、無理なく3ヶ月で5kg痩せるための食事のアドバイスを、3つのポイントに絞って箇条書きで提案してください。」

※解説：役割、対象、目標、形式を指定することで、AIが生成すべき言葉の確率分布を明確に絞り込んでいます。

コンテキストウィンドウとトークンの基礎知識

プロンプトを設計する上で、もう一つ避けて通れないのが「トークン」と「コンテキストウィンドウ」という概念です。

トークンとは？

AIは文章を文字単位ではなく、トークンと呼ばれる単位で処理します。英語では1単語が1トークンに近い感覚ですが、日本語の場合は「1文字＝1〜2トークン」程度になることが多いです。AIモデルには一度に処理できる「最大トークン数」が決まっているため、あまりに長すぎるプロンプトを入力すると、冒頭の部分を「忘れて」しまうことがあります。

コンテキストウィンドウ

AIが一度に覚えておける記憶容量のようなものを「コンテキストウィンドウ」と呼びます。会話が長くなりすぎると、最初の方で話した設定をAIが忘れてしまうのは、このウィンドウの上限を超えてしまったからです。効率的なプロンプト設計とは、限られたトークン数の中で、いかに密度の高い情報をAIに渡すかという技術でもあります。

やってみよう 考えてみよう！

以下の文章に続く言葉として、LLMが最も高い確率で選びそうな言葉は何でしょうか？ 「空は青く、太陽は（　　　）。」

また、もし直前に「あなたは詩人です」という指示があった場合、その言葉はどう変わる可能性があるでしょうか？少し考えてみてください。

まとめ：動作原理を知ればプロンプトは変わる

LLMは「次に続く最適な言葉を予測するマシン」です。この原理を理解していれば、単に「お願い」をするのではなく、「AIが正しい答えを生成せざるを得ないような文脈（レール）を敷いてあげる」という意識でプロンプトを書けるようになります。

  1. LLMは知識のデータベースではなく、確率的な言語生成モデルである。
  2. プロンプトの役割は、AIの「予測の方向性」を絞り込むことにある。
  3. トークン制限を意識し、効率的な情報伝達を心がける。

この基本を胸に、次のステップでは「良いプロンプト」と「悪いプロンプト」の具体的な構成案について詳しく見ていきましょう！

「AIの仕組みを理解することは、魔法の杖の構造を知ることに似ています。仕組みがわかれば、自信を持って指示を出せるようになりますよ。一緒に頑張りましょう！」（編集部）

現場でよくある具体例

  1. 業務ケース 1 — 商品説明文の生成。「役割・読者・トーン・制約・出力例」の 5 ブロックを徹底したら、編集工数が 3 分の 1 に
  2. 業務ケース 2 — 議事録要約で「アクションアイテムは担当者と期限を明記」と一文足したらタスク漏れが激減
  3. 業務ケース 3 — 顧客対応の Chain-of-Thought 設定で「まず分類、次に回答候補、最後に確認質問」と段階指示にし、誤回答が 4 割減

次にとるべきアクション

  1. 自分の現業務プロンプトを 1 つ取り出す — 「プロンプト設計に必要なLLMの動作原理を理解する」の観点で 3 箇所書き換え、変更前後を比較する
  2. プロンプトをテンプレ化する — 役割・入力・出力フォーマット・制約の 4 ブロックで定型化する
  3. 評価セットを 5 件作る — 自分のユースケースで「期待出力」を 5 件用意し、プロンプト改善のたびに回帰確認する

次のレッスン

次は 良いプロンプトと悪いプロンプトの違い：具体例で学ぶ改善ポイント で、良いプロンプトと悪いプロンプトの違い：具体例で学ぶ改善ポイント を学びます。

事前確認 — 進む前に次の 3 つができることを確認しましょう。

  1. LLM動作原理の理解 の要点を自分の言葉で説明できる
  2. このレッスンの最小コード (または操作手順) を見ずに書ける
  3. 練習問題やクイズで間違えた箇所を読み直して理解した

理解度チェック (30 秒)

Q. LLM動作原理の理解 とは何か、1 文で説明してください。

この章のポイント

A. 本文の「このレッスンで分かること」または冒頭の説明文を見直し、自分の言葉で要約できれば OK。詰まったら本レッスンの最初の H2 セクションを読み返してみましょう。

関連レッスン

参考にした出典

学習を加速したい方へ

プロンプトエンジニアリング実践ガイドを体系的にマスターするなら、chotdekiru の無料学習ポータル で実際に手を動かして学習を始めるのがおすすめです。質問・つまずきも現役エンジニアが伴走します。

復習ミニクイズ

LLMに「あなたはプロのマーケターです」といった役割（ペルソナ）を与えることが、なぜ回答の精度向上につながるのでしょうか？LLMの動作原理に基づいた説明として、最も適切なものを選んでください。

参考リンク