この写真はGPT4oで作成
第2章：生成AIの基礎スキル
- プロンプトエンジニアリングの基礎
- 地域向けプロンプトの作成
- 地域データの収集と活用
第1節：はじめに – なぜ今「プロンプトエンジニアリング」なのか
生成AIは、私たちの働き方や学び方を大きく変えつつある。文章作成、要約、アイデア出しなど、多様な場面で活用されているが、その性能は「どう聞くか」によって大きく左右される。ここで重要になるのが「プロンプトエンジニアリング」だ。これは、AIに適切な指示を出すための技術であり、単に質問するのではなく、背景、目的、期待する形式などを整理して伝える力である。たとえば「キャッチコピーを考えて」とだけ言うのではなく、「10代向けの自然派スキンケア商品で、インスタ広告に使える短いキャッチコピーを5つ」といった具合に、条件を明確にするとAIの出力精度が格段に上がる。プロンプトエンジニアリングは、生成AIを「ただ使う」から「意図通りに動かす」ための鍵となるスキルだ。本章ではその基本と実践方法を学んでいく。
第2節：生成AIとプロンプトエンジニアリングの基本理解
生成AIとは、大量の言語データを学習したAIが、人間のように文章を生成する技術を指す。ChatGPTなどの大規模言語モデル（LLM）は、その代表例だ。ユーザーが入力（プロンプト）を与えると、それに応じた文章や情報、アイデアなどを出力する。このプロンプトこそが、生成AIの出力内容を決定づけるカギである。適切なプロンプトがなければ、AIは曖昧な返答や意図とは異なる回答を返してしまう。プロンプトエンジニアリングとは、この「プロンプト」を設計する技術である。AIにとってわかりやすく、かつ目的に沿った形で指示を出すことが求められる。ここで大切なのは、人間同士の会話と違い、AIは「文脈を察する」ことが苦手だという点だ。そのため、前提や目的、出力形式などをプロンプト内で明示的に伝える必要がある。たとえば、プレゼン資料の要約を依頼するとき、「この資料を要約して」ではなく、「このPDFの内容を、3分以内で説明できるよう箇条書きで要約してください」と伝えるほうが、はるかに使いやすい出力が得られる。つまり、生成AIの力を最大限に引き出すには、ユーザー側が「何をどう聞くか」を意識する必要がある。その技術がプロンプトエンジニアリングであり、今後、AIリテラシーの中核をなすスキルとなっていくだろう。
第3節：プロンプト設計の基本原則
プロンプトエンジニアリングで最も大切なのは、「AIが理解しやすく、狙った出力を得やすい指示を出すこと」だ。そのためには、次の3つの原則が基本となる。
この図はGPT4oで作成
① 明確に伝える：あいまいな言葉を避ける
人間は文脈から意味を汲み取れるが、AIは曖昧な指示に弱い。「いい感じにまとめて」や「もっとわかりやすく」などの表現では、期待通りの結果が得られにくい。
例：
「いい感じの文章に直して」
「中学生にもわかるよう、敬語を使わず、200文字以内で言い換えてください」
② コンテキストを与える：背景や目的を説明する
AIは「なぜそのタスクを行うのか」を知らないまま動いている。そのため、プロンプトの中で状況や用途を説明すると精度が上がる。
例：
「この文章は社内報に掲載するものです。30代社員に向けて、親しみやすい口調にしてください」
③ 意図と制約を明示する：出力形式やトーンを指定する
出力形式（箇条書き、表形式、文字数制限など）やトーン（丁寧、フレンドリー、専門的など）をあらかじめ指定することで、AIの回答がより狙い通りになる。
例：
「以下の内容を、専門用語を使わず、箇条書きで3つにまとめてください」
「この会話はカスタマーサポートの想定です。丁寧語を使って、解決策を3ステップで説明してください」
これら3つの基本原則を意識するだけで、生成AIの出力はぐっと使いやすくなる。プロンプトエンジニアリングは、高度な技術というより「丁寧な伝え方の技術」だと捉えるとよい。
第4節：効果的なプロンプトの書き方と事例
プロンプトエンジニアリングを実際に使いこなすためには、具体的な設計パターンを知っておくと便利です。ここでは、現場ですぐ使える3つの代表的なテクニックを紹介します。
① ステップバイステップで指示を出す（分割指示）
AIは複雑なタスクを一度に処理するのが苦手なことがあります。そこで、「まずは要約、その後に改善点の提案」といった形で段階的に指示すると、より精度の高い出力が得られます。
例：
「次の文章をまず100文字以内で要約してください。そのあと、改善点を3つ挙げてください」
② ロールプレイ（役割を与える）
AIに特定の役割を持たせることで、視点や口調、判断基準が変わり、回答の質が安定します。
例：
「あなたは高校の国語教師です。以下の文章について、授業で使えるように要点を3つにまとめてください」
「あなたはSNSマーケターです。以下の製品紹介文をInstagram向けに書き直してください」
③ 出力形式の指定（整形・構造化）
自由形式の回答は、内容がブレたり、読みづらくなることがあります。表や箇条書き、段落分けなどを指定することで、実用性が高まります。
例：
「以下の特徴を、表形式で比較してください。項目は『価格』『対象年齢』『特徴』です」
「5つのアイデアを、1.タイトル、2.一言説明、3.メリット、の順に箇条書きで出してください」
これらのテクニックは、組み合わせて使うことで効果がさらに高まります。たとえば、「役割指定＋段階的指示＋出力形式指定」というふうに複数の要素をプロンプトに盛り込むことで、AIがより期待に近い出力を返してくれます。
第5節：よくあるエラーと改善方法
プロンプトエンジニアリングは簡単そうに見えて、意外と「うまくいかない」ことも多いです。ここでは、よくあるエラーとその対処法を紹介します。
① 曖昧な表現による出力ブレ
問題点：「いい感じに」「ざっくり」「適当に」など、あいまいな表現は、AIがどのように動くべきか判断できず、予測がばらつきます。
改善方法：→ 具体的な行動・形式・トーン・文字数を指定する。
例：
「わかりやすく説明して」
「中学生にもわかるように、200文字以内で要点だけ説明してください」
② 意図と異なる回答が返ってくる
問題点：指示が足りなかったり、前提が省略されていると、AIは別の解釈をしてしまうことがあります。
改善方法：→ 背景や目的をきちんと伝え、「あなたは〇〇として」と役割を与えるのも有効。
例：
「レポートを添削して」
「あなたは大学教授です。このレポートを論理構成・語彙の使い方の観点から添削してください」
③ 一度のプロンプトで完璧を求めすぎる
問題点：複雑なタスクを一気に処理させようとすると、AIの出力が散漫になりやすい。
改善方法：→ 「まず要約→次に改善→最後に提案」と段階を分けて指示する。
④ フィードバックを活かさない
問題点：一度目の出力が期待とズレていても、すぐにあきらめてしまうケース。
改善方法：→ 出力に対して「もう少し専門的に」「具体例を加えて」など、追加指示を重ねて調整する。このやりとりの流れ自体が、プロンプト改善のプロセスになります。プロンプトエンジニアリングは、「一発で正解を出す技術」ではなく、「AIとの対話を通じて精度を高めていく技術」と考えることが大切です。
第6節：プロンプトエンジニアリングの実践的活用
プロンプトエンジニアリングは、単なる理論ではなく、日常のさまざまな場面で役立ちます。ここでは、教育とビジネスという2つの現場での活用例を紹介します。
① 教育現場での応用：学びを深める対話ツールとして
生成AIは、生徒にとって「質問できる先生」のような存在になり得ます。ただし、使い方を誤ると、誤情報や表面的な答えに頼りがちになります。そこで、教師がプロンプトを工夫することで、AIとのやり取りを「思考を深める学習」に変えることができます。
例：「あなたは歴史の教師です。次の出来事について、生徒に質問を通じて考えさせながら解説してください」「小学生にもわかるように、イラスト付きで水の循環について説明してください」教師がこうしたプロンプトを設計し、生徒に使わせることで、探究的な学びを支援することができます。
② ビジネス現場での応用：業務効率化と発想支援
マーケティング、企画、営業など、さまざまな部署で生成AIが活躍しています。プロンプト設計を通じて、資料作成やアイデア出しのスピードと質を向上できます。
例：「あなたはプレゼンの専門家です。以下の内容を5枚のスライドに要約し、箇条書きで示してください」「20代女性向けの新商品コンセプトを3案、SNSで話題になりそうな形で提案してください」また、社内でよく使うプロンプトをテンプレート化し、ナレッジとして共有することで、組織全体のAI活用力が底上げされます。プロンプトエンジニアリングは、「誰が使っても同じように成果が出せる再現性のあるスキル」として、多様な場面で実用性を発揮しています。
第7節：まとめと今後の展望
この図はGPT4oで作成
プロンプトエンジニアリングは、生成AIを効果的に使いこなすための「対話設計スキル」です。これは単なる操作法ではなく、「目的を明確にし、AIに伝える力」であり、思考の整理や伝達のトレーニングにもつながります。本章では、以下のようなステップで基礎を整理してきました：
生成AIの基本とプロンプトの重要性
明確・具体・文脈重視という設計の原則
効果的なテクニック（ステップバイステップ、ロールプレイ、形式指定）
よくある失敗とその対策
教育・ビジネスでの実践的活用
これらを通じてわかるのは、プロンプトエンジニアリングが「経験を重ねながら精度を高めていくスキル」だということです。最初から完璧を目指す必要はなく、試行錯誤とフィードバックの繰り返しが学びになります。
今後のスキル発展の方向性
テンプレートの蓄積と共有： よく使うプロンプトは蓄積し、チーム内や学習環境で共有すると再現性が高まります。応用スキルへの発展： より複雑な指示や、ツール統合（たとえばエージェント設計や自動化ワークフロー）への応用も今後重要です。倫理とリテラシーの意識： AIの出力には偏りや誤情報も含まれる可能性があるため、常に人間側の判断力も必要です。プロンプトエンジニアリングを学ぶことは、単にAIを使うためだけでなく、「自分の意図を明確に伝える力」を育てることにもつながります。生成AI時代を生きるうえで、それは誰にとっても欠かせない基本スキルとなるでしょう。
