【生成AIパスポート合格講座 第5回】プロンプト制作と実例

生成AIパスポート合格講座「プロンプト制作と実例（第5回）」の内容を記事にまとめました。動画で見たい方は下の動画を、要点だけ読みたい方は本文をご覧ください。また、記事末に確認問題（解答・解説つき）があります。

本講座は「生成AIパスポート試験」（一般社団法人 生成AI活用普及協会：GUGA）の合格を目指す全6回シリーズです。本文・図解・確認問題は当講座オリジナルです。

この章で、あなたが「判断できるようになる」こと

いよいよ最終章です。ここまでで、生成AIの「仕組み」「できること」「安全に使うルール」を、すべて学んできました。第5章のテーマは、その総仕上げ――「では実際に、どう指示すればAIをうまく使えるのか」です。

生成AIは、指示の出し方（プロンプト）次第で、出てくる結果が大きく変わります。同じAIでも、上手に頼めば優秀なアシスタントになり、雑に頼めば的外れな答えしか返ってきません。この章では、その「上手な頼み方」のコツを、具体例とともに学びます。

第5章は、試験対策であると同時に、合格後すぐに役立つ章です。ここで学ぶプロンプトの技法は、明日からの仕事でそのまま使えます。「試験のための暗記」ではなく、「使える道具」として身につけていきましょう。

この章を読み終えると、あなたは次のことができるようになります。

• LM・LLMという言葉の意味を説明できる
• Temperatureなどの設定が、出力にどう影響するか分かる
• 良いプロンプトの「型」を使って、AIに的確に指示できる
• Zero-Shot・Few-Shotという技法を使い分けられる
• 仕事の様々な場面で、生成AIを活用できる
• 生成AIが「苦手なこと」を知り、LLM単体では保証しにくい場面とツール併用の必要性を判断できる

では、AIの「頭脳」である言語モデルの話から始めましょう。

5-1　LMとLLM――言語モデルとは何か

LM（言語モデル）とは

テキスト生成AIの中核にあるのが、LM（Language Model：言語モデル）です。

言語モデルとは、ひとことで言えば、「次にどんな言葉が来そうか」を予測する仕組みです。第2章で「GPTは次の単語を予測している」と学びましたね。あの予測を担っているのが、言語モデルです。

たとえば「おはよう___」と来れば「ございます」が続きやすい、と予測する。この「言葉のつながりやすさ」を確率的に捉えたものが、言語モデルの正体です。

言語モデルの進化――n-gramモデルからニューラル言語モデルへ

言語モデルにも進化の歴史があります。試験では2つの方式が問われます。

• n-gramモデル：直前のいくつか（n個）の単語の並びをもとに、次の単語を予測する、古くからある統計的な方式です。「単語の出現回数を数えて確率を出す」シンプルな考え方ですが、長い文脈を捉えるのが苦手という弱点がありました。
• ニューラル言語モデル：ニューラルネットワーク（第1章）を使った言語モデル。単純な統計ではなく、言葉の意味的なつながりまで学習できるため、より自然な予測ができます。現在のAIにつながる方式です。

LLM（大規模言語モデル）とは

そして、このニューラル言語モデルをとてつもなく大規模にしたものが、LLM（Large Language Model：大規模言語モデル）です。

LLMは、膨大なテキストデータを学習し、巨大な数のパラメータ（第2章）を持つ言語モデルです。ChatGPTやClaude、Geminiなど、いま私たちが使っている主要な生成AIは、このLLMにもとづいています。「大量に学んだ、巨大な言語モデル」だと考えてください。

プレトレーニングとファインチューニング

LLMがあれほど物知りなのは、プレトレーニング（事前学習）を経ているからです。

プレトレーニングとは、インターネット上などの大量のテキストを使って、言葉の使い方や知識を、あらかじめ広く学習させておく段階のことです。この事前学習で、AIは言語の幅広い基礎力を身につけます。その後、第2章で学んだファインチューニングで特定の目的に合わせて調整する、という流れになります。

ハイパーパラメータ――Temperatureとtop-p

LLMの出力の「クセ」は、いくつかの設定で調整できます。こうした、学習の前にあらかじめ人間が決めておく設定を、ハイパーパラメータと呼びます（AIが学習で自動調整する「パラメータ」とは別物なので注意）。

生成AIで特に重要なハイパーパラメータが2つあります。

• Temperature（温度）：出力のランダムさ（自由さ）を調整する設定。値を高くすると、AIは大胆で多様な、創造的な答えを出しやすくなります。逆に低くすると、堅実で一貫した、無難な答えになります。「温度が高い＝発想が飛ぶ、低い＝かっちりする」とイメージしましょう。
• Top-p：出力する単語の候補を、確率の高いものに絞り込む設定。値を調整することで、答えの多様性をコントロールします。

たとえば、キャッチコピーを考えさせたいときはTemperatureを高めに、正確な事務的な文章がほしいときは低めに、といった使い分けが考えられます。

攻略MEMO ・パラメータ＝AIが学習で自動調整する値（第2章） ・ハイパーパラメータ＝人間が事前に決める設定（Temperature・Top-pなど） この区別は混同しやすく、試験で狙われる。「Temperatureが高い＝出力が多様・創造的になる」も押さえておく。

プロンプトとプロンプトエンジニアリング

ここで、この章のキーワードを定義します。

• プロンプト：AIへの指示や入力のこと。私たちがAIに打ち込む「お願いの文章」です。
• プロンプトエンジニアリング：より良い結果を引き出すために、プロンプトを工夫する技術・スキルのこと。

同じAIでも、プロンプトの質で結果は大きく変わります。だからこそ、プロンプトエンジニアリングが「AIを使いこなす力」として重要になるのです。次の節から、その具体的なコツに入ります。

5-2　プロンプティングの基礎――良い指示の「型」

良いプロンプトを構成する4つの要素

「AIにうまく指示が出せない」という人は多いです。でも、コツがあります。良いプロンプトには、4つの要素を意識するとよい、とされています。

• Instruction（指示）：AIに何をしてほしいか。「要約して」「翻訳して」など、依頼の中心です。
• Context（文脈・背景）：判断の助けになる背景情報。「新入社員向けに」「中学生にも分かるように」など、状況を伝えます。
• Input Data（入力データ）：AIに処理させる具体的な対象。要約してほしい文章そのもの、などです。
• Output Indicator（出力形式の指定）：どんな形で答えてほしいか。「箇条書きで」「200字程度で」「表にして」など、出力の形を指定します。

すべてを毎回入れる必要はありませんが、指示があいまいで結果がイマイチなときは、この4要素のどれかが欠けていることが多いです。

実務でひとこと 「いい感じにまとめて」だけだと、AIは何を基準にまとめてよいか分かりません。 「新入社員向けに（Context）、この議事録を（Input Data）、3つのポイントに要約して（Instruction）、箇条書きで（Output Indicator）」 ――このように4要素を足すだけで、結果は見違えます。これがプロンプトエンジニアリングの第一歩です。

Zero-Shotプロンプティング――例を見せずに頼む

プロンプトの基本技法として、まずZero-Shotプロンプティングを押さえます。

Zero-Shotとは、例（お手本）をいっさい見せずに、いきなり指示するだけのやり方です。「Shot＝例」が「Zero＝ゼロ」、つまり例なし、という意味です。

たとえば「次の文章を要約して：（文章）」と頼むのがZero-Shotです。多くの場面では、これだけで十分よい答えが返ってきます。

Few-Shotプロンプティング――例を見せて頼む

一方、Few-Shotプロンプティングは、いくつかの例（お手本）を見せてから指示するやり方です。「Few＝少数」の「Shot＝例」を与える、という意味です。

たとえば、

例：「嬉しい」→ ポジティブ 例：「悲しい」→ ネガティブ では「楽しい」は？

このように、お手本を先に示すことで、AIに「こういう形式・基準で答えてほしい」と伝えられます。独特な形式で答えてほしいときや、判断の基準を教えたいときに効果を発揮します。

攻略MEMO ・Zero-Shot＝例なしで指示 ・Few-Shot＝少数の例を見せて指示 「Shot＝例（お手本）の数」と覚えると、両者を取り違えない。複雑な形式や独自ルールを守らせたいときはFew-Shotが有効。

5-3　LLMプロンプティングの実践――文章を自在に加工する

ここからは、テキスト生成AIで実際にできる文章加工の技法を、具体例とともに見ていきます。どれも仕事で頻繁に使うものばかりです。「AIはこんなことができる」というレパートリーとして、ひととおり知っておきましょう。

文章を整える技法

• 文章の校正・校正箇所の確認：誤字脱字や文法の誤りを直してもらえます。さらに「どこを直したか」を一覧で示させれば、修正箇所を確認できます。

例：「次の文章の誤字脱字を直し、修正した箇所を教えて」

• 文章の整理：要点が散らかった文章を、筋道立てて整理してもらえます。

例：「この乱雑なメモを、読みやすく整理して」

• 文章の要約：長い文章を、短く要点だけにまとめてもらえます。

例：「この記事を3行で要約して」

形式を変換する技法

• 箇条書き⇄文章の変換：箇条書きを自然な文章にしたり、逆に長い文章を箇条書きに整理したりできます。

例：「この箇条書きを、つながりのある文章にして」「この説明文を箇条書きにして」

• 文章の対象を変更する：同じ内容を、読み手に合わせて言い換えられます。

例：「この専門的な説明を、小学生にも分かるように書き直して」

• 話者の設定を変更する：書き手の立場やキャラクターを変えて書かせられます。

例：「この案内文を、丁寧な接客口調で書き直して」

• 文章を会話のやり取りへ変換：説明文を、対話形式（Q&Aや掛け合い）に変換できます。

例：「この解説を、先生と生徒の会話形式にして」

理解を助ける技法

• 例え話で理解を深める：難しい概念を、身近なたとえ話で説明させられます。

例：「ブロックチェーンを、料理にたとえて説明して」（本講座がトシゾートーンで多用している手法そのものです）

• 数字の変換：単位の換算や、数値の表現の変換などを手伝ってもらえます。

例：「この金額を千円単位に直して」

ここがポイント これらに共通するのは、「すでにある文章・情報を、別の形に作り変える」という使い方です。生成AIは、ゼロから生み出すだけでなく、手元の素材を加工するのがとても得意です。「自分で一から書く」より「AIにたたき台や変換を頼む」と考えると、活用の幅が一気に広がります。

5-4　テキスト生成AIを用いたビジネス応用

次に、より実務に直結したビジネスでの活用シーンを見ていきます。日々の仕事のあらゆる場面で、生成AIは頼れる相棒になります。代表的な活用法を、種類ごとに押さえましょう。

文章・書類を作る

• メールの作成：用件を伝えるだけで、ビジネスメールの文面を整えてくれます。
• 海外企業宛のメール文章の作成：英文ビジネスメールも、要点を伝えれば適切な形式で作成できます。
• ビジネス書類のテンプレート作成：報告書・議事録・提案書などのひな形を用意してもらえます。
• アジェンダの作成：会議の目的を伝えれば、会議の進行表（アジェンダ）を組んでくれます。
• キャッチコピーの作成：商品やサービスの特徴から、宣伝コピーの案を複数出してくれます（Temperatureを高めにすると発想が広がります）。

調べる・分析する・整理する

• アンケート項目の作成：調査の目的に沿った設問を考えてくれます。
• アンケートの分析：集まった自由回答などを、傾向ごとに整理・分析してくれます。
• 業務の手順を分解：漠然とした仕事を、具体的なステップに分解してくれます。
• タスクの抽出：長い議事録や資料から、やるべきこと（タスク）を洗い出してくれます。

語学・データ処理を助ける

• 外国語の翻訳：文章を、自然な外国語に翻訳できます。
• 英単語から英文の作成：いくつかの単語から、例文や文章を組み立てられます。
• 姓と名の分離：「山田太郎」を「姓：山田／名：太郎」のように、データを項目ごとに分ける処理もできます。
• ふりがなの記載：漢字の名前や言葉に、読みがなを振ってくれます。

発想を広げる・一緒に考える

• ブレインストーミング：アイデア出しの相棒になり、たくさんの案を一緒に考えてくれます。
• ディベートを行う：あるテーマについて、賛成・反対の両方の立場から議論を展開させ、考えを深める助けにできます。
• 質問させながら一緒に進める：「分からないことがあれば、私に質問しながら進めて」と頼むと、AIの側から確認の質問をしてくれ、対話しながら一緒に作業を進められます。これは、いきなり完璧な指示を出すのが難しいときに特に有効な使い方です。

実務でひとこと ビジネス活用のコツは、「AIを、優秀だが社内事情を知らない新しいアシスタント」だと思って接することです。背景（Context）を伝え、求める形（Output Indicator）を指定し、必要なら例（Few-Shot）を見せる。そして第4章で学んだとおり、機密情報・個人情報は入力しない。この心構えで、AIは強力な戦力になります。

5-5　テキスト生成AIが苦手なこと――LLM単体では保証しにくい場面

最後に、とても大切な話をします。ここまで「AIはこんなにできる」と紹介してきましたが、LLM単体の文章生成だけでは保証しにくいこともあります。これを知らずに頼りきると、思わぬ失敗をします。大切なのは、こうした場面では文字数カウントや計算ツール、Web検索などを併用し、結果を人間が検証するという姿勢です。「苦手なこと」を知ることは、「できること」を知るのと同じくらい重要です。

シラバスでは、代表的な苦手分野が4つ挙げられています（いずれもLLM単体での話で、外部ツールの併用で補えるものもあります）。

① 正確な文字数の指定

「ちょうど100文字で書いて」と頼んでも、生成AIは正確な文字数をぴったり守るのが苦手です。AIは文章を「文字を数えながら」書いているのではなく、「次に来そうな言葉」をつないでいるだけだからです（第2章の仕組みを思い出してください）。おおよその長さは指定できますが、厳密な文字数は人間が最終調整する必要があります。

② 計算

生成AIは計算が得意ではありません。一見もっともらしい数字を出しますが、複雑な計算では平気で間違えます。AIは「計算機」ではなく「言葉を予測する仕組み」だからです。正確な計算が必要なときは、電卓や表計算ソフトを使うか、第2章で触れたCode Interpreter（コードを実行する機能）のような仕組みを併用すべきです。

③ 最新の情報

生成AIは、学習した時点より後の最新情報を知りません。これは第2章・第3章でも触れた弱点です。今日のニュースや、つい先ほど起きた出来事については、答えられないか、誤った情報を出します。最新情報が必要なときは、第3章で学んだRAGや、Web検索機能を備えたAIを使う必要があります。

④ 芸術の批評

芸術作品の良し悪しを評価する（批評する）ことも、生成AIの苦手分野とされます。芸術の評価には、人間ならではの感性や、その時代・文化の文脈をふまえた主観的な判断が求められます。生成AIは芸術批評の補助には使えますが、人間自身の感性や価値判断を代替するものではありません。

攻略MEMO 苦手な4つは、理由とセットで覚えると忘れない。 ・正確な文字数：文字を数えていないから ・計算：計算機ではなく言葉の予測だから ・最新情報：学習時点までしか知らないから（→RAGで補う） ・芸術の批評：主観的・感性的な判断だから 「ハルシネーション（第2章）」とあわせて、生成AIの限界として頻出。

実務でひとこと 苦手分野は、要するに「正確さ・最新性・主観的判断が問われる場面」です。こうした場面では、AIの答えを鵜呑みにせず、必ず人間が確認・判断する。これが、生成AIと上手に付き合う最大のコツです。AIは「答えを出す人」ではなく、「あなたの仕事を助ける道具」なのです。

第5章のまとめ

おつかれさまでした。これで全5章を走り抜けました。最後の章を振り返りましょう。

• LMとLLM：言語モデル（LM）は次の言葉を予測する仕組み。n-gramモデルからニューラル言語モデルへ進化し、それを巨大化したのがLLM。プレトレーニングで広く学び、ハイパーパラメータ（Temperature・Top-p）で出力を調整する。
• プロンプトの型：良い指示はInstruction・Context・Input Data・Output Indicatorの4要素から。例なしのZero-Shot、例を見せるFew-Shotを使い分ける。
• 実践技法：校正・整理・要約、箇条書き変換、対象や話者の変更、会話化、例え話、数字変換など、「文章を作り変える」のが得意。
• ビジネス応用：メール・書類・アジェンダ作成、アンケート分析、タスク抽出、翻訳、ブレスト、ディベート、質問させながら進める対話的活用まで、幅広く使える。
• 苦手なこと：正確な文字数、計算、最新情報、芸術の批評。理由を理解し、人間の確認を欠かさない。

全体のおわりに――合格、そしてその先へ

本講座を最後まで読み通したあなたは、すでに生成AIの全体像を、自分の言葉で語れるようになっているはずです。

• 第1章で、AIとは何かという根っこを押さえ、
• 第2章で、生成AIの仕組みと進化をたどり、
• 第3章で、いまできることと最新動向を知り、
• 第4章で、安全に・正しく使うルールを学び、
• 第5章で、実際の使いこなし方を身につけました。

これらはバラバラの知識ではなく、「生成AIを理解し、安全に活用する」という一本の幹でつながっています。試験本番では、細かい用語に迷っても、「これは大きな流れのどこにある話か」を思い出せば、きっと答えにたどり着けます。

そして何より大切なのは、この資格はゴールではなくスタートだということです。ここで得た知識は、合格証のためだけのものではありません。明日からあなたが職場で生成AIを使うとき、正しく・安全に・前向きに活用するための、確かな土台になります。

新しく職場にやってきた、優秀だけれど少し危なっかしいAIという「同僚」を、あなたはもう、上手に使いこなせます。

合格を、そしてその先のあなたの活躍を、心から応援しています。

本講座を終えて 全5章、本当におつかれさまでした。ここまで積み上げた知識は、試験の合否を超えて、これからのあなたの仕事と人生で生き続けます。自信を持って、本番に臨んでください。あなたの合格を、心から信じています。