ChatGPTでプロンプトの書き方を変え仕事のムダを3分の1にする実務術

あなたの現場では、ChatGPTに質問するたびに「それっぽい文章」は出てくるのに、会議資料や企画書の質もスピードも大して変わっていないはずだ。むしろ、AIから出てきた案を人が選別し直し、手直しし、社内確認に回す時間が増えているなら、プロンプトの書き方ひとつで、すでに仕事の3倍近いムダを抱え込んでいる。

多くのマーケ・企画担当がやっているのは、「とりあえず詳しく聞いてみる」「テンプレ通りに条件を並べる」といった、検索エンジン時代の延長線上の使い方だ。このやり方は、最初の数回はそれなりに当たりを引くが、案件が複雑になるほど破綻する。途中から話がズレる、急に浅いアウトプットになる、「なんか信用できない」と社内から言われる──これらはすべて、ChatGPTの性能ではなく、プロンプト設計の構造的な欠陥が原因だ。

本当に差がつくのは、「chatgpt プロンプト 書き方」のコツではない。プロンプトを一回の文章ではなく、役割・前提・ゴール・制約からなる設計図として扱えるかどうかだ。この視点を持たないまま「深津式」や「ReAct」を覚えても、型だけが増えて現場は混乱する。禁止リストだけ整えたガイドラインも、現場を「聞いてはいけないこと」を意識させるだけで、結局は当たり障りのない質問しかできなくなる。

この記事は、ありがちな成功例ではなく、実務で本当に起きた失敗パターンと立て直し方を軸にしている。途中まで順調だったプロンプトがなぜ崩れるのか、LINEやメールの相談文レベルのやり取りを分解しながら、「どこを3行書き足せばアウトプットが変わるのか」を具体的に示す。部署別の使い方、情報漏えいを避ける攻めと守りの運用、チームでの共有フォーマットまで含めて、現場でそのまま使えるが、思考停止には陥らない設計にしてある。

この記事を読み終えたとき、あなたが手にしているのは「便利なプロンプト例集」ではない。どの案件でも、自分の頭でプロンプトを再設計し、社内の信頼を維持しながら、ChatGPTに任せる仕事と人が判断すべき仕事を切り分けるための実務フレームだ。今のままなんとなく使い続ければ、「AIを入れたのに、現場の負荷はほとんど変わらない組織」に確実に近づく。そうなる前に、どこから設計をやり直すべきかを、以下のロードマップで整理しておく。

この先では、単なるテクニックではなく、あなたの現場にそのまま持ち込める「プロンプト運用の設計図」を具体的に解体していく。

「とりあえず聞いてみる」では絶対にうまくいかない：多くの人がハマるChatGPTプロンプトの落とし穴

「とりあえず聞いてみたら、それっぽい回答は返ってくる。でも、会議資料も施策も1ミリも前に進んでいない」。マーケや企画の現場で、最もよく聞く悲鳴がこれだ。
原因は「書き方のセンス」ではなく、AIの挙動を知らないまま質問していることにある。

「ざっくり質問」で量だけ増えて、肝心の仕事が進まないパターン

「新商品のプロモーション案を考えてください」
「中小企業向けのマーケティング戦略を教えて」
こんな“ざっくり質問”をすると、ChatGPTは過去に学んだ平均値のアイデアの盛り合わせを返す。派手だが、あなたの会社の制約も予算もブランドも一切反映されていない。

よくある行き詰まりは次の通り。

• スライドは増えたが、経営会議で一枚も刺さらない

• 文章量は多いのに、自社に当てはめると修正だらけになる

• 「とりあえず案」は出たが、誰も責任を持って採用できない

この状態は、「仕事のたたき台」ではなく「読み物」を作らせているのと同じだ。

途中までは良かったのに、急にズレ始めるプロンプトの共通点

現場でよく見るのが「最初の3往復は良かったのに、急に話がかみ合わなくなる」ケースだ。多くの場合、プロンプトに次のクセが混ざっている。

• 毎回、前提条件が微妙に言い換えられている

• 途中から別テーマ（ターゲットやゴール）を足して上書きしている

• 修正依頼が「もっと」「いい感じに」など抽象的

ChatGPTは会話履歴を踏まえて一貫したストーリーを推測し続ける。
途中で前提がじわじわ変わると、AI側は「新しい文脈が優先か？もとの条件も残すべきか？」と迷い、結果として誰も頼んでいない中途半端な折衷案を生成する。

プロンプトが破綻する典型パターンはこの3つだ。

• テーマの追加はするが、「さっきの前提は破棄」などの指示をしない

• 対象読者を変えたのに、それを明示せず修正だけ求める

• 途中からゴールが「企画書」から「記事」へすり替わっている

ネットのテンプレ通りに書いても成果が出ない、本当の理由

「深津式を真似したのに、社内で使えるアウトプットにならない」
「テンプレを配ったら、全員同じような文章しか出せなくなった」

よくある原因は、テンプレが想定している“現場条件”と、自分たちの現場が違うからだ。

• 深津式は「個人の思考整理」には強いが、部署横断プロジェクトでは前提共有が不足しがち

• ネットの例文は「情報漏えいリスク」や「社内ルール」をほぼ考慮していない

• テンプレをそのまま配布すると、誰も自分の案件用にカスタマイズしなくなる

現場で結果を出している人は、テンプレを「完成品」ではなく「部品」として扱う。
役割・前提・ゴール・制約を自分の案件に合わせて組み替え、チームの文脈に合うプロンプトへ“翻訳”してから使っている。

ここをサボると、「AIは動いているのに、ビジネスは1ミリも動かない」という最悪の状態にハマる。

プロンプトは「文章」ではなく「設計図」：仕事で使うための4要素分解

チャット欄に打ち込む1文を「うまい文章」にしようとすると、ほぼ確実に迷子になります。ChatGPTに必要なのは作文ではなく業務フローの設計図です。プロンプトは、AIに渡す「簡易仕様書」だと割り切った方が精度もスピードも一気に上がります。

役割・前提・ゴール・制約──現場で使える”4ピース”モデル

プロンプトを分解すると、実務で効く要素は4つしかありません。

ポイントは、「文章を飾る」前に4ピースをすべて埋めることです。逆にここさえ押さえれば、日本語が多少ぎこちなくても業務レベルの出力は安定します。

簡単な雛形は次の通りです。

• 役割：あなたは◯◯の専門家です

• 前提：次の情報を前提にしてください：◯◯

• ゴール：目的は△△です。出力形式は箇条書き/表など

• 制約：禁止事項・優先順位・文字数などを指定

この4行を「最低限の型」としてチームで共有しておくと、部署や担当が変わっても品質を揃えやすくなります。

「誰のためのアウトプットか」を最初に決めるだけで精度が変わる

現場で一番漏れやすいのがターゲットの指定です。ゴールの前に、必ず「誰向けか」を1行入れます。

• NG例

  「新商品の紹介メール文を作って」

• 改善例

  「対象は30代共働き夫婦の既存顧客です。営業担当がフォロー電話をしやすくなるよう、新商品の紹介メール文を作って」

同じ「紹介メール」でも、読む相手と使うシーンが変われば、必要なトーンも要約レベルも変わります。
ターゲット指定は、マーケティングでいう「ペルソナ」をChatGPTに渡す行為です。ここを1行サボると、毎回「悪くないけど刺さらない」文章が量産され、修正コストが膨らみます。

ターゲット指定に迷う時は、次の3点だけ決めると安定します。

• 読み手の属性（職種/役職/年齢層など）

• 読み手の前提知識レベル（初心者/担当者/役員）

• 読み手に取ってほしい行動（返信/購買/上司への転送など）

逆算で組み立てる：アウトプット例から逆にプロンプトを設計する方法

「いいプロンプトが思いつかない」という相談は多いですが、ゼロから考えると詰みます。現場で結果を出している人は、欲しい出力から逆算しています。

手順はシンプルです。

1. まず自分で「理想のアウトプット例」を1パターン作る
   （過去の企画書や営業メールでもよい）
2. そのアウトプットを観察し、要素を分解する
   • 書き手の役割は何か
   • 想定読者は誰か
   • 目的は何か
   • 文量や構成、NGな表現はどこか
3. 見つかった要素を、それぞれ4ピースにマッピングしてプロンプト化する

この「逆ゴールシーク」を一度体験すると、テンプレート検索に時間を溶かすことが激減します。
重要なのは、かっこいいプロンプト文を探すことではなく、自社の仕事にフィットした設計図を更新し続けることです。

ダメな例から学ぶ「書き方のコツ」：ビフォー／アフターで見るプロンプト改善

「ちゃんと長文で指示してるのに、ChatGPTの回答が薄い…」と感じるとき、多くの場合書き方ではなく“設計”が漏れている。ここでは、現場で本当に多い失敗プロンプトをビフォー／アフターで解剖する。

よくある失敗例1：質問が長いのに、肝心な条件が抜けているケース

よくあるのが「聞きたいことは山ほど書いたのに、方向性がボケる」パターン。実務のチャットだと、こんな入力になりがちだ。

ビフォー（失敗プロンプト）

中小企業向けの新サービスのマーケティング施策を考えています。オンライン広告やSNSも含めて、できるだけ具体的なアイデアをたくさん出してください。できれば低コストで、営業にも役立つ提案があるとうれしいです。テキストで整理してもらえますか？

一見「ちゃんと書いている」が、抜けている条件が致命的。

抜けているポイントはここだ。

• どの業種の中小企業か（BtoBかBtoCか）

• 目的は「新規リード獲得」「既存顧客の深堀り」どちらが主か

• 予算の上限（低コストにも幅がある）

• 施策を実行するチームの人数やスキル

AI側から見ると「前提がスカスカなのに、制約だけ“低コスト・営業にも役立つ”とふわっと指定されている状態」になる。結果、どの会社にも当てはまる量産型アイデアが並びやすい。

アフター（改善プロンプト）

あなたはBtoBマーケティングに詳しいマーケターです。
業種：クラウド型業務システムを提供する中小企業
目的：3カ月以内に新規リードを月50件増やすこと
予算：広告費は月10万円まで
チーム：マーケ担当1人＋営業3人（SNS運用は未経験）

上記を前提に、

1. 施策のカテゴリ（広告／SNS／営業連携）ごとに
2. 具体施策
3. 想定KPI（クリック数、リード数など）
   を表形式で3案ずつ提案してください。

AIが理解しやすい“設計情報”を4つ足しているのがポイントだ。

• 役割：あなたはBtoBマーケター

• 前提：業種・予算・体制

• ゴール：3カ月でリード50件

• 出力形式：表＋KPI付き

この4つが入った途端、「とりあえずアイデアの羅列」から「事業の数字を動かす設計」に変わる。

よくある失敗例2：要望を詰め込みすぎて、AIが優先順位を誤解するケース

もう1つ多いのが「なんでもかんでも1プロンプトに突っ込む」書き方だ。会議資料や企画書でよく起きる。

ビフォー（失敗プロンプト）

社内向けの新規事業提案書を作りたいです。背景や市場分析、ターゲット、課題整理、ソリューション、収益モデル、KPI、スケジュールまで全部入れたいです。まずはドラフトをできるだけ詳しく作ってください。役員にも刺さる感じでお願いします。

AI側は、「どこをどのくらい厚く書くべきか」が判断できない。モデルは「情報量を増やす」方向に動くため、背景説明だけやたら長く、肝心の収益モデルが薄いといった事態になりやすい。

アフター（改善プロンプト）

社内向け新規事業提案書の「アウトライン設計」から一緒に作りたいです。
前提条件は次の通りです。

• 対象：役員会向け、10分プレゼン

• ゴール：PoC予算の承認を得る

• 事業テーマ：既存顧客向けサブスクリプションサービス

次の2ステップで進めたいです。

1. 章立てと、各章の役割・目安スライド数を提案
2. その後、収益モデルとKPIの章だけ詳しく肉付け

まずはステップ1を出してください。最重要パート（収益モデル・KPI）には★印を付けてください。

要望自体はさほど変えていないが、

• 「一気に全部」から「ステップ分割」

• 「全部詳しく」から「重要パートに★」

に変えたことで、AIが優先順位を理解できる状態にしている。実務では、この「分割してお願いする」だけで会議資料の精度が一段上がる。

「3行書き足すだけ」でアウトプットが変わった改善プロンプト集

最後に、現場でよく使われる「3行足すだけのテコ入れポイント」をまとめる。

追加の3行でやっていることはシンプルだ。

• 誰向けか（ターゲット）

• どれくらいの粒度か（文字数や項目）

• 何を判断したいか（ゴール）

この3つを足すだけで、同じChatGPTでも「量産型アウトプット」から「現場でそのまま使える回答」へ一段階シフトする。プロンプトの書き方を凝る前に、まずはこの3行を“口ぐせ”レベルで入れてみると、社内のAI活用の空気が変わり始める。

現場で本当に起きている”トラブル”と、その切り抜け方

「最初の3日だけ神ツール、その後ただの面倒な相棒」
ChatGPTが社内でそう扱われ始めたら、ほぼ確実にプロンプト設計が崩れています。

ここでは、実際の業務フローに近い形で、壊れ方と立て直し方を分解します。

最初は順調→途中で破綻したプロンプト案件のケーススタディ

マーケ担当が、商品LPの改善案を出すためにChatGPTを使い始めたシーンを例にします。

最初のプロンプトは、よくあるこのパターンです。

-「LP改善案をプロのマーケターとして提案してください。問題点を指摘し、改善案を10個出してください。」

最初の数ターンは優秀な回答が返ってきますが、途中からこう崩れがちです。

• 指摘の粒度がバラバラになる

• 企画会議で出た制約（予算・ブランドトーン）が無視され始める

• 追加質問をするほど、最初の前提が上書きされていく

AI側で起きていることはシンプルです。

• 直近のメッセージを強く優先し、最初の条件が薄まっていく

• 「役割」「ゴール」が会話の途中で変えられているのに、人間側が気づいていない

• 追記が「修正」ではなく「別オーダー」と解釈されている

この崩壊を止めるポイントは、会話を一度「棚卸し」するプロンプトを挟むことです。

-「ここまでのやり取りを整理してください。
1 現在あなたが認識している役割
2 想定しているターゲット
3 守るべき制約条件
4 これからのゴール
を箇条書きで出力し、その後に不足している前提を3つ質問してください。」

この1ターンを挟むと、AIに「設計図の再読み込み」をさせることができます。
途中からズレた案件ほど、この棚卸しプロンプトが効きます。

社内から「AIの回答が信用できない」と言われたときの立て直し方

「ChatGPTの案、会議に出すのは怖い」という声が出るときは、回答そのものよりも検証プロセスの欠落が問題になっています。

信頼を回復するには、次の3ステップをプロンプトに組み込むと早いです。

1. 自己チェックをさせる
   -「上の回答の弱点を3つ挙げ、どこが曖昧かを指摘してください。」

2. 人間による検品ポイントを明示する
   -「人間が必ず確認すべき点を5つリストアップし、その理由も書いてください。」

3. 参照情報の有無を分けて書かせる
   -「事実ベースで言える部分と、推測を含む部分を見出しで分けて出力してください。」

この3つを入れておくと、上司や他部署に共有したときに「どこまで信用してよいか」が一目で分かります。
信用は「当たっているか」ではなく、「どこまでがAIの推測かを開示しているか」で決まります。

相談メール・チャットの実例から見る、プロンプト見直しの勘どころ

実務では、こんなチャットが飛び交っています。

-「このプロンプトで大丈夫そうでしょうか？」
-「AIが途中から違う話をし始めます。」
-「回答がふわっとしていて、そのまま使えません。」

ここに共通する“危険信号”は3つです。

• ゴールが「いい感じに」「分かりやすく」と感覚ワードで書かれている

• 対象読者（上司、顧客、エンドユーザー）が指定されていない

• 「使わないでほしい表現」「外してはいけない前提」が1行もない

この3つを埋めるだけで、精度は一段上がります。プロンプト見直しのチェックリストとして使えます。

• ゴールは「成果物の形＋使う場面」で書いているか

• 対象読者のレベル感（初心者/専門家/経営層）を指定しているか

• 禁止事項と絶対条件を、それぞれ1行ずつ入れているか

迷ったときは、AIへの最初の一言を「雑なお願い」から「発注書」に変える意識を持つと、トラブルの半分は消えます。

部署別・シーン別：そのまま使えるが「思考停止」にならないプロンプト設計の型

「部署ごとの仕事のクセ」を無視してプロンプトを配ると、全員が同じ“量産型テキスト工場”になります。ここでは、現場の思考は止めずに、ChatGPTに「雑用と下書き」を押し付けるための設計だけに絞ります。

マーケ・企画：アイデア出しと企画書ドラフトを両立させる書き方

マーケ・企画で失敗しがちなのは、アイデア出し用プロンプトと企画書ドラフト用プロンプトを一緒くたにするパターンです。発散と収束はプロンプトから分けた方が、出力の質もスピードも上がります。

発散用と収束用のプロンプト設計の違い

発散用プロンプト例（アイデア会議前）

• あなたはBtoBマーケ担当です

• 前提：年商10〜50億規模の製造業向けに、クラウドサービスを販売している

• ゴール：新規リード獲得ウェビナーのテーマ案を20個出す

• 制約：

  • 1テーマあたり40文字以内
  • 「DX」「働き方改革」といった抽象ワードは使わない
  • 営業が具体的な提案につなげやすい内容にする

収束用プロンプト例（企画書ドラフト）

• あなたはマーケティング部の企画書作成アシスタントです

• 前提：上記で選んだ「〇〇」をウェビナーテーマとする

• ゴール：社内決裁用の企画書ドラフトを作成する

• 制約：

  • 出力形式：タイトル/背景・課題/狙い/ターゲット/訴求ポイント/当日の構成/想定KPI
  • 役員が3分で読めるよう、全体でA4 1枚相当の文字数に収める
  • 社名・売上など具体数値はダミー表記にする

このように同じテーマでも、フェーズごとにプロンプトの「ゴール」と「出力形式」を分けると、途中でアウトプットがブレにくくなります。

営業・カスタマー対応：定型とカスタムを切り分けるプロンプト

営業メールやカスタマーサポートは、8割が定型、2割がケースごとのカスタムという構造が多いです。この「8:2」をプロンプトに埋め込むと、スピードと品質が同時に上がります。

定型・カスタムを切り分ける設計チェックリスト

• 定型部分

  • 自社の基本情報（サービス概要、料金レンジ）
  • よくある質問への回答パターン
  • 挨拶・クロージング文

• カスタム部分

  • 相手企業の業種・規模
  • 商談履歴の要点
  • 相手の課題・懸念点のメモ

営業メール用プロンプトの型

• 役割：BtoB営業担当のメール作成アシスタント

• 前提：

  • 自社サービスの概要：〇〇
  • 顧客情報：業種/規模/担当者の役職
  • 直近の会議で顧客から出たキーワードを箇条書きで提示

• ゴール：返信しやすさを最優先したフォローメール案を3パターン生成

• 制約：

  • 件名は25文字以内
  • 本文は「導入→要点3つ→次の一手の提案」の構成
  • 過度な営業トークは禁止。「相手の決裁プロセスを前に進める質問」を必ず1つ入れる

このように、「返信しやすさ」のような現場KPIをゴールに埋め込むと、AIの文章が急に“営業の武器”になります。

バックオフィス：規程やルールを守らせるための”ガード付き”プロンプト

人事・総務・経理などのバックオフィスで怖いのは、社内規程を無視した提案をAIが平然と出してくることです。ここでは、プロンプト側に“ガードレール”を仕込んでおきます。

バックオフィス向けプロンプト設計のポイント

• まず「必ず参照すべき社内ルール」を明文化する

• グレーゾーンの扱い方を決めておく

• 回答の最後に「リスクと要確認事項」を必ず出させる

経理規程チェック用プロンプト例

• あなたは中小企業の経理担当アシスタントです

• 前提：以下の社内経費精算ルールの抜粋を読み込んでください（貼り付け）

• ゴール：社員からの経費精算相談メールに対して、

  1. 規程上OK/NG/グレーの判定
  2. その根拠となる条文
  3. 社員への返信文ドラフト
     を作成する

• 制約：

  • 規程に記載がない場合は「判断保留」とし、総務部への確認を促す文章を入れる
  • 社員に対して断定的な表現は避け、「現時点の規程上は〜」という言い方に統一する

このように、ルールの範囲と“わからない時の止まり方”まで指定すると、情報漏えいリスクや炎上リスクを大きく下げながら、業務効率を底上げできます。

「深津式やReActを覚えたのに使いこなせない」問題をどう超えるか

「深津式もReActも暗記したのに、現場では“ただの長文指示”になっている」
この状態から抜け出せないと、会議も資料作成も、AI活用のはずが手戻り製造マシンに変わります。

有名なプロンプト手法が、現場でそのまま使えない3つの理由

深津式やReActが“机上の空論”になりがちな背景は、AIの性能ではなく現場の文脈ミスマッチにあります。

1. 手法が「単発タスク」前提で、継続プロジェクトに向いていない

• 記事や動画の多くは「1プロンプトで完結するお題」を前提に解説している

• 実務では、企画→社内レビュー→修正→顧客向け資料とフェーズが連結している

• 毎回ゼロから深津式を書き直すため、履歴との整合が崩れ、回答がブレる

2. 情報量は増えるが、「優先順位」が指定されていない

深津式で条件を山盛りにした結果、ChatGPT側はどれを守れば評価されるか分からない状態になります。
AIは人間のように「空気を読む」ことができず、表面上の文字列から重み付けを推定するため、
・重要な制約が埋もれる
・出力結果が毎回バラつく
という現象が起きやすくなります。

3. ReActの思考プロセスが「社内ルール」と衝突する

ReActは「考える→行動→観察」を繰り返す強力なモデルですが、

• 顧客情報や未公開データにアクセスさせられない

• 外部ツール連携を制限している

企業環境では、行動ステップが封じられた“見せかけReAct”になりがちです。
結果として「思考ログだけ長くて、肝心の業務アウトプットが弱い」という不満が出やすくなります。

こうしたズレを放置すると、「高機能なはずのAIが、社内では遅いし信用できないツール」という評価に落ちます。

型”だけ”を学ぶと起きる、情報過多と手戻りの悪循環

型の暗記に走ると、現場では次のような負のループが起きます。

• 深津式をそのままテンプレート化して全社展開

• プロンプトの文字数だけ膨らみ、誰が使っても同じような量産型アウトプットしか出ない

• 「うちの事業には合ってないよね」と評価が下がり、結局“検索エンジン的な質問”に逆戻り

典型的なのは、マーケ担当がこんなプロンプトを投げるケースです。

• 「当社はBtoBのSaaS企業で…（自社説明が長文）」

• 「ペルソナは〇〇で…（理想論だけ書く）」

• 「深津式に沿って、ステップバイステップで…」

しかし、事業の勝ち筋や社内の地雷条件は書かれていないため、

• AIの提案は、一見もっともらしいが社内では絶対通らない案

• 修正指示が「それじゃなくて」「違う」と感覚的になる

• やり取り履歴が「どこからズレたか」分析できず、毎回作り直し

情報量が多いほど、手戻りコストも雪だるま式に増えます。
ポイントは、「書く情報量」ではなく“プロジェクトごとに必要な情報だけ”を定義することです。

以下は、型を覚えただけの状態と、現場に合わせて使いこなしている状態の差を整理した表です。

手法を混ぜて使うときの、現場目線のシンプルなルール

深津式やReActは「教科書」ではなく、「部品」として扱った方が現場ではうまくいきます。
混ぜて使うときは、次の3ステップだけ押さえると崩れにくくなります。

1. 先に「プロンプトの役割」を1つに絞る

• アイデア出し用なのか

• 社内説明用の文章作成なのか

• 顧客提案書のドラフトなのか

役割を混ぜないだけで、ChatGPTの出力が誰のためのものかが明確になります。

2. 深津式は「初期設計」、ReActは「検証フェーズ」に分ける

• 深津式で、役割・前提・ゴール・制約を整理してたたき台を作る

• そのたたき台をReAct的に、「この案の弱点を洗い出して」「改善アイデアを列挙して」と検証モードに切り替える

1つのプロンプト内で両方やろうとすると、AIが「今は作成フェーズなのか、批評フェーズなのか」を誤認しやすくなります。

3. 社内の“赤ライン”を最初に宣言する

• 「顧客名・金額・未発表情報には触れない」

• 「法務チェック前の表現は断定口調にしない」

こうした絶対に越えてはいけない制約条件を、プロンプトの最初に固定文として入れておくと、
テンプレを他の担当者が使っても、情報漏えいや炎上リスクを抑えながら活用できます。

深津式もReActも、「全部盛り」ではなく必要なところだけを抜き出して、自社の業務フローに溶かす。
この発想に切り替えた瞬間から、「学んだのに使えない手法」が「現場を守りながら成果を押し上げる武器」に変わります。

情報漏えい・炎上を防ぐための「攻めと守りのプロンプト運用術」

「ChatGPTにちゃんと聞けと言われる一方で、情報漏えいが怖くてロクに聞けない」。多くの企業現場がここでフリーズする。プロンプトの書き方を“攻め”だけで語ると、ここで炎上する。“守り”だけで語ると、ここで形骸化する。この章は、その真ん中を現場レベルで通すための実務ガイドだ。

禁止事項リストだけでは現場が動かない、よくある失敗

セキュリティ研修で「顧客名禁止」「売上データ禁止」「社外秘禁止」と箇条書きしただけで終わると、現場は高確率で次の状態に落ちる。

• 「それっぽい検索質問」しか投げなくなる

• プロンプトが常に浅くなり、出力の精度が頭打ち

• 「AIは大したことがない」というレッテル貼りが進む

禁止リストだけの運用が危険な理由は、代替手段の設計がゼロだからだ。実務では、禁止と同時に「このレベルまでは安全」と言語化しないと、担当者は“自分の財布をテーブルに置けと言われている感覚”になり、合理的に萎縮する。

安全運用が回っている現場は、禁止ワードだけでなく「置き換えルール」「粒度ルール」までセットにしている。

顧客情報・社外秘を守りながら精度を出すための聞き方

情報を守りながら精度を出すコツは、「生データ」ではなく構造と傾向だけを渡すことだ。具体的には、プロンプトに入れる情報を3段階に分けて設計する。

• レベル1：完全匿名（業種・規模・職種などの属性だけ）

• レベル2：加工済みの数値やラベル（売上レンジ、A/B/Cランクなど）

• レベル3：社内限定で許可された要約情報（原文ではなく要約文）

そのうえで、プロンプト側に何を伏せているかを明示的に書くと、ChatGPTの回答品質が一段上がる。AIは「見えていない前提」を教えてもらうと、余計な推測を減らせるからだ。

例：マーケ施策相談のプロンプト改善

-悪い例
「この顧客データを分析して新商品の提案を考えて。」

-良い例
「BtoB向けSaaS企業の顧客データを要約したテキストを貼ります。
実際の社名・売上・担当者名は伏せており、
・売上規模は『小/中/大』の3区分
・業種は15分類にまとめたラベル
・担当者の役職は『担当/課長/部長』に正規化
という前提です。
この前提で、既存顧客に向けた新商品の提案アイデアを5個、箇条書きで出してください。」

ここまで書くと、守りながらも“AIにとっての入力情報”は十分にリッチになる。

社内マニュアルに入れておきたい「プロンプトの赤ライン」

「情報漏えいNG」とだけ書くと抽象的すぎて、担当者は判断に迷う。プロンプトの書き方マニュアルには、具体的な赤ラインを最低限これだけ入れておくと運用が安定する。

• 個人が特定される情報は原則禁止

  • 氏名、メールアドレス、電話番号、住所、社員番号
  • 代わりに「属性（20代営業担当、関東在住顧客）」に変換する

• リアルタイム性が高い数字は外に出さない

  • 最新月の売上、原価、在庫数、未公開のKPI
  • 四半期単位のレンジや前年比の比率に置き換える

• 社外秘そのものではなく、“ルールの骨組み”だけ出す

  • 契約書そのもの→条文構成の骨組みと要約に変える
  • 社内規程→目的と判断基準だけ入力し、文面は社内で仕上げる

• 回答の再利用ルールも明示する

  • 「生成文を社外資料に流用する際は、必ず人が内容チェック」
  • 「顧客名を後から手入力する場合、その入力作業はオフラインで行う」

プロンプトの書き方を教えるときに、攻め方（情報の盛り込み方）と同じ紙面で、この赤ラインをテンプレとして毎回表示すると、現場は迷わない。「何を聞いてはいけないか」ではなく、「どこまでなら安全に聞けるか」を具体文字数レベルで示すことが、炎上を避けつつChatGPT活用の“アクセル”を踏む唯一の近道になる。

LINE／メール相談に見る”リアルなつまずき”とプロ視点の解説

現場でいちばん多い相談は、難しい理論ではなく、たった一通の「相談メール」から始まる。ここを読み解けるかどうかで、あなたのChatGPT活用レベルが丸裸になる。

「これで合ってますか？」に潜む危険信号をどう見抜くか

よく届く文面はこんな形だ。

「ChatGPTに下記のように入力してみました。
これで合ってますか？もっと良い書き方があれば教えてください。」

ぱっと見まじめだが、プロはここに3つの危険信号を見る。

• プロンプトの「目的」が書かれていない

  「誰に」「何を」届けるアウトプットか不明なまま、文章の直しだけ相談している。

• AIを”採点官”扱いしている

  「合ってますか？」と聞く時点で、自分の業務要件が整理されていない。

• 入力文だけ送り、前提情報を隠している

  社内ルールや顧客層など、ChatGPTが判断すべき材料が不足している。

危険信号が出ている相談文は、下のような特徴を持ちやすい。

「合っているか」ではなく、「何を達成したいか」を出せた時点で、プロンプト設計の入口に立てる。

やり取りの中でプロンプトを一緒に磨いていくステップ

現場では、1発で完璧なプロンプトを出す人より、「チャットの3往復で精度を上げる人」の方が成果を出しやすい。磨き方は、次の4ステップが鉄板だ。

1. 現在のプロンプト＋出力結果をセットで共有する
   「入力文だけ」「結果だけ」のどちらか一方では診断ができない。

2. ”何が足りないと感じたか”を自分の言葉で書く
   「イマイチ」ではなく「ターゲットの課題分析が浅い」など、業務視点での不満点を言語化する。

3. 不足分をそのまま条件として追記する
   例:「ターゲット：30代共働き夫婦」「制約：専門用語は使わない」など、ChatGPTが判断に使える情報に変換する。

4. 改善前後を比較して「効いた一文」を特定する
   どの追記が効いたのかをメモに残しておくと、別の案件でも再利用できる。

• NG: 「もっと良くしてください」とだけ伝える

• OK: 「顧客の”不安”が伝わるように、導入部分を3パターン書き直してください」

やり取りを重ねるほど、「自分の業務要件を翻訳する力」＝プロンプト設計力が鍛えられる。

チャット履歴から見えてくる、伸びる人と伸び悩む人の差

伸びる担当者と伸び悩む担当者は、チャット履歴を3画面ほどスクロールすれば判別できる。違いはセンスではなく、質問の構造だ。

伸びる人のチャットには、次のような共通点がある。

• 「前提」「狙い」「評価軸」を短く添えている

  例:「社外向け資料なので社名は伏せたい」「上司への説明用なので要約重視」など。

• プロンプトを”メモ化”している

  効いた指示文を、社内のノートやNotionに「この案件の型」として残し、次の案件で少しだけ条件を変えて再利用する。

• 失敗プロンプトも残している

  うまくいかなかった指示と原因をセットで残すことで、「やってはいけない書き方」がチームの暗黙知になる。

チャット履歴は、単なるログではなく、自社のAI活用レベルを映す鏡になる。履歴を見返し、「どの一文が仕事の進み具合を変えたか」を言語化できた瞬間から、プロンプトは「思いつきの文章」から「再現性のある設計図」に変わる。

チームで使うときの「プロンプト共有術」：コピペ文化が組織を弱くする？

「いいプロンプトを1本作れば、あとは全員に配ればOK」
そう信じた瞬間から、チームの思考筋力が落ち始める。ここが、現場で一番ダメージが大きいポイントだ。

テンプレをそのまま配ると、逆に思考停止が進むメカニズム

ChatGPTのプロンプトをテンプレートとして一斉配布すると、多くの現場で次の3ステップを踏む。

• 最初の数日は「すごい、ちゃんと動く」と評価が上がる

• 徐々に「どの案件も同じような文章」「顧客ごとのズレ」が目立ち始める

• 最終的に「AIは浅い」「使えない」というレッテルだけが残る

背景では、条件や前提を自分の業務に合わせて編集するプロセスが抜け落ちている。担当者の頭の中では本来、

• この顧客は価格にシビア

• この上司は数値根拠を重視

• このサービスは機能より「安心感」が売り

といった前提があるのに、テンプレをそのまま入力してしまうため、AIは「平均的なケース」向けの出力しかできない。

ポイントは、プロンプトは文章ではなく“会議のアジェンダ”だという感覚を共有すること。状況に合わせて毎回アジェンダを微調整するのと同じで、プロンプトも常に更新対象にする必要がある。

プロジェクトごとに“育てるプロンプト”の作り方

チームで使うときは、「汎用テンプレ」ではなく「プロジェクト単位のプロンプト」を育てる発想に切り替える。

ステップはシンプルでいい。

1. 最初のドラフトを1人が作る（役割・前提・ゴール・制約の4要素だけは必ず入れる）
2. 実際の出力を見ながら、担当ごとに追記したくなった条件を赤字コメントで集める
3. 週1回10分だけ「プロンプト振り返りミーティング」を行い、コメントを反映した最新版を決める
4. バージョン管理し、「どの案件でどのバージョンを使ったか」を残す

ここで重要なのは、プロンプトの評価軸を「使いやすさ」ではなく「仕事の手戻り削減率」で見ること。たとえば、営業メールドラフトなら「修正回数が平均3回→1回になったか」をKPIにする。

下記のように「配布テンプレ運用」と「育てる運用」の違いを明示しておくと、現場が動きやすい。

共有フォーマット例：Before／Afterと失敗メモを一緒に残す

プロンプト共有で一番効くのは、「正解サンプル」より失敗のログを残すことだ。特にChatGPTやGemini、Claudeのような生成AIは、細かな条件の書き方ひとつで挙動が変わるため、「どこを書き換えたらどう変わったか」の記録がチームの知的資産になる。

おすすめは次のようなシンプルなフォーマットだ。

• プロジェクト名 / 利用モデル（ChatGPT/GPT-4.1など）

• Version

• プロンプト（最新）

• Before出力（要約でOK）

• After出力（要約でOK）

• 失敗メモ

  • どこが現場の期待とズレたか
  • どの文言・条件を追加・削除したか
  • それでもまだ弱いポイントはどこか

この「失敗メモ」が溜まると、「このタイプの顧客には必ず予算条件を書く」「バックオフィス案件は、必ず最新の規程日付を指定する」といった暗黙知が形式知化される。結果として、AIの回答精度だけでなく、担当者の思考の解像度も一段上がる。

チームでChatGPTを使うなら、プロンプトは配るものではなく一緒に磨く“共同資産”だと位置付ける。コピペ文化から「育成文化」に切り替えた瞬間から、AIは組織全体の頭脳として機能し始める。

執筆者紹介

提示された情報の範囲では、執筆者の「主要領域」「実績数値」「プロとしての技術・考え」に関する事実データが一切含まれていないため、条件どおりの執筆者紹介を“事実のみで”作成することはできません。創作・推測で補う行為はNGと指定されているため、ここで紹介文を書くと、その時点で嘘を含む文章になってしまいます。
お手数ですが、

• 主要領域（例：BtoBマーケ、SaaS企画、社内DX推進など）

• 実績系（例：○社以上に導入、年間△件のプロンプト設計支援、残業削減率など）

• 特徴（例：現場チャット履歴から型を起こすスタイル、部署横断の運用設計が専門 など）

を「事実ベース」で箇条書きしていただければ、その情報だけを使って約200文字の紹介文を作成します。