プロンプトエンジニアリングの例、手法、および実用的な応用例

ピザ屋に電話して、「ピザ」とだけ注文することはないでしょう。希望通りの夕食を受け取るためには、生地の種類、トッピング、スパイス、飲み物、そしてアレルギーのある食材などを具体的に指定するはずです。

この話から得られる教訓は、「指示が詳細であればあるほど、ピザは自分の好みに近づく」ということです。これは、OpenAIの ChatGPTやGoogleのGeminiといった生成AIツールを活用する際にも当てはまります。

このブログ記事では、生成AIツールに対して明確な指示を与え、具体的な質問を投げかける方法、すなわち「プロンプトエンジニアリング」と呼ばれるプロセスについて解説します。

プロンプトエンジニアリングとは？

プロンプトエンジニアリングとは、AIモデル、特に言語モデルに与えるテキストを設計・改良し、最も正確で関連性が高く、創造的な応答を引き出すプロセスです。

プロンプトエンジニアリングを学ぶべき理由

生成AIは、コンテンツ作成から建築モデリングに至るまで、幅広い範囲において、最も強力で影響力のあるツールの一つとして成長しつつあります。マッキンゼーの調査によると、2030年までに、米国経済全体で現在費やされている労働時間の最大30％が、生成AIベースの技術によって自動化される可能性があるとのことです。

Gen AIを最大限に活用するには、プロンプトエンジニアリングを習得する必要があります。

対話効率の向上：プロンプトエンジニアリングは、人間の意図と機械の出力を結びつける主要なインターフェースとして機能します。機械学習（ML）モデルに自然言語のクエリを理解させるためには、プロンプトエンジニアリングの知識が必要です。

AIの創造性を引き出す：生成AIの最大の特徴は、プロンプトに応じてテキスト、画像、またはデータを「生成」、つまり作り出す点にあります。創造的な応答を得るためには、明確なプロンプトを入力する必要があります。

正確な応答を引き出す：ジェネレーティブAIにおける大きな課題の一つが「幻覚」です。これは、AIモデルが誤った仮定や固有のバイアスに基づいて、不正確または誤解を招く情報を生成してしまう現象です。これを解消するには、優れたプロンプトエンジニアリングのスキルが必要です。

成果を最大化するには：生成AIは、膨大な量のデータを処理する大規模言語モデルで構成されています。モデルの能力を最大限に引き出し、そのリミットを克服するためには、優れたプロンプトエンジニアリングが不可欠です。

関連性の向上：AIによって生成されるものはすべて、対象となるユーザー層に関連性のあるものでなければなりません。例えば、ユーザー層の人口統計、興味、ニーズ、課題などを具体的に指定することで、AIが生成するソーシャルメディアの投稿の関連性を高めることができます。

これらのメリットを最大限に活かすためには、プロンプトエンジニアリングを活用して生成AIから望ましい結果を得る方法を理解する必要があります。まずはいくつかの例から見ていきましょう。

プロンプトエンジニアリングの例

プロンプトエンジニアリングを正しく行うための「やること」「やらないこと」、ベストプラクティス、AIプロンプトのテンプレートなどは数多く存在します。しかし、AIの活用術について詳しく説明する前に、プロンプトエンジニアリングのような実践的なスキルを習得する最良の方法は、実際の活用例を見ることです。

ここでは、さまざまな仕事分野におけるプロンプトエンジニアリングの例をいくつかご紹介します。

ソフトウェア開発におけるプロンプトエンジニアリング

プログラミング、バグ修正、ドキュメント作成のいずれにおいても、開発者向けのAIツールは仕事を大幅に簡素化してくれます。その方法をご紹介します。

コードレビューの支援

「Pythonを使用して構築されたロボティック・プロセス・オートメーション（RPA）アプリケーション向けのコードレビューチェックリストを作成してください。特に、可読性と企業セキュリティに重点を置いてください。」

技術ドキュメント

「Node.js を使用した Web アプリケーションにおける OAuth 2.0 の実装に関する包括的なガイドを作成してください。各フェーズごとのステップとコードスニペットを含めてください。」

バグ修正

「Javaアプリケーションにおけるメモリリークの特定と修正のための体系的なアプローチについて、使用するツールや確認すべき一般的な箇所を含めて説明してください。」もし初心者の方で、これが少し複雑に感じられる場合は、お手伝いします。ClickUpのエンジニアリング向けChatGPTプロンプトを活用して、アイデアの創出やプランの策定など、さまざまな作業を行ってみてください。

プロダクトマネジメント向けのジェネレーティブAIプロンプト

アジャイルソフトウェア開発チームでは、ロードマップを明確にし、進捗を推進できるプロダクトマネージャーが不足していることがよくあります。ChatGPTのようなAIツールが役立つでしょう。

機能の優先順位付け

「RICE評価モデル（Reach、Impact、Confidence、Effort）を用いて、今後開発予定のプロジェクト管理ツールにおいて、以下の機能を優先順位付けしてください：カンバンボード、リアルタイムコラボレーション、自動レポート作成、サードパーティ製ツールとの連携。」

ユーザーペルソナの作成

「パーソナルフィットネス初心者で、多忙なビジネスパーソンをターゲットとしたフィットネストラッキングアプリの、詳細なユーザーペルソナを作成してください。人口統計学的情報、目標、課題、およびアプリの利用方法を含めてください。」

製品ロードマップの策定

「パーソナライズされたショッピング体験を実現するためのAI統合に焦点を当て、eコマースプラットフォームの拡張に向けた6ヶ月間の製品ロードマップの概要を作成してください。各フェーズ、主要なマイルストーン、および期待される成果を詳細に記述してください。」あるいは、製品管理向けの130以上のClickUp ChatGPTプロンプトから選択して、すぐに始めましょう。

プロジェクト管理におけるプロンプトエンジニアリングの例

Gen AIにプロジェクトプランの作成を依頼し、それをカスタムすることも可能です。あるいは、プランの一部を最適化するためのサポートを受けることもできます。以下で、その両方の例をご紹介します。

プロジェクトプランの作成

「新しいオンラインマーケットプレイスを立ち上げるための詳細なプロジェクトプランを策定してください。市場調査、設計・開発、テスト、サービス開始戦略などのフェーズを含めてください。各フェーズにおける主要な活動、必要なリソース、およびタイムラインを明記してください。」

リソースの最適化

「ソフトウェア開発プロジェクトにおける現在のリソース配分を分析し、品質を損なうことなく納期通りに納品できるよう、最適化案を提案してください。スキルセット、作業負荷の配分、クリティカルパスのタスクなどの要素を考慮してください。」

ClickUpがあなたのために厳選した、プロジェクト管理向けの190以上のChatGPTプロンプト。

ClickUp Brainの詳細はこちら：

コンテンツ作成のプロンプト

優れたAIコンテンツ作成ツールは、マーケティング成果を大幅に向上させるのに役立ちます。以下の方法を試して、その効果をぜひご自身で確かめてみてください。

ソーシャルメディアキャンペーン

「近日発売予定の環境に優しいシャンプーのソーシャルメディアキャンペーンを企画してください。Instagram用の投稿を3種類、Twitter用の投稿を3種類含めてください。各プラットフォームに適したハッシュタグを追加してください。」

電子メールマガジンのコンテンツ

「あるテック系スタートアップの月刊ニュースレター向けに、製品の最新情報、チームメンバーの紹介、今後のイベント、そして読者に新機能を試してもらうよう促す行動喚起（CTA）を含む、魅力的なコンテンツを作成してください。」

また、製品のアップデートやチームメンバーについてより詳細な情報を提供することで、より正確な出力を得ることができます。例は以下の通りです。

「チームメンバーを特集しましょう。彼の名前はジェイク。素晴らしい開発者です。今月で入社1年を迎えます。在籍期間中、彼はクライアントの最も深刻な問題の解決に貢献してきました。あるクライアントはかつて、「ジェイクがいなければ、私たちは混乱のループから抜け出せなかったでしょう。彼は一石二鳥の成果を上げる手助けをしてくれ、素晴らしい仕事をしてくれました」と語っています。」

ClickUp Brainをライティングアシスタントとして活用し、スペルチェック、長文の要約、テーブルやテンプレートの作成、文字起こしなどを行ってみましょう。

なお、多くのビジネスではまだAI生成コンテンツを好んでいないことを念頭に置いてください。そのため、AI検出ツールもいくつか登場しています。コンテンツ作成においてジェネレーティブAIを活用する最善の方法は、ブレインストーミングツールとして、あるいは「白紙の壁」を解消するための出発点として活用することです。

チャットボットアプリケーションにおけるプロンプトエンジニアリング

技術的に言えば、ChatGPTやGoogle Geminiは、私たちが対話しているチャットボットです。これらは私たちの入力を理解し、応答を生成します。これらは、膨大なデータを用いて学習された大規模言語モデルに基づいています。

これらのモデルを活用し、独自情報や業界固有の情報を用いてさらに学習させることで、ユーザーとのニュアンスに富み、文脈を理解した、パーソナライズされた会話が可能になります。この場合、顧客は「このリュックサックはいくらですか？」といった質問をするだけかもしれません。

しかし、優れたカスタマーサービス用チャットボットは、購入履歴、場所、嗜好、過去の苦情など、組織内のデータを活用して回答を提供したり、商品のアップセルを行ったりすることで、ユーザー体験を大幅に向上させることができます。

コンピュータプログラミングおよびバージョン管理システムにおけるプロンプトエンジニアリング

プロンプトエンジニアリングを活用することで、開発者はさまざまなプログラミング言語で特定のコードスニペットを生成することができます。

「SQLデータベースに接続し、機能に渡されたパラメーターに基づいてSELECTクエリを実行するPython機能を記述してください。」

バージョン管理ワークフローにAIを統合することで、コミット履歴に基づいたコードレビューの推奨事項を提供したり、リファクタリングが必要なコードベースの箇所を提案したり、日常的なバージョン管理タスクを自動化したりすることができ、コードの品質とチームの生産性を向上させることができます。

AIクリエイティブ技術へのプロンプト活用

プロンプトエンジニアリングは、特にDALL-Eのようなモデルにおいて、テキストによる説明から想像力豊かで精巧なビジュアルを生成するという、これまでにない可能性を引き出します。

例えば、ゲーム開発者は「夕暮れ時、両側にファッション店が立ち並び、モダンな建築様式とクールな色調のメインストリートの画像を生成してください」といったプロンプトを使用できます。その結果、手間のかかる手作業による描画を必要とせずに、ゲーム環境を迅速に可視化することが可能になります。

データベース分析のためのプロンプトエンジニアリング

通常、データベースから情報を抽出するには、SQLの知識を持つ担当者が複雑なプログラミング言語のクエリを作成する必要があります。しかし、生成AIの登場により、この状況は一変しました。生成AIを活用すれば、自然言語でクエリを作成するだけで、非構造化データや半構造化データソースからデータを取得できるようになりました。

データ処理

「データサイエンティストになって、分析のために私のデータをクリーニングし、前処理するコードを書いてください。私のデータセットには、過去30日間の全顧客の購買情報が含まれています。」

ここでは、空の行の削除や、カート内の合計金額が50$未満の行の削除など、特定のデータクリーニングタスクをGen AIに依頼することができます。

データの可視化

「私のデータセットを可視化するPythonコードを書いてください。このデータセットには、過去30日間の50歳以上の全顧客の購買情報が含まれています。」

「ショッピングのトレンドを表示して」や「カテゴリー別に整理して」など、可視化や微調整に関する追加の指定を行ってください。

Gen AIのプロンプトを用いた感情分析

感情分析は、オンライン上のユーザー生成コンテンツ、特にソーシャルメディアの投稿において非常に広く利用されています。自社製品に対する顧客の感情を把握するためのプロンプトは、次のようなものが考えられます。

「[ブランド名]に対するメンションを含むソーシャルメディアの投稿を含む私のデータセットに基づき、それらを肯定的、否定的、または中立のいずれかに分類してください。また、それぞれの感情に関連する具体的な特徴や側面を特定してください。」

プロンプトエンジニアリングの仕組みに関する基礎を学んだら、次は、そのより広範な応用例や影響について見ていきましょう。

データ駆動型分野におけるプロンプトエンジニアリングの役割

上記の例からもわかるように、あらゆる業界で基本的なデータ分析や感情分析をすることは可能です。しかし、生成AIとプロンプトエンジニアリングは、データ駆動型の分野やアプリケーションにおいて特に大きな価値をもたらしています。その理由を以下に説明します。

教育

優れたプロンプトエンジニアリングは、教育者が正確で関連性が高く、魅力的かつパーソナライズされたコンテンツを大規模に作成するのに役立ちます。教育分野におけるジェネレーティブAIの最も有望な活用事例には、次のようなものがあります：

パーソナライズされた学習体験：個々の生徒の好み、習熟度、興味に基づいて、わずかな時間でレッスンやプランを作成できます。

自動化されたコンテンツ作成：要約、クイズ、読解問題などのサポート資料を迅速に生成します。

語学学習と練習：学習者の現在のレベルに合わせた会話練習シナリオ、文法問題、語彙ドリルを生成します。

個別指導とサポート：AIを活用した個別指導により、生徒の具体的な質問や苦手分野に対応し、解説、参考資料、練習問題を提供します。

研究開発

研究者たちは、正確で文脈に即したプロンプトを作成することで、AIモデルを活用し、膨大なデータを精査したり、斬新な仮説を導き出したり、さらには実験結果をシミュレートしたりしています。

プロンプトエンジニアは、研究者が大規模なデータ処理において正確な結果を得るための適切な入力を設計するのを支援できます。これが役立つ主なシナリオとしては、次のようなものがあります：

文献レビュー：包括的な文献レビューを実施し、関連する研究、主要な知見、および現在の知識基盤における知見の空白を特定します。

データマイニング：大規模なデータセットの中からパターン、相関関係、異常値を明らかにすること。

仮説の生成：同じ研究分野内で複数の仮説を生成し、さまざまなアプローチを模索すること。

実験シミュレーション：実験やモデルの結果をシミュレーションすることで、費用と時間がかかる実実験の必要性を軽減します。

医療

プロンプトエンジニアリングは、AIモデルが複雑な医療データを解釈し、診断サポートを行い、患者ケアを個別化し、研究やトレーニングを促進する能力を向上させます。

プロンプトエンジニアは、以下のようなシナリオにおいて、医療従事者がデータからより深い洞察を得られるよう支援することができます。

プロンプトエンジニアリングの実用的な活用事例

生成AIは、基本的に「テキスト」「画像」「音声・ビデオ」という3つのフォームでコンテンツを生成することができます。これら3つのフォームにおける最も効果的なAIの活用事例をいくつかご紹介します。

テキスト生成におけるプロンプトエンジニアリング

これは、現在、生成AIにおいて最も一般的なユースケースです。ジャーナリストやマーケターから、人見知りの開発者まで、幅広い層のユーザーがそれぞれのニーズに合わせてAIテキスト生成ツールを活用しています。

代表的なユースケースは以下の通りです：

また、ビデオ通話をテキストメモに書き起こしたり、テキストメモを要約して重要なポイントやアクションアイテムなどを特定したりできる、ミーティングメモ用のAIツールもあります。

画像生成におけるプロンプトエンジニアリング

テキストほど広く普及してはいませんが、画像生成は創造性において驚くべき可能性を秘めています。代表的な活用例としては、次のようなものがあります：

音声・ビデオ生成におけるプロンプトエンジニアリング

プロンプトエンジニアリングによる音声・ビデオ生成は、エンターテインメント、教育、バーチャルアシスタントの分野で幅広い活用が可能です。AIコンテンツ作成ツールの具体的な活用例としては、以下のようなものがあります：

生成AIの影響力は並外れており、あらゆる分野、業界、地域、そしてビジネス形態に影響を及ぼしています。今後10年間で、プロンプトエンジニアリングは、今日の「Google検索」がそうであるように、物事を学び理解する能力を左右する要素となるかもしれません。

生成AIが急速に進化している中でも、プロンプトエンジニアリングを始めるために活用できる基本的な手法をいくつかご紹介します。

プロンプティングの手法

専門用語に入る前に、生成AIの最大の利点は、自然言語で入力できるという点であることを覚えておいてください。ですから、ChatGPTやGoogle Gemini、Microsoft Copilotに対して、普段通りに話しかけてみてください。

応答を観察しながら、その都度入力を微調整していきましょう。その過程で役立つと思われる概念をいくつかご紹介します。

ゼロショット学習

事前の例や文脈なしにAIにタスクを与えることを、「ゼロショット・プロンプティング」と呼びます。その特徴は以下の通りです。

プロンプトの例：「次のコードスニペットで使用されている主なプログラミング言語を特定してください：print(‘Hello, World!’)。」

ファウショット学習

実際のタスクを提示する前に、AIモデルにそのタスクに関するいくつかの例を与えることを、「フューショット・プロンプティング」と呼びます。

プロンプトの例：「以下の入力と出力のペアが与えられています：入力：5 × 5、出力：25；入力：8 + 2、出力：10。これに基づき、入力：7 – 4 に対する出力を計算してください。」

思考の連鎖型プロンプト

最終的な答えや望ましい出力に至るまでの中間ステップや推論の過程を生成するようモデルにプロンプトすることを、「チェーン・オブ・ソート（COT）プロンプティング」と呼びます。

プロンプトの例：「与えられたストリング『hello』を逆順にするには、まず、ストリングを個々の文字に分割します。次に、これらの文字の順序を逆順にします。最後に、これらの文字を再び結合してストリングにします。最終的な出力は何になりますか？」

高度なプロンプト作成テクニック

さらに複雑で高度なプロンプトエンジニアリングの手法をいくつか見ていきましょう。

ゼロショットCoT

ゼロショット・チェーン・オブ・ソート（COT）は、これら2つの手法を組み合わせることで、トレーニングデータに先行例がない複雑な問題に対処します。

生成AIモデルを使って、これまで一度も遭遇したことのないソフトウェアコードのデバッグを行うことを想像してみてください。

ゼロショットCOTを使用することで、モデルは、その特定の問題について学習していなくても、問題に対する理解を明確に表現し、原因を論理的に推論し、ステップごとに潜在的な解決策を提示することができるようになります。

自動プロンプトエンジニア（APE）

もしAIが、正しい答えを見つけるよう別のAIに指示を出せたらどうでしょうか？ そう、それがプロンプトエンジニアリングの自動化なのです。

アルゴリズムや手法を用いて、AIモデルとの対話のためのプロンプトを自動的に生成または最適化する手法をAPEと呼びます。このモデルでは、アルゴリズムが成功例と失敗例のコーパスを分析し、同様のタスクを自動化します。

そして、成功した結果をもたらす可能性が最も高いと特定されたキーワード、構造、指示を組み込みます。AIがスクリプトを生成するにつれ、APEシステムはその有効性を評価し、学習した内容に基づいてプロンプトを改良し、プロセスを反復的に改善していきます。

どのような手法を採用する場合でも、効果的なプロンプトエンジニアリングを実現する過程では、いくつかの課題に直面することになるでしょう。

プロンプトエンジニアリングの限界と課題

新興フィールドであるジェネレーティブAIは、現在、浮き沈みを経験しています。一方で、ユーザーは必要な出力を得るために、さまざまなプロンプトやスタイルを試しています。これほど急速に進化する技術には、必然的に課題がつきものです。

プロンプトエンジニアリングの主なリミットと、それらを克服する方法について解説します。

モデル依存関係：あるモデルでうまく機能するプロンプトでも、別のモデルでは同じ結果が得られない場合があります。

モデルごとの違いに注意を払い、進めながら調整や最適化を行ってください。

複雑さと具体性：効果的なプロンプトを作成するには、多くの場合、モデルの言語や能力について深い理解が必要です。

大規模言語モデルを最大限に活用するために、プロンプトが「曖昧すぎる」と「具体的すぎる」の間のバランスを見極めましょう。

バイアスと感度：AIモデルは学習データからバイアスを引き継ぐ可能性があり、プロンプトエンジニアリングによって意図せずそのバイアスを増幅させてしまう恐れがあります。さらに、幻覚、バイアス、感度の低さなどは、有害、誤解を招く、あるいは非倫理的な出力につながる可能性があります。

AIの利用について慎重な検討と倫理的な監視を行うためのシステムを構築しましょう。

スケーラビリティ：タスクの範囲が拡大するにつれ、個々のシナリオごとに手動でプロンプトを設計することは現実的ではなくなります。

将来的ニーズを見据えて、プロンプトの自動生成や最適化を検討してみてください。

解釈可能性：解釈可能性が欠如していると、プロンプトの反復的な改善や問題の診断が困難になる可能性があります。

「思考の連鎖（chain-of-thought）」の手法を活用し、重要な出力結果については、AIの論理的推論を必ず確認するようにしましょう。

過学習と過小学習：過学習は、プロンプトが特定の例に過度に最適化され、一般的なケースでは効果が低下してしまう場合に発生します。過小学習は、プロンプトの範囲が広すぎて、ありきたりな出力や無関係な出力が生じる場合に発生します。

まあ、バランスを見極めることが大切です。

コストとリソースの制約：特に商用環境において、高品質なプロンプトエンジニアリングを行うには、多大な計算リソースと専門家の工数が必要となる場合があります。

実用的な活用法と投資対効果に焦点を当てています。

ClickUpでプロンプトエンジニアリングをマスターしよう

テイラー・スウィフトのあの曲のタイトルは何？ パスタにはチーズをどれくらい入れればいい？ このデータセットは分析に使える状態？ この患者さんはどの薬にアレルギーがある？ このsprintのタスクのうち、まだ割り当てられていないものは？

生成型AIモデルの適用範囲は絶えず拡大しています。その結果、プロンプトエンジニアリングは、業界を問わずプロフェッショナルにとって必須のスキルとして台頭してきています。

LLMの「言語」を巧みに操る能力こそが、成功するかどうかを左右します。このスキルこそが、「プロンプトエンジニアリング」に集約されているのです。

ChatGPT、Google Gemini、DALL-Eなどの無料LLMを使って、プロンプトエンジニアリングに挑戦してみてください。次の誕生日パーティーのために、お気に入りの曲のリミックスを作成してもらったり、クレジットカードの利用明細を分析して、最も支出の多い項目を可視化してもらったりしてみましょう。

ClickUp Brainを活用して、仕事をより迅速かつ効率的に進めましょう。ClickUpは、ナレッジマネジメント、プロジェクト管理、ライティングのために、AIをプラットフォームに統合しています。

それだけではありません。ClickUp Brainには、最初から順調にスタートを切れるよう、組み込みのプロンプトや数百ものテンプレートも用意されています。生成AIがプロジェクト管理にどのような効果をもたらすか、ぜひご確認ください。今すぐClickUpを無料で試してみましょう！

プロンプトエンジニアリングに関するよくある質問

1. プロンプトエンジニアリングとは何ですか？例を挙げて説明してください。

ChatGPTのような生成型AIモデルに対し、特定の、あるいは望ましい出力を生成するよう誘導するためのプロンプトを工夫することを、「プロンプトエンジニアリング」と呼びます。

プロンプトエンジニアリングの例

ソフトウェア開発者が、GPT-4のような言語モデルを使用して、特定のウェブサイトからニュースの見出しを収集するウェブスクレイパー用のPythonスクリプトを生成したい場合。

プロンプト：「Beautiful Soupライブラリを使用して、『example-news-site.com』から最新のニュース見出しをスクレイピングするPythonスクリプトを生成してください。スクリプトはページネーションに対応し、見出しをリストに格納する必要があります。」

2. プロンプトの例にはどのようなものがありますか？

生成型AIモデルに与える入力はすべて「プロンプト」です。適切なプロンプトエンジニアリングを行うことで、出力を大幅に改善し、より有用で、関連性が高く、正確で、魅力的なものにすることができます。

プロンプトの良い例としては、次のようなものがあります。「竹繊維のタオルセットについて、その環境への配慮、耐久性、柔らかさを強調した150語の商品説明文を生成してください。環境に配慮したライフスタイルを奨励し、ブランドの持続可能性への取り組みをアピールする行動喚起（CTA）を含めてください。」

3. プロンプトエンジニアリングはどのように始めればよいですか？

プロンプトエンジニアリングを始めるには、実際に自分で試してみるのが一番です。自然な言葉で対話しながら、モデルを理解していきましょう。それと同時に、以下のことも試してみてください：

AIや自然言語処理技術の進歩には常に注目してください。これらはプロンプトの構成方法に影響を与える可能性があるからです。