レッスン1: プロンプトとは何か、なぜ重要なのか

学習目標:

• プロンプトとは何か、何をするものかを理解する
• 曖昧なプロンプトと明確なプロンプトを見分ける
• プロンプトの質がAIの出力にどう影響するかを確認する

前提: AIチャットツールを使ったことがある | 次: レッスン2 >>

あなたはすでにプロンプトを使っている(おそらくうまくは使えていない)

ChatGPTやClaudeを開いて、「レポートを書いて」と入力すると、実際に必要としていたものとは合わない汎用的な内容が返ってきます。これはAIが失敗しているわけではありません。あなたのプロンプトが曖昧すぎたのです。AIが見たのはたった4語だけ。レポートが誰向けなのか、どんな問題を解決すべきか、どんなトーンで書くべきか、何を含めるべきかについて、AIは何も知りません。

プロンプトとは、あなたがAIに与える指示です¹。プロンプトは、AIがあなたの意図をどれだけ汲み取れるかを決定し、返ってくる出力の品質の上限を設定します。同じ質問でも、2つの異なる結果が生まれます。曖昧な指示には曖昧な答えが、明確な指示には正確な結果が返ってきます。このレッスンでは、その違いを見分ける方法を学びます。これが、この後のすべての基礎となります。

プロンプトとは何か

プロンプトとは、大規模言語モデル(LLM)に対して何をしてほしいかを伝えるために与えるテキストです¹。質問、説明、タスク、またはそれらの組み合わせになります。

大規模言語モデルは、膨大な量のテキストで訓練されたAIシステムで、"a type of language model notable for its ability to achieve general-purpose language understanding and generation."²(汎用的な言語理解と生成を達成する能力で注目される言語モデルの一種)です。ChatGPT、Claude、その他の類似ツールはすべてこのカテゴリに属します。これらは検索エンジンではありません。オンラインで既成の答えを探すのではなく、訓練中に学習したパターンから、あなたの指示に合う新しいテキストを生成します。

重要なポイントは次の通りです:**LLMはあなたのプロンプトを通してのみタスクを理解できます。**あなたが省略したことは、AIが推測しなければなりません。明確であればあるほど、出力はあなたの意図に近づきます。

曖昧なプロンプト vs. 明確なプロンプト

2つの実例がその差を示します。

シナリオ1: AIに技術概念を説明してもらう

❌ 曖昧なプロンプト:

APIとは何ですか

AIが返してくるのは:

• 教科書的な定義(「APIはアプリケーション・プログラミング・インターフェースの略で...」)
• 技術的すぎる内容(あなたがコードを書けると仮定する)
• または浅すぎる内容(単に「プログラム同士が話すための仕組み」だけ)

✅ 明確なプロンプト:

私はプロダクトマネージャーで、コードは書けません。開発チームが企画会議で話すときに理解できるよう、日常的な例えを使ってAPIとは何かを説明してください。

AIが返してくれるのは:

• プロダクトマネージャーに向けた説明
• 日常的な例え(「レストランのメニューはAPIの一種」のような)
• あなたの実際の業務に関連した例

何が変わったのでしょうか? 明確なプロンプトは3つのことを明示しています:あなたが誰か(プロダクトマネージャー)、あなたの背景(コードを書けない)、その答えを何に使うか(開発チームと要件を話し合う)。

シナリオ2: AIにコードを書いてもらう

❌ 曖昧なプロンプト:

データを処理するPython関数を書いて

AIが推測しなければならないのは:

• どんなデータ? リスト、辞書、ファイル、データベース?
• どう処理する? ソート、フィルタ、変換、集計?
• 入出力形式は?

✅ 明確なプロンプト:

ユーザー評価のリスト(1-5)を受け取り、3未満の評価を除外し、残った評価の平均を小数点第1位に丸めて返すPython関数を書いてください。型ヒントとdocstringを含めてください。

AIが生成できるのは:

• 明確な関数シグネチャ
• 仕様に合致するフィルタリングと計算ロジック
• 適切なドキュメントと型アノテーション

何が変わったのでしょうか? 明確なプロンプトは入力形式、処理ロジック、出力要件、コードスタイルを指定しています。

プロンプトの質が出力の質を決める

複雑なタスクでは、プロンプトをどれだけ明確に書くかが出力品質に測定可能な差を生み、同じプロンプトが何度も再利用されるため、その差は実行のたびに複利的に拡大します³。逆に曖昧なプロンプトはコストがかかります:

• **修正ラウンドの増加。**外れた答えが返ってきて、詳細を追加し、まだずれた答えが返ってきて、さらに追加する。求めていたものに近づくまでに何回もかかります。
• **一貫性のない出力。**同じ曖昧な質問を2回すると、スタイル、深さ、強調点が毎回異なって返ってきます。
• **トークンと時間の無駄。**曖昧なプロンプトは、使えない大量の材料をAIに生成させ、トークン予算(有料APIを使っている場合)や忍耐を消費します。

重要な知見: Microsoftの開発者ツール研究グループは、コード生成タスクにおいて、"prompts with explicit specifications reduced the need for back-and-forth refinements by 68%."⁴(明示的な仕様を持つプロンプトは、やり取りによる改良の必要性を68%削減した)ことを発見しました。これは、3回目、4回目のラウンドを繰り返すのではなく、最初の試行で使えるコードを得られる可能性がはるかに高いことを意味します。

明確なプロンプトからの見返りはすぐに現れます:試行錯誤の減少、初回成功率の向上、そして実際にコントロールできる出力です。

プロンプトエンジニアリングはスキルである

プロンプトエンジニアリングは、プロンプトを体系的に設計し洗練させる実践です¹。魔法の呪文を1つ見つけることではありません。AIがどう動作するかを理解し、必要なことをAIが行動できる言葉で述べる方法を学ぶことです。

2026年現在、モデルは指示によく従います — 複雑な指示、長い文書、複数ステップのタスクを扱えます⁵。しかし、タスクの境界を設定するためには、依然としてあなたのプロンプトに依存しています。モデルはあなたの心を読めません。言わないことは、知りません。

プロンプトエンジニアリングがカバーする内容:

• 明確な指示の基本構造を書く(レッスン2)
• 例を使ってAIに求めるパターンを示す(レッスン3)
• AIに推論過程を示させる(レッスン4)
• プロンプトを体系的にデバッグし改善する(レッスン5)
• タスクに合った戦略を選ぶ(レッスン6)

このコースは、一回限りのトリックではなく、再利用可能な方法を教えます。一度習得すれば、どのLLMツールでもより効率的に作業できます。

まとめ

プロンプトはAIに与える指示であり、AIがあなたの意図をどれだけ汲み取れるかを決定します。曖昧なプロンプトはAIに推測させ、明確なプロンプトはタスクの境界、出力形式、必要な背景情報を明示します。研究によれば、明確なプロンプトは修正ラウンドを削減し、より効率的に仕事を完了させます。

次のレッスンでは、プロンプトの基本構造 — 曖昧なリクエストを4つの明確な要素(役割、タスク、形式、制約)に分解する方法 — を扱います。

次へ プロンプトの基本構造 >>