AIへの「頼み方」で成果が変わる：業務プロンプト設計の実践論
同じChatGPTやClaudeを使っているのに、なぜか隣の人は質の高いアウトプットを出し続ける。その差は「AIの性能」ではありません。プロンプト設計の差です。プロンプトの本質は命令文ではなく、役割設定と制約の定義にあります。誰として・何のために・何を避けながら書くかを最初に決めることで、出力の質は根本的に変わります。本記事では、Lat91が10体のAIエージェントチームを設計・運用してきた経験をもとに、業務で即使えるプロンプト設計の実践論をお伝えします。
なぜ「同じAI」でも成果が変わるのか
AI導入企業の78%が生産性向上を報告している一方で、AIへの投資から期待どおりのROIを得られている企業はわずか25%に留まります（出典: IBM Global CEO Study, 2025）。この矛盾の原因の多くは、AIの能力不足ではなく、指示の質の問題です。
Lat91では、Slack APIとClaude Codeを組み合わせた10体のAIエージェントをOrchestrator-Workersパターンで運用しています。各エージェントには詳細なシステムプロンプトを設定しており、同じClaudeモデルを使っていても、プロンプト設計によってアウトプットの精度に大きな差が出ることを日々体感しています。特に気づいたのは、「何をしてほしいか」よりも「誰として・何のために動くか」を先に定義した方が、出力の一貫性と品質が格段に上がるという点です。
この構造を整理すると、効果的なプロンプトは3つの層で構成されています。
この3層のうち、多くの人が書いているのは③の出力形式層だけです。①と②を省略したまま使うと、AIは毎回「それらしい平均的な回答」を返すことになります。逆に言えば、①と②を丁寧に設計するだけで、同じAIが別物のように機能し始めます。
業務プロンプト設計の7つの原則
Anthropicの公式ドキュメントおよびLat91の実運用経験をもとに、業務プロンプト設計で押さえるべき7つの原則をまとめます。
原則1：役割を職種・経験・スタイルで定義する
NG：「マーケターとして書いて」
OK：「SaaSのB2Bマーケティングを8年担当してきた経験を持ち、データドリブンで簡潔に伝えることを重視するマーケターとして書いてください」
職種だけでなく経験年数とスタイルを加えることで、出力のトーンと専門性が安定します。
原則2：出力形式を先に指定する
NG：「このメールを改善して」
OK：「以下のメールを、件名・本文（200字以内）・署名の3パートで書き直してください。件名は30字以内、本文は結論ファーストで」
形式を後回しにすると、AIは好きな長さ・構造で出力します。最初に形式を宣言することで手戻りが減ります。
原則3：制約を明示する
NG：「わかりやすく書いて」
OK：「一文80字以内、カタカナ英語を避ける、専門用語には必ずカッコで説明を添える」
AIは制約がない場合、学習データの「平均的な文体」に引っ張られます。禁止事項と条件を明示することで出力が一段階引き締まります。
原則4：目的と読者を与える
NG：「社内向けのお知らせを書いて」
OK：「目的：来月からの経費申請フロー変更を全社員に周知する。読者：ITリテラシーが低めの40代以上のスタッフを含む全社員200名。行動を促す締め：申請システムへのリンクと締め切り日を必ず含める」
目的と読者を明示することで、AIは単なる説明文ではなく、読者に合わせた説得力のある文章を生成します。
原則5：Few-shot例を1〜2個添える
Few-shot prompting（少数例を提示する手法）は、AIに出力スタイルを学習させる最も効果的な方法のひとつです。特に、社内固有のトーンや表現パターンを再現したい場合に効果を発揮します。
実装例：「以下の例文のトーンを参考に書いてください。例文：[実際の社内メール1通を貼り付ける]」
2〜5例が最適で、10例を超えると過学習のリスクが生じます（出典: vktr.com, A Guide to Few-Shot Prompting, 2025）。
原則6：段階的思考（Chain-of-Thought）を促す
複雑な判断や分析を求める場合、「まず〜を整理し、次に〜を考え、最後に〜を結論として出してください」という段階的な指示が有効です。AIが思考プロセスを踏むことで、表面的な回答ではなく根拠のある出力が得られます。
原則7：反復改善前提で設計する
プロンプトは一度完成させるものではなく、バージョン管理するドキュメントとして扱うべきです。Lat91ではエージェントのシステムプロンプトをGitで管理し、出力品質が下がったときに差分を確認しながら改善しています。初稿で完璧を求めず、「使いながら育てる」姿勢が長期的には最も生産性が高まります。
業務別テンプレート：明日から使える3パターン
テンプレート1：会議議事録の要約
あなたは、プロジェクト管理の経験が豊富なビジネスアナリストです。
以下の会議メモを読み、次の形式で議事録を作成してください。
【形式】
- 決定事項：箇条書き3点以内
- アクションアイテム：担当者名 / 内容 / 期限 の表形式
- 次回確認事項：箇条書き2点以内
【制約】
- 参加者の発言は要約のみ（固有名詞はそのまま残す）
- 全体で400字以内
【会議メモ】
{ここにメモを貼り付ける}
テンプレート2：顧客向けフォローメール
あなたは、丁寧かつ簡潔なコミュニケーションを得意とするカスタマーサクセス担当者です。
目的：{提案書送付後3日経過した顧客}へのフォローアップ
トーン：親しみやすく、しかし押し売り感のないプロフェッショナルな文体
【含めること】
- 先日のご提案への言及（1文）
- ご不明点の確認（1文）
- 次のステップの提案（打合せ日時の候補2つ）
【形式】
件名（30字以内）+ 本文（150字以内）
顧客名：{会社名 担当者名}
提案内容：{サービス名または課題}
テンプレート3：業務マニュアルの作成
あなたは、現場のオペレーションに詳しいテクニカルライターです。
以下の業務手順を、新入社員が一人でも迷わず実行できるマニュアルに整形してください。
【形式】
1. 目的（2文以内）
2. 必要なもの（箇条書き）
3. 手順（番号付きリスト、各ステップに注意点を添える）
4. よくある質問（Q&A形式、2〜3問）
【制約】
- 専門用語は括弧内で説明を補う
- 一文60字以内
- スクリーンショットが必要な箇所は「[スクリーンショット挿入]」とプレースホルダーを置く
【業務手順の説明】
{ここに手順を入力}
Claude vs ChatGPT：プロンプト設計の違い
どちらも高性能ですが、特性と強みが異なるため、業務内容によって使い分けが効果的です。
| 観点 | Claude | ChatGPT（GPT-4o） |
|---|---|---|
| 長文処理 | 20万トークン対応、長文の精読が得意 | 12.8万トークン、要約・変換が速い |
| システムプロンプト | 詳細な役割設定に忠実に従う傾向が強い | 指示の柔軟解釈が多い |
| トーン制御 | 制約を細かく設定すると安定した文体を維持 | 自然な会話調で流れを重視 |
| 向いている業務 | 長文分析・マニュアル作成・複雑な構造化タスク | ブレスト・短文生成・コード補完 |
| プロンプト戦略 | XMLタグや制約の明示が特に有効 | 例示（Few-shot）の効果が高い |
Lat91のエージェントシステムでは、長文ドキュメントの解析や複雑なオーケストレーションにClaudeを採用し、シンプルな変換タスクには用途に応じてモデルを選択しています。大切なのはツールへの依存ではなく、業務に合わせてモデルの特性を活かすプロンプト戦略を持つことです。
よくある誤解と率直な回答
「プロンプトを毎回考えるのが面倒では？」
一度良いプロンプトを設計したら、それをテンプレートとして保存・再利用するだけです。Lat91では業務別のプロンプトライブラリをGit管理しており、新しいメンバーでも即日使い始めることができます。設計にかかる時間は初回30分程度で、その後は毎回の手直し工数が大幅に削減されます。
「英語のプロンプトの方が精度が高いのでは？」
英語の方が有利だったのは2023年以前の話です。最新の主要モデルは日本語での指示への対応精度が大幅に向上しており、業務で日本語出力を求める場合は日本語でプロンプトを書いた方が意図が正確に伝わることが多いです。英語プロンプトを使うべきケースは、英語での出力が必要な場合や、技術的な固有名詞が多い場面に限られます。
「AIが賢くなればプロンプトは不要になるのでは？」
モデルの性能向上は確かに続いていますが、プロンプト設計の重要性はむしろ高まっています。理由は、AIが高機能になるほど「何でもできる汎用ツール」になるからです。汎用ツールから特定の業務に特化した出力を引き出すには、依然として設計された指示が必要です。構造的なプロンプト設計は、AIの進化に合わせて有効性が増し続けるスキルです（出典: OpenAI State of Enterprise AI Report, 2025）。
まとめ：月曜日から試せる3ステップ
プロンプトの本質は命令文ではなく、役割設定と制約の定義です。誰として・何のために・何を避けながら書くかを定義することで、同じAIが全く異なる質のアウトプットを返します。
今週から実践するために、次の3ステップを試してください。
- Step 1（月曜日）：自分がよく使うAIタスクを1つ選び、現在のプロンプトを書き出す。どの層（役割・制約・出力形式）が抜けているかを確認する。
- Step 2（火曜日）：3層構造フレームワークで同じタスクのプロンプトを書き直す。特に役割層と制約層の追加を優先する。
- Step 3（水曜日以降）：2つのプロンプトの出力を比較し、差異をメモする。良い部分を残してバージョン2を作成し、業務プロンプトライブラリとして保存する。
AIに投資している企業の多くが成果を出せていない理由は、ツールではなく使い方にあります。プロンプト設計は特別なエンジニアリング技術ではなく、誰でも習得できる業務スキルです。今日から設計を始めることが、3ヶ月後の生産性の差を生み出します。
Lat91では、AIエージェントの設計・導入から運用まで、一気通貫でサポートしています。
「自社でもAIを活用したいが、何から始めればいいかわからない」という方は、まずは無料相談からお気軽にどうぞ。