初めて生成AIを使うときのプロンプトの書き方

LLM初心者のための Prompt Engineering実践講座 ビジネス効率化のための実践ガイド 基本から実務活用まで - 測定可能な成果を出すために 発表者: [氏名 / 部署] 作成日: 2025年10月24日

アジェンダ 1 2 3 4 5 6 7 8 9 10 11 Prompt Engineeringの今日的価値 ビジネス効果：実例と数値 良いPrompt vs 悪いPrompt Promptの黄金テンプレート（5要素） 各要素の詳細解説 ビジネスシーン別実践例 • 営業メール • カスタマーサポート • 市場分析 よくある失敗パターンと対策 Hallucination（幻覚）防止のコツ フィードバックループと精度向上 効果測定とPDCA 次のステップ：高度な活用法と実践アクション  今日のゴール 明日から使える Prompt設計スキルの習得

なぜPrompt Engineeringが今必須なのか？  プロンプト品質で結果が5〜10倍変わる  知識労働全般でサイクル時間の短縮  一貫性のある監査可能な意思決定支援  自動化の基盤（チェーン、ツール、連携）  競争優位性：より速く、より多く、より少ないエラーで 的確な指示と曖昧な指示では、AIパフォーマンスに劇的な差が生じます 従来3日かかっていた企画が半日で完了、営業資料作成が50-60%短縮 判断基準を明確化し、プロセスの透明性と再現性を確保 単発タスクから複雑な業務フローまで、自動化の礎となる技術 チーム全体での標準化と共有が組織力を高める LLM初心者のためのPrompt Engineering実践講座 3

ビジネスインパクト：事例で見る劇的効果  営業メール返信業務 従来：顧客メール受信 → 過去確認 → 1〜2時間かけて 返信作成 → 上司確 認 50時間/月 +40% AI活用後（60%削減） 営業資料（提案資料）作成 従来：企画→市場調査→競合分析→設計→デザイン→修正→完成（ 3〜5 日） 3-5日  受注率向上 AI活用：データ+情報をPrompt集約→初版完成（ 30分 ）→細部調整（1〜 2時間） 1.5-2.5時間 従来の所要時間 その他の業務での効果例  カスタマーサポート AI活用：顧客メール+過去履歴+製品情報 → 数秒で 返信案完成 15時間/月 従来の工数（50件×1時間）   50-60% AI活用後 時間削減効果  対応時間60%短縮、満足度向上 LLM初心者のためのPrompt Engineering実践講座  契約書レビュー チェック漏れ30%削減  市場分析レポート 作成時間75%短縮 4

良いPrompt vs 悪いPrompt  悪いPrompt  例： "製品について営業メールを書いて。" 対象が曖昧（誰に対するメールか不明）  背景情報なし（製品の特徴や差別化ポイントの記載なし）  制約条件の欠如（文字数、トーン、形式の指定なし）  目的不明確（何を達成したいのか？） 結果： 一般的で使えない回答、何度も書き直し要求が必要 例： "あなたはB2Bセールスマネージャーです。製造業（従業員50100名）向けにAI検査システム導入の初回営業メールを書いてく ださい。品質管理コスト削減と不良品率30%減を強調し、150 字以内、丁寧な敬語で作成してください。最後にウェビナー案 内のCTAを含めること。"  LLM初心者のためのPrompt Engineering実践講座 良いPrompt 役割と対象を明確化（B2B、製造業、規模）  具体的な価値提案（コスト削減、不良品率30%減）  制約条件を明記（150字以内、敬語、CTA）  目的が明確（初回接触、ウェビナー誘導） 結果： 一発でターゲットに刺さる回答、すぐに使用可能  5

Promptの黄金テンプレート：5要素 効果的なPromptを構築するための5つの重要要素。すべての業務用Promptに組み込むことで質と一貫性が向上します。  1. 役割（Role）  2. 背景（Background）  3. 指示（Instruction）  4. 形式（Format）  5. 制約（Constraints） AIに演じてもらう専門家のペルソナ設定 例：「B2Bセールスマネージャー」 明確で検証可能なタスクの提示 例：「120-150語のメールを作成、価値提案1つと成功事例 を含む」 状況、制約条件、既知の事実 例：「ターゲットは製造業SME、課題は品質管理コスト」 出力の構造、セクション、スタイル 例：「件名+本文、丁寧で簡潔な文体」 文字数制限、禁止事項、幻覚防止策 例：「提供された情報のみを使用し、不確実な情報には 『要確認』と明記」 LLM初心者のためのPrompt Engineering実践講座 6

役割と背景の詳細解説 役割（Role）   背景（Background）  ドメイン専門性の設定  対象者と課題状況  トーンと判断基準の調整  利用可能な情報源  目標と成功基準 業界・職種・経験レベルを明確に指定 フォーマル/カジュアル、慎重/革新的など 実例： 「あなたはSaaS業界で10年の経験を持つB2B営業マネージャーです。ROIを 重視し、顧客課題解決を第一に考えるスタイルで対応してください。」 顧客属性、ペルソナ、直面している問題 与えられた情報と不足している情報を区別 達成すべきビジネス目標と評価方法 実例： 「製造業のIT部門長向け（年間予算3億円規模）。現在、生産管理システム の老朽化で計画外停止が月2回発生。ROI重視の提案が求められています。 当社製品概要資料とコスト削減事例は提供済。」 LLM初心者のためのPrompt Engineering実践講座 7

Deep Dive: 指示（Instruction）  明確で検証可能なタスクを設定する 具体的な行動動詞を使用： × "メールを書いて" → ○ "以下の要点を含む営業メールを作成してください"  範囲・スコープを明確に指定する ターゲットセグメント、地域、時間軸などの境界線： × "市場分析" → ○ "東京都の20-30代女性向けアパレルEC市場（過去3年間）の分析"  必要なステップを列挙する プロセスを分解して順序付ける： ① データ分析 → ② 課題抽出 → ③ 解決策提案 → ④ 実装プラン  代替案と理由付けを求める 複数の選択肢と根拠の提示： "最適案とその理由、そして2つの代替案とそれぞれのメリット/デメリットを提示" LLM初心者のためのPrompt Engineering実践講座 8

形式と制約の詳細解説 出力形式（Format）  構造を明確に指定 制約（Constraints）  明確な境界設定  例示で模倣させる  幻覚対策ガードレール 箇条書き数、セクション、表、JSON、トーンなど具体的に 理想的な構成サンプルを提示し、同じスタイルを踏襲させる 「以下のように、項目ごとに【】で括り、重要点は太字にしてくだ さい： 【概要】本サービスは...」 「提供した情報のみ使用すること」「推測や想像は行わないこ と」 「不明な点があれば『要確認』と明記し、憶測で埋めないこと」  LLM初心者のためのPrompt Engineering実践講座 文字数制限、専門用語レベル、ブランドトーンを明記 マーク付けルール 確信度表示、情報源区別、不確実情報のフラグ付け 9

営業メールPrompt例 B2B営業の初期接触メール作成のためのPrompt全文 このPromptを使用すると、製造業向けSaaS製品の効果的な営業メールを効率的に作成できます      役割 あなたはB2B SaaS企業の営業マネージャーです。製造業向けAI品質検査システムを販売しています。 背景 ターゲットは製造業の中小企業です。彼らの課題は高いQAコストと検査精度です。私たちの製品はAIによる外観検査システムで、先日のウェビナーに 参加していただきました。 指示 120〜150文字のメールを作成してください。パーソナライズされたフック、1つの価値提案、1つの事例指標、1つのCTAを含めてください。 形式 件名と本文を含めてください。丁寧で簡潔な文体を使用してください。 制約 与えられた事実のみを使用し、データを超える主張は避けてください。不確実な情報には「〜かもしれません」などの表現を使ってください。 LLM初心者のためのPrompt Engineering実践講座 10

カスタマーサポートPrompt例 クレーム対応のための実践的テンプレート 役割（Role） サブスクリプションアプリのシニアカスタマーサポートエージェント  背景（Background） 二重請求に関する課金トラブル。ユーザーは2022年からの利用者。現在の感情状態：不満・イライラ。  指示（Instruction） 共感的な謝罪応答を作成。問題解決の3ステップを明示し、解決までのタイムライン、選択肢を提示。  形式（Format） 挨拶 → 謝罪と状況認識 → 解決ステップ → 時間枠と保証 → 質問受付と署名  制約（Constraints） ポリシー範囲を超える約束はしない。法的専門用語は使用せず、平易な言葉で説明する。  このテンプレートを使うと、問題解決に焦点を当てた共感的かつ明確な対応ができます。顧客満足度向上と解決時間短縮の両方に効果があります。 LLM初心者のためのPrompt Engineering実践講座 11

市場分析Prompt例 エグゼクティブサマリー作成の実践的なPrompt 役割 市場分析アナリスト。  背景 地域＝日本、セクター＝物流テクノロジー、対象期間＝過去12ヶ月。  指示 TAM/SAM市場規模の動向、トップ3競合企業の分析、市場促進要因とリスク、実行可能な3つのアクションポイントを含むエグゼクティブサマリーを作 成してください。  形式 セクションごとに5つの箇条書き、不確実な情報には「要確認」と明記。見出し→要点→結論の構造で作成。  制約 提供されたデータのみを使用すること。仮定を置く場合は明示的に記載すること。競合情報は直近の公開データに基づくこと。   効果測定：このPromptパターンで市場分析レポート作成時間が75%短縮され、意思決定の質が向上しています。 LLM初心者のためのPrompt Engineering実践講座 12

よくある失敗パターンと対策  失敗パターン  対策  曖昧な指示  5要素を必ず含める  一般的すぎる回答  情報範囲を制限する  事実の創作（Hallucination）  段階的に依頼する  無限修正ループ  成功指標を設定する  制約条件の不足  参考例を示す 対象者、目的、背景情報の欠如 具体性に欠け、すぐに使えない内容 AIが実在しない情報を作り出す 何度も書き直しを依頼し時間を浪費 文字数、トーン、形式などの指定なし LLM初心者のためのPrompt Engineering実践講座 役割・背景・指示・形式・制約を明確に 「提供した情報のみで回答してください」と明記 構造→内容→細部調整の順で作業を分解 具体的な数値目標や評価基準を明示 理想の出力形式や文体のサンプルを提供 13

Hallucination防止のコツ  情報ソースを明示する  推測禁止と未知情報の明示  引用と証拠の要求 % 確信度レベルの表示  チェックリスト活用 「提供された情報のみを使用して回答してください」と明記し、推測を禁止 「推測せず、不明な点は『要確認』と明記してください」と指示 「各主張には引用または根拠タグを付けてください」と指定 「各情報に対する確信度（高/中/低）を明記してください」 「含めた事実/明示した仮定」のチェックリストを最後に追加させる LLM初心者のためのPrompt Engineering実践講座 14

フィードバックループで精度向上  出力が期待と異なる場合 不足している情報を特定  過剰な内容や不要な部分を明確化  曖昧な表現や不確かな部分を列挙 1 問題点を具体的に指摘 「第2段落の情報が不正確です」「数値データが不足していま す」など具体的に   改善のためのフィードバック方法 1 追加情報の注入 「以下の情報も考慮してください：[具体的データ]」  2 段階的な依頼 ①全体構成→②各パーツの詳細→③視覚要素→④文体調整の順   2 改善依頼を具体化 「製品Aの導入効果を%で示してください」など明確に 3 参考例の提示 「以下のような表現/構成にしてください：[良い例]」   3 段階的なフィードバック 全体を一度に修正せず、部分ごとに改善 LLM初心者のためのPrompt Engineering実践講座 4 チームでの共有・蓄積 効果的だったPromptを社内ライブラリ化して再利用 15

効果測定とPDCA  測定指標（KPI）   タスク所要時間  Plan：計画 反応率・効果  Do：実行 品質・精度  Check：検証  Act：改善 メール作成：−60%、分析：−75%、資料作成：−50〜60%  エラー率：−30%、修正回数、適合度評価 LLM初心者のためのPrompt Engineering実践講座 対象KPIとベースラインの設定、改善目標の明確化 プロンプトの試験運用、プレイブック作成と展開 メール返信率：+25%、商談化率、満足度スコア  PDCAサイクル ベースラインと比較、改善効果の定量測定 テンプレート化、教育展開、自動化推進 16

高度な活用法とまとめ 高度な活用法  プロンプトチェーン化  ツール連携（Zapier/n8n） 企画→プレゼン→営業資料→分析まで、複数のAIタスクを連結して業務全体を自動化 外部ツールとAPI連携し、顧客情報検知→AI分析→メール自動送信の完全自動化を実現 今日から始める3つのアクション  1つのユースケースを選択、5要素テンプレートで構築  2つのKPIを設定して効果測定を開始  チーム内でテンプレートを共有、定期的に改善レビュー 最も効果が見込める日常業務を選び、役割・背景・指示・形式・制約を明確に設定 時間短縮率、成功率、顧客満足度など、具体的な指標で効果を可視化 Promptライブラリを作成し、チーム全体のAI活用スキル向上を促進 参考資料  社内Promptライブラリとスタイルガイド  本レクチャー資料とPromptチェックリスト 業務別テンプレート集、ベストプラクティス、事例集 各業務別のPrompt設計チェック項目、失敗防止ガイド LLM初心者のためのPrompt Engineering実践講座 17

営業部門のワークフロー比較：AI活用前後  AI導入前（手動）  AI導入後（LLM活用）  顧客メールを受信して読み込み  スレッド自動要約＋履歴統合  CRMシステムで履歴検索  返信案を自動生成  返信を1から作成  提案資料の初期ドラフト自動生成  提案資料を最初から作成  最終確認・微調整のみ 過去の履歴を確認する必要あり 複数システムの行き来が必要 1件あたり1時間程度必要 デザイン担当者の手配が必要 所要時間： ・メール対応：月50件に50時間必要 ・提案資料作成：3〜5日/件 LLM初心者のためのPrompt Engineering実践講座 瞬時にコンテキスト把握 複数の選択肢から選択・微調整 ブランドスタイル適用済み 内容確認と微修正に集中 削減効果： ・メール対応：15時間/月（−60%） ・提案資料：1.5〜2.5時間/件（−80%） ・浮いた時間で新規営業 → 受注率+40% 18

カスタマーサポート部門のワークフロー比較 AI活用による対応時間60%削減と品質向上  Before（マニュアル対応）  After（AIサポート） 1 問い合わせ振り分け 担当者が手動でトリアージ、優先度付け 1 自動トリアージ AI分類、緊急度判定、感情分析の自動化 2 顧客履歴確認 複数システムから情報収集・確認が必要 2 情報集約 顧客履歴、過去対応、関連情報を自動集約 3 対応案作成 過去事例を検索・参考にしながら一から作成 3 対応案自動生成 ポリシーに基づく一貫した対応、感情を考慮 4 確認・送信 上長確認が必要なケースが多い 4 レビュー・送信 担当者による微調整のみ、迅速な対応 課題: 担当者によるバラツキ 対応時間が長い（平均25分/件） エスカレーション率が高い 疲労・ストレス大 成果: 対応時間60%削減（平均10分/件） 顧客満足度（CSAT）向上 一貫性のある対応品質 担当者の心理的負荷軽減 LLM初心者のためのPrompt Engineering実践講座 19

企画・分析部門のワークフロー比較  従来のワークフロー プロセス: 市場調 査  競合分 析  アウトライ ン   プロセス: レポート作 成 情報入力 複数の情報ソースを手動で収集・整理  競合情報の収集に時間がかかる  分析と文章化に専門知識が必要  レビュー・修正サイクルが長い 課題: 意思決定の遅延、情報の断片化、統一性の欠如 LLM初心者のためのPrompt Engineering実践講座  AI合成・分析  レビュー・調整 0.5日で完了 2〜3日要  AIを活用したワークフロー 複数ソースを瞬時に統合・要約  構造化されたエグゼクティブサマリー自動生成  仮説と確定情報の明確な区別  意思決定に必要なデータを即時提供 メリット: 迅速な意思決定、一貫性のある分析、確認すべき項目の明確化  20

役割設定の良い例vs悪い例（B2B SaaS営業）  悪い例  Prompt: "あなたは営業担当者です。営業メールを作成してください。" 業界が未指定（SaaS? 製造業? 小売?）  顧客像（ICP）の不在（規模、役職、課題）  目的が不明確（初回接触? 商談? 提案?）  トーンや文体の指定なし（敬語? カジュアル?） 結果: 一般的で使えないメール、ターゲットに刺さらず、何度も書き直し 必要 Prompt: "役割: 日本のQA自動化SaaS企業のシニアセールスマネージャ ー 対象: 製造業中小企業（従業員50-300名）のQA部門責任者 目 的: 20分のディスカバリーコール予約 トーン: 丁寧、簡潔、デー タ重視の文体で営業メールを作成してください。"  LLM初心者のためのPrompt Engineering実践講座 良い例 業界を明確に特定（QA自動化SaaS）  顧客像を詳細に設定（製造業、規模、部門、役職）  明確な目的（20分のディスカバリーコール予約）  トーンと文体の指定（丁寧、簡潔、データ重視） 結果: ターゲットに刺さる具体的なメール、すぐに使用可能、高い返信率  21

役割設定の良い例vs悪い例（カスタマーサポート）  悪いPrompt  例： "あなたはサポート担当です。クレームに返信してください。" アカウント情報がない（顧客歴、問題の詳細なし）  ポリシー制限の指定なし（何が提供可能か不明）  感情対応の指針がない（顧客感情への配慮なし）  返信構造や形式の指定がない（一貫性の欠如） 結果： 感情に対応できない一般的な回答、顧客満足度低下リスク 例： "あなたはサブスクリプションアプリのシニアCSエージェント です。二重請求のクレーム対応をお願いします。顧客は2022年 からの利用者で、現在フラストレーションを感じています。ポ リシー3.2に従って返金またはクレジット提供の手続きを説明 し、共感的な対応と明確な3ステップでの解決策、タイムライン を含む返信を250字以内で作成してください。"  LLM初心者のためのPrompt Engineering実践講座 良いPrompt 詳細な役割設定（シニアCSエージェント、アプリ種類）  顧客コンテキスト（二重請求、2022年からの利用者、感情状態）  ポリシー参照と対応範囲の明確化（返金またはクレジット）  トーンと構造の指定（共感的、3ステップ、タイムライン） 結果： 感情に配慮した実用的な回答、顧客満足度向上  22

役割設定の良い例vs悪い例（市場アナリスト）  悪いPrompt  例： "市場レポートを作成して。" 地域指定なし（どの市場？国内？海外？）  期間設定なし（いつの市場データ？）  分析スコープ不明（業界、規模、競合、何を調査？）  出力形式の指定なし（どのような形式で必要？） 結果： 一般的で使えない市場分析、焦点の定まらない内容 例： "あなたは物流テック業界の市場アナリストです。日本市場にお ける過去12ヶ月の動向分析を行い、TAM/SAMトレンド、主要競 合3社、成長要因/リスク、実行可能な3つの戦略提案を含むエグ ゼクティブサマリーを作成してください。各セクション5項目の 箇条書き形式で、不確かな情報には「要検証」と明記してくだ さい。提供されたデータのみを使用し、仮定は明示的に記載す ること。"  LLM初心者のためのPrompt Engineering実践講座 良いPrompt 地域を明確指定（日本市場）  期間を明示（過去12ヶ月）  分析スコープを定義（物流テック業界、競合3社、TAM/SAM）  出力形式と制約を明記（各セクション5項目、不確実情報の明 記） 結果： 意思決定に即使える市場分析、明確な焦点と実行可能な提案  23

背景情報の詳細度比較：低い背景 vs 高い背景  低い背景詳細  例： "製品について資料を作成してください。" 対象者が不明（誰向けの資料か？）  課題・ペインポイントの記載なし  製品の特徴や差別化ポイントの説明なし  成功事例・実績データの欠如  過去のやり取り・状況の文脈なし 結果： 一般的すぎる内容、何度も修正が必要、時間のムダ 高い背景詳細 例： "対象：製造業（従業員50-100名）の品質管理部長。課題：検 査工数と不良品率。製品：AI画像検査システム（導入2ヶ月で 30%効率化）。過去：ウェビナー参加済み。目的：初回商談用 の提案資料、意思決定者への説得材料。制約：3スライド以 内、競合A社との差別化を含める。"  ターゲットの詳細（業種、規模、役職）を明記  具体的な課題と現状の痛点を提示  製品の特徴と実績データ（30%効率化）  コンテキスト（過去のウェビナー参加）を含める  背景情報チェックリスト  対象者（業種・規模・役職・課題）  製品・サービス情報（機能・価値・価格帯）  実績・証拠（事例・数値データ）  過去の経緯・コンテキスト  目的・成功基準・制約条件  LLM初心者のためのPrompt Engineering実践講座 24

指示の明確性：Before vs After  Before：曖昧な指示  指示例： "提案書を書いてください" ステップの欠如（どういう順序で作成するか不明）  スコープ未定義（対象、製品、規模などの情報なし）  成功基準なし（何をもって完成とするのか不明）  制約条件の欠如（長さ、形式、トーンの指定なし） 問題点： 何度も書き直し要求が必要、期待と異なる成果物、時間の無駄 After：明確なステップ 指示例： "日本の製造業SME向けのAI検査モジュール（3モジュール）の 提案書を作成してください。構成→ドラフト→洗練→品質チェ ックの順で進め、ROI計算、事例指標1つ、リスクと対策を含め てください。600語以内、丁寧な文体で、すぐに送付可能な品 質に仕上げてください。"   タスクの明確化： 1 2 3 4 構成設計 初稿作成 内容洗練 品質チェック スコープ定義（日本、製造業SME、3モジュール、2-3ページ）  成果物要件（ROI計算、事例指標、リスク対策）  成功基準（600語以内、丁寧な文体、送付可能品質） 効果： 検証可能なタスク、すぐに使える成果物、修正回数の減少  LLM初心者のためのPrompt Engineering実践講座 25

形式と制約のパターンライブラリ 出力フォーマット：  メール 件名 + 本文（120〜150語） 簡潔な挨拶、背景、価値、具体的なアクション   レポート エグゼクティブサマリー → 調査結果 → 推奨アクション （各セクション5項目） データ可視化の指定（グラフ形式など） 表/JSON 制約パターン：  トーン 丁寧/フォーマル、ブランドボイス指定 業界・対象に適した専門性レベル  長さ  ガードレール  エビデンス フィールド事前定義（ID、名称、評価、次アクション等） 構造化データの出力（APIリクエスト対応） LLM初心者のためのPrompt Engineering実践講座 最大箇条書き数（8項目まで） 文字数制限（≤120語、≤600語など） 「提供された情報のみ使用すること」 不明点は「要確認」と明記する 主張ごとに確信度タグを付ける 情報ソースを明記（データ、専門家意見等） 26

実践演習：5要素Prompt作成ドリル 演習内容：ウェビナーフォローアップメール作成 ウェビナー参加者へのフォローアップメールを作成するためのPromptを5要素で構築してください。  提供する情報  要件  制約条件 ・対象者：製造業QA責任者、50-100名規模、検査コスト高 ・課題：人的ミスによる検査漏れ30% ・実績値：AI検査導入で不良品検出率40%向上 ・CTA：20分無料デモ依頼 ・期限：ウェビナーから3日以内に送付 ・件名＋本文130字程度 ・丁寧なビジネス敬語 ・ウェビナー内容を1つ引用 ・具体的なCTAと次のステップを明記 ・提供情報以外の新たな主張はしない ・不明点は「要確認」と明記 提出物：5要素Prompt 以下の要素を含むPromptを作成してください： 1. 役割（Role） 2. 背景（Background） 3. 指示（Instruction） 4. 形式（Format） 5. 制約（Constraints） LLM初心者のためのPrompt Engineering実践講座 27

人事：求人票（JD）作成Promptテンプレート 役割（Role） HRリクルーター、中級バックエンドエンジニア採用担当者  背景（Background） 日本市場向け / Go言語＋PostgreSQL必須 / ハイブリッド勤務（週2出社） / 給与レンジ：600-900万円  技術スタック 勤務体制 給与範囲 地域特性 指示（Instruction） 以下を含む求人票（JD）を作成してください：主な責務、必須/歓迎スキル、福利厚生、当社の魅力（EVP）  形式（Format） 以下のセクション構成で作成： タイトル（ポジション名） 会社概要（1段落） 職務内容（3-5項目） 応募要件（必須/歓迎に分類） 福利厚生（3-5項目） 応募方法  制約（Constraints） ブランドトーンを維持すること / インクルーシブな表現を使用 / 全体で250-300語程度  ※「若い方歓迎」などの表現は避け、「経験年数不問」などの表現を使用 LLM初心者のためのPrompt Engineering実践講座 28

人事：面接評価レポートPrompt  役割（Role）  背景（Background）  指示（Instruction）  形式（Format） 採用パネルリード担当者 バックエンド開発者の候補者面接結果。評価基準：コーディングスキル、システム設計力、チームワーク 各評価基準について、1〜5のスコアと具体的な根拠（発言・行動）を含む面接評価レポートを作成 概要、評価スコア表、強み、リスク、採用/不採用の推奨と根拠 概要: [候補者の総合評価] 評価スコア: - コーディングスキル: [1-5] - [具体例] - システム設計: [1-5] - [具体例] - チームワーク: [1-5] - [具体例] 強み: [3点] リスク: [1-2点] 推奨: [採用/不採用] - [根拠]  制約（Constraints） 証拠に基づく評価のみ、推測禁止、不明点は「要確認」と明記、250語以内 LLM初心者のためのPrompt Engineering実践講座 29

法務：契約書レビューチェックリストPrompt 役割（Role） 社内法務担当者（In-house counsel） 背景（Background） SaaS基本契約書（MSA）、24ヶ月期間、自動更新条項あり、日本法準拠 指示（Instruction） 責任条項、SLA、データプライバシー、解約条項におけるリスクを特定する 形式（Format） 条項、リスク、影響、推奨文言を含む表形式 制約（Constraints） 提供された条項のみを使用し、外部弁護士の確認が必要な項目はマーク 条項 リスク 第8条：損害賠償上 上限が直接損害のみで年間料金の 限 100% 第12条：データ処 再委託先監督責任の不明確さ 理 LLM初心者のためのPrompt Engineering実践講座 影響 推奨文言 重大インシデント時に損害補償が不十分 「上限を年間料金の200%に引き上げ、重過失による場合は上限を適用 しない」 GDPR/改正個人情報保護法への不適合リ 「再委託先に対する適切な監督義務を明記」 スク  外部確認推奨 30

法務：NDAドラフト作成Prompt 相互NDAの構造化テンプレート作成  システム連携検討のための秘密保持契約書、簡潔かつ法的に有効なドラフト 役割（Role）: 法務文書作成担当者 背景（Background）: 相互NDA作成、目的：システム連携可能性の検討、準拠法：日本法 指示（Instruction）: 以下の要素を含むNDAをドラフトせよ：適用範囲、秘密情報の定義、除外事項、契約期間、違反時の救済措置 形式（Format）: セクション分けされたアウトラインと簡潔な条項 制約（Constraints）: 平易な言葉使い、当事者名や日付はプレースホルダーで表示  成功ポイント • 法的要件を満たしつつ簡潔な文言で記載 • 両社の権利・義務を明確かつバランス良く規定 • 必要に応じて法務レビュー箇所を明示 LLM初心者のためのPrompt Engineering実践講座 31

マーケティング：LinkedInポストPrompt B2B向けSNS投稿のテンプレート  役割（Role）  背景（Background）  指示（Instruction）  形式（Format）  制約（Constraints） B2Bマーケター 新しいQA自動化ケース：作業時間60%削減、受注率40%向上 フック、インサイト、実績データ、ソフトCTAを含むLinkedInポストを作成 3〜4の短い段落 + 3つのハッシュタグ 120文字以内、機密情報は含めない 投稿構造サンプル： 📈 フック：注目を集める冒頭文（業界課題や驚きの数字） 💡 インサイト：課題解決のアプローチや気づき 📊 データ：具体的な成果や実績（数値で） 🔍 CTA：次のステップ（押し付けがましくない） #ハッシュタグ1 #ハッシュタグ2 #ハッシュタグ3 LLM初心者のためのPrompt Engineering実践講座 32

マーケティング：プレスリリースPrompt  役割（Role）  背景（Background）  指示（Instruction）  形式（Format）  制約（Constraints） PR担当マネージャー／広報担当者 新製品「AI検査システムv2」の日本市場ローンチ、パートナー企業：ABC社、主な特徴：検査精度30%向上 見出し、サブ見出し、本文、引用、発売時期、企業概要を含むプレスリリースの草案を作成する 見出し、サブ見出し、本文（3段落）、引用、企業概要、報道関係者連絡先の構成 事実確認済みの主張のみ使用、企業ブランドのスタイルガイドに準拠、専門用語は最小限に LLM初心者のためのPrompt Engineering実践講座 33

マーケティング：広告コピーA/Bテスト用Prompt  役割（Role）  背景（Background）  指示（Instruction）  形式（Format） パフォーマンスマーケター。Google広告とLinkedIn広告の効果を最大化するコピーライター。 ターゲット：品質管理マネージャー。主要ベネフィット：AIによる30%の不良品検出率向上。 競合との差別化：リアルタイム検出とアラート機能。必須アクション：デモ予約。 各プラットフォーム向けに3つのバリエーションを生成： ・Google広告：見出し（30文字以内）+ 説明文（90文字以内） ・LinkedIn広告：見出し（50文字以内）+ 本文（80〜120文字） 表形式で出力：バリエーション | プラットフォーム | 見出し | 本文 | CTA バリエーシ プラットフォ ョン ーム A1 Google A2 LinkedIn  制約（Constraints） 見出し 本文 CTA 不良品率を 30%削減 品質管理の新 基準 AIによる品質検査で人的ミスを削減。リアルタイムアラートで即時対応を実現しま 無料デモを す。 予約 製造業の品質管理者の悩みを解決。AIが不良品を30%削減し、コスト効率を向上。リ 事例を見る アルタイム監視でミスを見逃しません。 裏付けのない主張は避ける。テスト可能な明確なCTAを含める。 業界用語は最小限に。感情的価値と論理的価値のバランスを取る。 LLM初心者のためのPrompt Engineering実践講座 34

財務：予算分析Prompt  役割（Role）  背景（Background）  指示（Instruction）  形式（Format）  制約（Constraints）  活用ポイント FP&Aアナリスト（財務計画・分析担当） 2025年度Q1とQ4の比較分析、原価（COGS）と営業販売費（S&M）の差異に注目 前年同期比および前四半期比の差異とその要因を分析し、3つの改善アクションを提案 エグゼクティブサマリー（5箇条）、差異表、アクション（担当者/期日） 提供された元帳データのみを使用。異常値は監査用にフラグ付け データのパターン認識と根本原因の特定に優れ、 具体的なアクション 責任者 期日 まで含めた実行可能な提案が得られる LLM初心者のためのPrompt Engineering実践講座 35

財務：経費レビューPrompt 役割（Role）： 財務オペレーション担当者 背景（Background）： 経費ポリシーに閾値あり（交通費上限、食事代制限など）。通常パターンから外れた支出項目の疑いあり。 指示（Instruction）： 経費を3分類（準拠、境界線、非準拠）に区分し、疑わしい項目には具体的な確認事項を示す。 形式（Format）： 項目、理由、ステータス、次のステップを含む表形式 制約（Constraints）： ポリシーに基づく判断のみ。個人的な意見や主観的判断は含めない。 出力例： 項目 タクシー利用 (12,500円) 会食費 (8,000円/人) 出張宿泊費 (15,000円)  理由 上限10,000円超過、深夜帯利用 上限5,000円超過 指定地域内、上限内 ステータス 境界線 非準拠 準拠 次のステップ 利用理由と時間の確認 承認者と目的の確認 自動承認 自動化効果 経費審査時間の70%削減、例外検出率35%向上、承認サイクル2日間短縮 LLM初心者のためのPrompt Engineering実践講座 36

企画：新規事業提案Prompt 市場参入戦略の1ページャー作成のためのPromptテンプレート 役割（Role） 戦略企画担当者 背景（Background） 日本の物流技術市場への参入検討。自社の強み = コンピュータービジョン技術、エンタープライズ営業チーム。既存顧客基盤あり（製造業）。 指示（Instruction） 以下を含む1ページの新規事業提案書を作成： • 市場の課題（物流業界の痛点） • ソリューション概要と差別化要因 • TAM/SAM（市場規模と想定シェア） • Go-to-Market戦略（初期顧客、販売チャネル） • リスク要因と対策案 形式（Format） 6セクション構成、各3〜4箇条書き。Executive Summary、課題、ソリューション、市場規模、GTM戦略、リスク対策の順で構成。 制約（Constraints） • 前提条件は明示すること（「前提：〇〇」と記載） • 検証が必要な項目には「要検証」と明記 • 全体で600単語以内、経営層向けの簡潔な表現 LLM初心者のためのPrompt Engineering実践講座 37

企画：競合分析Prompt 役割（Role）： 競合情報分析担当者 背景（Background）： 日本市場におけるAI検査ソリューション分野の競合3社を比較する必要がある 指示（Instruction）： 機能、価格帯、ポジショニング、競争優位性（参入障壁）を含む比較表を作成し、当社の強み・弱みをまとめる 形式（Format）： マトリックス形式の表＋サマリーポイント（強み・弱み各3-5点） 出力例： 比較項目 AI精度 価格帯 拡張性 自社 98% 強み 中〜高 API対応 競合A 95% 高 閉鎖的 競合B 94% 低 課題 一部API 競合C 97% 中 To verify 制約（Constraints）： 公開情報のみを使用し、不確かな情報は「To verify」と明記する。推測せず、事実に基づく比較のみ。 LLM初心者のためのPrompt Engineering実践講座 38

プロジェクト管理：進捗報告Prompt、RAGステータス管理  役割（Role）  背景（Background）  指示（Instruction）  形式（Format）  制約（Constraints） ロールアウトプロジェクトのプロジェクトマネージャー フェーズ2実施中、データ移行に関するリスクあり、ステークホルダーへの週次報告が必要 RAGステータスを含む週次進捗報告書を作成。達成事項、リスク、次のステップを含める サマリー、RAGステータス表（ 遅延、 注意、 順調） リスク一覧（R/A/M/O形式）、次週の計画 簡潔に記述、アクションには必ず担当者を明記、主観的評価は避ける サンプル出力： 【サマリー】前週はAPIテストを完了。データ変換に課題あり、解決策を実施中。 【RAGステータス】スケジュール: / 品質: / 予算: 🟡 🟢 🟢 【リスク】サーバー容量不足 (P:中/I:高) → 田中氏が増設を10/28までに実施 LLM初心者のためのPrompt Engineering実践講座 39

プロジェクト管理：リスク管理Prompt 役割（Role） PMOアナリスト 背景（Background） 統合プロジェクト進行中。外部ベンダー依存あり。期限厳守要件。 指示（Instruction） 以下の構造でリスク台帳を生成：①確率（低/中/高）②影響度（低/中/高）③対策案④担当者⑤期限 形式（Format） 表形式＋トップ3リスクの詳細説明。各リスクにIDを振り、優先度を明示。 制約（Constraints） 事実と仮定を明確に区別すること。「要検証」タグを使用。対策は具体的かつ実行可能に。 出力例（一部） リスクID: R001 リスク概要: ベンダーAPI納品遅延 確率: 高（過去2回の遅延実績あり） 影響: 高（全体スケジュール2週間遅延） 対策: 1) 週次進捗会議の増設 2) バックアッププラン策定 担当者: 山田PM 期限: 7/15までに対策実施 LLM初心者のためのPrompt Engineering実践講座 40

エンジニアリング：技術仕様書Prompt  役割（Role）  背景（Background）  指示（Instruction）  形式（Format） 技術リードエンジニア - API設計とSLA定義を主導する立場 画像品質評価モジュール追加、応答時間<300ms、API v2準拠、既存アーキテクチャへの統合 以下を含む技術仕様書を作成：スコープ定義、API設計（エンドポイント、パラメータ、レスポンス）、スキーマ、SLA要件（可用性、レイテン シ）、非機能要件 セクション化されたドキュメント構造 1. 概要 2. スコープと目的 3. API仕様（RESTful設計） 4. データモデル/スキーマ 5. SLA定義（パフォーマンス指標） 6. 非機能要件 7. 実装上の注意点  制約（Constraints） 既存アーキテクチャとの互換性を維持、未解決の技術的質問に「要確認」とマーク、主要な技術的決定には根拠を記載 LLM初心者のためのPrompt Engineering実践講座 41

エンジニアリング：バグ分析Prompt、根本原因の仮説検証  役割（Role）  背景（Background）  指示（Instruction）  形式（Format）  制約（Constraints） QAアナリスト、デプロイ後に断続的に500エラーが発生している状況 デプロイ後のエラーログ、発生パターン、影響範囲、再現性に関する情報提供 バグをクラスタリングし、根本原因の仮説を立て、検証方法を提案する クラスタテーブル、原因仮説リスト（確率評価付き）、次のステップ（検証方法） 証拠に基づく分析のみ、ログや課題への具体的リンク、推測は明示的に表示 仮説例：「高負荷時にコネクションプール枯渇の可能性 [確率：中] → 検証：負荷テストで同時接続数を段階的に増加させ閾値を特定」 LLM初心者のためのPrompt Engineering実践講座 42

失敗事例1：一般的すぎる回答  失敗ケース  問題のあるPrompt例： "マーケティング戦略について教えてください" 対象業界・顧客層が未指定  予算・期間・目標の制約がない  専門知識レベルの指定なし  出力形式や長さの指示がない 影響： 教科書的な一般論のみの回答 採用率低下・何度も書き直し要求 具体的なアクションにつながらない 改善Prompt例： "あなたはB2B SaaS向けマーケティングディレクターです。予 算500万円、3ヶ月で見込み顧客20%増が目標の中小製造業向け リードジェネレーション戦略を、ROI重視で3つ提案してくださ い。各戦略は実施ステップ、予算配分、期待効果を含む表形式 で、合計800字以内でまとめてください。"  LLM初心者のためのPrompt Engineering実践講座 改善策 5要素を完備（役割・背景・指示・形式・制約）  具体的な成功基準を明記（ROI、数値目標）  比較可能な選択肢を要求（3つの戦略）  表形式・文字数など出力構造を指定 効果： 実行可能で具体的な提案が得られる 業界・状況に適した回答で修正回数減少 意思決定や次のアクションに直結  43

失敗事例2：事実の創作（Hallucination）  失敗例：根拠のない事実創作  AIの回答例： "当社の品質管理システムは、 架空データ 業界平均と比較して 98.7%の精度を達成しています。2023年の導入企業352社のう ち、89%が導入後6ヶ月以内にROIを達成したと報告していま す。" 存在しない具体的数値を創作（98.7%、352社、89%）  裏付けのない主張（「6ヶ月以内にROI達成」）  実際には提供していないデータを使用 影響：  信頼性の喪失 - 顧客からの信用を失う  法的リスク - 誤った情報に基づく意思決定  リソース浪費 - 検証・修正の追加工数  LLM初心者のためのPrompt Engineering実践講座 防止策：具体的な制約設定 改善Prompt例： "与えた情報のみを使用して回答してください。不明な点や確信 が持てない情報には必ず「要確認」と明記してください。数値 データには確信度（高/中/低）を付記してください。推測は避 け、情報がない場合は「情報なし」と明記してください。" 「与えた情報のみ使用」の明示的指示  確信度タグの要求 確信度：高 確信度：低  未確認情報の明示 要確認 情報なし  情報ソースの引用・参照を強制する  ファクトチェックリストの組み込み チェック項目：  「情報の出所は？」「数値の根拠は？」の自問  特定数値・統計・日付・固有名詞にタグ付け  44

失敗事例3：無限修正ループ  失敗パターン 典型的なフィードバック例： "もっと良くして" "しっくりこないので修正して" "何か違う気がする…" 具体的な修正ポイントが不明確  AIは推測で対応するため、的外れな修正を繰り返す  一度に完璧を求めすぎている 影響： 時間の浪費、双方のフラストレーション増大、成果物の質が一向に 向上しない   段階的アプローチによる解決 ステップ1: アウトライン承認 「まずは構造だけ確認したいので、目次レベルのアウトライン を作成してください」 ステップ2: 下書き作成 「承認済みの構造に従って、各セクションを箇条書きとプレース ホルダーで埋めてください」 ステップ3: 洗練化 「具体的なデータ、トーン、フォーマットを適用して洗練させて ください」 ステップ4: 最終QA 「事実/前提/制約条件のチェックリストに照らして確認してくだ さい」 ポイント： 修正依頼時は「〜が不足/過剰/曖昧」と具体的に指摘し、変更履歴 とプロンプトライブラリを保存する LLM初心者のためのPrompt Engineering実践講座 45

段階的改善プロセス実演 AIとの効果的なフィードバックループには、段階的なアプローチが効果的です。一度に完璧を求めるのではなく、以下の4ステップで改善 していきます。 1 2 アウトライン 全体構造の承認を先に取る 章立て・見出しレベルの構成 主要なポイントをリスト化 内容の過不足をチェック プロンプト例：「まずは〇〇の 構成案を作成してください」 3 ドラフト  承認された構造に沿って内容充 填 箇条書きやプレースホルダー活 用 データポイントを明記 情報の確実性を評価 プロンプト例：「承認された構 成に沿って、各セクションを箇 条書きで埋めてください」 4 洗練  データ・数値の追加 トーンや表現の調整 形式面の磨き上げ 具体例や事例の挿入 プロンプト例：「以下のトー ン・表現で統一し、データポイ ントを強調してください」 QA  事実／仮定／制約のチェック 不確実な情報のマーク 情報源の確認 トーン・長さの最終調整 プロンプト例：「以下の品質チ ェックリストに基づいて検証し てください」 重要ポイント：変更履歴とプロンプトライブラリを保持し、効果的なパターンを蓄積・共有しましょう LLM初心者のためのPrompt Engineering実践講座 46

チーム運用のベストプラクティス  集中管理型プロンプトライブラリ  ユースケース別標準チェックリスト  週次レトロスペクティブ  ガバナンス体制  メトリクスボード バージョン管理機能付きの共有プロンプト集で知見を蓄積・改善。部門別・用途別にカテゴライズ。 営業・サポート・分析など用途別に必須要素をリスト化し、品質の標準化と抜け漏れ防止。 成功事例、失敗事例、改善点を共有し、継続的にプロンプトを更新・洗練。 データプライバシー保護、機密情報取扱いルール、承認フローの明確化と運用。 時間削減率、品質スコア、エラー率などの指標を可視化し、ROIを明確に示す。 LLM初心者のためのPrompt Engineering実践講座 47

Function Calling実装例：顧客履歴検索とメール自動化 シナリオ  顧客履歴検索 → 提案メール作成 → CRMログ記録 過去購入情報をもとにパーソナライズした提案を自動生成 プロンプトとツール定義 tools = [ { "type": "function", "function": { "name": "get_customer_history", "parameters": { "customer_id": "string" } } }, { "type": "function", "function": { "name": "log_interaction", "parameters": { ... } } } ]  関数スキーマの定義  モデルへの指示 出力例 { "action": "get_customer_history", "customer_id": "C123456", "email_draft": { "subject": "前回のご購入から1年、最新モデルのご案内", "greeting": "山田様", "body": "昨年ご購入いただいたAI検査システムの...", "offer": "新バージョンでは検出精度が30%向上し...", "cta": "15分のデモセッションはいかがでしょうか" } } ガードレール設計  IDが見つからない場合のフェイルセーフ  すべての関数呼び出しのログ記録  重要アクションの人間による承認 エラー処理と人間へのエスカレーション機能 トレーサビリティと監査のため全操作を追跡 自動送信前に確認ステップを挿入 get_customer_history, log_interactionの入出力形式 「必要情報がない場合はツールを呼び出す」ように指示 LLM初心者のためのPrompt Engineering実践講座 48

ReActパターン実践: Think-Act-Observe-Reflect  使用シーン 複雑な意思決定（戦略立案、トラブルシューティング、多段階分析）が必要な場合に有効  思考 (Think)   問題を分析し推論  Promptテクニック  成果 行動 (Act)   ツール使用や計算実行 観察 (Observe) 結果を確認・検証   省察 (Reflect) 次のステップを判断 ・思考過程を箇条書きで強制的に要約させる ・ツール呼び出し回数を制限し、基準を満たしたら停止 ・各ステップで明示的に「Think:」「Act:」「Observe:」「Reflect:」と表記 ・思考プロセスの透明化：AIの判断根拠が可視化され検証可能 ・エラー削減：段階的検証によりミスを早期発見 ・複雑な意思決定：営業戦略立案などの複雑な判断を構造化 LLM初心者のためのPrompt Engineering実践講座 49

2025年最新AI動向：N8N、Dify、GPT Agentsの特徴と選定ポイント  N8N：柔軟なAIワークフロー自動化 セルフホスト/クラウド両対応、視覚的設計と精密なコード指定の両立、4000以上のAIワークフローテンプレートを提供 • 技術チームに最適、精度重視のドラッグ&ドロップ操作 • API連携と拡張性に優れたエンタープライズ向け自動化基盤  Dify：オープンソースのエージェントワークフロービルダー ノーコードでのAIアプリケーション構築、複数LLM対応、RAGパイプライン、ビジュアル操作 • 直感的なビジュアルインターフェース、高品質RAGエンジン • 柔軟なAIエージェントフレームワーク、50以上の内蔵ツール対応  GPT Agents/Custom GPTs：特化型AIアシスタント コード不要でのカスタムAI構築、プライベートナレッジ活用、素早いデプロイ • 特定業務向けに最適化された回答、ブランドボイス統一 • 組織知識の活用とアクセス制御、データプライバシー考慮が必要  選定ポイント 目的とチーム特性に合わせた選択、ガバナンスとモニタリングの確保 • 迅速さ重視：ビジュアルビルダー（Dify、Custom GPTs） • 精度・柔軟性重視：コード連携可能（N8N、Dify） • スケール時に重要：ガバナンス、データ管理、監視機能の充実度 LLM初心者のためのPrompt Engineering実践講座 50