AIに指示を出すたびに、毎回ゼロから文章を組み立てている人は少なくない。うまく答えが返ってくる日もあれば、的外れな回答が返ってくる日もあり、その違いを言語化できないまま試行錯誤が続くことがある。

プロンプトが安定しない人に共通すること

指示の内容そのものは同じでも、伝える順番や情報の粒度によって、AIの回答の質は大きく変わる。多くの場合、「何をしてほしいか」だけを伝え、「誰として」「どんな形で」答えてほしいかが抜け落ちている。

型の基本構造：役割・依頼内容・出力形式

日本国内でも知られているプロンプトの型の一つに、「深津式プロンプト」と呼ばれる構成がある。これは大まかに、AIに担ってほしい役割、具体的に依頼したい内容、そして出力してほしい形式という3つの要素で組み立てる型だ。

型を使うとなぜ精度が上がるのか

同じ依頼内容でも、役割と出力形式を添えるだけで回答の粒度が揃いやすくなる。これは、AIが「誰の立場で」「どんな形式を期待されているか」を推測する必要がなくなるためだと考えられる。毎回の指示を一から考える代わりに、この3要素を埋める作業に置き換えるだけで、指示の再現性が上がる。

まずは1つの業務で試す

すべての業務に型を当てはめようとすると、かえって手間が増えることもある。まずは日常的に繰り返しているタスク(メールの下書き、議事録の要約など)を1つ選び、その業務専用の型を作ってみる方が、効果を実感しやすい。

まとめ：型は暗記するものではなく、使い回すもの

プロンプトの型は覚えて終わりではなく、繰り返し使い回すことで初めて効果を発揮する。役割・依頼内容・出力形式という3要素を、まず1つの業務に当てはめて試すところから始めたい。

なお、一度作った型はテンプレートとして繰り返し流用できるため、将来的には人生ラボのAIテンプレート集として配布できる可能性がある。

出典: プロンプトエンジニアリングに関する国内解説記事（深津式プロンプトの構成要素について）