この記事は2026年3月時点の情報に基づいています。
ここまでの16回で、主要なAIプラットフォーム（車）とモデル（エンジン）をすべて解説しました。しかし、どんな高性能な車もエンジンも、運転の仕方を知らなければ性能は引き出せません。その「運転技術」にあたるのが、プロンプトです。
この記事では、ビジネスメール・企画書・リサーチ・コーディング・議事録など 場面別にコピペで使えるプロンプトテンプレート を紹介します。各プラットフォームの個別記事（ChatGPT、Claude、Cursor等）でも5つずつプロンプト例を紹介しましたが、今回はツールに依存しない 「プロンプト設計の原則」 と、2026年の最新モデルに対応した実践テクニックを体系的にまとめます。
この記事を読めば、「なぜ同じAIでも人によって出力品質が違うのか」「Thinkingモデルにはどう指示すべきか」「コーディングエージェントに一発で正解を出させるコツは何か」がクリアになります。
プロンプト設計の3原則
AIに指示を出すとき、覚えておくべき原則は3つだけです。
原則1: 具体的に伝える。「いい感じにして」ではなく、「誰向けか」「何を含めるか」「どんなフォーマットか」「どのくらいの長さか」を明示します。人間の部下に仕事を頼むとき、曖昧な指示では期待通りの結果が返ってこないのと同じです。
原則2: 肯定形で書く。「モックデータを使わないで」よりも「実在するデータのみを使ってください」の方が、AIの出力精度が上がることが検証されています。否定形は「何をすべきか」の情報が欠けているため、AIが意図を汲み損ねやすいのです。
原則3: 構造を与える。長い指示は、セクションや箇条書きで整理します。人間が読みにくい指示は、AIにとっても読みにくい。見出し・区切り線・番号付きリストを使って、指示の構造を視覚的に明確にしてください。
2026年のプロンプト ── 何が変わったのか
2026年のAIモデルは、2024年のモデルとは根本的に異なります。プロンプトの書き方もアップデートが必要です。
Thinkingモデルには「考えろ」と言わない
GPT-5.4のThinkingモード、Claudeの拡張思考、Gemini 2.5 Proの思考モデル── これらの推論モデルは、内部で自動的に段階的推論を行います。かつて有効だった「ステップバイステップで考えてください」というプロンプトは、これらのモデルには 不要どころか逆効果 です。すでに考えているモデルに「考えろ」と指示するのは、考えている人に「考えてください」と声をかけるようなもの── 集中を乱すだけです。
Thinkingモデルには、「考え方」ではなく 「ゴール」と「制約」 を伝えてください。
穏やかな指示が精度を上げる
「絶対に」「必ず」「CRITICAL」「NEVER」── こうした強調表現は、2026年の最新モデルでは逆効果になることが確認されています。モデルが過剰に反応し、本来の判断力を損なうためです。落ち着いた、直接的な指示の方が安定して高品質な出力を得られます。
コンテキストの量が質を決める
Claudeの200Kトークン、Gemini 3.1 Proの100万トークン、Llama 4 Scoutの1,000万トークン── 2026年のモデルは膨大な入力を一度に処理できます。「情報を削って短くする」よりも、関連する情報をすべて渡す 方が精度が上がるケースが増えています。ただし、情報の優先順位は人間が整理してから渡すことが重要です。
場面別プロンプトテンプレート
1. ビジネスメールの作成
以下の条件でビジネスメールを作成してください。
宛先：取引先の部長（面識あり・やや堅めの関係） 目的：プロジェクトの納期を2週間延長する相談 トーン：丁寧だが率直。言い訳がましくならないように 含めるべき要素：①遅延の理由（品質基準を満たすための追加テストが必要）、②延長後の新しい納期、③延長期間中の進捗報告の頻度（週次） 長さ：300字以内
なぜこれが効くのか: 「メールを書いて」だけだと、AIは宛先の関係性もトーンもわかりません。5つの条件（宛先・目的・トーン・含めるべき要素・長さ）を指定することで、1回で使えるメールが出力されます。
2. 企画書・レポートの骨格作成
使えるツール: Claude（長文の構造化が得意）、ChatGPT
あなたはSaaS企業のプロダクトマネージャーです。 経営会議向けに、新機能「AI自動レポート機能」の企画書を作成してください。
構成：
- エグゼクティブサマリー（200字以内）
- 課題の背景（現状のレポート作成に月40時間かかっている）
- 提案内容（機能の概要と技術的アプローチ）
- 期待効果（時間削減、コスト削減の概算）
- リスクと対策
- スケジュール（3ヶ月のマイルストーン）
読者は技術に詳しくない経営層です。専門用語は避け、数値を多用してください。
なぜこれが効くのか: 「役割」「構成」「読者」「スタイル指定」の4要素が揃っています。特に冒頭の「あなたはPMです」という役割指定は、AIの膨大な知識の海から特定の専門領域にスポットライトを当てる効果があります。役割を1行足すだけで、AIの語彙と優先順位が変わり、PMならではの視点でリスクやスケジュールを組み立ててくれます。「読者は技術に詳しくない」という制約も、出力の粒度を適切にコントロールします。
3. リサーチと情報整理
使えるツール: Perplexity（ソース付き検索）、Gemini（Google連携）、Claude
2026年の日本におけるリモートワーク導入率について調べてください。
出力形式：
- 最新の統計データ（出典付き）
- 業界別の傾向（IT、製造、金融の3業界）
- 2024年との比較
- 企業規模別の違い（大企業 vs 中小企業）
信頼できるソース（政府統計、大手調査機関）を優先してください。 情報が見つからない項目は「データ未確認」と明記してください。
なぜこれが効くのか: 「出力形式」を明示することで、漠然とした長文ではなく構造化された情報が返ってきます。「データ未確認と明記して」という指示は、AIのハルシネーション（もっともらしい嘘）対策として有効です。AIは「わからない」と言いにくい傾向があるため、「わからないときの振る舞い」を明示的に指定します。
4. 議事録の要約と構造化
使えるツール: Claude（長文処理）、Gemini（動画・音声からの直接処理）
以下の会議の文字起こし（約8,000字）を、経営層向けのサマリーに変換してください。
フォーマット： ■ 決定事項（箇条書き・担当者と期限付き） ■ 未決定事項（次回までに決めるべきこと） ■ 主要な議論のポイント（各200字以内で3つまで）
発言者の名前は残し、「○○さんが△△を提案」の形式で。 雑談や脱線部分は省略してください。
なぜこれが効くのか: 議事録は「全部書く」と読まれず、「要約しすぎる」と使えません。「決定事項 / 未決定事項 / 議論のポイント」という3分類が、ちょうどよい粒度を実現します。Geminiを使う場合は、会議の録画動画を直接投入して文字起こしと要約を一括処理できます。
ここからの2つのテンプレート（コーディング・コードレビュー）はエンジニア向けです。プログラミングに関わらない方は「7. Thinkingモデル専用 ── 複雑な分析」まで読み飛ばしてください。
5. コーディング ── エージェントへの指示
使えるツール: Cursor、Claude Code、GitHub Copilot
ユーザー認証機能を実装してください。
技術スタック：Next.js 15 / TypeScript / Prisma / PostgreSQL 要件：
- メールアドレス + パスワードでの登録・ログイン
- パスワードはbcryptでハッシュ化
- JWTトークンによるセッション管理（有効期限7日）
- 既存の src/middleware.ts と統合
制約：
- any型は使用禁止
- テストはVitestで、正常系3パターン・異常系3パターン
- エラーメッセージは日本語
実装後にテストを実行し、全パターン通ることを確認してください。
なぜこれが効くのか: コーディングエージェントに「一発で正解」を出させる鍵は、コンテキストの網羅性 です。技術スタック・要件・制約・検証手順の4点を明示すれば、エージェントは迷わずに実装を進められます。Claude CodeやCursorのAgent Modeでは、「テストを実行して確認して」まで指示すれば、実装→テスト→修正の自己修正ループを自律的に回します。
6. コードレビューの依頼
使えるツール: Cursor、Claude Code、Copilot
以下のPull Requestの変更内容をレビューしてください。
レビュー観点（優先順位順）：
- セキュリティ上の脆弱性（SQLインジェクション、XSS等）
- パフォーマンスへの影響（N+1クエリ、不要なレンダリング等）
- テストカバレッジの不足
- 命名規則やコーディング規約との不一致
各指摘には「深刻度（高/中/低）」と「修正案のコード」を付けてください。 問題がない場合は「問題なし」と明記してください。
なぜこれが効くのか: 「レビューして」だけだと表面的なコメントに終わります。観点を優先順位付きで明示し、出力フォーマット（深刻度 + 修正案）を指定することで、実用的なレビューが返ってきます。
7. Thinkingモデル専用 ── 複雑な分析
使えるツール: ChatGPT（Thinkingモード）、Claude（拡張思考）
当社のSaaSプロダクト（月額＄50、現在1,200社が利用）について、以下の戦略オプションを評価してください。
オプションA：価格を＄30に下げて顧客数2倍を目指す オプションB：価格を＄80に上げてエンタープライズ機能を追加する オプションC：現行価格を維持し、アドオン課金（平均＄20/社）を導入する
各オプションについて：
- 12ヶ月後のARR（年間経常収益）の試算
- 実行に必要なリソースとコスト
- 最大のリスクとその緩和策
- 競合（Slack、Notion）の価格戦略との整合性
最終的に、根拠を示した上で1つを推奨してください。
なぜこれが効くのか: このプロンプトには「ステップバイステップで考えて」という指示がありません。Thinkingモデルは、複数の選択肢を比較し、数値を試算し、リスクを評価するプロセスを 内部で自動的に展開 します。人間がすべきなのは、「考え方の指示」ではなく「評価すべき項目の明示」です。
8. マルチモーダル ── 画像・動画の活用
使えるツール: Gemini（動画対応）、ChatGPT（画像分析）、Claude（画像分析）
添付した競合サービスのダッシュボード画面（スクリーンショット3枚）を分析してください。
分析してほしい点：
- 情報設計（どのデータをどの優先度で見せているか）
- UI/UXの工夫（色の使い方、レイアウト、CTA配置）
- 当社のダッシュボードと比較した場合の差分
出力形式：各画面について上記3点を表形式で。 最後に、当社が取り入れるべき改善点を3つ提案してください。
なぜこれが効くのか: 画像を「見せるだけ」では、AIは一般的なコメントしかしません。「何を分析するか」「どう出力するか」「最終的に何が欲しいか」を指定することで、画像分析が具体的なアクションにつながります。動画の場合はGeminiが最も得意で、会議の録画を丸ごと投入して「発言者ごとの論点をまとめて」といった処理も可能です。
9. 翻訳・ローカライゼーション
以下の英文プレスリリースを日本語に翻訳してください。
ルール：
- ビジネスフォーマルなトーン
- 技術用語は初出時に原語を括弧で併記（例：「生成AI（Generative AI）」）
- 社名・製品名はカタカナ表記（例：OpenAI→オープンエーアイ）
- 原文の論理構造は維持し、日本語として自然な語順に調整
- 1文が60字を超える場合は分割を検討
なぜこれが効くのか: 翻訳ルールを5つ明示することで、後から手直しする箇所が大幅に減ります。特に「1文60字」の制約は、機械翻訳にありがちな一文の長さ問題を予防します。日本語の品質ではClaudeが高評価ですが、GPT-5.4のThinkingモードでも大幅に改善しています。
10. データ分析・可視化
使えるツール: ChatGPT（Code Interpreter）、Claude（Artifacts）
添付のCSVファイル（売上データ、12ヶ月分）を分析してください。
分析項目：
- 月別の売上推移（折れ線グラフ）
- 商品カテゴリ別の売上構成比（円グラフ）
- 前年同月比で最も成長した商品トップ5（棒グラフ）
- 売上の季節性パターン（あれば指摘）
各グラフに日本語のタイトルと凡例を付けてください。 最後に、データから読み取れるビジネスインサイトを3つ、経営者向けの言葉で。
なぜこれが効くのか: 「分析して」だけでは何を見せるべきか不明です。グラフの種類・言語・最終アウトプット（ビジネスインサイト）を指定することで、データ分析が経営判断に直結する資料になります。
プロンプト設計のアンチパターン
効果的なプロンプトだけでなく、「やってはいけないこと」も知っておきましょう。
アンチパターン1: 曖昧な一言指示。「いい感じに要約して」「きれいにして」── AIは「いい感じ」の基準がわからないため、期待と異なる出力が返ってきます。「誰向けに」「何字以内で」「何を優先して」を具体的に。
アンチパターン2: Thinkingモデルへの「考えろ」指示。「ステップバイステップで考えてください」「まず分析してから回答してください」── GPT-5.4 ThinkingやClaudeの拡張思考にこれらの指示を加えると、内部の推論プロセスと干渉して精度が下がります。ゴールと制約だけを伝えましょう。
アンチパターン3: 威圧的・感情的な煽り。「絶対に間違えないで」「これは非常に重要です」── 2026年の最新モデルでは、こうした強調がモデルの過剰反応を引き起こし、結果として品質が下がることが確認されています。かつてネットで話題になった「チップを＄200払います」「これに私のキャリアがかかっています」といった感情的な煽りも、2026年のモデルでは完全に無視されるか、単なるノイズになります。AIは感情ではなく、正確な数値データと制約に反応するよう調整されています。落ち着いた直接的な指示が最も効果的です。
アンチパターン4: コンテキスト不足のコーディング指示。「認証機能を追加して」── 技術スタック、既存のファイル構成、命名規則、テスト方針が不明では、エージェントは推測に頼ります。CLAUDE.mdや.cursor/rulesにプロジェクトの前提を書いておけば、毎回のプロンプトは短くて済みます。
アンチパターン5: 一度にすべてを求める。「アプリのフロントエンド、バックエンド、データベース、テスト、デプロイ設定をすべて作って」── 一度の指示で全てを完璧にこなせるAIはありません。段階的に進め、各段階で確認しながら次に進む方が、最終的な品質は高くなります。
究極の時短術 ── AIにプロンプトを書かせる
プロンプト設計に自信がない、あるいは最適な聞き方がわからないとき、最も失敗が少ない方法があります。AIにプロンプトを作らせる ことです。
「○○についてのプロンプトを書きたい。精度を上げるために、まず私に質問を5つしてください。その回答をもとに、最適なプロンプトを作成してください。」
この「メタ・プロンプト」を使えば、AIが必要な情報（対象読者は？出力形式は？制約は？）を自分で聞いてきます。人間が考え漏らしがちな前提条件を、AIの側から引き出してくれるのです。特にプロンプト設計に慣れていない段階では、自分で構造を作るよりも、AIとの対話の中でプロンプトを磨いていく方が効率的です。
プロンプトの「再利用設計」── 一度書いたら資産にする
プロンプトは使い捨てではありません。よく使うプロンプトは「テンプレート」として保存し、再利用する仕組みを作りましょう。
ChatGPT: カスタム指示（Custom Instructions）やGPTsに、よく使うプロンプトの前提条件を登録できます。「あなたはSaaS企業のPMです」「出力は日本語で」といった共通部分を毎回書く手間が省けます。
Claude: Projects機能で、プロジェクトごとにシステムプロンプトとドキュメントを設定できます。「このプロジェクトでは常にこの前提で回答する」という環境を構築可能です。
Cursor / Claude Code: .cursor/rulesやCLAUDE.mdに、プロジェクトの技術スタック・コーディング規約・禁止事項を記述しておけば、毎回のプロンプトは「何をするか」だけで済みます。この設定ファイルはリポジトリにコミットできるため、チーム全員が同じ前提でAIを使えます。
ツールのリレー: 1つのAIですべてを完結させる必要はありません。Perplexityでソース付きのリサーチを行い、その結果をClaudeのProjectsに投入して構造化されたレポートを書かせる。コードの設計はChatGPT Thinkingで検討し、実装はClaude Codeに任せる── この「ツール間のリレー」を意識した指示出しが、2026年の最も効率的なワークフローです。
コスト最適化のヒント: プロンプトの構造を「変わらない部分（前提条件・ルール）を先に、変わる部分（今回のタスク）を後に」配置すると、第14回 GPTモデル解説 ── 「トークン単価のデフレ」セクションで解説したプロンプトキャッシュの恩恵を受けやすくなります。OpenAIで最大75%、Anthropicで最大90%のコスト削減と、レイテンシの大幅な短縮が見込めます。
5軸スコア ── 「プロンプト力」の自己診断
今回は特定のツールやモデルではなく、プロンプト設計スキルの自己診断として5軸を使います。以下の各軸で自分のプロンプトを振り返り、改善ポイントを見つけてください。
| 評価軸 | チェック項目 | 改善のヒント |
|---|---|---|
| 具体性 | 宛先・目的・フォーマット・長さを毎回指定しているか | 「5W1H」を意識して、抜けている要素がないか確認 |
| 構造化 | 長い指示にセクション分け・番号・見出しを使っているか | 人間が読んで迷わない指示は、AIも迷わない |
| モデル適応 | Thinkingモデルに不要な「考えろ」指示を出していないか | ゴールと制約だけを伝え、考え方はモデルに任せる |
| コンテキスト活用 | 関連情報を十分に渡しているか。削りすぎていないか | 2026年のモデルは大量入力に強い。迷ったら渡す |
| 再利用性 | よく使うプロンプトをテンプレート化・設定ファイル化しているか | CLAUDE.md、Custom Instructions、Projectsを活用 |
こんな人におすすめ / こんな人には向かない
おすすめな人: AIを使い始めたが「なんとなく聞いて、なんとなく返ってくる」状態から脱却したい方。すでにAIを使いこなしている方も、Thinkingモデルへの対応やコーディングエージェントへの指示最適化で新しい発見があるはずです。
向かない人: 「プロンプトを考える時間がもったいない。とにかくすぐ使いたい」という方は、まずChatGPTかClaudeの各記事にあるプロンプト例5選から始めてください。この記事は「なぜそう書くと効くのか」の原理を理解したい方向けです。
まとめ
プロンプト設計は「AIへの指示の出し方」であり、2026年においてはビジネススキルの一つです。
3つの原則（具体的に・肯定形で・構造を与える）を押さえれば、どのAIツールでも出力品質は上がります。そして2026年のモデルには、3つの追加ルールがあります── Thinkingモデルには考え方ではなくゴールを伝える。強調表現を控え、落ち着いた指示を書く。コンテキストは削りすぎず、十分に渡す。
この記事のテンプレートは、そのままコピペして使えます。しかし、最も効果的なのは 自分の業務に合わせてカスタマイズし、テンプレートとして蓄積していく ことです。プロンプトは「消耗品」ではなく「資産」── 使うたびに磨かれるナレッジベースとして育ててください。
次の記事、シリーズ最終回のAIツール料金比較表では、ここまで紹介した全ツール・全モデルの料金を一覧にし、予算別の「最強の組み合わせ」を提案します。