はじめに：プロンプトの重要性と本エピソードの概要
みなさんこんにちは、矢野 哲平です。この番組は、耳で学ぶAIをコンセプトに、初心者・中級者向けに、AIを分かりやすく解説する番組です。
今回は、耳で学ぶAIのシリーズ第4回目、プロンプトについて解説します。
はい、ということで今回はプロンプトについてです。
ここまで、生成AIの概要や近年のトレンド、そしてAI業界でよく登場するキーワード、
そういった、生成AIの前提知識や情報について深掘りをしました。
第4回からは、実務向けの内容に入っていきます。
今回、耳で学ぶ内容はプロンプトです。
プロンプトについては、以前のエピソードでも紹介しました。
簡単に言うと、プロンプトとは、AIへの指示のことを指します。
で、なぜ私たちはプロンプトのことを知る必要があるのかというと、
良いプロンプトであればあるほど、AIの回答精度は上がるからです。
シンプルに業務効率化に直結するというわけです。
今回はこうしたプロンプトをテーマに話していきます。
今日話すポイントは主に3つです。
1つ目に、プロンプトの概要と最近のプロンプトを取り巻く状況。
2つ目に、プロンプトの書き方。
そして3つ目に、汎用的に使えるプロンプトテクニック。
これら3点を中心に話していきます。
プロンプトを取り巻く状況の変化：プロンプトエンジニアリングからコンテキストエンジニアリングへ
では早速話していきましょう。
プロンプト、つまりAIへの指示は生成AIに関わっていく上で、避けては通れないトピックです。
とはいえ、以前私たちが関わっていたプロンプトの関わり方と、今では若干変わっている部分があります。
まずはそこから話していきたいと思います。
もともと生成AIが出てきた頃に、プロンプトエンジニアリングという言葉がありました。
これはプロンプトを設計・最適化する技術のようなものです。
このプロンプトエンジニアリングに携わる人材として、プロンプトエンジニアという職業も生まれたりもしました。
年収4千万円ぐらい提示されたり、話題になったりもしました。
これは海外の話です。
そもそも生成AIというのは、与えられたテキストに対して、その後に続くテキストを確率的に予想しています。
なので、どういったテキスト、つまりAIへの指示を与えるかで、AIの回答がガラッと変わってきます。
端的に言うと、プロンプトをどのように設計するかで、AIのポテンシャルをいかに引き出すかに焦点が当てられていました。
それだけプロンプトやプロンプトエンジニアリング、こうしたトピックへ非常に注目を集めていました。
ただ最近はちょっと状況が変わってきています。
AI自体の性能が上がってきて、人間の少ない指示でもAIが良い回答を出してくれるようになりました。
なので最近は、プロンプトエンジニアリングという言葉、あまり聞く機会は少なくなってきたと思います。
ちなみに補足すると、プロンプトエンジニアリングの後には、コンテキストエンジニアリングといったワードも登場するようになりました。
このコンテキストというのは、以前のエピソードでも登場しました。
背景情報、文脈などの意味合いです。
つまりコンテキストエンジニアリングというのは、AIに渡す文脈全体を設計する技術とでも言いましょうか。
プロンプトエンジニアリングがAIへの指示の書き方に焦点を当てているのに対して、
コンテキストエンジニアリングは背景情報や文脈、会話の履歴、AIが参照する外部のデータ、そういった全体を最適化するアプローチを採用します。
このコンテキストエンジニアリングというのは、主にAIエージェントの開発の文脈で登場します。
ちょっと混乱してしまいますが、プロンプトエンジニアリングの他にコンテキストエンジニアリングという言葉がある、
そういったものがあるという認識だけでOKだと思います。
話をプロンプトエンジニアリングに戻すと、以前ほどプロンプトエンジニアリングという言葉が言われなくなった背景に、
AI自体の進化が関連していると思います。
人間がプロンプトをそんなに工夫しなくても、精度高くAIが回答してくれるようになったと。
AIを活用したプロンプト作成とプロンプトオプティマイザー
あとはもう一つの流れとして、プロンプトを人間が考えるのではなくて、AIに考えてもらう、
そういったアプローチを採用する人も近年増えています。
私自身プロンプトを考えるときは、AIにお願いしてプロンプトを組んでもらうことが多くなりました。
ただ、AIにプロンプト作成を丸投げするのではなくて、
AIと一緒にプロンプトを作り上げるようなイメージです。
AIが作ってくれたプロンプトを人間がチェックして、出力を確認します。
こちらが望む回答でなかった場合は、それをまたAIにフィードバックをしてプロンプトを修正してもらう。
こういったAIにプロンプトを作成してもらうというアプローチもお勧めです。
このとき相談するAIというのは、ChatGPTでもGeminiでもCloudでもOKです。
普段私たちが使っているチャットの画面があるじゃないですか、AIチャット。
あちらでAIにプロンプトの作成を相談する、そういった使い方もできます。
あとはもう一つお勧めしたいのが、以前のエピソードでも紹介したプロンプトオプティマイザーというツールです。
直訳すると、プロンプトを最適化するようなツール。
そういった意味合いがあるんですけど、名前の通りプロンプトを渡すと、
ここをこうした方がいいですよと。
AIがプロンプトを添削してくれるようなツールとなります。
これはOpenAIが開発提供しているツールです。
ChatGPT様々なモデルリリースしていますよね。
例えばGPT-4やGPT-5など。
このプロンプトオプティマイザーでは、このGPT-4のプロンプトの場合はこういったプロンプトがいいですよと、
GPT-5の場合はこのようなプロンプトがいいですよというように、
モデルに応じてプロンプトの最適化を行ってくれます。
プロンプトオプティマイザーのリンク、概要欄に添付しておきますので、
合わせてこちらもチェックしてみてください。
このように最近では、人間がプロンプトを考えるのではなくて、
AIにプロンプトを考えてもらう、こういったアプローチが増えています。
プロンプトの知識は依然として重要：AIを使いこなすための人間の役割
じゃあ人間側でプロンプトの知識は一切必要ないのか、
AIに全部お願いすればいいのか、そういうとちょっとそうでもないかなと思ったりします。
これはプロンプトに限らず、あらゆるジャンルにも共通することだと思います。
AIがプログラミングをやってくれるようになったから、
人間側にプログラミングの知識は一切必要ないのかと、
AIがマーケティングやデザインをやってくれるようになったから、
人間側にそういったスキル、一切必要ないのかと。
現時点においては、私は少なくともそうは思わないです。
確かにAIができること、2,3年前に比べるとかなり増えましたよね。
人間側にプログラミングの知識が一切なくても、
アプリやウェブサイトを構築、公開できるようになりました。
でも人間側にそういった特定領域の知識があるほど、
よりうまくAIを使いこなすことができる、こう感じている人も多いと思います。
話をプロンプトに戻すと、基本的にAIにプロンプトの作成を依頼しつつも、
人間側にもプロンプトのいくつかのテクニックを覚えておくと、
より良い結果を生み出せると思います。
汎用的なプロンプトテクニック①：逆質問（フリップドインタラクションパターン）
ここからは、汎用的に使えるプロンプトのテクニック、
こちらをいくつか紹介していきたいと思います。
まず一つ目が逆質問です。
もうこれそのままで、AIに逆質問をさせるということです。
ちょっと今からプロンプトをいくつか例に挙げます。
例えば、新製品の販売戦略を3つ挙げてくださいと。
AIに指示をするよりも、新製品の販売戦略を3つ挙げてください。
戦略を考えるにあたって不足している情報は、私に質問してください。
こんな感じで、AIから人間に逆質問するように誘導します。
で、これ、なんでこういうことをやるのかっていうと、
AIに逆質問をさせて、タスクの背景情報を追加するためです。
AIの回答精度を上げるには、指示のコンテキスト、
つまり背景情報をより増やすことが必要だと、
以前のエピソードで紹介しました。
これは対人間の場合を想定してもイメージしやすいと思います。
上司から仕事を振られるときに、簡単な指示よりも
詳細な内容や背景情報が伴った指示の方が、
こちらも仕事をしやすいです。
こうした詳細な内容や背景情報を付け加えるために、
AI自身に現時点で足りない情報を質問してもらうというアプローチです。
これ、実際にフリップドインタラクションパターンという
プロンプトエンジニアリングのテクニックの一つです。
フリップド、反転させるみたいな意味合いがあるんですけど、
こちらは結構前からあるテクニックで、知っている人も多いと思います。
たくさんプロンプトエンジニアリングのテクニックがありますけど、
これが一番汎用的に使えるんじゃないですかね。
指示の内容が不足しているなとか、
まだ頭の中が整理できていなくて、指示がふわっとしてしまっている。
そういったときに、AIに逆質問させて指示を固めていく、
そういった使い方ができます。
特に自分が未経験の分野であったり、内容がまだ固まっていない、
そういった場面で活躍します。
例えば、プログラミング未経験の方が
AIを使って何かアプリを作りたいとします。
未経験なので、どういった指示の出し方をした方がいいとか、
こういった技術を使った方がいい。
このような情報が人間側に知識がないわけですね。
この時点で、AIへの指示は内容が薄いものになってしまいます。
なぜなら、人間側にその分野の知識がないからです。
こうした時に、AIへ逆質問させることで、
指示の内容を厚くすることができます。
AIは指示の内容が厚くなればなるほど、
より精度高く回答を出してくれます。
はい、一つ目はフリップドインタラクションパターン。
AIからの逆質問でした。
AIに指示を出して、ここまで私に質問はありますか?とか、
あなたがタスクを遂行するために不足している情報があれば、
私に質問してください。
こんな感じで、AIに逆質問するように誘導します。
汎用的なプロンプトテクニック②：例題提示（フューショットプロンプト）
はい、では二つ目いきましょう。
二つ目は例題です。
プロンプトの中にいくつかの例題を含めるというアプローチです。
これちょっとイメージしづらいので、具体例を挙げて説明すると、
例えばAIに資料を読み込んでもらって、
決まった形式でレポートを作成してもらいたいとします。
会社の決算資料を読み込んで、このような形でレポートを作ってもらいたいと。
私はAIにこのように指示をしました。
私が添付したPDFの決算資料を読み込んで、レポートを作成してください。
この指示だけで問題なくAIはレポートを作成してくれます。
ただ一点問題が出てきます。
それ何なのかというと、
AIが作成するレポート、構成が毎回微妙に変わってくるということです。
ある会社のレポートでは先に結論から述べたり、
他の会社のレポートでは業績に焦点を当てたり、
あとはレポートによっては文体の中身、そういったものも若干変わってきます。
で、これなぜこういうことが起きるのかというと、
AIの性質によるものです。
AIは後に続くテキストを確率的に予測します。
なので、全く同じ指示を与えたとしても、
返ってくる答えというのは毎回微妙に変わってきます。
例えば私がAIに、日本の首都はどこですかと質問したとします。
で、この質問全く同じ内容で100回AIに質問すると、
回答の中身は微妙に変化します。
日本の首都はどこですかと質問すると、
ある回答では東京ですと端的に回答してくれると。
でも別の回答では、日本の首都は東京であり、
東京は面積がいくらぐらいで、人口がどのぐらいでと長い回答が出てくると。
別の回答では、日本の首都は東京ですと。
おすすめの観光スポットを教えましょうか、みたいな回答が出てくると。
こんな感じで特にプロンプトに工夫をしなければ、
毎回ランダム性を持った回答が出力されてしまいます。
AIと相談しながら会話形式でタスクを進める場合、
そういった場合はこれで問題ないと思います。
でも繰り返しのタスク、例えば、
AIに翻訳をしてほしい、AIにレポートを予約してほしい、
こうしたあらかじめこのようなテンプレートで回答してほしい、
そういった場合にはちょっと都合が悪くなってきます。
じゃあどうするのかっていうと、そこで今回紹介した例題のテクニックを使います。
これもプロンプトエンジニアリングでよく知られた手法で、
フューショットプロンプトと呼ばれたりもします。
つまりプロンプトの中にいくつかの例題を含めることで、
AIの回答を制御することができるというアプローチです。
例えば、人間に首都を聞かれたら、
必ず都市名だけ返してほしい、
そういった場合は次のようなプロンプトにします。
あなたのタスクは国名から首都を答えることです。
都市名のみ返してください。
例題、日本の首都は東京、フランスの首都はパリ、
アメリカの首都はワシントンDC、
こんな感じでプロンプトの中に、
AIにこんな感じで回答してくださいねと例題を含めると。
この例題プロンプトもかなり幅広く応用できます。
例えば、AIにメールの下書きを作成してもらう、
そんな場面をイメージしてみてください。
メールって冒頭と末尾に、
結構テンプレートを使うことが多いじゃないですか。
お世話になります、株式会社ルートCの矢野てっぺいですとか、
メール末尾には会社の住所や連絡先を記載したり、
こうしたAIにメールを作成してもらうときは、
必ずメールの冒頭と末尾には、
この文言を入れてほしいとか、
メールの文面や文体はこのようにしてほしい、
そういった回答のお手本となるような例題をプロンプトに含めます。
AIにこんな風に回答してほしいのに、
なかなか言うことを聞いてくれないと。
そう感じた場合は、プロンプトに例題を含めることで、
AIの回答を制御することができます。
はい、では次のプロンプトテクニックに行きましょう。
汎用的なプロンプトテクニック③：手順の説明（ステップバイステップ）
次は手順の説明です。
もうこれも内容そのままです。
プロンプトの中に、AIがタスクを遂行するために、
必要な手順を記載するということです。
特に複雑なタスクほど、このテクニックは活躍します。
ステップバイステップのプロンプトテクニック
なんて言われたりもしますけど、
AIが行う作業の手順を人間側で明示的に指示をすると、
そういったアプローチです。
例えば、会議の議事録を要約するタスク、
これをAIにやってもらうとします。
すでに手元には、会議の音声を文字起こししたテキストデータがあると。
ただ、この文字起こしされたテキスト、
結構量も大きいので、
単純に指示をしただけでは、AIのミスは多くなります。
このAIの指示に手順を記載するような考えを入れると、
このようなプロンプトになります。
私が添付したデータは、議事録のテキストファイルとなります。
この議事録テキストを処理するにあたり、
必ず次の手順で作業をしてください。
手順1、議事録から決定事項を抽出して、
箇条書きで列挙する。
手順2、議事録から未解決の論点を抽出し、
箇条書きで列挙する。
手順3、議事録から次回までのアクションアイテムを抽出して、
担当者と期限を含めて表形式で整理する。
こんな感じで、
作業の手順をAIに明示的に指示をします。
ちなみに余談なんですけど、
こういった複数の処理があるタスク、
そういったものは、1回の処理で完結させるのではなくて、
複数に分割して処理をするのも有用です。
例えば、議事録の要約の例で言うと、
議事録全体を要約するタスクと、
議事録から特定の事項を抽出するタスク、
これは分割して進めると。
こういったアプローチも有用です。
3つ目は、
AIにタスクの手順を説明するという内容でした。
他にも様々なプロンプトのテクニックがあるんですけど、
汎用的でかつ簡単に使えるテクニックとしては、
とりあえずこの3つを押さえておくことをお勧めします。
AIの回答、なんか物足りないなと、
そう感じた場合は、
AIに逆質問をさせる、
AIに例題を提示する、
AIに処理の手順を説明する、
こういったアプローチ採用してみてください。
プロンプトの構造：サンドイッチ構造と情報配置の重要性
あとは生成AIの特性の話になるんですけど、
AIはプロンプトの先頭と末尾に特に注意を向ける、
そういった特性もあります。
なので重要な情報はプロンプトの先頭、
もしくは末尾に記載をすると、
そういった細かい点も覚えておくと役に立ちます。
これ、簡単なタスクだとあまり気にする必要ないんですけど、
長文のタスク、複雑なタスクになるほど、
AIは先頭と末尾の情報に注意を向けるようになります。
なのでイメージとしては、
サンドイッチのような構造で
プロンプトを構成すると良いと言われています。
先頭と末尾に重要な情報を配置して、
それをサンドイッチのように挟むと。
例えば、AIに契約書のチェックをしてもらう、
そういったタスクを想定してみます。
こういったタスクでサンドイッチ構造を
適用すると次のようなプロンプトになります。
以下の契約書の内容を読み、リスクを抽出してください。
まず先頭にAIの指示を簡単に入れて、
その後に間に契約書の中身を添付します。
そして最後に
AIにやってもらうタスクの詳細を書くと。
次の契約書の中身を読み込んで、
リスクの情報を抽出してください。
契約書の中身を添付する。
そして最後に上記の契約書について以下を実施してください。
1.リスクとなり得る情報を最大6つ抽出する。
2.各情報について
リスクの理由を一文で説明する。
こんな感じで大きなタスク、長文のタスクになる場合は、
先頭と末尾に重要な情報を記載して
サンドイッチで挟む。
こういった構造もおすすめです。
プロンプトの言語：日本語と英語の使い分け
プロンプトの言語について
プロンプトを英語にするか日本語にするか
どちらがいいのかという話をよく聞きます。
基本的にこれは日本語で問題ないと思います。
英語で指示を出すのは結構大変ですからね。
ただ、タスクによっては日本語よりも
英語の方が良い結果が得られる場合もある。
そういったことは付け加えておきます。
これ実際私が経験した内容なんですけど
ウェブデザインのタスク
これは明らかに日本語よりも英語の方が精度が高いです。
ウェブのタスクって一般的なタスクではないので
ちょっと限定的にはなるんですけど
ひとまずここでお伝えしたいのは
プロンプトの言語によって成果が変わる場合もあるということです。
私、AIのニュースアプリ開発しているんですけど
英語の情報を日本語に翻訳して
要約する、そういったタスクを繰り返し
AIにやらせています。
この要約のタスク、精度を上げるために色々実験しました。
それこそ英語のプロンプトで実験したりもしました。
実験していく中で気づいたんですけど
日本語に要約するタスク
これは英語のプロンプトよりも日本語で指示した方が
精度が良かったです。
ここで言う精度っていうのは具体的に言うと
要約された文章の読みやすさです。
日本語の要約なので
読みやすい文章、こういったものをAIに作らせるには
英語で指示するよりも日本語の指示の方が
良いのかなと思ったりもしました。
こんな感じで特定のタスクにおいては
どの言語を使うかというのも
回答精度を左右する一つの要素になり得ると
この点も頭の片隅に覚えておくと良いのではないでしょうか。
AI情報の収集方法：おすすめサイトと情報源
今日はこのへんということで
本日もお付き合いいただきありがとうございました。
今週はお便りをいただいています。
ありがとうございます。呼んでいきます。
いつもありがとうございます。質問させてください。
矢野さんがどうやってAIの情報を収集されているのか
といったリスナーからの質問に対して
以前海外サイトを2つ3つ回答されていました。
再度聞き直しをしたのですが
該当のポッドキャストの回が探せない状況です。
お手数をおかけして申し訳ありませんが
可能でしたら該当の回を教えていただけますでしょうか。
お便りありがとうございます。
これ結構前の回だったと記憶しています。
以前から聞いていただきありがとうございます。
リスナーの方から
AIの情報収集どうされてますかという質問に対して
いくつかこういったサイトで情報収集してますよ
ということを回答しました。
ちょっと私もどの回か思い出せないので
当時の記憶を振り返りながらお話しすると
おそらくテスティングカタログと
エブリィだと思います。
いずれも海外の英語のサイトなんですけど
効率よくAIの情報収集することができます。
さらに追加して最近また
情報収集のやり方も変わったので
その点も合わせてお話しすると
レディット、X、ハッカーニュース
ここら辺のサイトもお勧めです。
レディットは海外の掲示板です。
AIに関する議論、これが非常に有益です。
あとはX、AI関係者のアカウントをフォローしておくだけで
最新のAI情報をキャッチアップできます。
例えばオープンAI、Google
アンソロピックの公式アカウント
あとは私メインでクロードコードを使っているので
アンソロピックの社員の方
こうした方のアカウント、いわゆる仲の人を
仲の人のアカウントをフォローする
これもお勧めです。あとはハッカーニュース
これも昔からあるテック系のサイトなんですけど
非常に面白い記事が集められています。
ここで紹介したサイト、概要欄にリンクを貼っておきますので
興味のある方はぜひチェックしてみてください。
改めてお便りありがとうございました。
番組からのお知らせとエンディング
番組ではこのように耳で学べるAIを
毎週発信しています。通勤中や
家事の合間にAI情報をキャッチアップできます。
毎週水曜朝に更新しています。ぜひフォローをお願いします。
そしておすすめの生成AIツールを
まとめた資料も配布しています。興味のある方は
こちらもぜひ概要欄にリンクを貼っておきます。
お相手は耳で学ぶAIの矢野てっぺいでした。
また次の配信でお会いしましょう。
