一貫した結果を出すプロンプトの型 — 役割・文脈・指示・出力形式

指示のたびに結果がばらつく理由

「レポートをまとめて」「メールの返信を書いて」といった短い依頼をAIに送ると、返ってくる文章の長さやトーン、構成が毎回微妙に違うことに気づきます。これはAIの気まぐれというより、依頼の中に足りない情報をAIがそのつど推測で埋めているために起きる現象です。誰向けの文章か、どんな前提があるか、何文字程度でまとめるべきかを明示しなければ、AIはもっともらしい仮定を置いて出力を生成します。仮定が毎回変わるので、出力も毎回変わります。

この問題は表現を工夫すれば解決するわけではありません。必要なのは、AIに渡す情報そのものを構造化することです。

プロンプトの基本フレーム — 役割・文脈・指示・出力形式

再現性のある依頼には、次の4つの要素がほぼ必ず含まれています。順番に書き出すだけで、抜け漏れのチェックリストとして機能します。

役割（Role）

AIにどの立場で回答してほしいかを伝えます。「社内向け広報担当として」「新人にもわかるように説明する研修講師として」のように立場を指定すると、語彙の難易度やトーンが安定します。

文脈（Context）

依頼の背景です。誰が読むのか、何のために使うのか、参照すべき前提情報は何かを添えます。文脈が抜けると、AIは一般的な想定読者を前提に書くため、実際の用途とずれた出力になりがちです。

指示（Instruction）

実際にしてほしい作業です。「要約して」ではなく「3つの要点に絞って要約し、各要点に根拠となる一文を添えて」のように、動詞と条件をセットで書きます。

出力形式（Format）

文字数、箇条書きか段落か、見出しの有無、表にするかどうかを指定します。形式の指定を省くと、同じ内容でも毎回違うレイアウトで返ってくる原因になります。

悪い例 → 良い例

悪い例「取引先へのお詫びメールを書いて」

この依頼だけでは、相手との関係性、謝罪の対象となる出来事、文面の丁寧さの度合いがすべてAI任せになります。結果として、状況に合わない一般的な謝罪文が生成されることがあります。

良い例「あなたは営業担当のアシスタントです。取引先の担当者に、納期を3日遅らせる連絡をメールで送ります。すでに一度口頭で謝罪済みで、今回は正式な書面での再謝罪という位置づけです。丁寧語を使い、300字程度、件名案も1つ添えてください。」

役割・文脈・指示・出力形式がすべて含まれているため、AIが推測に頼る部分が減り、出てくる文面のばらつきも小さくなります。

こう使う

毎回この4要素をゼロから考えるのは負担なので、よく使う依頼はテンプレートとして手元に残しておくと効率的です。テンプレート化と変数の扱い方は再利用できるプロンプトの設計で詳しく扱います。また、この型に加えて具体的な例を1つ添えるだけで精度がさらに上がる場面が多く、その方法は文脈と例示でAIの精度を上げるで解説しています。

もっとも、型を守ること自体が目的化すると本末転倒です。役割・文脈・指示・出力形式という順序はあくまで要件の抜け漏れを防ぐための補助線であり、大切なのは「自分が何を求めているかを具体的に言語化すること」です。特定の言い回しを探す「呪文」志向よりも、要件定義そのものを丁寧に行う姿勢のほうが、結果的に安定した出力につながります。

参考文献

1. Anthropic. "Prompt engineering overview." Claude Docs, Build with Claude.
2. Anthropic. "Give Claude a role with a system prompt." Claude Docs, Prompt engineering.
3. OpenAI. "Prompt engineering." OpenAI Platform Documentation.
4. Google. "Prompt design strategies." Gemini API Docs, Google AI for Developers.