【例文あり】LLMプロンプトの作り方｜精度を高める基本と応用のテクニック

LLM（大規模言語モデル）から期待通りの回答を得られず、

「もっと精度を高めたい」「指示の出し方がわからない」と悩んでいませんか。AIの性能を最大限に引き出す鍵は、その”使い方”、すなわち「プロンプト」の質にあります。実は、プロンプトを少し工夫するだけで、AIの出力は劇的に改善されるのです。

この記事では、LLMの精度を飛躍的に高めるプロンプトの作り方を、基本原則から応用テクニックまで、豊富な例文付きで解説します。目的別のテンプレートや、主要LLMごとの特性も紹介するため、読み終える頃には、あなたの業務に合わせた最適なプロンプトを設計できるようになるでしょう。

AIを使いこなし、具体的な業務成果に繋げたい方は、ぜひ最後までご覧ください。自社の状況に合わせたAI活用方法をさらに詳しく知りたい方向けに、AX CAMPが提供する「AI活用研修の資料」もご用意しています。ぜひ、情報収集の一環としてご活用ください。

LLMにおけるプロンプトとは？その重要性を解説

結論として、LLMにおけるプロンプトとは、AIに対して特定の応答やアクションを生成させるための「指示文」や「質問」を指します。これは単なる命令ではなく、AIとの対話の質を決定づける極めて重要な要素です。プロンプトの質が、LLMから得られる回答の精度、関連性、創造性を直接左右します。

効果的なプロンプトは、AIが持つ膨大な知識の中から、ユーザーが求める最適な情報を引き出すための「鍵」の役割を果たします。そのため、プロンプト作成の技術、すなわちプロンプトエンジニアリングは、LLMを業務で活用する上で不可欠なスキルと言えるでしょう。この技術を習得することが、AI活用の確かな第一歩となります。

プロンプトの重要性と基本的な仕組み

プロンプトが重要である理由は、LLMが「次に来る確率が最も高い単語」を予測して文章を生成するという仕組みにあります。つまり、最初の入力であるプロンプトが、その後の単語予測の方向性を決定づけるのです。

例えば、「日本の首都は？」と尋ねれば「東京」と答えますが、「日本の首都の魅力を、旅行者の視点から詩的に表現してください」と指示すれば、全く異なる創造的な文章を生成します。このように、プロンプトは出力を左右する重要な手段の一つです。加えて、システムプロンプト、モデルやモードの選択、APIパラメータ（temperature, max_tokens など）、ファインチューニング、ツール連携や後処理によっても出力の制御ができます。

良いプロンプトと悪いプロンプトの比較例

プロンプトの質による出力の違いは、具体的な例を見ると一目瞭然です。例えば、新商品のキャッチコピーをAIに依頼する場合を考えてみましょう。

項目	悪いプロンプトの例	良いプロンプトの例
指示内容	新しいイヤホンのキャッチコピーを考えて。	あなたは敏腕コピーライターです。以下の特徴を持つ新しいワイヤレスイヤホンのキャッチコピーを5案、箇条書きで提案してください。 # 特徴 – 24時間連続再生 – 没入感を高めるノイズキャンセリング – ターゲット層：30代ビジネスパーソン
想定される出力	・最高の音質を、あなたに。 ・いつでもどこでも音楽を。	・24時間、世界はあなたのコンサートホールに。 ・喧騒をOFFに。思考をONにするイヤホン。 ・ビジネスの集中力を加速させる、一日中続く静寂。

悪い例は指示が曖昧なため、ありきたりな回答しか得られません。一方で良い例では、「役割」「背景情報」「制約条件」「出力形式」を明確に指定することで、具体的で質の高いアイデアを引き出すことに成功しています。

https://media.a-x.inc/ai-prompt
https://media.a-x.inc/ai-llm

高品質なLLMプロンプトを作成する基本原則

LLMから精度の高い回答を引き出すためには、いくつかの基本原則を理解しておくことが不可欠です。特に重要なのは「明確かつ具体的な指示」「役割（ペルソナ）の設定」「期待する出力形式の指定」という3つの要素です。これらの原則を押さえることで、誰でもプロンプトの質を高められます。

これらの原則は、AIに対して思考のフレームワークを提供し、ユーザーの意図を正確に理解させるために役立ちます。それでは、一つずつ具体的に見ていきましょう。

明確かつ具体的な指示を与える

プロンプトを作成する上で最も基本的な原則は、指示をできる限り明確かつ具体的にすることです。AIは人間のように文脈の裏を読んだり、曖昧な表現を汲み取ったりすることが苦手です。そのため、誤解の余地がない言葉で伝える必要があります。

例えば、「この文章を要約して」と指示するのではなく、「この文章を、小学生にも理解できるように300字以内で要約してください。専門用語は使わないでください」と具体的に指示します。このように、ターゲット、文字数、制約条件などを加えることで、AIはユーザーの意図をより正確に把握し、期待に近い出力を生成できるのです。

役割（ペルソナ）を設定する

AIに特定の役割（ペルソナ）を与えることは、出力のトーンやスタイル、専門性をコントロールする上で非常に効果的な手法です。プロンプトの冒頭で「あなたはプロのマーケターです」「あなたは経験豊富な弁護士として回答してください」のように役割を指定します。

役割を設定することで、AIはそのペルソナが持ちうる知識や視点、言葉遣いをシミュレートして回答を生成します。これにより、単なる情報の羅列ではなく、特定の専門分野に特化した、より深みのある回答を得られます。専門的なレポート作成やクリエイティブな文章生成において特に有効です。

https://media.a-x.inc/ai-role-assign
https://media.a-x.inc/llm-persona

期待する出力形式を指定する

どのような形式で回答が欲しいのかを明確に指定することも、高品質なプロンプトの重要な要素です。出力形式を指定しない場合、AIは標準的な文章形式で回答を返しますが、それが常に最適とは限りません。

例えば、以下のように具体的な形式を指示することが考えられます。

• 箇条書き
• 表形式（テーブル）
• JSON形式
• マークダウン形式
• ステップバイステップの手順

これらの形式を指定することで、生成された出力を後工程で利用しやすくなる、あるいは人間にとって情報が整理され理解しやすくなるというメリットがあります。特に、プログラムのコードやAPI連携で利用するデータを生成する際には必須のテクニックです。

【目的別】LLMプロンプトの基本テンプレート5選

プロンプトの基本原則を理解したら、次はその原則を具体的な業務シーンで活用することが重要です。ここでは、多くのビジネスパーソンが日常的に行うであろう5つのタスクに焦点を当て、そのまま応用できる基本的なプロンプトテンプレートを紹介します。

これらのテンプレートをベースに、ご自身の業務内容に合わせてカスタマイズすることで、すぐにLLM活用の効果を実感できるでしょう。

1. テキスト要約

長い文章や会議の議事録など、大量のテキスト情報を短時間で把握したい場合に役立つテンプレートです。要約の目的や対象読者を明確にすることがポイントになります。

# 命令書
あなたはプロの編集者です。以下の制約条件と入力テキストをもとに、テキストを要約してください。

# 制約条件
・目的：会議に参加できなかったメンバーへの情報共有
・文字数：300字以内
・重要なキーワードを3つ含める
・箇条書き形式で出力する

# 入力テキスト
（ここに要約したい文章を貼り付ける）

2. 情報抽出

契約書や報告書などの長文から、特定の情報を正確に抜き出したい場合に有効です。抽出したい項目を事前にリストアップしておくことが精度向上の鍵となります。

# 命令書
あなたは優秀なアシスタントです。以下の入力テキストから、指定した情報を抽出してください。

# 抽出項目
・契約開始日
・契約終了日
・契約金額（税抜）
・自動更新の有無

# 出力形式
JSON形式

# 入力テキスト
（ここに情報を抽出したいテキストを貼り付ける）

【重要】個人情報や秘密情報を含む文書をLLMに投入する前には、社内ポリシーを必ず確認してください。安易な情報入力は、情報漏洩のリスクに繋がります。対策として、(1)必要最小限のデータだけを用いる、(2)匿名化・仮名化を実施する、(3)利用目的と保管期間を定め同意を得る、(4)外部クラウド利用時はベンダーとDPA（データ処理契約）を締結する、などの対応が必要です。

3. 文章生成・リライト

メールの文面やブログ記事など、特定の目的を持った文章を作成・改善したい場合に使用します。ターゲット読者や文章のトーンを細かく指定することが重要です。

# 命令書
あなたはプロのコンテンツライターです。以下のテーマとキーワードを元に、ブログ記事の導入部分を執筆してください。

# テーマ
中小企業におけるAI導入のメリット

# キーワード
業務効率化、コスト削減、人材不足

# ターゲット読者
AI導入を検討している経営者

# トーン
専門的でありながら、分かりやすく親しみやすい

# 文字数
400字程度

4. アイデア出し・ブレインストーミング

新しい企画や問題解決の糸口を見つけたい時に役立ちます。制約を設けずに多様な視点からアイデアを出させたり、あえて突飛なアイデアを求めたりするのも効果的です。

# 命令書
あなたは革新的なアイデアを生み出すプランナーです。以下のテーマについて、ブレインストーミングをしてください。

# テーマ
飲食店の売上を向上させるための新しいキャンペーン施策

# 条件
・ターゲット：20代の若者
・予算：低予算で実施可能
・SNSでの拡散を狙える
・斬新でユニークなアイデアを10個提案する

5. コード生成

特定の機能を持つプログラムコードを生成させたい場合に利用します。使用するプログラミング言語やライブラリ、期待する動作を具体的に記述することが求められます。

# 命令書
あなたはPythonの専門家です。以下の要件を満たすPythonコードを生成してください。

# 要件
・機能：指定されたフォルダ内のCSVファイルを全て読み込み、一つのDataFrameに結合する
・使用ライブラリ：pandas
・前提条件：フォルダ内にはCSVファイルのみが存在する
・コードには適切なコメントを付与する

https://media.a-x.inc/ai-prompt-templates
https://media.a-x.inc/llm-summary

LLMの精度を飛躍させる応用プロンプトテクニック5選

基本原則を押さえるだけでもLLMの出力は改善しますが、より複雑で高度なタスクに対応するためには、応用的なプロンプトテクニックが不可欠です。これらのテクニックは、LLMに自己修正や段階的な思考を促し、人間では難しいレベルの精度と思考力を引き出します。

ここでは、特に効果が高いとされる5つの応用テクニックを紹介します。これらを使いこなすことで、あなたはLLMを単なるツールから、強力な思考パートナーへと変えられるでしょう。

1. Few-Shotプロンプティング

Few-Shotプロンプティングは、AIにいくつかの「手本（shot）」となる入出力の例を提示してから、本題の質問を投げかける手法です。これにより、AIはユーザーが期待する回答の形式や文脈をより正確に学習し、指示だけでは伝わりにくいニュアンスを汲み取って回答を生成します。

例えば、特定の文体での文章生成や、独自のフォーマットでの情報抽出など、複雑なタスクにおいて非常に高い効果を発揮します。AIに「このように答えてほしい」という具体例を示すことで、出力の方向性をより精密にコントロールできます。

2. Chain of Thought (CoT) / Step-by-Step

Chain of Thought（思考の連鎖）は、特に計算問題や論理的な推論が必要なタスクで有効なテクニックです。プロンプトに「ステップバイステップで考えてください」といった一文を加えるだけで、AIは結論に至るまでの思考プロセスを段階的に出力するようになります。

このプロセスを経ることで、AIは複雑な問題を小さなステップに分解して考えるため、最終的な回答の正確性が劇的に向上します。また、人間はAIの思考過程を確認できるため、間違いを発見しやすくなるメリットもあります。（出典：プロンプト最適化の手法と思考の連鎖）

3. ReAct (Reason and Act)

ReActは、モデルに「Reasoning（推論）」と「Action（行動）」を交互に行わせる設計パターンです。外部ツール（検索やDB、API）を呼び出すための実行環境と組み合わせることで、多段階タスクを実行します。AIはまず現状を分析して次に取るべき行動を考え（Reason）、その後ツールを使って情報を収集・実行し（Act）、その結果を観測してまた次の思考に移ります。

この手法により、AIは外部の最新情報を取り込みながら、より複雑で多段階のタスクを自律的に計画・実行できるようになります。最新の情報が必要な質問や、複数のツールを連携させる必要があるタスクで強力な性能を発揮します。（出典：プロンプトエンジニアリングとは？AIに的確な指示を出すための基本スキルを解説）

4. RAG (Retrieval-Augmented Generation) の活用

RAG（検索拡張生成）は、LLMが回答を生成する際に、社内文書や専門データベースといった外部の知識ソースをリアルタイムで参照する技術です。プロンプトが入力されると、まず関連情報をデータベースから検索（Retrieval）し、その情報をプロンプトに加えてLLMに渡すことで、回答を生成（Generation）させます。

この技術により、LLMの学習データに含まれない最新情報や、企業独自の内部情報に基づいた正確な回答が可能になります。ハルシネーション（もっともらしい嘘）を抑制し、回答の信頼性を大幅に向上させるため、多くの企業で導入が進んでいます。

5. メタプロンプト

メタプロンプトは、「プロンプトを生成するためのプロンプト」です。つまり、最適なプロンプトが分からない場合に、AI自体に最高のプロンプトを考えさせるという高度なテクニックです。例えば、「あるタスクを実行するための、最も効果的なプロンプトを、プロンプトエンジニアの視点で作成してください」といった指示を出します。

このアプローチにより、人間が思いつかないような効果的なプロンプトのアイデアを得られます。プロンプト作成に行き詰まった際や、タスクの要件が複雑な場合に試す価値のある手法です。

プロンプト作成時に避けるべき注意点

高品質なプロンプトを作成する技術を学ぶ一方で、出力の質を著しく低下させる「やってはいけない」パターンを知っておくことも同様に重要です。多くの失敗は、「曖昧・複雑すぎる指示」と「文脈を無視した指示」という2つの主要な原因に集約されます。

これらの注意点を意識的に避けることで、LLMとのコミュニケーションエラーを減らし、無駄な試行錯誤の時間を大幅に削減できます。

曖昧・複雑すぎる指示

LLMは一度に多くのことや、抽象的な概念を正確に処理するのが苦手です。例えば、「会社のマーケティング戦略について何か良いアイデアを教えて」のようなプロンプトは、あまりにも曖昧すぎて質の高い回答は期待できません。

また、「Aを分析し、Bと比較して、Cの形式でまとめ、さらにDの観点から評価して」のように、一つのプロンプトに複数の複雑な命令を詰め込むのも避けるべきです。タスクはできるだけ小さな単位に分割し、一つずつ順番に指示を与える方が、結果的に全体の精度を高めます。一つのプロンプトには、一つの明確な指示を心がけましょう。

文脈（コンテキスト）を無視した指示

LLMは直前の対話の文脈（コンテキスト）を記憶していますが、その記憶には限りがあります。全く新しい話題を始める際に、過去の対話で提供した情報をAIが覚えていると期待するのは間違いです。

新しいタスクを依頼する際には、必要な背景情報や前提条件をその都度、改めてプロンプトに含めることが重要です。例えば、「先ほどの件ですが」といった指示ではなく、「先ほど議論した〇〇のプロジェクトについて、以下の追加情報を考慮してタスクを実行してください」のように、文脈を明確に再定義する必要があります。これにより、AIの誤解を防ぎ、一貫性のある出力を得られます。

https://media.a-x.inc/ai-errors
https://media.a-x.inc/llm-context-window

主要LLMごとのプロンプトの特性と最適化

現在、市場には特性の異なる複数の高性能なLLMが存在します。代表的なものとしてOpenAIのGPTシリーズ、GoogleのGeminiシリーズ、AnthropicのClaudeシリーズが挙げられます。これらのモデルはそれぞれ得意なタスクや対話スタイルが異なるため、プロンプトもモデルの特性に合わせて最適化することが推奨されます。

各モデルの強みを理解し、それに合わせたプロンプトを作成することで、それぞれのポテンシャルを最大限に引き出せます。

OpenAI (GPTシリーズ) の特徴

GPT-5に代表されるOpenAIのモデルは、論理的推論能力と複雑な指示への追従性の高さに定評があるとされています（2025年9月時点）。そのため、ステップバイステップでの思考を促すChain of Thoughtプロンプティングや、複数の制約条件を含む高度なタスクに適しています。（出典：Introducing GPT-5）

プロンプトを作成する際は、前提条件、タスク、制約、出力形式などを構造的に記述することで、その性能を最大限に活かせます。特に、専門的な文章の生成やコード生成、複雑な問題解決のシナリオで高いパフォーマンスが期待できます。

Google (Geminiシリーズ) の特徴

Gemini 2.5 ProなどのGoogle製モデルは、Google検索との連携による最新情報へのアクセス能力と、画像や音声を同時に理解するマルチモーダル性能が大きな強みとされています。そのため、最新の出来事に関する質問や、画像の内容を説明させるといったタスクで優れた能力を発揮します。（出典：Gemini アプリのアップデートと Google I/O 2025 で発表された新機能）

プロンプトを作成する際は、「最新の情報をWebで検索して回答してください」といった指示を加えたり、画像を入力として与えたりすることで、Geminiならではの価値を引き出せます。市場調査やリアルタイム情報に基づくコンテンツ作成などに最適です。

Anthropic (Claudeシリーズ) の特徴

Claude Opus 4.1などのAnthropic製モデルは、非常に長い文脈（コンテキスト）を一度に処理できる能力と、より丁寧で倫理的な回答を生成する傾向が特徴です。数十万トークンという広大なコンテキストウィンドウを活かし、長大な論文や契約書全体の読解・要約といったタスクを得意とします。（出典：Anthropic Claude Models）

プロンプトとしては、大量の資料を一度にインプットとして与え、その内容に関する質疑応答や分析をさせるといった使い方が効果的です。また、安全で丁寧な対話が求められるカスタマーサポートなどの用途にも適しています。

https://media.a-x.inc/llm-model
https://media.a-x.inc/llm-compare

LLMプロンプトのビジネス活用事例

優れたプロンプト技術は、机上の空論ではなく、実際のビジネス現場で具体的な成果を生み出しています。マーケティングコンテンツの制作から営業活動の効率化まで、多様な領域で業務に変革をもたらしているのです。ここでは、AX CAMPの支援を通じて実現した2つの具体的な事例を紹介します。

これらの事例から、プロンプトエンジニアリングが単なる技術にとどまらず、いかにして企業の生産性向上や競争力強化に直結するかがお分かりいただけるでしょう。

【マーケティング】キャッチコピーやブログ記事の自動生成

SNSマーケティングや広告代理事業を展開するC社様では、AIを組織的に活用することに課題を抱えていました。特に、SNS投稿コンテンツの量産と質の担保が大きな負担となっていました。（出典：AI活用率向上と業務効率化を実現する、生成AI研修の導入事例）

そこで、AX CAMPの支援のもと、ターゲットペルソナやブランドイメージを詳細に指定したプロンプトテンプレートを開発。これにより、SNS運用にかかる作業時間を1投稿あたり3時間から1時間に短縮（業務時間66%削減）し、属人化していた業務の標準化に成功しました。結果として、特定のキャンペーン期間において月間1,000万インプレッションを達成するなどの成果を上げています。※個別の成果であり、効果を保証するものではありません。

【営業】顧客へのメール文面のパーソナライズ

SNS広告やショート動画制作を手掛けるWISDOM合同会社様では、事業拡大に伴う採用と業務効率化が急務でした。特に、クライアントとのコミュニケーションや日々の調整業務に多くの時間が割かれていました。

プロンプト技術を活用し、顧客情報や過去のやり取りを元にパーソナライズされたメール文面を自動生成する仕組みを構築。この結果、一部業務の自動化により、目安として採用予定だった2名分の業務負荷を削減することに成功しました。具体的には、毎日2時間に及んでいた調整業務などを効率化し、社員はより創造的で付加価値の高い業務に集中できるようになったのです。（出典：社内情報を学習したAI-FAQで、問い合わせ対応とナレッジ共有を効率化）

https://media.a-x.inc/llm-use-cases
https://media.a-x.inc/ai-marketing

プロンプトエンジニアリングの今後の動向【2025年最新】

プロンプトエンジニアリングは急速に進化しており、その未来像も大きく変わりつつあります。現在主流の「人間がAIに指示を与える」という形式から、より高度で自律的なAIとの協業へとシフトしていくことが予測されます。将来的には、専門的なプロンプト技術が不要になる可能性と、AIが自律的にタスクをこなす「エージェント化」が2つの大きな潮流となるでしょう。

これらの動向を理解することは、今後AIとどのように向き合っていくべきかを考える上で重要な指針となります。

プロンプト不要論と今後のAIとの対話形式

一つの未来予測として、「プロンプト不要論」が挙げられます。これは、AIがさらに進化し、人間の曖昧な自然言語の意図をより深く理解できるようになることで、ユーザーがプロンプトの書き方を意識する必要がなくなるという考え方です。

まるで人間と対話するように、ごく自然な言葉で話しかけるだけで、AIが文脈を読み取り、意図を先回りしてタスクを実行してくれるようになると予測されています。そうなれば、プロンプトエンジニアリングという専門職は、より高度なAIの設計やチューニングといった役割に変化していく可能性があります。

エージェント化と自律型AIの進化

もう一つの大きな動向は、AIの「エージェント化」です。これは、一つの大きな目標を与えると、AIが自ら計画を立て、必要な情報を収集し、複数のツールを使いこなしながらタスクを自律的に実行する技術を指します。

例えば、「来月の出張の最適なプランを立てて予約まで完了させて」と指示するだけで、AIエージェントがフライトやホテルを比較検討し、最もコストパフォーマンスの高い組み合わせを予約してくれる、といった未来が想定されます。プロンプトは、個別の指示から、AIエージェントへの「目標設定」へとその役割を変えていくことになるでしょう。

https://media.a-x.inc/generative-ai-future
https://media.a-x.inc/llm-multi-agent

LLMのビジネス活用ならAX CAMPのAI研修へご相談ください

LLMのポテンシャルを最大限に引き出し、実際のビジネス成果に繋げるためには、プロンプトの知識だけでなく、それを組織全体で活用するための体制づくりが不可欠です。しかし、「何から手をつければいいかわからない」「社員のITリテラシーに差がある」といった課題を抱える企業様は少なくありません。

AX CAMPでは、そのような企業様に向けて、実践的な法人向けAI研修・伴走支援サービスを提供しています。私たちの強みは、貴社の具体的な業務課題をヒアリングし、明日から現場で使えるプロンプト作成や業務フローへのAI導入をハンズオンでサポートする点です。研修はオンライン・対面形式に対応し、期間や内容も柔軟にカスタマイズできます。

研修では、最新のLLMの動向から、この記事で紹介したような応用的なプロンプトテクニックまで、実務直結のカリキュラムをご用意。AIを「知っている」レベルから「使いこなせる」レベルへと、貴社の人材を育成します。AI活用を本格的に推進し、競合他社に差をつけたいとお考えのご担当者様は、まずはお気軽に無料相談（30分）へお問い合わせください。

＼AIのプロに直接相談したいなら／

まとめ：効果的なLLMプロンプトを作成し、AIの可能性を最大限に

本記事では、LLMの性能を最大限に引き出すためのプロンプト作成技術について、基本から応用まで網羅的に解説しました。AIからの出力をコントロールし、ビジネス成果に繋げるためには、質の高いプロンプトが不可欠です。

最後に、この記事の要点をまとめます。

• プロンプトはAIへの指示書であり、その質が出力精度を決定する。
• 基本原則は「明確な指示」「役割設定」「形式指定」の3つ。
• Few-ShotやCoTなどの応用技術で、より複雑なタスクに対応できる。
• 曖昧な指示や文脈の無視は、プロンプト作成時の典型的な失敗例。
• LLMのモデルごとの特性を理解し、プロンプトを最適化することが重要。

これらのテクニックを実践することで、LLMを単なる検索ツールから、業務を革新する強力なパートナーへと変えられます。しかし、これらの知識を組織全体に浸透させ、継続的な成果を創出するには、専門的な知見と体系的な教育が求められます。

AX CAMPでは、プロンプトエンジニアリング研修を通じて、貴社のAI活用レベルを次のステージへと引き上げるご支援をしています。専門家の伴走サポートにより、記事で紹介したような施策を確実に実行し、業務効率の大幅な向上を実現します。AI導入の第一歩として、また、さらなる活用推進のために、ぜひ一度、弊社の無料相談をご活用ください。