プロンプトエンジニアリングは、生成AIに望む出力を安定して出させるための指示設計です。「人に仕事を頼むときの依頼書を上手に書く」ことに近い、と思って構いません。ただし2026年の主力モデル（ChatGPTのGPT-5系、ClaudeのOpus/Sonnet系、GeminiのDeep Think系）は頭の中で勝手に考えてから答える「推論モデル」が標準になりました。そのため、昔のテクニックの一部は不要に、別のテクニックがより重要になっています。本記事は、初めての人でも今のモデルで実際に効く型を、図とともに整理します。
FIG.1 AIが一番苦手なのは「曖昧な依頼」。情報が揃うほど出力は安定する
AIは万能に見えて、曖昧な依頼が一番苦手です。逆に、目的・前提・制約・評価基準が揃うと驚くほど賢く動きます。まずは普遍的に効く「依頼の骨組み」から押さえましょう。
01良いプロンプトの骨組み（5点セット）
プロンプトは長さより情報の揃い方で決まります。海外の現場でも「RCCF（Role・Context・Constraint・Format＝役割・文脈・制約・形式）」のように要素で型化する流れが定着しました。迷ったら次の5点を入れてください。
目的
何のためにやる？（例：CVR改善、仕様書作成、学習のため）。ゴールが書かれているほど脱線しにくい。
役割
AIに誰として振る舞ってほしい？（例：編集者、SRE、採用担当）。特にGPT系は役割（ペルソナ）付与で口調と着眼点が安定する。
入力
素材は何？（例：議事録、ログ、要件）。長文素材はClaude系なら見出しタグや区切りで囲むと参照精度が上がる。
制約
守ってほしい条件（例：500字以内、敬体、禁止事項）。数値で切ると守られやすい。
出力形式
どう返してほしい？（例：表、箇条書き、JSON）。後工程に渡す形を最初に決める。
そのままコピーできる雛形
役割：あなたは〇〇の専門家として振る舞ってください。
目的：〇〇を達成したい。
背景・前提：〇〇。想定読者／ユーザーは〇〇。
入力：以下の情報を使う。…
制約：必須＝…／禁止＝…（文字数・トーンも明記）。
出力形式：見出し→箇条書き→結論の順。表が望ましければMarkdown表で。
022026年の前提：推論モデルでは「考えろ」は要らない
ここが、数年前の入門記事と一番変わった点です。現在のChatGPT・Claude・Geminiの上位モデルは推論モデルで、答える前に内部で考える「思考パス」を自動で実行します。図のように、昔は人間が「ステップごとに考えて」と促していた工程を、いまはモデルが自前で持っています。
