今のプロンプトじゃ、欲しい答えが全然返ってこない…
どうすればプロンプトの精度を上げられるんだろう？
毎回、指示の出し方を変えて試行錯誤…
もう、この時間もったいない！
あなたも、そんな風に悩んでいませんか？
その試行錯誤、実は効果的なテクニックを知らないだけで、貴重な時間と労力を無駄にしているのかもしれませんよ！
この記事で紹介する中級テクニック、例えばAIの役割を固定する「System Prompt の使い方」などをマスターすれば、AIはもっとあなたの意図を汲み取り、期待通りのアウトプットを安定して返してくれるようになります。
面倒な手直しからも解放されるでしょう！
私も以前は、AIの気まぐれな回答に振り回され、「使いこなせないかも…」と諦めかけた一人でした
でも、正しい指示のコツを掴んでからは、AIが頼れる相棒に変わったんです。
そこで今回は、「AIフル活用+VBAによる自動化でブログ記事作成を超効率化」している私が、以下の具体的なポイントを詳しく解説します！
- AIの応答をコントロールするパラメータ調整のコツ
- AIに役割を与えるSystem Promptingの実践方法
- 複雑な指示も通る思考プロセス誘導テクニック
- データを自動処理しやすくするJSON出力の具体的な指示方法
- プロンプト作成の試行錯誤を減らす再現性向上の秘訣
ちなみに、この記事はボリュームがあるため、ご自身の興味や課題に合わせて必要なセクションからお読みいただくことをお勧めします！
-
AI応答を自在に操る！TemperatureとMax Tokens設定術
AIの応答の「性格（創造性⇔正確性）」や「長さ」を調整する`Temperature`と`Max Tokens`の基本から、モデル別の傾向、実践的な設定方法まで解説。出力を細かくコントロールしたい方に。
-
役割設定でAIを変える！System Prompt実践テクニック
AIに「役割」を与えるだけで精度が劇的に向上するSystem Prompt。効果的な使い方、マーケター向けのペルソナ設定例、長い対話で役割を維持するコツを学びます。
-
複雑な指示も通る！Chain of ThoughtとStep-back入門
複雑な問題や推論をAIに解かせるための思考誘導テクニック、CoTとStep-backを解説。AIの思考プロセスを理解し、より深い分析や正確な回答を引き出したい方向け。
-
AI出力を自動化！意図通りデータを構造化するJSONの技
AIの出力をプログラムで扱いやすいJSON形式にする方法を徹底解説。データ抽出・整理の自動化、後処理の効率化を実現したい方必見のテクニックです。
-
コーディングを加速！AIによるコード生成プロンプト術
AIにコードを書かせたり、説明させたり、デバッグさせたりする方法を解説。簡単なスクリプト作成からAPI連携まで、コーディング作業を効率化したいマーケターや開発者向け。
-
プロンプト精度を安定させる！中級者の実践と記録のコツ
作成したプロンプトの精度を高め、再現性を確保するための体系的な設計思考法（CRISPEなど）や、試行錯誤を資産に変える記録・管理術を紹介します。
-
AIが期待通り動かない？プロンプト失敗の原因と解決策
「AIが期待通り動かない！」そんな時の原因特定（6パターン診断）と具体的な対策、ハルシネーションへの対処法、体系的なデバッグ手法を学びます。
-
中級テクニック習得後へ！AI活用を次のステージに進める
これまで学んだ中級テクニックを整理し、スキルレベルを自己診断。さらに高度な技術（RAG、AIエージェントなど）への展望も紹介し、今後の学習指針を示します。
もっと基礎的な知識を学びたい方は↓こちらからどうぞ！
【この記事限定！】
最後まで読むだけで
他では手に入らない
お役立ちツール
を無料でプレゼント！
AI応答を自在に操る！TemperatureとMax Tokens設定術
普段から「ChatGPT」や「Gemini」のようなチャットAIを使っている方であれば、「プロンプト（指示文）を工夫すれば、AIの答えが変わる」というのは、すでにご存知かもしれません。
でも、
「AIの答えが毎回少し違うのはなぜ？」
「もっと具体的に、AIの『性格』や『話の長さ』を調整できないの？」
と思ったことはありませんか？
実は、AIには応答の「ランダム性（創造性）」を調整する『Temperature』や、応答の「最大長」を決める『Max Tokens』といった、より深く挙動をコントロールするための設定項目が存在します
ただし、これらの設定は、私たちが普段目にするシンプルなチャット画面では隠されていることがほとんどです。
その理由は、
- AIをプログラムから利用する「API」 を使う開発者
- 「AI Studio」のような、より高度な設定が可能なツールを使うユーザー
が、AIの性能を最大限に引き出したり、特定の用途に合わせて出力を最適化したりするために調整するものだからです。
↑「Google AI Studio」の例。赤枠が設定位置になります（この画面の場合は「Output length」がMax Tokensと同じ設定項目）。
今回は中級者向けの記事なので、この『Temperature』と『Max Tokens』について解説しますが…
もしあなたが「主に通常のチャットAIを利用していて、今のところAPIなどを利用する予定はない」という場合は、この章は読み飛ばしても問題ありません！
ですが、AIがどう動いているかの裏側を知る良い機会にはなるかもしれませんね！
AIの創造性を調整するTemperature設定の最適値発見法
AIが次にどんな言葉を選ぶかの「ランダム性」を調整する数値です。一般的に0.0から1.0（モデルによってはそれ以上）の間で設定します。
- 低い値 (例: 0.1〜0.3): 応答が固定的・一貫的になり、事実に忠実な答えが出やすくなります。毎回似たような答えが欲しい場合に。
- 高い値 (例: 0.7〜1.0以上): 応答が多様で創造的になりますが、時に予期せぬ方向へ行ったり、事実と異なる情報（ハルシネーション）が出たりするリスクも高まります。新しいアイデアが欲しい場合に。
最適値は状況によりますが、一般的な目安は以下の通りです。
| Temperature範囲 | 主な用途例 | 応答の傾向 | 注意点 |
|---|---|---|---|
| 0.0 〜 0.3 | 事実確認, データ抽出, 翻訳, 定型文作成, コード生成（既存パターン重視） | 正確, 一貫, 固定的 | 創造性に欠け、単調になる可能性 |
| 0.3 〜 0.5 | 要約, 簡潔な説明, 質疑応答（事実ベース）, 既存情報の言い換え | バランス, やや保守的 | 斬新なアイデアは出にくい |
| 0.7 〜 0.9 | ブログ記事作成, アイデア出し, 多様な表現 | 多様, 創造的, 柔軟 | ハルシネーション（事実誤認）のリスク増加 |
| 0.9 〜 1.0以上 | ブレインストーミング, 自由な発想, 詩など芸術的なテキスト | 非常に多様, 予期不能 | 脱線, 意味不明瞭, ハルシネーションリスク高 |
Temperatureを上げすぎると、AIが「嘘」をつく（ハルシネーション）可能性が高まります。正確さが求められるレポート作成などでは、低めに設定し、生成された内容のファクトチェックを忘れずに行いましょう。System Promptで制約を加えるのも有効です。
GPT系, Claude系, Gemini系など、使うAIモデルによってTemperatureの効き方が微妙に異なります。最初は基準となるモデル（例えばGPT系）の感覚で試し、その後、使うモデルに合わせて微調整するのがおすすめです。以下の表はあくまで大まかな傾向なので、参考程度にしてください。
| モデルファミリー | 低い値(0.1-0.3)での傾向 | 中程度の値(0.5-0.7)での傾向 | 高い値(0.8-1.0+)での傾向 | 調整のポイント（一般論） |
|---|---|---|---|---|
| GPT系 | 非常に厳密・決定的 | バランスが良い、十分多様 | 非常に創造的、時に冗長 | 基準として考えやすい。直感的に調整可能。 |
| Claude系 | 厳密、やや堅い印象も？ | 安定、やや保守的か | 高めで創造性発揮、脱線注意 | 創造性求めるなら少し高めを試す。 |
| Gemini系 | 厳密、要点整理が得意？ | バランス、自然な応答 | 創造的、多様なアイデア | ドキュメント確認と試行が重要。 |
- まずはデフォルト値（多くは0.7前後）で試す。
- 結果を見て、もっと正確さ・一貫性が欲しいならTemperatureを下げる。
- もっと多様性・創造性が欲しいならTemperatureを上げる。
- 0.5 → 0.2 → 0.8 のように、少しずつ変えて比較すると効率的です。
AI応答の長さを制御するMax Tokensの適切な設定とは？
- 短すぎると応答が途中で切れてしまいます。
- 長すぎると不要な情報が増えたり、API利用料（※有料プランの場合）が無駄になったりすることも。
| Max Tokens 目安 | 主な用途例 |
|---|---|
| 50 – 150 | 短い回答, キーワード抽出, SNS投稿のキャッチコピー案 |
| 200 – 500 | 段落単位の説明, メール下書き, 簡単な要約 |
| 1000 – 2000+ | 詳細レポート補助, 記事下書き, 長文翻訳 |
予想される長さより少し余裕を持たせるか、プロンプトで「〇〇文字以内で」と指示しましょう。「重要な情報から順に書いて」と指示するのも手です。
非常に長い文章が必要な場合、一度で全てを出力させず、Max Tokensを短めに設定して複数回に分けて生成し、後で繋ぎ合わせる方法もあります。
【応用】Top-PとTop-KでAI応答の選択肢を絞り込む
役割設定でAIを変える！System Prompt実践テクニック
AIに「あなたは〇〇の専門家です」といった役割を与えるだけで、応答の質が驚くほど変わることがあります。
これが「System Prompt（システムプロンプト）」の力。
ユーザーが具体的な指示（ユーザープロンプト）を出す前に、AIの振る舞いの「前提」を設定するイメージですね！
なぜSystem Promptを使う？AI応答精度を高める基本
そもそも「System Prompt」とは、対話全体を通じてAIに守ってほしい役割、背景、ルール、出力形式などを指示するもの。
ChatGPTの「カスタム指示」やAPIのsystemメッセージなどがこれにあたります。専用欄がなくても、プロンプトの最初に書けば効果がありますよ。
主なメリットとしては以下。
【一貫性UP】
AIが特定の役割やトーンを保ちやすくなります。
【役割付与】
マーケター、プログラマー、顧客など、特定の立場になりきらせられます。
【形式制御】
出力形式（箇条書き、表など）を常に統一できます。
【知識フォーカス】
特定分野の知識に集中させたり、逆に避けるよう指示できます。
【安全性向上】
不適切な応答を抑制するガードレールにもなります。
効果的な構成要素（例）
どんな要素を含めると良いか、マーケティングコンサルタントになりきってもらう場合の例を見てみましょう。
## 役割/ペルソナ定義
あなたは、経験豊富なデジタルマーケティングコンサルタントです。
## 背景情報/コンテキスト
クライアントは中小規模のフィットネスジムで、オンラインでの新規顧客獲得に課題があり、予算は限られています。ターゲットは30-40代の健康志向の男女です。
## 守るべき制約/ルール
- 専門用語は避け、分かりやすく説明してください。
- 提案は具体的で実行可能なものにしてください。
- データや事例に基づいた提案を心がけてください。
- クライアントの予算感を意識してください。
## 期待する出力形式
- 提案は箇条書きで。
- 各提案には期待効果とリスク（あれば）を明記してください。
## 評価基準/重視する点
- 費用対効果が高い施策を優先してください。
- 短期成果だけでなく、中長期的な視点も考慮してください。AIに理想の役割を与えるペルソナ設定の高度な設計術
System Promptの中でも特に強力なのが、AIに具体的な「ペルソナ（人格）」を与えることです。
ペルソナ設定のコツ
単に「マーケター」とするだけでなく、より具体的に設定しましょう。
背景: 「5年の経験を持つコンテンツマーケター」
性格: 「データドリブンで分析的」
話し方: 「常に丁寧語で、結論から話す」
動機: 「クライアントの売上向上を最優先」
専門性: 「SEOに特に詳しい」
感情: 「共感的に寄り添う」 or 「客観的に淡々と」
マーケター向けペルソナ例
市場調査アナリスト
競合分析やデータ解釈が得意。客観的な視点が欲しい時に。
あなたは市場調査アナリストです。提供データに基づき、新製品（スマートウォッチ）の市場機会をSWOT分析でまとめてください。コンテンツマーケター
SEOに強く、魅力的な記事やコピーを作成。ターゲット読者の気持ちになって書いてほしい時に。
あなたは健康志向の30代女性向けメディアのライターです。ターゲットの悩みに寄り添い、新フィットネスアプリのメリットを伝えるブログ記事（約1500字）を書いてください。SNS運用担当者
各SNSの特性を理解し、エンゲージメントを高める投稿を作成。
あなたは若者向けファッションブランドのInstagram担当です。新スニーカーの魅力を伝えるキャプションとハッシュタグ案を3つ提案してください。その他のコツ
「マーケティング部長」「営業担当」「デザイナー」など、異なる役割のAI同士を対話させることで、多角的な視点を得られます。
「フォーマル」「カジュアル」「ユーモラス」「権威的」など、出力の雰囲気を具体的に指示しましょう。
長い対話でAIが役割を忘れることがあります。時々「マーケターとして、〇〇について意見をください」のように再確認させると効果的です。
長い対話でもAIの役割を維持させるコンテキスト管理法
AIは直前のやり取りを記憶していますが、その記憶（コンテキストウィンドウ）には限界があります。
長い対話では、最初の指示を忘れてしまうことも。
100％コントロールできないにしても、以下のポイントをおさえるだけでかなり変わりますよ！
【System Promptのリマインド】
対話の途中で、System Promptの要点（例: 「あなたは〇〇です」「△△形式で答えて」）を再度伝えることで、役割を思い出させます。
【コンテキストウィンドウ対策】
重要な情報を維持するため、過去のやりとりの要約をプロンプトに含めるなどの工夫も有効です（特にAPI利用時）。
【ドメイン固有言語の維持】
特定の業界用語を使い続けさせたい場合は、System Promptで定義するか、「常に〇〇という用語を使って」と指示します。
【出力フォーマットの一貫性】
常に同じ構造で出力させたい場合は、System Promptでテンプレートやルールを明確に指定します。
複雑な指示も通る！Chain of ThoughtとStep-back入門
込み入った質問をすると、AIの答えが的外れになる…
そんな時は、AIに「考え方」そのものを指示するテクニックが役立ちます！
AIの思考を見える化！CoTプロンプトで複雑問題を解く
Chain of Thought (CoT) プロンプティングは、AIに最終的な答えだけでなく、「どう考えたか」という思考プロセスも一緒に書き出させる手法です。
人間が難しい問題を解くときに段階を踏むように、AIにも思考のステップを言語化させます。これにより、AIが途中で間違いを犯しにくくなり、最終的な答えの精度が上がります。特に計算問題や論理的な推論で効果を発揮します。また、AIがどう考えたか分かるので、答えの信頼性も判断しやすくなります。
プロンプトの最後に「ステップバイステップで考えてください (Let’s think step by step.)」と付け加えるだけ！これだけでAIは思考プロセスを示すようになります。
より複雑な問題や特定の考え方をさせたい場合、プロンプト内に「質問＋思考プロセス＋答え」の例をいくつか示します。AIはこの例を真似て、新しい質問にも答えるようになります。
- 計算問題、論理パズル
- コードのデバッグ（問題発見→原因分析→解決策）
- マーケティング戦略立案の補助: (課題分析→目標設定→施策案→KPI)
- トラブルシューティング
- 複雑な文章の読解・要約
問題の本質を見抜くStep-back思考でAIの洞察力向上
「Step-back Prompting」は、具体的な質問にすぐ答えるのではなく、まずその質問に関連する「より大きな視点」や「一般的な原則」について考えさせる手法です。
細かい点にこだわる前に、一歩引いて全体像を見ることで、AIの洞察力や推論の質を高めます。表面的な答えではなく、問題の本質に基づいた深い分析や、より創造的な解決策を引き出すことを目指します。
「[具体的な質問]に答える前に、まず[関連する一般原則]について説明してください。」
「その原則を踏まえ、[具体的な質問]について分析/回答してください。」
- 具体的な質問: 「当社のウェブサイトの直帰率が高い原因は何でしょうか？」
- Step-back Question: 「ウェブサイトの直帰率に影響する一般的な要因について、まず説明してください。」
- Original Question: 「その要因を踏まえ、当社のサイト（[URL], ターゲット:[層], コンテンツ:[内容]）の直帰率が高い原因を分析してください。」
- 複雑な問題の根本原因を探る（例: なぜキャンペーンがうまくいかないのか？）
- 戦略的な意思決定（例: 新市場への参入）
- マーケティング施策の深い評価
目的: 正確な答えを導くための段階的推論
思考方向: 具体 → 抽象（積み上げ）
得意なこと: 計算、論理、手順の明確な問題解決
マーケ例: ROI計算、広告設定手順
目的: 問題の本質理解、深い洞察、高次の視点
思考方向: 抽象 → 具体（掘り下げ）
得意なこと: 戦略、根本原因分析、状況理解
マーケ例: 市場トレンド分析、ブランド戦略立案
【応用】AI思考をさらに進化させる複合的プロンプト応用テク集（概要）
CoTやStep-back以外にも、AIの思考力を高めるための高度な技術があります。
今回の記事の趣旨から少しずれるため、ここでは名前だけ紹介しますね
【Tree of Thoughts (ToT)】
思考を木の枝のように分岐させ、複数の可能性を同時に探る。
【Re-Act】
AIが「思考」と「行動（Web検索など）」を繰り返しながら推論する。
【Self-critique / Self-reflection】
AI自身に回答を評価・修正させる。
これらはより複雑ですが、AIの能力をさらに引き出す可能性を秘めています！
AI出力を自動化！意図通りにデータを構造化するJSONの技
AIに自由に文章を書かせるだけでなく、「この形式で情報を整理して」と指示できれば、後工程がぐっと楽になります。
特に「JSON（ジェイソン）」形式は、プログラムでの自動処理と相性抜群ですよ！
なぜJSON形式？プロンプトでデータ処理を効率化する理由
- QJSONとは？
- A
{ “キー”: “値”, “キー2”: [値1, 値2] } のような形式でデータを表現するシンプルなフォーマット。人間にも分かりやすく、プログラム（Pythonなど）で扱いやすいのが特徴です。
{
"ai_model": {
"name": "サンプルAIアシスタント",
"type": "テキスト生成",
"version": 1.2,
"capabilities": [
"質疑応答",
"文章要約",
"翻訳サポート"
],
"is_learning": true
}
}↑これはAIモデルの基本的な情報をJSON形式で表現した例。オブジェクト、キーと値のペア、文字列、数値、配列といったJSONの基本要素を含んでいます。
JSON出力のメリット
【構造化】
データが「キー」と「値」のペアで整理され、一貫性が保たれます。
【自動処理】
出力されたJSONをそのままプログラムで読み込み、データベース登録やグラフ作成などが自動化できます。手作業での転記・整形の手間が激減！
【曖昧さ減】
自然言語の曖昧さがなくなり、必要な情報を正確に抽出できます。
【安定性】
繰り返し同じタスクを行う際、常に同じフォーマットで出力が得られます。
【ハルシネーション抑制（傾向）】
厳密な形式を求めるため、AIが自由奔放に記述する余地が減り、結果的に「嘘」が少なくなる傾向があります。
欲しい情報だけ正確に！JSON出力プロンプト実践テク集
プロンプト内で「JSON形式で出力して」と明確に指示し、欲しい情報の「キー名」と、それぞれの「値のデータ型」（文字列、数値、リストなど）を指定します。最も効果的なのは「例を示すこと」です。
キー名やデータ型だけでなく、入れ子構造、必須/任意の指定、リストの中身の型なども具体的に指示すると、より精度が向上します。
| 業務内容 | 整理したい情報 | JSONキーの例 |
|---|---|---|
| 顧客フィードバック分析 | 感情(肯/否/中)、主要トピック、具体意見、改善要望 | sentiment, main_topics (リスト), positive_points (リスト), negative_points (リスト), suggestions (リスト) |
| 競合製品比較 | 製品名、価格、主要機能(リスト)、強み/弱み(リスト) | product_name, price, features (リスト), strengths (リスト), weaknesses (リスト) |
| 広告キャンペーン結果 | 名称、期間、費用、表示回数、クリック数、CV数、CPA | campaign_name, period, cost, impressions, clicks, conversions, cpa |
| 会議議事録からのタスク抽出 | タスク内容、担当者、期限 | tasks (リスト、各要素が { “task_description”: “…”, “assignee”: “…”, “due_date”: “…” } ) |
| ペルソナ情報整理 | 名前、年齢、職業、課題/ニーズ/情報源(リスト) | name, age, occupation, challenges (リスト), needs (リスト), information_sources (リスト) |
複雑なデータを表現する場合は、JSONの中にJSONを入れ子にする構造を使用します。プロンプトで期待する階層構造を明確に例示すると効果的です。
プロンプト内で「JSON形式で出力して」と明記し、期待する出力形式を詳細に説明します。
各キーの名前と、対応する値の型（文字列、数値、リスト、オブジェクト）を明確に指定します。
期待する出力の具体的な例を提示することで、AIがフォーマットを確実に理解できるようにします。
複雑なデータ構造が必要な場合は、入れ子構造の例を示し、各レベルの関係性を明確にします。
- 長文記事やメールから特定情報を抽出して構造化
- アンケートの自由回答を分類・集計
- 会議録からアクションアイテムを抽出
- 複数の製品レビューから主要な評価ポイントを整理
- マーケティングデータの分析と可視化の前処理
- キー名は一貫性のある命名規則で指定されていますか？
- データ型（文字列、数値、リスト、オブジェクト）は明確に指定されていますか？
- 複雑な構造の場合、期待する階層関係が例で示されていますか？
- 最終的な利用目的に適したJSONスキーマになっていますか？
AIによるJSON出力の信頼性を高め実務でフル活用する
JSON出力を指示しても、たまに形式が崩れることがあります。信頼性を高めるための、以下のポイントを理解しておきましょう！
【データ型・制約を具体的に】
「数値」だけでなく「0～100の整数」、「文字列」だけでなく「YYYY-MM-DD形式」のように具体的に指示します。
【欠損値の扱い】
情報がない場合に、キー自体を含めないか、nullや空文字 “” を入れるかを指示しておくと、後続処理でのエラーを防げます。
【出力バリデーション（検証）】
これが非常に重要！
AIが出力したJSONが期待通りの構造になっているかを確認しましょう。可能ならプログラムで自動チェックするのが理想ですが、手動でもスキーマ定義と見比べる習慣をつけましょう。
【連携先を意識】
生成したJSONを最終的にどこで使うか（スプレッドシート、データベースなど）を考え、そのシステムが受け入れやすいキー名や構造になるよう設計します。
【大量データ】
大量のテキストを処理する場合、一度にAIに渡さず、小分けにして処理し、後で結果をまとめるのが現実的です。
コーディングを加速！AIによるコード生成プロンプト術
AIは、プログラミングのコードを書いたり、説明したり、間違いを見つけたりするのを手伝ってくれます。
私の場合は、VBAコードやHTML/CSSコードを作成する時に重宝してますね！
プログラミング経験が少ない方にとってもデータ処理などを効率化する強力な味方になりますが、生成されるコードを最低限読めるくらいの知識がないと思わぬトラブルにつながるので、過信は禁物です！
狙い通りのコード生成！AIへの指示設計５つのポイント
AIに良いコードを書いてもらうには、以下の5点を明確に伝えることが重要です。
- 目的 (Goal):
何をするためのコードか？
（例: 「Webサイトから特定の情報を抜き出すスクリプト」「顧客データをグラフにする関数」） - 言語/環境 (Language/Framework):
どのプログラミング言語を使うか？
（例: 「Pythonで、Pandasライブラリを使って」） - 入力/出力 (Input/Output):
コードがどんなデータを受け取り、どんな結果を返すか？
（例: 「入力: ユーザーIDのリスト」「出力: 各ユーザーの購入履歴」） - 制約/要件 (Constraints/Requirements):
守ってほしい条件は？
（例: 「無効な入力は無視する」「結果はCSVファイルで保存する」） - 品質基準 (Quality Standards):
コードの書き方に希望はあるか？
（例: 「変数名は分かりやすく」「コメントを付けて」）
このポイントを意識して作成したプロンプト例が以下ですね↓
# Pythonスクリプト作成依頼
## 1. 目的 (Goal)
入力となるCSVファイル（顧客データ）を読み込み、特定の条件（購入金額が閾値以上）を満たす顧客のメールアドレスのみを抽出し、別のCSVファイルに出力するPythonスクリプトを作成してください。
## 2. 言語/環境 (Language/Framework)
- **使用言語:** Python 3.9 以降
- **使用ライブラリ:** 標準ライブラリの `csv` モジュールのみを使用してください。Pandasなどの外部ライブラリは使用しないでください。
## 3. 入力/出力 (Input/Output)
- **入力:**
- **ファイル名:** `customers.csv`
- **文字コード:** UTF-8
- **形式:**
- CSV形式。1行目はヘッダー行とします。
- ヘッダー: `CustomerID`, `Name`, `Email`, `LastPurchaseDate`, `TotalSpending`
- `TotalSpending` 列は数値（整数）です。
- **データ例:**
```csv
CustomerID,Name,Email,LastPurchaseDate,TotalSpending
C001,佐藤太郎,taro.sato@example.com,2024-03-15,55000
C002,鈴木一郎,ichiro.suzuki@example.com,2024-04-01,120000
C003,高橋花子,hanako.takahashi@example.com,2024-04-10,8500
C004,田中次郎,jiro.tanaka@example.com,2024-04-18,250000
C005,渡辺良子,yoshiko.watanabe@example.com,2024-04-20,invalid_data
```
- **条件閾値:** 購入金額 (`TotalSpending`) が **100,000円以上** の顧客を対象とします。この閾値はスクリプト内で変更可能な定数として定義してください。
- **出力:**
- **ファイル名:** `target_emails.csv`
- **文字コード:** UTF-8
- **形式:**
- CSV形式。ヘッダー行は**不要**です。
- 抽出されたメールアドレスを1行に1つずつ記載します。
- **上記入力例の場合の期待される出力:**
```csv
ichiro.suzuki@example.com
jiro.tanaka@example.com
```
## 4. 制約/要件 (Constraints/Requirements)
- 入力ファイル (`customers.csv`) が存在しない場合は、標準エラー出力に「Error: Input file 'customers.csv' not found.」と表示し、ステータスコード1でプログラムを終了してください。
- `TotalSpending` 列の値が整数に変換できない行が存在する場合、その行はスキップしてください。スキップする際には、標準エラー出力に「Warning: Skipping row [行番号]. Invalid value in TotalSpending: [元の値]」のような警告メッセージを表示してください（行番号はデータ行の番号、1始まり）。
- スクリプトはコマンドラインから実行可能であること。特別な引数は不要とします（ファイル名や閾値はコード内に記述）。
- 出力ファイルが既に存在する場合は、上書きしてください。
## 5. 品質基準 (Quality Standards)
- 変数名や関数名は、処理内容が推測しやすい、分かりやすい英語（例: `customer_data`, `spending_threshold`, `extract_target_emails`）を使用してください。命名規則はスネークケース (`snake_case`) に統一してください。
- 主要な処理ブロック（ファイル読み込み、条件判定ループ、ファイル書き込みなど）の前には、その処理内容を簡潔に説明するコメント（`#`から始まる行）を記述してください。
- エラーハンドリング（ファイル存在確認、数値変換エラー）は `try-except` ブロックを使用して適切に行ってください。
- 可能であれば、データ読み込み、条件判定と抽出、データ書き込みの処理をそれぞれ関数に分割し、コードの再利用性と可読性を高めてください。なお、コードだけが欲しくて説明が不要な場合は、「以下の要件を満たすPythonコードのみ生成してください。説明は不要です。」のように指示すればOKです。
AIにコード説明やドキュメントを自動生成させる方法
自分で書いたコードや、他の人が書いたコードの意味が分からない時にもAIは役立ちます。
【コード説明】
コードの一部を見せて、「このコードは何をしていますか？」「この部分をもっと分かりやすく説明して」と頼めます。
対象読者を「プログラミング初心者向けに」と指定するのも有効ですね。
【コメント生成】
コード内に説明コメントを自動で追加させることもできます。
【コードリーディング支援】
複雑なコードを理解する手助けとして、「この関数の役割は？」「このアルゴリズムはどう動くの？」のように質問できます。
プロンプト精度を安定させる！中級者の実践と記録のコツ
優れたプロンプトを作成するスキルは、一度学べば終わりではありません。
母体となるAIが爆速で進化しているため「可能なこと」がどんどん増えていますし、ユーザー自身が「日々の実践・試行錯誤の記録・改善」を通じて精度を安定させ、常に向上させる意識をもっていることが大切だと思います！
再現性UP！失敗しないプロンプト設計の体系的思考法
毎回ゼロからプロンプトを考えるのは流石に効率が悪いです。
なので、ある程度「型」をもってプロンプトを設計することで、再現性が高まり、失敗しにくくなります。
指示は具体的に、肯定的に
・「いい感じに」ではなく「300字以内で要点を3つ」のように具体的に。
・「～しないで」より「～して」という肯定的な指示を基本に。
・「適度に」のような曖昧な言葉は避け、可能な限り明確な基準で。
プロンプトの構成要素を意識する (CRISPEフレームワークのヒント)
【Constraints (制約)】文字数、出力形式、禁止事項など
【Roles (役割)】AIのペルソナ
【Insight (背景)】目的、文脈
【Skills (スキル)】期待する能力
【Personality (個性)】トーン
【Experiments (実験)】試行錯誤の視点
これらを意識すると、指示漏れが減ります。
↓上記のポイントをふまえたプロンプト例
# プレスリリース記事の要約作成依頼
## あなたの役割 (Roles)
あなたは、企業の広報部に所属する経験豊富なPRライターです。
## 背景と目的 (Insight)
以下のプレスリリース記事の原文を読み、その内容をメディア関係者や一般読者向けに分かりやすく伝えるための要約を作成する必要があります。目的は、短時間で記事の最も重要なポイントを理解してもらうことです。
(ここに元のプレスリリース記事のテキストを貼り付ける、または参照させる)
[----- 元記事テキスト -----]
[テキスト本文...]
[----- 元記事テキストここまで -----]
## 期待する能力 (Skills)
元の記事から最も重要な情報（誰が、何を、いつ、どこで、なぜ、どのように）を正確に抽出し、専門用語を避け、平易な言葉で簡潔にまとめる能力を期待します。
## トーン (Personality)
客観的で、信頼性が高く、かつ読みやすい、プロフェッショナルなトーンで記述してください。
## 指示と制約 (Constraints)
以下の指示に従って、要約文を作成してください。
- **出力形式:** 要約文は**3つの箇条書き**で構成してください。
- **文字数:** 各箇条書きは、**100文字以内**に収めてください。
- **内容:** 記事の**最も重要なポイント**（新製品/サービスの特徴、ターゲット、発売日/開始日など）を**含めてください**。
- **表現:**
- **肯定的**かつ**具体的**な表現を使用してください。
- 「〜かもしれない」「〜と思われる」のような**曖昧な推測表現は使用しないでください**。事実に即した表現をしてください。
- 専門用語や業界用語は避け、**一般的な言葉に言い換えてください**。
- **禁止事項:** 元記事にない情報は**含めないでください**。
## 実験 (Experiments) の視点
（このセクションはプロンプト自体には含めませんが、作成者はこの指示で得られた結果を見て、必要に応じて指示内容を調整・改善することを意識します。）
以上の指示に基づき、最適な要約文を作成してください。プロンプト試行錯誤を資産に！効果的な記録・管理術
「試して、うまくいかなかった…」で終わらせず、その経験を次に活かすために、記録と管理を習慣にしましょう。
何を記録すべきか？
・試したプロンプト全文
・使ったAIモデル (GPT-4など)
・設定パラメータ (Temperatureなど)
・得られた出力と、その評価（成功/失敗、問題点）
・日付、目的
これだけ見ると「めんどくさそう…」ってなりますよねｗ
でも、より効果的なプロンプトを作るのってゲームみたいなものなんです。「こうしたら上手くいくかな？」で結果が出た時は脳汁ヤバいですよ！
AIが期待通り動かない？プロンプト失敗の原因と解決策
一生懸命プロンプトを考えても、AIが期待通りに応えてくれない…
そんな時のために、焦らず原因を探り、対処する方法を知っておきましょう。
なぜプロンプトは失敗する？よくある原因６パターン診断と対策
AIがうまく動かない原因は、だいたい以下の6つのどれか（または複合）です。あなたも心当たりがありませんか？
AIがどう解釈すればいいか迷ってしまう問題です。
5W1Hを意識し、具体的に。目標や範囲を明確に。
AIが判断に必要な背景を知らない（コンテキスト不足）状態です。
関連情報、目的、背景を伝える。参考資料も有効。
AIが混乱してしまうケースです。
指示を整理し、優先順位付け。一度に要求しすぎない。矛盾がないか確認。
人間の常識をAIは知らないことがある（暗黙の前提が通じない）問題です。
固有名詞、専門用語、背景情報は明示的に伝える。
タスクが複雑すぎる、専門的すぎるケースです。
タスクを分解する。高性能なモデルを試す。AIの得意不得意を理解する。
箇条書きにしてほしいのに、文章で返ってくるなどの問題です。
期待する形式を明確に指示。例を示すのが効果的。
AIの嘘を見抜く！ハルシネーションへの具体的対処法
AIがもっともらしい「嘘」をつくこと（ハルシネーション）があります。
特にTemperatureが高い時や、AIが知らないことを聞かれた時に起こりやすいですね
プロンプトでの対策
・「事実と推測を分けて書いて」
・「不確かな情報は『不明』と書いて」
・「提供した資料のみに基づいて答えて」
・「回答の自信度を％で示して」
・「知らない、確信がない場合は『分かりません』と答えて」
と指示することで、AIに慎重な回答を促します。
情報源の確認
・「回答の根拠は？」と尋ねる。（ただし、正確な情報源を示すのは難しい場合も多い）
ぶっちゃけ、現段階でのAI性能では、この「ハルシネーション」が完璧になくなることはないと思ってたほうが良いです。
ホントに爆速で進化しているので、この先はどうなるかわかりませんが。
最終的には、AIを使う人間が責任をもって内容をチェックすることが大事ですね。
プロンプト問題を特定・解決する体系的デバッグ手法
問題の原因を突き止めるための、体系的なアプローチ（デバッグ）を紹介します。
-
段階的に試す (Incremental Prompting)
まずは超シンプルな指示で試し、徐々に要素を追加していく。問題が起きたら、直前に追加した要素が怪しい。
-
部分ごとに試す (Component Testing)
複雑なプロンプトを役割設定、タスク指示、出力形式指定などに分け、それぞれ単独で機能するかテストする。
-
思考プロセスを確認する (CoT活用)
「ステップバイステップで考えて」と指示し、AIの思考過程を見る。どこで誤解したか特定する。
-
入力データを変えてみる (Input Variation)
同じプロンプトで、違うデータを与えて試す。特定のデータだけで問題が起きるか確認する。
-
パラメータを調整する (Parameter Tuning)
TemperatureやMax Tokensなどを変えてみる。
-
AIモデルを変えてみる (Model Switching)
別のAIモデル（GPT-4, Claude 3など）で試してみる。
-
エラーを記録する (Error Logging)
問題が起きた状況、試したこと、解決策を記録しておくと、将来役立ちます。
中級テクニック習得後へ！AI活用を次のステージに進めるために
ここまでの中級テクニックをマスターすれば、あなたのAI活用レベルは格段に上がっているはず。
最後に、これまでの学びを整理し、さらなるステップアップへの道筋を確認しましょう。
プロンプト中級技を整理！あなたのスキルレベル診断法（簡略版）
以下の項目について、自信を持って「できる！」と言えますか？
- Temperature/Max Tokensをタスクに応じて調整できる？
- System PromptでAIに役割を与え、一貫性を引き出せる？
- CoTやStep-backを理解し、複雑な指示をAIに出せる？
- JSON形式を指定し、情報を正確に構造化できる？
- 簡単なコード生成や説明をAIに指示できる？
- 再現性の高いプロンプトを設計し、記録・管理する習慣がある？
- AIが期待通り動かない時、原因を推測し、デバッグできる？
（※ チェックが多くつくほど、中級スキルが身についている証拠です！）
AIプロンプト改善を習慣化するアクションプランと学習法
スキルは使わないと錆びつきます。継続的な実践と学びで、さらに磨きをかけましょう。
【明日からできること】
いつものメール下書き、レポート要約、アイデア出しなどで、今日学んだテクニック（System Prompt, CoTなど）を早速使ってみる！
【習慣化のヒント】
週に1回、よく使うプロンプトを見直す時間を作る。新しいテクニックを試す日を決める。
【ナレッジベース】
自分だけの（またはチームの）「成功プロンプト集」や「失敗対策メモ」を作る（Notionやスプレッドシートが便利）。
【情報収集】
X (Twitter) の #プロンプトエンジニアリング タグ、技術ブログ、オンラインコミュニティなどで最新情報をキャッチアップする。
まとめ
この記事では「AIへの指示がなんだか曖昧で、思うような精度が出ない…」そんな悩みを解決し、AIプロンプトの精度を上げる具体的な方法を深掘りしてきました。
中級テクニックを使いこなせば、AIはもっと頼れる相棒になりますよ。
特に押さえておきたい重要ポイントを振り返ってみましょう。
- TemperatureやMax TokensでAI応答の質と量をコントロールする。
- System PromptでAIに役割を与え、ブレない出力を得るコツを掴む。
- CoTやStep-backで複雑な指示もAIに段階的に考えてもらう。
- JSON出力を活用し、面倒なデータ整理の手間を大幅に削減する。
- プロンプトの試行錯誤を記録し、再現性を高める習慣をつける。
これらのテクニックを実践すれば、AIとのやり取りにかかっていた試行錯誤の時間がぐっと減るはずです。
その結果、
・面倒なデータ整形から解放される
・マーケティングの企画立案といった、より生産的な仕事に集中できる
・AIを使いこなす自分に自信が持てるようになる
こうなれば、人生をより楽しめると思いませんか？
もし周りに、あなたと同じようにAIプロンプトで試行錯誤している人がいたら、「こんな方法もあるみたいだよ」とこの記事のURLをそっと教えてあげるのも良いかもしれませんね。きっと喜ばれるはずです！
さあ、まずはどれか一つ試してみませんか？この記事が、あなたのAI活用を次のレベルへ引き上げるきっかけとなれば嬉しいです。
最後までお読みいただき、本当にありがとうございました！
この記事の
限定プレゼントは
こちら！☟
以下のリンクから
ダウンロードできます(ﾟ∀ﾟ)
Excelも大好きなので、定時退社するための時短術を紹介しています！
よかったらどうぞ！
