プロンプトの書き方

プロンプトとは・業務での書き方

6種の業務書類の実測で効いたルールと効かなかったルール・テンプレート

結論(先に)業務のプロンプトで効いたのは、迷いやすい判断の条件(同じとみなす条件、保留にする条件、直さなくてよいもの)を書くことと、話題ごとに分けるよう書くことでした。「推測で補わない」と書くだけでは、軽いモデルの作文は止まりませんでした。

プロンプトとは、ChatGPT・Gemini・Claudeなどの生成AIに渡す指示文のことです。同じAIでも、何をどう頼むかで返ってくる答えが変わります。では、業務で使うとき、どんな書き方が本当に効くのか。当社は6種の業務書類を、答えを知らないClaudeに「ただ頼む」「ルールを書いたプロンプトで頼む」の2通りで解かせ、結果を正解と照らし合わせました。

プロンプトに書く4つの要素

要素書くこと例(表記ゆれのチェック)
やってほしいこと1文で次の文章の表記ゆれを洗い出してください
出力の形表・欄・順番A. 表記ゆれ/B. ゆれに見えるが、ゆれではないもの
判断のルール迷いやすいところの決め方「申込書」のように慣用で送り仮名を付けない語はゆれとしない
分からないときの扱い決めずに残す方法どちらに統一するかは決めず、候補を示すだけにする

実測で効いた書き方

書き方検証変化
同じとみなす条件と「保留」にする条件を書く名寄せ(会社名30件)Haiku 4.5がひっかけ6つを誤って統合した数:5 → 1
迷いやすい語の判定ルール(慣用の送り仮名・固有名詞)と、直さなくてよいものの欄を書く表記ゆれ(10組とひっかけ5語)Opus 5.5がひっかけを誤って挙げた数:2 → 0(Haiku 4.5は2のまま)
「話題ごとに分けて分類する」と書くアンケート(研修20件)Haiku 4.5が良い点と悪い点を分けられた件数:4件中1 → 4
見分けにくいものに候補を付けさせる画像の文字起こし(点検票)Opus 5.5が l と I、0 と O に候補を付け、確かめるべき字が分かる形になった
決定と見込みを分け、日付は推定と分かる形で添えさせる議事録(5人の定例会議)Opus 5.5が見込みを独立した欄に分け、推定の日付を正しく添えた(ただ頼んだときも見込みとは明記したが、日付は添えなかった)

実測で効かなかった書き方

書き方検証起きたこと
「推測で補わない」と書く画像の文字起こしHaiku 4.5は、プロンプトありでも9pxの注記の一部を画像に無い文に置き換えた
誤りと提案を分けて出させる誤字脱字(10か所)見つけた数は増えなかった(Haiku 4.5は9 → 8)。読みやすさは上がった
軽いモデルに細かいルールを守らせる議事録・表記ゆれHaiku 4.5は「見込みを分ける」「日付を添える」を守らず、「1回しか出ない表記は数えない」を誤って当てはめた
ルールに書いていないこと名寄せ所在地の違う同名2社の扱いを書かなかったため、Haiku 4.5は2社を支店として統合した

業務プロンプトのテンプレート

上の結果をもとにした、どの業務にも当てはめられる骨組みです。[ ]の中を書き換えて使います。

次の[文章/画像/一覧]について、[やってほしいこと]をしてください。

出力:
1. [結果の表:列の名前を並べる]
2. [直さなくてよいもの・対象外にしたもの:理由つき]
3. 判断に迷ったもの(要確認):理由つき

ルール:
- [迷いやすい判断の決め方を1行ずつ]
- 決めきれないものは、どちらかに決めず「要確認」に入れる
- 書かれていない情報は補わず「記載なし」とする

[ここに対象を貼り付け]

書くときのコツ

  • 「決めない」という逃げ道を作る。選択肢が2つしか無いと、AIは迷うものもどちらかに決めます。
  • 迷いやすいところだけルールにする。どの業務でも起きる判断ではなく、その書類で間違えやすいところ(法人格の違い、慣用の送り仮名、所在地など)を書きます。
  • 出力を見てルールを足す。名寄せの検証では、所在地のルールが無かったことが結果を見て初めて分かりました。
  • 軽いモデルは、ルールを書いても守らないことがある。大事な業務では、出力がルールどおりかを確かめる手順を残します。
このページの範囲:6種の検証は、いずれも当社が作った架空のサンプルで、各条件1回の結果です。使ったのはClaude(Opus 5.5・Haiku 4.5)だけで、ChatGPT・Geminiでは試していません。精度を保証する数字ではありません。

よくある質問

プロンプトとは何ですか?

ChatGPT・Gemini・Claudeなどの生成AIに渡す指示文のことです。何をしてほしいか、どんな形で返してほしいか、守ってほしいルールを書きます。

プロンプトを工夫すると、AIの精度は上がりますか?

当社の6種の検証では、業務によって違いました。アンケートの分類では軽いモデルの分解できた件数が4件中1件から4件に増えましたが、誤字脱字のチェックでは見つけた数は増えませんでした。効いたのは主に、誤りや直しすぎを減らす方向でした。

このページについて
合同会社フューチャープロンプト(AIプロダクト開発・業務自動化/東京・渋谷)がまとめました。数字はすべて、2026年9月25日に当社が行った6種の検証(各条件1回)によるものです。会社の詳細はトップページをご覧ください。

自社の業務に合わせたプロンプトづくりを手伝います

合同会社フューチャープロンプトは、実際の書類でAIがどこまで使えるかを確かめるところから、プロンプトと確認の手順を一緒に作ります。

お問い合わせ →