プロンプトエンジニアリングとは？AIから最高の答えを引き出す技術

同じ AI に聞いたのに、答えの質が違う

「AI のメリットについて教えてください」と聞くと、どこかで読んだことのある一般論が返ってきます。ところが、同じ日に同じ AI へ、次のように聞き直します。

あなたは IT コンサルタントです。DX を検討している中小企業の経営者に向けて、
生成 AI を導入して得られるメリットを 3 つに絞って説明してください。

- 専門用語は避け、平易な言葉を使う
- 導入コストと時間短縮の観点を必ず入れる
- 全体で 1,000 文字程度、最後に具体的な事例を 1 つ

今度は、そのまま会議に持っていける原稿が出てきます。使ったモデルは同じで、追加の資料も渡していません。変わったのは言い方だけなのに、出力の使い道が変わりました。

この差が偶然ではなく毎回出せると分かってきたので、名前が付きました。それがプロンプトエンジニアリングです。

賢くなったのではなく、迷わなくなった

なぜ言い方だけで変わるのか。最初の聞き方には、正解が無数にあるからです。ビジネスの話か、暮らしの話か、技術の解説か。読み手が誰かも決まっていません。AI はどれを選んでも間違いではないので、いちばん無難な平均値を返してきます。

書き直したほうは、選べる答えが一気に減ります。読み手は経営者、観点はコストと時間、長さは 1,000 文字。この時点で「どこかで読んだことのある一般論」は候補から外れています。

指示を足す作業は、AI に知識を足す作業ではありません。AI が選べる答えを削る作業です。ここを取り違えると、丁寧に長く書いたのに結果が変わらない、という書き方になります。実際、上の例で足した文の中に、AI が知らなかった情報は 1 つもありません。中小企業も、導入コストも、AI はとっくに知っています。足したのは「その話をしてください」という範囲の指定だけです。

同じことを人に頼む場面で考えると分かりやすくなります。「AI のこと調べておいて」と同僚に頼めば、返ってくる資料は相手の解釈次第です。相手が優秀かどうかとは関係がありません。決めていないことは、決めた人がいないというだけの話です。

解説

覚え方 — プロンプトを足すのは、説明を増やす作業ではなく、選択肢を減らす作業です。

効かないときは、削り足りていない

思ったものが出てこないとき、プロンプト全体を書き直す前に、AI がまだ自由に選べる余地がどこに残っているかを探してください。多くの場合、次のどれかが空欄のまま残っています。

• 誰に向けた文章なのか
• 何を素材にするのか（要約する本文、分析する数字）
• どんな形で返してほしいのか（箇条書き、表、何文字）

3 つとも埋めたのに外れるなら、そこから先は技法の出番です。逆に言えば、この 3 つが埋まっていない状態で高度な技法を足しても、効きません。まずは AI が迷える余地を 1 つ潰すところから始めてください。