ChatGPTやGeminiに同じ頼み方をしても、文章の出来は日によって変わります。社内のひな形を作ろうと書き方のコツを集めると、出どころの違う助言が並び、どれに従うかを決められません。
生成AIへ渡すこの指示の文がプロンプトです。OpenAI・Anthropic・Googleは設計ガイドを公開しており、3社に共通する原則と、社によって逆を向く助言の両方があります。
この記事では、プロンプトの定義から、部品に分けた書き方、悪い例を良い例へ直す手順、3社で食い違う点、AI検索に引用される側への接続までをご紹介します。
プロンプトとは、生成AIへ渡す指示の文です。何をしてほしいのか、どんな前提があるのか、どんな形で返してほしいのかを、ひとまとまりの文章として渡します。
図1 区分に分けて書いておくと、直す場所が1か所に決まる。 出所:GMO AI検索ラボ OpenAIは、この文を書く工程をプロンプトエンジニアリングと呼び、要件を満たす内容が安定して生成されるようにモデルへの効果的な指示を書くことだと定義しています。1回うまくいくことではなく、何度繰り返しても同じ水準の出力が返るところを目指す工程だと読めます。
公式ドキュメントの説明のしかたは提供元ごとに違います。定義にあたる部分を1行ずつ写すと、書く工程として述べたもの、書くときの向き合い方として述べたもの、指示の条件として述べたものの3通りになります。
各社の公式ドキュメントに書かれている説明です。2026年9月23日に各ページを開いて写しました。
提供元 公式ドキュメントに書かれている説明 OpenAI 公式ドキュメントに書かれている説明 プロンプトエンジニアリングは、要件を満たす内容が安定して生成されるように、モデルへの効果的な指示を書く工程 Anthropic 公式ドキュメントに書かれている説明 自社の決まりや進め方を知らない、優秀だが新しく入った従業員に向けて説明するつもりで書く Google 公式ドキュメントに書かれている説明 モデルの動作をカスタマイズする効果的かつ効率的な方法は、明確で具体的な指示を提供すること
日本語での呼び方は1つに定まっておらず、2026年9月23日の上位4件は、4件ともプロンプトを「指示」と「質問」で並記していました。この記事では、呼び分けによる混乱を避けるため、生成AIへ渡す文をすべてプロンプトと書きます。
プロンプトは、1つの文の中で書き切るものではありません。OpenAIは開発者向けメッセージ(=モデルへ渡す指示のうち、アプリを作る側があらかじめ書いておく部分)を4つの区分に置いています。並べる順は、Identity・Instructions・Examples・Contextです。
図2 悪い例をそのまま捨てず、足りない情報を一つずつ足していく。 出所:GMO AI検索ラボ 各区分に何を書くかも同じページに1行ずつ書かれており、Identityにはアシスタントの目的と話し方、それに大きな目標を書きます。Instructionsには、望む回答を生成させるための手引きを書きます。Examplesには想定される入力と望ましい出力の対を置き、Contextには回答を作るために追加で要る情報を渡します。
利用者向けのページでは、Google Workspaceが別の言い方で4つの要素を挙げており、ペルソナ・タスク・背景情報・形式の4つがそれにあたります。同じページには「あらゆるプロンプトで 4 つの要素すべてを満たす必要はありませんが、いくつかでも取り入れると効果があります」と書かれています。OpenAIの区分とGoogle Workspaceの要素を突き合わせると、対応する組が3つあり、OpenAIのExamplesとGoogle Workspaceの形式だけは相手の分け方にありません。
OpenAIの開発者向けガイドと、Google Workspaceの利用者向けページを2026年9月23日に開いて並べました。区分と要素の対応づけは、この記事で行ったものです。
OpenAIの区分 Google Workspaceの要素 そこへ書くもの Identity Google Workspaceの要素 ペルソナ そこへ書くもの アシスタントの目的と話し方、大きな目標 Instructions Google Workspaceの要素 タスク そこへ書くもの 望む回答を生成させるための手引き Examples Google Workspaceの要素 (対応する要素なし) そこへ書くもの 想定される入力と、望ましい出力の対 Context Google Workspaceの要素 背景情報 そこへ書くもの 回答を作るために追加で要る情報 (対応する区分なし) Google Workspaceの要素 形式 そこへ書くもの 表や箇条書きなど、返してほしい形
区切りの示し方についても、公式の助言が出ています。OpenAIが挙げているのは、Markdownの見出しや箇条書きで区分の境目を示す方法と、XMLタグ(=内容の範囲を機械が読める形で囲む書き方)で資料の始まりと終わりを示す方法の2つです。Anthropicも、指示・文脈・入力をそれぞれ専用のタグで包むと、解釈の取り違えが減ると書いています。
区分を置いておくと、出力が思ったものと違ったときに直す場所を絞り込みやすくなると考えられます。出力が長すぎるなら手引きの部分を、形が崩れるなら例の部分を、内容が古いなら渡した資料を差し替えます。1つの段落にすべてを混ぜてしまうと、どの一文が結果を変えたのかを切り分けられません。
プロンプトの曖昧なところは、対になる例を並べると見つけやすくなります。Anthropicの公式ガイドは効果の低い例と高い例を対で載せており、自分のプロンプトと読み比べられます。
図3 3社が繰り返し述べる4つを、書き足す順に並べた。 出所:GMO AI検索ラボ 1組目は分析ダッシュボードを作らせる例で、効果の低い例は「Create an analytics dashboard」の一文だけです。効果の高い例では、関連する機能と操作をできるだけ多く含めることと、基本にとどまらず作り込むことが足されています。期待を上回る振る舞いがほしいなら、曖昧なプロンプトから察してもらうのではなく明示的に頼むべきだ、というのが同社の説明です。
2組目は書式を禁じる例で、効果の低い例は「NEVER use ellipses」という禁止だけが置かれています。効果の高い例には、この回答は読み上げに使われるため、読み方の分からない三点リーダーは避けてほしい、という理由が添えてあります。理由まで渡せば、モデルはその説明から一般化できるとされています。
Anthropicの公式ガイドに載っている対の例です。2026年9月23日に開いて原文のまま写しました。
効果の低い例 効果の高い例 足した情報 Create an analytics dashboard 効果の高い例 Create an analytics dashboard. Include as many relevant features and interactions as possible. Go beyond the basics to create a fully-featured implementation. 足した情報 どこまで作り込むかの水準 NEVER use ellipses 効果の高い例 Your response will be read aloud by a text-to-speech engine, so never use ellipses since the text-to-speech engine will not know how to pronounce them. 足した情報 その制約が要る理由
書いたプロンプトが曖昧かどうかの判定のしかたも、同じガイドに置かれています。そのプロンプトを、作業の文脈をほとんど持たない同僚に見せて従ってもらい、相手が混乱するならモデルも混乱する、という判定です。社内でひな形を配る前の読み合わせにそのまま使える見方で、書いた本人以外の目を1回通すだけで済みます。
Googleの利用者向けページはもう少し手前の水準から書いており、他の人に話しかけているように入力し、考えていることを完全な文章で表現するという書き方を勧めています。同じページは、指示を簡潔に、ただし具体的な内容にすることも求めており、業界でしか通じない専門用語を避けるよう書いています。長く書くこと自体を目的にせず、簡潔で具体的な指示を目指します。
3社の言い方は違っていても、繰り返し出てくる原則は、指示の明確さ、文脈、例、出力の形式の4つに集約できます。
1つ目は、指示の明確さです。OpenAIは、GPTモデルには明示的な指示を与える形を勧めています。Googleも「モデルの動作をカスタマイズする効果的かつ効率的な方法は、明確で具体的な指示を提供することです」と書いています。Anthropicは、ほしい振る舞いがあるなら明示的に頼むよう求めており、3社とも察してもらう前提を取っていません。
2つ目の文脈はモデルが元から持っていない情報を渡す部分で、OpenAIはContextを、回答を作るために追加で要る情報と説明しています。Googleも、モデルが問題を解決するために必要な手順と情報をプロンプトへ含められると書いています。外部の情報を検索して回答の材料にする仕組みはRAGと呼ばれ、 MCPとRAGの違いの記事 で扱っています。
3つ目の例について、Anthropicは出力の形式や調子を導く確実な方法の1つだとしたうえで、関連性・多様性・構造の3つの条件を挙げています。Googleは「プロンプトには、常に少数ショットの例を含めることをおすすめします」と書いています。少数ショット(=望ましい入力と出力の対をいくつか見せて、答え方をそろえるやり方)は、3社とも触れている技法です。
4つ目の出力の形式は、指定しないかぎり返ってくる形が毎回変わる部分で、Googleは、表や箇条書きといった形式の指定と、長さなどの制約の指定を挙げています。Anthropicは、例を示すことが出力の形式や調子を導く確実な方法の1つだとしています。
3社の公式ドキュメントに実際に書かれている内容を、観点ごとに並べました。2026年9月23日に各ページを開いて確認しています。
原則 OpenAI Anthropic Google 指示の明確さ OpenAI 要件を満たす出力を安定させる工程だと定義 Anthropic ほしい振る舞いは明示的に頼む Google 明確で具体的な指示を提供する 文脈 OpenAI Contextの区分に、追加で要る情報を渡す Anthropic 指示の理由や動機を添える Google 問題を解決するために必要な手順と情報を含める 例 OpenAI Examplesの区分に、入力と出力の対を置く Anthropic 関連性・多様性・構造の3条件を満たす例を置く Google 少数ショットの例を常に含める 出力の形式 OpenAI 区分をMarkdownの見出しとXMLタグで区切る Anthropic 指示・文脈・入力を種類ごとにタグで包む Google 形式と制約を指示の中で指定する
AI検索対策のご相談
自社サイトの現状把握から、改善・効果検証まで。 ツールでの分析と、専門家による施策の支援をご利用いただけます。
4つの原則は共通していますが、細部に入ると助言は同じ向きを向かず、どこかで読んだ書き方を一般則として持ち帰ると、使うサービスによっては外れることになります。3社のガイドで食い違う点は3か所あり、渡した資料の置き場所、並べる例の数、モデルの種類による書き分けです。
図4 一致する部分の外側に、提供元ごとに分かれる部分が二段ある。 出所:GMO AI検索ラボ 1つ目は渡した資料をどこへ置くかで、OpenAIは、追加の文脈をプロンプトの終わり近くに置くのが普通は最善だとしています。生成のたびに違う文脈を差し込む使い方を想定しているから、という理由も同じページにあります。Anthropicはこれと逆で、20,000トークン(=AIが文章を数える最小の単位)を超える大きな入力では、長文の資料を問いや指示や例より前へ置くよう勧めています。問いを末尾に置くと回答品質が30%まで上がったテストがある、というのも同社の記述です。
2つ目は並べる例の数で、Anthropicは最良の結果のために3〜5個を含めるよう勧めています。Googleは数を明示していません。最良の結果が得られるように例の数をテストする必要がある場合があると書き、過剰に多くの例を追加すると、モデルが例に対する回答を過学習し始める可能性があると注意しています。
3つ目は、モデルの種類による書き分けです。OpenAIは、推論モデル(=答える前に内部で筋道を立てるモデル)には細部まで指示せず任せる形を、GPTモデルには明示的な指示を与える形をそれぞれ勧めています。OpenAIは自社のモデルの間でも書き方を分けているため、社をまたいだ一般則はさらに置きにくいと考えられます。
3社の公式ドキュメントで助言が一致しなかった点です。2026年9月23日に各ページを開いて確認しました。「記載なし」は、開いたページに記述が見当たらなかったことを指します。
食い違う点 OpenAI Anthropic Google 渡した資料の置き場所 OpenAI プロンプトの終わり近くが普通は最善 Anthropic 20,000トークンを超える入力では、長文の資料を先頭付近へ置き、問いを末尾に置く Google 開いたページに記載なし 並べる例の数 OpenAI 数の記載なし Anthropic 3〜5個 Google テストで決める。多すぎると過学習する モデルによる書き分け OpenAI 推論モデルとGPTモデルで書き分ける Anthropic モデルごとの節を設けて個別に助言する Google 開いたページに記載なし
プロンプトの書き方は、AIへ指示を出す側の話です。自社の記事をAIの回答に引用されたい側へ回ると、プロンプトは自分が書く文ではなく、利用者が送ってくる文に変わります。
図5 指示を出す側と引用される側で、プロンプトを書く人が入れ替わる。 出所:GMO AI検索ラボ その文が検索の側でどう扱われるかを、Googleは公式ヘルプに書いており、AI による概要とAI モードでは「クエリ ファンアウト」手法を使う場合があると説明しています。関連する複数のサブトピックやデータソースに対して検索を実行し、それをもとに回答を組み立てる手法だと書かれています。
この前提に立つと、検索語1つに記事1本を当てる作り方では、Googleの内部で分けられた小さな問いに答えきれない場面が出てくると考えられます。利用者が実際に書きそうな文を先に書き出し、そこに含まれる下位の問いへ分解すると、問いごとに用意する塊が一覧になり、自社の記事にその塊があるかどうかを見比べられます。例として、「AI翻訳とは」を調べに来る人が書きそうな文を分解します。
1つの文に含まれる下位の問いを分解した例です。想定で組んだもので、実際に測った結果ではありません。
利用者が送ってくる文 含まれる下位の問い 用意する塊 AI翻訳を導入したい。何から確かめればよいか 含まれる下位の問い AI翻訳とは何を指す語か 用意する塊 定義を1文で置いた章 同じ文 含まれる下位の問い どんな種類のモデルがあるか 用意する塊 モデルを並べた表 同じ文 含まれる下位の問い 入力した文章はどう扱われるか 用意する塊 提供元の規約から書いた章 同じ文 含まれる下位の問い 社内でどう使い始めるか 用意する塊 手順を並べた章
分解した問いごとに、答えが一か所で完結する塊を用意していく形になりますが、特別な書式や合言葉があるわけではありません。Googleは「AI による概要や AI モードにコンテンツが表示されるための追加の要件はなく、別途特別な最適化を行う必要もありません」と明記しています。新しく機械が読めるファイルやマークアップを作る必要も無い、とも書いています。
技術の面で求められるのは、ページがインデックスに登録され、Google 検索でスニペットが表示され、検索の技術的要件を満たしている状態だけです。そこから先の施策の並べ方と確かめ方は、 AIO対策とは何か の記事で扱っています。
プロンプトとは、生成AIへ渡す指示の文です。OpenAIはこの文を書く工程をプロンプトエンジニアリングと呼び、要件を満たす内容が安定して生成されるように指示を書くことだと定義しています。
書くときは、1つの文に混ぜずに部品へ分けます。OpenAIはIdentity・Instructions・Examples・Contextの4区分を、Googleはペルソナ・タスク・背景情報・形式の4要素を挙げています。区分を置いておくと、どこを直せば出力が変わるのかを切り分けやすくなります。
3社に共通する原則は、指示の明確さ、文脈、例、出力の形式の4つで、曖昧な一文のままでは足りないという向きは3社のガイドで一致しています。明確な指示を出し、例を示すところまでは3社のガイドがそろって書いています。理由を書き添える助言は、Anthropicが示しています。
いっぽうで食い違うのは3点です。渡した資料の置き場所について、OpenAIは終わり近くを、Anthropicは長文なら先頭付近を勧めています。例の数では、Anthropicが3〜5個を挙げ、Googleはテストで決めるとしています。OpenAIは、推論モデルとGPTモデルで書き方を分けるよう勧めています。使うサービスのガイドは、この3点を中心に読み直します。
引用される側へ回ると、プロンプトは利用者が送ってくる文になり、Googleはクエリ ファンアウトの説明を公式ヘルプに置いています。1つの文に含まれる下位の問いごとに、答えが完結する塊を用意する設計へ変わっていくと考えられます。
次に読む記事は目的によって分かれ、AI検索そのものを押さえたい場合は AI検索とは何か があります。引用される側の施策をひととおり見たい場合は AIO対策とは何か 、外部の資料を回答の材料にする仕組みを知りたい場合は MCPとRAGの違いの記事 へ進みます。
自社の記事をAI検索に引用される形へ組み替えるところから相談したい場合は、お問い合わせが窓口になります。
プロンプトに最低限入れる要素は何ですか。 Googleの利用者向けページは、ペルソナ・タスク・背景情報・形式の4つを挙げています。同じページには、あらゆるプロンプトで4つすべてを満たす必要はなく、いくつかでも取り入れると効果があると書かれています。
例はいくつ入れるとよいですか。 提供元によって助言が食い違います。Anthropicは最良の結果のために3〜5個を含めるよう勧めています。Googleは数を挙げず、最良の結果が得られるように例の数をテストする必要がある場合があるとし、過剰に多いと例に過学習すると注意しています。
参考にしてほしい資料は、プロンプトのどこに置きますか。 ここも提供元で食い違います。OpenAIは追加の文脈をプロンプトの終わり近くに置くのが普通は最善だとし、Anthropicは20,000トークンを超える入力では長文の資料を先頭付近へ置くよう勧めています。使うサービスの公式ガイドに合わせる形になります。
同じ書き方はどのモデルでも通じますか。 通じるとは限りません。OpenAIは、推論モデルには細部を任せる書き方を、GPTモデルには明示的な指示を与える書き方をそれぞれ勧めています。4つの原則は共通しますが、細部はモデルごとに読み直す必要があります。
プロンプトは長く書くほど良い出力になりますか。 長さと出力の質の関係を数字で示した記述は、2026年9月23日に開いた3社のページに見当たりませんでした。Googleは、指示を簡潔に、ただし具体的な内容にすると書いており、業界でしか通じない専門用語を避けるよう求めています。
深津式プロンプトのようなテンプレートは使えますか。 3社の公式ガイドに同じ型は見当たりません。2026年9月23日に本文を開いた上位4件のうち3件が載せていましたが、どれも出どころの記載がありませんでした。型を使う場合は、指示の明確さ・文脈・例・出力の形式の4つを満たしているかで見る形になります。
プロンプトの理解はAIO対策にどう役立ちますか。 引用されたい側にとってのプロンプトは、利用者が送ってくる文そのものです。GoogleはAI による概要とAI モードがクエリ ファンアウトを使う場合があると説明しており、1つの文が下位の問いへ分けられる前提で、問いごとに答えが完結する塊を用意する設計に変わります。
プロンプトに社内の資料を貼ってよいですか。 提供元と契約の種類によって、入力した内容の扱いが変わります。3社の設計ガイドが扱っているのは書き方で、入力したデータの扱いは利用規約と個人情報保護方針に書かれています。社内の資料を貼る前に、その2つを確かめる段取りが要ります。