はじめに
ChatGPT に質問して、「まあまあ」という答えを受け取ったことがありますか?次に、表現を変えて同じ質問をもう一度すると、突然答えが10倍良くなりました?
それが プロンプト エンジニアリング、つまり AI と効果的にコミュニケーションする技術です。
事実: 同じ AI モデル (GPT-4o、Claude、Gemini)、質問の仕方 によって、回答の 80% の品質が決まります。プロンプト エンジニアリングは「ハック」ではありません。AI を使用するすべての人に必要な コア スキルです。
1. プロンプトエンジニアリングとは何ですか?
1.1 定義
プロンプト = AI に送信するテキスト (質問、リクエスト、指示)。
プロンプト エンジニアリング = AI からの出力の品質を最大化するためのプロンプト設計エンジニアリング。
想像してみてください: AI は 5 つ星シェフのようなものです。非常に熟練していますが、何を調理するかはあなたの注文 (プロンプト) によって決まります。
| 注文 | 結果 |
|---|---|
| 「おいしいものを作ってください」 | 🤷 ランダムな料理、良いか悪いか |
| 「ハノイ牛肉のフォーを作り、炒め、きれいな水、ネギのみじん切り、バジルを加えます」 | 🎯 100% 正しい |
AIについても同様です。 あいまいなプロンプト = あいまいな出力。特定のプロンプト = 高品質の出力。
1.2 プロンプトエンジニアリングが重要なのはなぜですか?
❌ Prompt tệ: "Viết cho tôi email"
✅ Prompt tốt: "Viết email cho sếp bằng tiếng Việt, giọng điệu lịch sự
nhưng tự tin, xin nghỉ phép 3 ngày (10-12/4) vì lý do
gia đình. Nêu rõ đã bàn giao công việc cho đồng nghiệp
Minh. Độ dài: 150-200 từ."
違いは？適切なプロンプトは、コンテキストを提供し、制約を定義し、期待値を設定します。
1.3 プロンプト エンジニアリングを学ぶ必要があるのは誰ですか?
| オブジェクト | アプリケーション |
|---|---|
| 開発者 | コード生成、デバッグ、コードレビュー、テストの作成 |
| データ アナリスト | SQL 生成、データ分析、自動レポート |
| コンテンツ クリエイター | 記事執筆、ソーシャルメディア、SEO、アイデアのブレインストーミング |
| プロダクト マネージャー | PRD、ユーザーストーリー、競合他社分析を書く |
| マーケター | 電子メール キャンペーン、広告コピー、A/B テストのアイデア |
| 誰でも | AI との対話時に 2 ～ 4 時間/日 を節約 |
💡 演習 1.1: 日常の仕事/勉強の中で AI を使用できる 3 つの状況を考えてください。 「怠惰な」バージョンと「徹底的な」バージョンの、それぞれの状況に応じたプロンプトを作成します。結果を比較します。
2. プロンプトの構造 — 優れたプロンプトの構造
効果的なプロンプトには通常、6 つのコンポーネント があります (すべてのコンポーネントである必要はありません)。
2.1 プロンプトの 6 つのコンポーネント
┌─────────────────────────────────────────────────────┐
│ 1. ROLE → Bạn là ai? (persona) │
│ 2. CONTEXT → Bối cảnh / Thông tin nền │
│ 3. TASK → Nhiệm vụ cụ thể cần làm │
│ 4. FORMAT → Output trông như thế nào │
│ 5. TONE → Giọng điệu (formal, casual, ...) │
│ 6. CONSTRAINTS → Giới hạn (độ dài, ngôn ngữ, ...) │
└─────────────────────────────────────────────────────┘
2.2 各コンポーネントの例
不適切なプロンプト:
Viết bài về Python
適切なプロンプト — 部分的な分析:
[ROLE] Bạn là một technical writer với 10 năm kinh nghiệm viết
tutorial cho người mới bắt đầu lập trình.
[CONTEXT] Đối tượng đọc là sinh viên năm nhất ngành CNTT, chưa
biết gì về lập trình. Blog được đăng trên website
giáo dục Việt Nam.
[TASK] Viết bài blog giới thiệu "5 lý do nên học Python năm 2026".
[FORMAT] Cấu trúc: tiêu đề hấp dẫn → mở bài hook → 5 lý do
(mỗi lý do có tiêu đề phụ + giải thích 2-3 câu + ví dụ
thực tế) → kết luận với CTA.
[TONE] Thân thiện, hài hước nhẹ, dùng ví dụ đời thường.
Tránh thuật ngữ phức tạp.
[CONSTRAINTS] - Tiếng Việt, 800-1000 từ
- Không mention các ngôn ngữ khác tiêu cực
- Thêm emoji phù hợp
- Kèm 1 code snippet Python đơn giản
2.3 比較表: アマチュア プロンプトとプロフェッショナル プロンプト
| 係数 | ❌アマチュア | ✅ プロフェッショナル |
|---|---|---|
| 役割 | (なし) | 「あなたは上級データ アナリストです...」 |
| タスク | 「データ分析」 | 「第 3 四半期と第 2 四半期の収益を分析し、3 つの重要な洞察を見つける」 |
| 形式 | （話さず） | "列を含む表形式の回答: 指標、第 2 四半期、第 3 四半期、変化率" |
| 制約 | (無制限) | 「300 語以内で、実用的な洞察に重点を置く」 |
💡 演習 2: 次のプロンプトに従い、6 つの材料をすべて追加して改善してください。
"Giúp tôi viết CV"。前後の出力を比較します。
3. 明確な原則 — 5 つの黄金律
3.1 フレームワーク明確
| 手紙 | 原則 | 説明 |
|---|---|---|
| C | 簡潔 — 簡潔 | 余計なものはなく、要点をまっすぐに |
| L | 論理 — 論理 | 情報を順番に並べて分かりやすく |
| E | 明示的 — 明示的 | 曖昧にせず、言いたいことを正確に言う |
| A | 適応性 — 柔軟 | 出力に基づいて調整する準備を整えてください |
| R | ロールベース — ロールベース | 適切な担当者/専門家を割り当てる |
3.2 CLEAR アプリケーションの例
❌ 明らかな違反:
Ừm, tôi đang cần, à, nếu được thì bạn giúp tôi viết cái gì đó
liên quan đến marketing, kiểu như email hay post gì đó, cho sản phẩm
mới của công ty tôi, nó là app mobile, à mà cũng không chắc lắm,
bạn tự quyết đi...
✅ クリアを適用:
[R] Bạn là Growth Marketing Manager tại một startup fintech.
[C] Viết 1 email marketing cho sản phẩm: app quản lý chi tiêu cá nhân
"MoneyWise", target audience: Gen Z (18-25 tuổi).
[E] Email cần có:
- Subject line hấp dẫn (A/B: 2 versions)
- Hook mở đầu (highlight pain point)
- 3 tính năng chính + benefit
- Social proof (1 testimonial)
- CTA rõ ràng
[L] Cấu trúc: Subject → Preview text → Body → CTA → P.S.
Tiếng Việt, tone trẻ trung, 200 từ.
4. 反復的なプロンプト — 「正しく理解できるまでもう一度質問する」
4.1 なぜ反復が必要なのでしょうか?
プロンプト エンジニアリング 一度作成して完了する必要はありません。それは彫刻のようなものです。まず大まかな形状から始めて、美しくなるまで削ります。
Lần 1: Prompt cơ bản → Output "tàm tạm"
Lần 2: Thêm context → Output tốt hơn
Lần 3: Thêm constraints → Output gần đúng ý
Lần 4: Tinh chỉnh tone/format → Output hoàn hảo ✅
4.2 効果的な反復手法
テクニック 1: 具体的なフィードバック
"Bài viết tốt rồi, nhưng:
- Phần giới thiệu quá dài, rút ngắn còn 2 câu
- Thêm ví dụ thực tế cho lý do #3
- Giọng điệu hơi formal, chuyển sang casual hơn"
テクニック 2: サンプル例を提示する
"Viết lại intro theo phong cách này:
'Bạn có biết? 73% Gen Z check ví tiền trước khi...'
→ Bắt đầu bằng câu hỏi + số liệu gây tò mò"
テクニック 3: 逆質問をする
"Trước khi viết, hãy hỏi tôi 5 câu hỏi quan trọng nhất
mà bạn cần biết để viết email này hiệu quả nhất."
プロのヒント: テクニック #3 は非常に強力です。 AI に質問を返すと、あなたがまだ考えていなかった不足している情報を発見するのに役立ちます。
💡 演習 4: テクニック #3 を使用する: 「AI エンジニア」というポジションの職務内容を書く前に、ChatGPT/Claude に 5 つの質問をしてもらいます。この手法を使用した場合と使用しない場合の出力を比較します。
5. よくある間違い
5.1 プロンプト作成時の間違いトップ 7
| # | 間違い | 間違った例 | 編集 |
|---|---|---|---|
| 1 | 曖昧すぎる | 「AI の学習を手伝ってください」 | 「NLP に焦点を当てた、Python 開発者向けの 3 か月の AI 学習ロードマップの作成」 |
| 2 | 長すぎてとりとめのない話です | コンテキストを説明する 500 語 | 文脈を 2 ～ 3 文で要約します |
| 3 | 形式がありません | 「データ分析」 | "表形式の応答: メトリクス | 値 | コメント" |
| 4 | AI は知っていると仮定します | 「昨日の続き」 | 各プロンプトの完全なコンテキストを提供します。 |
| 5 | 一度にたくさんのことを尋ねる | 「ライティング＋画像作成＋翻訳」 | 3 つの個別のプロンプトに分割 |
| 6 | 反復しません | 最初の出力を受け入れます | 具体的なフィードバック、徐々に先鋭化 |
| 7 | テストされていません | ケースごとに 1 つのプロンプトを使用する | さまざまな入力を使用してテストする |
5.2 「ガベージイン、ガベージアウト」
Prompt mơ hồ → AI phải "đoán" ý bạn → Output ngẫu nhiên → Bạn thất vọng
Prompt rõ ràng → AI hiểu chính xác → Output đúng ý → Bạn "wow AI giỏi thật!"
結論: ユーザーが「AI が悪い」と不満を言うほとんどの場合、実際には プロンプトが悪いことが原因です。優れたプロンプト = 優れた AI。
6. 実践: 3 つの実際のプロンプトを改善する
例 1: 開発者 — コードレビュー
❌ "Review code này"
✅ "Bạn là senior Python developer với chuyên môn về clean code
và design patterns.
Review đoạn code Python sau, focus vào:
1. Bug tiềm ẩn (edge cases, error handling)
2. Performance issues
3. Readability & naming conventions
4. Đề xuất refactor (nếu cần)
Format: Bảng với cột [Dòng | Vấn đề | Mức độ | Đề xuất sửa]
Sau bảng, cho overall rating 1-10 và 1 câu tóm tắt.
Code:
```パイソン
defprocess(データ):
結果 = []
for i in range(len(data)):
データ[i] > 0の場合:
result.append(データ[i] * 2)
結果を返す
```"
例 2: マーケティング — ソーシャル投稿
❌ "Viết post Facebook"
✅ "Bạn là social media specialist cho thương hiệu cà phê Việt Nam
premium, target audience: người đi làm 25-35 tuổi ở Sài Gòn.
Viết 1 Facebook post cho sản phẩm mới: Cold Brew Cà phê sữa đá.
Yêu cầu:
- Hook: 1 dòng đầu gây tò mò (dùng emoji)
- Body: 3-4 dòng ngắn, nêu USP (cafe robusta Đắk Lắk,
ủ 24 giờ, không đường)
- CTA: Mua ngay, link in bio
- 3-5 hashtags phù hợp
- Tone: casual, trendy, hơi witty
- Độ dài: 80-120 từ"
例 3: 学生 - 研究
❌ "Giải thích Machine Learning"
✅ "Giải thích Machine Learning cho sinh viên năm 2 ngành CNTT.
Yêu cầu:
- Bắt đầu bằng 1 ví dụ thực tế dễ hiểu (không dùng ví dụ
spam email — quá cũ)
- Giải thích 3 loại ML: supervised, unsupervised, reinforcement
(mỗi loại 1 ví dụ đời thường + 1 ví dụ kỹ thuật)
- Dùng bảng so sánh 3 loại
- KHÔNG dùng công thức toán
- Tiếng Việt, 400-500 từ
- Kết thúc bằng 'Bước tiếp theo nên học gì?'"
💡 演習 6: 上記の 3 つの例から 1 つを選択し、適切なプロンプトを ChatGPT/Claude/Gemini にコピーします。次に、出力を向上させるために 2 ～ 3 回繰り返します。変更を加えるたびにプロンプトを記録し、結果を比較します。
7. 各 AI モデルのエンジニアリング プロンプト
各AIモデルは異なる「個性」を持っています。最適なプロンプトもモデルごとにわずかに異なります。
| モデル | 強み | ヒントの提示 |
|---|---|---|
| ChatGPT (GPT-4o) | クリエイティブ、多様性、コードの扱いが得意 | 複雑なレッスンには「ステップバイステップで考える」を追加 |
| クロード (3.5 ソネット) | 正確、指示に厳密に従って、長い | XMLタグを使用する <task>、 <context> 構造体へ |
| ジェミニ (2.0 フラッシュ) | 高速、マルチモーダル、データ処理に優れています | マークダウンを使用して具体的な例を提供します |
クロード XML スタイル (特に効果的):
<role>Senior data analyst</role>
<context>E-commerce company, 2 years of sales data</context>
<task>Analyze Q4 2025 revenue trends</task>
<format>
- Executive summary (3 sentences)
- Key metrics table
- Top 3 actionable recommendations
</format>
<constraints>
- Focus on actionable insights only
- Under 500 words
</constraints>
概要
| コンセプト | 覚えておいてください |
|---|---|
| 迅速なエンジニアリング | AI との効果的なコミュニケーションの技術 |
| 6 つの材料 | 役割、コンテキスト、タスク、フォーマット、トーン、制約 |
| クリア | 簡潔、論理的、明示的、適応的、役割ベース |
| 反復 | プロンプト → 出力 → フィードバック → 改善 → 繰り返し |
| 間違い #1 | 曖昧すぎる - AI が推測する必要がある = 出力が低い |
一般的な演習
- ✅ 小さな演習 (1.1、2、4、6) をすべて完了します。
- プロンプト ポートフォリオ: 仕事/勉強における 5 つの異なる使用例に対応する 5 つの「完璧な」プロンプトを作成します。各プロンプトには 6 つのコンポーネントが必要です。
- A/B テスト: タスクを 1 つ選択し、2 つの異なるプロンプト (短いものが 1 つ、詳細が 1 つ) を作成し、各プロンプトを 3 回実行します。平均的な品質を比較します。
- クロスモデル テスト: ChatGPT、Claude、Gemini の両方で実行して、最適なプロンプトを取得します。あなたのユースケースに最適な出力を提供するモデルはどれですか?
次の記事: システム プロンプトとペルソナの設計 — カスタムの個性と専門知識を備えた独自の「パーソナル」 AI アシスタントを作成する方法。