0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@dachshund129(ダックス フント)

最新LLMにプロンプトエンジニアリングは逆効果？ OpenAI・Anthropic・Googleの公式ガイドを読み解く

0
Posted at

こんにちは、ダックスフントです。

最近「最新のモデルではプロンプトエンジニアリングが不要だ」と聞くようになってきました。

そんな折、OpenAIがGPT-5.5向けに公開したプロンプトガイダンスを読んでみたところ、その内容に少し衝撃を受けました。

"Avoid carrying over every instruction from an older prompt stack. Legacy prompts often over-specify the process because earlier models needed more help staying on track. With GPT-5.5, that can add noise, narrow the model’s search space, or lead to overly mechanical answers."

（（gpt-5.5以前のモデルに使用していた）古いプロンプトスタックの指示を、すべて引き継がないようにしてください。 従来のプロンプトは、以前のモデルが軌道を外さないように、手順を過剰に細かく指定していることがよくあります。 GPT-5.5では、それがノイズになったり、モデルの探索範囲を狭めたり、回答が過度に機械的になったりする可能性があります。）

つまり、「以前のモデル向けに作り込んだプロンプトは、最新のモデルでは逆にノイズになる」という話です。この内容を見た時に、LLMが流行り出した時期にキャッチアップしたプロンプトエンジニアリングのテクニックに対して、自分自身の知識をアップデートしていく必要があると感じました。

そこで、OpenAI・Anthropic・Googleそれぞれの公式ドキュメントと第三者の研究結果を踏まえながら、「何がどんな要因で変わったのか」、「変わっていないのは何か」を調査してみました。この記事では、それらの調査結果を紹介したいと思います。2026年5月時点の調査内容であり、今後LLMがさらに進化すれば、ここで紹介した傾向やベストプラクティスが大きく変わる可能性があります。

TLDL（要約）

  • Chain-of-Thought（「ステップバイステップで考えて」）は、最近のモデル（≒推論モデル）では不要・むしろ逆効果になるケースがある
  • 「CRITICAL: 〜必ずして」のような強調指示は、Anthropicが公式に廃止を推奨
  • GPT-5.5でも「過剰なプロセス指定は逆効果」という新しいガイダンスが出た
  • ただし「何を伝えるか（ゴール・制約・コンテキスト）」は変わらず重要
  • 各社（OpenAI・Anthropic・Google）のモデル毎にガイダンスが異なるので、プロンプトを設計/見直す場合は、公式のガイダンスを一度参照した方が良い
  • Geminiアプリを使用している方は、プロンプトを短く簡潔に。Gemini 3はGemini 2.xよりも簡潔なプロンプトが推奨されている。
  • AIエージェント開発やGitHub CopilotでGPT-5.5を使用している方は、手順についての細かい指定を減らしてみる。

目次

1. LLMへの指示の仕方が変わってきた

少し前まで、LLMに何かを頼むときは「やる気はあるけれど経験が浅い新入社員に指示するイメージ」が通用していました。失敗しないように細かく手順を書き、重要事項は念押しし、出力フォーマットも事細かに指定する。それが「良いプロンプト」の条件でした。

ところが今は、このやり方がむしろ邪魔になる場面が増えています。

OpenAIのプロンプトエンジニアリングの公式ガイドには、こう書かれています。

"A reasoning model is like a senior co-worker. You can give them a goal to achieve and trust them to work out the details."

（推論モデルはシニアな同僚のようなもの。達成すべきゴールを伝えれば、細部は自分で解決してくれる。）

「やる気のある新入社員」から「優秀な部下」へ——モデルに対して持つべきイメージが変わった、というのが今起きていることの本質だと思います。

ただし、ここで注意したいのは、「何も指示しなくてよくなった」ではないという点です。変わったのは「どうやるかの手順を事細かに指定すること」が不要になったという部分です。「何を達成したいのか」「どんな制約があるのか」「どんなコンテキストで使うのか」——これらは以前よりむしろ重要になっています。

2. 技法ごとに見る：何が変わった？

まず全体を俯瞰するために、変化のあった代表的な技法を表にまとめます。

以前の技法 具体例 何が変わったか
Chain-of-Thought 「ステップバイステップで考えて」 推論モデルでは不要・逆効果のリスク
強調表現 「CRITICAL: 必ずこのツールを使え」 Claude Opus 4.5以降では過剰トリガーの原因に
細かいステップ指示 「まずAをして、次にBを確認して…」 GPT-5.5では探索空間を狭め、機械的な回答になる
詳細・長いプロンプト全般 Gemini 2.x向けに作り込んだ長文プロンプト Gemini 3では簡潔な指示の方が効果的。長さより構造が原則
ネガティブ指示 「マークダウンを使わないでください」 肯定指示への書き換えが各社推奨
感情的訴求 「これはとても重要です、慎重に」 sycophancy（ユーザ向け迎合）抑制訓練により効果が薄れている
出力フォーマットのプロンプト指定 「以下のJSON形式で…」 APIのStructured Outputs機能で代替推奨

この表は「もう使ってはいけない」というリストではありません。モデルの種類や用途によって、変化の度合いが大きく異なります。詳しくは以下の節で説明します。

ツール別のチェックポイント

  • Geminiアプリを使っている方 → 表の「詳細・長いプロンプト全般」の行が当てはまります。Gemini 3ではGemini 2.x向けに作り込んだ長いプロンプトが逆効果になるケースがあるため、短く構造化した指示への見直しを検討してみてください。
  • GitHub Copilot や AIエージェント構築においてGPT-5.5を使用している方 → 表の「Chain-of-Thought」「細かいステップ指示」の行が特に当てはまります。手順を細かく書くよりも、ゴールとコンテキストを明示的に渡す方が精度が上がることがあります。

3. なぜ変わったのか：背景にある2つの変化

技法が変わった背景には、大きく2つの構造的な変化があります。

3-1. 推論モデルが「当たり前」になった

2025年以前、OpenAIのラインナップには「生成モデル（GPT-4o、GPT-4.1）」と「推論モデル（o1、o3、o4-mini）」という2種類が並んでいました。プロンプトエンジニアリングの技法も、それぞれで違っていました。

ところが2026年に入り、まず利用者側のニーズが変わりました。廃止直前の生成モデル（GPT-4o）の選択率はデイリーユーザーのわずか0.1%で、生成モデルの需要が縮小していました。こうした需要構造の変化を受けて、推論モデルが標準で提供されるようになりました。また、これらの生成モデル（GPT-4o・GPT-4.1）と推論モデル（o4-mini）は2026年2月に廃止され、その後5月にはGPT-5.5 Instant（複雑なプロンプトを検知すると自動で推論モードに切り替わる汎用モデル）がデフォルト（標準モデル）になりました。

つまり「内部で推論できないモデル」という選択肢が、ユーザーの手元からほぼ消えました。

3-2. モデルが内部で推論するように訓練されている

o1・o3などの推論モデルは、強化学習によって「内部でChain-of-Thought（ステップバイステップで考える）を実行する」ように訓練されています。外側から改めて「Chain-of-Thought（ステップバイステップで考えて）」と指示することは、モデルがすでに内部でやっていることを二重に要求することになり、競合・干渉する可能性があります。

また、GPT-5.5はレスポンスを生成する前に内部推論トークンを使い、o1やo3よりもさらに高度なエージェントとしての思考（計画立案・代替案の検討・曖昧さの解消、ツールの効果的活用など）を自律的に行います。この仕組みがあるからこそ、「まずAをして、次にBを確認して……」という手順書き的なプロンプトが邪魔になるのです。

余談：MoEがロール指定を不要にしたのでは？

「最近のLLMにロール指定が不要になってきている」という噂を聞いたとき、私はその理由として「MoE（Mixture of Experts）が普及したからではないか？」と思っていました。

MoEとは、1つのモデルの中にルーター＋複数の「エキスパート（専門家ネットワーク）」を持たせる設計です。ルーターが質問を受け取り、内容に応じて適切なエキスパートに処理を任せることで、効率よく振る舞えるというしくみです。これを知ったとき、「医師として回答してください」と言えば医療系のエキスパートが選ばれて医療系の立場での回答生成が行われる——というイメージが浮かびました。だとすれば、「モデルが自分でエキスパートを選んでくれることが影響して、ロール指定が不要になったのでは」と推測しました。

しかし、MoEについて調べてみると、この仮説は誤りでした。

2026年4月に発表された論文「The Myth of Expert Specialization in MoEs」によると、MoEのルーターは「医師」「コーディング専門家」のような役割でエキスパートを振り分けているわけではありません。実際には、入力された情報の数学的な特徴の近さで機械的に選んでいるだけで、「医療系の専門家として回答する機能がある」わけではありませんでした。同じ単語でも文脈が変われば選ばれるエキスパートは変わるようでした。

また、ロール指定が不要になってきている噂についても、調査してみると、これを裏付けるようなエビデンスは見つかりませんでした。

4. 大手LLMベンダーの公式アナウンスを見てみる

各社（OpenAI、Anthropic、Google）の公式アナウンスやガイダンスを見比べると、推奨されるプロンプトの考え方は会社やモデルごとに結構異なるが分かります。

4-1. OpenAI（GPT-5.5向けプロンプトガイダンス）

OpenAIは推論モデル向けに、Chain-of-Thoughtプロンプトについて明確に述べています。

"Avoid chain-of-thought prompts: Since these models perform reasoning internally, prompting them to 'think step by step' or 'explain your reasoning' is unnecessary."

（Chain-of-Thoughtを促すプロンプトは避けてください。これらのモデルは内部で推論を行うため、「ステップバイステップで考えて」や「推論過程を説明して」と促す必要はありません。）

さらにGPT-5.5向けの新しいガイドでは、これをGPT系モデルにも拡張する形で書かれています。

"When you over-specify the route with step-by-step instructions like 'first do A, then check B, then compare C, then output D,' you're constraining the model and forcing a less intelligent path through a problem space the model could navigate better on its own."

（「まずAをして、次にBを確認して、Cを比較して、最後にDを出力する」といったステップごとの指示で進め方を細かく決めすぎると、モデルを縛ることになり、本来ならモデル自身でもっとうまく探索できる問題空間で、かえって賢くない進み方を強いることになります。）

要は「手順を指定しすぎると、モデルが本来うまくナビゲートできる問題空間において、あえて非効率な経路を歩かせることになる」という話です。

ただし、これは全世代のGPT系モデルに当てはまる話ではありません。GPT-4.1のような旧GPT系は「タスクをどう実行するかについて、より明示的な指示があると性能が上がる」と依然として書かれています。使っているモデルを確認することが大事です。

4-2. Anthropic（Claude Opus 4.7/4.8移行ガイド）

Anthropicの見解で特徴的なのは、「プロンプトエンジニアリングが不要」という話ではなく、「以前のモデル向けに追加した余計な指示・回避策を削除せよ」というメッセージが前面に出ている点です。

Claude Opus 4.7の移行ガイドには、こんな記述があります。

"Claude Opus 4.5 and Claude Opus 4.6 are also more responsive to the system prompt than previous models. If your prompts were designed to reduce undertriggering on tools or skills, these models may now overtrigger. The fix is to dial back any aggressive language. Where you might have said 'CRITICAL: You MUST use this tool when...', you can use more normal prompting like 'Use this tool when...'"

（Claude Opus 4.5とClaude Opus 4.6は、以前のモデルよりもシステムプロンプトへの反応性が高くなっています。もしあなたのプロンプトが、ツールやスキルの呼び出し不足を減らすために設計されていたなら、これらのモデルでは今度は過剰に呼び出されるかもしれません。対処法は、強すぎる表現を弱めることです。たとえば以前は「CRITICAL: このツールは必ず使うこと」と書いていた場面でも、今は「この場合はこのツールを使ってください」くらいの普通の書き方で十分です。）

「CRITICAL」や「MUST」といった強調表現は、以前のモデルが指示を聞かない場面への対処策でした。今のモデルはシステムプロンプトへの感応性が高まっているため、同じ書き方をするとツールが過剰に呼ばれるなど予期しない挙動につながります。

削除すべき古いプロンプト要素として、移行ガイドはこんな例を挙げています。

  • 「3回のツール呼び出しごとに進捗をまとめて」のような中間ステータスの強制
  • 「迷ったらツールを使え」という曖昧な指示（過剰トリガーの原因）
  • CoT的な強制指示（モデルが自発的にやるため不要）

さらに、Claude 4.6以降でassistantターンのprefill（アシスタントの回答文の先頭を事前に指定しておく機能）が廃止されました。理由は「モデルの指示追従能力が向上し、ほとんどのユースケースはもはやprefillが不要になった」からです。Claude Opus 4.7以降ではtemperatureパラメーターも廃止され、創造性の挙動制御はプロンプトで行う設計になっています。

4-3. Google（Gemini）

Googleは3社の中でもっとも「プロンプトエンジニアリングは依然として重要」という立場を取っています。公式ドキュメントには「2026年においてもプロンプトエンジニアリングはAI活用を最適化するための必須スキルになっている」と明記されており、few-shotプロンプト（例示をいくつかプロンプトに含める）については「常にプロンプトに含めることを推奨する」とあります。

ただし、Gemini 3では変化が出てきています。Gemini 2.x向けに作り込んだ長いプロンプトが逆効果になるケースです。

"Gemini 3 follows short, direct instructions much better than Gemini 2.x, and if you built long prompts to keep Gemini 2.x on track, those same prompts can now produce answers that feel bloated."

（Gemini 3は、Gemini 2.xよりも短く直接的な指示にずっとよく従います。そのため、Gemini 2.xを軌道に乗せるために長いプロンプトを作っていた場合、同じプロンプトが今度は冗長な回答を生むことがあります。）

「Structure beats length（長さより構造）」という原則が強調されるようになり、量より質・構造化という方向性は他社と同じです。

また、thinking mode（Gemini 2.5/3シリーズの内部推論機能）についても、CoT指示との競合に注意が必要です。thinking modeが有効なとき、外からCoTを指示してもモデルはすでに内部でやっているため、効果が薄れます。

3社のアナウンスを並べると、次のような整理になります。

会社 アナウンス
OpenAI 推論モデルはCoT不要。GPT-5.5でも過剰なプロセス指定は逆効果
Anthropic 以前のモデル向けの回避策（scaffolding）用の指示は削除した方が良い
Google Gemini 3ではGemini 2.Xに比べて、構造化・簡潔化が必要

5. 研究でも裏付けられている

各社の公式見解に加えて、第三者の研究でも同じ方向の変化が確認されています。

WhartonのCoT効果測定

Wharton GAILが2025年6月に発表した技術レポートは、PhD水準の難問198問（GPQA Diamond）を使って、CoTプロンプトの効果をモデルごとに計測しました。

非推論モデルでは一定の効果（10%以上の精度向上）が確認されています（Gemini Flash 2.0: +13.5%、Claude Sonnet 3.5: +11.7%）。一方、推論モデルでは話が変わります。

モデル（推論モデル） CoTの効果
o3-mini +2.9%（軽微な向上）
o4-mini +3.1%（軽微な向上）
Gemini Flash 2.5 -3.3%（逆効果）

推論モデルでは、精度向上が軽微であったり、逆に精度が若干下がってしまうことが分かりました。また、Gemini Flash 2.5ではさらに詳しく見ると、100%正答率を出していた問題では -13.1% という大きな落ち込みも確認されています。

またコストの観点からも、CoT指示によって推論時間は35〜600%増えると報告されています。このことから、推論モデルにおいてCoTで指示することは、推論時間が伸びる上に、精度もあまり向上しない、コスパの悪い指示だということが分かります。

「The Prompting Inversion」

2025年10月に公開された論文「You Don't Need Prompt Engineering Anymore: The Prompting Inversion」（Imran Khan, arXiv:2510.22251）は、GPT-4oとGPT-5で詳細プロンプトと標準プロンプトを比較した実験を行っています。

GPT-4o GPT-5
詳細プロンプト（Sculpting） 97% 94.00%
標準CoT 93% 96.36%

GPT-4oでは詳細プロンプトが有利だったのに対し、GPT-5では逆転しています。この現象を論文は「guardrail handcuff transfer（ガードレールから手錠へ）」と名付けました。

"constraints preventing common-sense errors in mid-tier models induce hyper-literalism in advanced models"

（中位クラスのモデルで常識的なミスを防ぐために設けた制約が、高度なモデルでは過度に字義どおりな振る舞いを引き起こしてしまう。）

中級モデル（性能がそこまで高くないモデル）での逸脱を防ぐために入れたガードレール（指示の制約）が、高度なモデルでは逆に手錠（枷）になってしまう——という指摘です。

6. 変わらないものは何か：コンテキストエンジニアリングという視点

ここまでの内容を踏まえると「じゃあもうプロンプトは何も工夫せずに書かいてもよいの？」という疑問が湧くかもしれませんが、そうではないようです。

不要となってきていることは「モデルにどのプロセスで考えるかを指定すること」であり、逆に必要になってきていることは「ゴール・制約・コンテキストを明確に渡すこと」です。

この文脈で近年注目されているのが「コンテキストエンジニアリング」という考え方です。2025年6月にAndrej Karpathy（元OpenAI）がXで投稿した定義が広まり、その後AnthropicやGoogleも採用しています。

"the delicate art and science of filling the context window with just the right information for the next step"

（コンテキストウィンドウに次のステップのための適切な情報を詰め込む技術）

コンテキストエンジニアリングとプロンプトエンジニアリングの違いを整理すると、以下のようになります。

観点 プロンプトエンジニアリング コンテキストエンジニアリング
最適化する対象 プロンプトの言い回し エージェントがアクセスできる情報全体（プロンプト、ツール、メモリ、エージェント、等々）
スコープ 単一のやり取り 複数のタスクをまたぐ大きな指示

まとめ

変わった部分：

  • Chain-of-Thought指示（「ステップバイステップで」）は、推論モデルでは不要・逆効果になるケースがある
  • 「CRITICAL」「MUST」のような強調表現は、最新のClaudeでは過剰トリガーの原因になる
  • GPT-5.5でも「過剰なプロセス指定は探索空間を狭める」という新ガイダンスが出た
  • 以前のClaudeモデルへの対処策として加えたscaffolding（CoT強制・進捗報告強制・prefillなど）は、今のモデルでは削除が推奨されている
  • 出力フォーマットの指定はAPIレベルのStructured Outputs機能で代替できるケースが増えた

変わらない部分：

  • ゴール・成功基準・制約・利用可能なコンテキストを明確に渡すことは、むしろ重要になっている
  • モデルによって最適なプロンプトの書き方は依然として異なる（GPT-5.5 vs Gemini vs Claude）
  • few-shotプロンプトは対象モデルによっては引き続き有効（Anthropicは推奨を継続）

今すぐ試せること：

  • Geminiアプリを使っている方 → Gemini 3ではGemini 2.x向けに作り込んだ長いプロンプトが逆効果になるケースがあるため、短く構造化した指示への見直しを検討してみてください。
  • GitHub Copilot や AIエージェント構築においてGPT-5.5を使用している方 → 手順を細かく書くよりも、ゴールとコンテキストを明示的に渡すが精度が上がることがあります。

「プロンプトエンジニアリングはもう不要」という話は、半分本当で半分誤解です。不要になってきたのは「モデルの思考プロセスを手順書き的に制御すること」であり、何を達成したいか・どんな制約があるかを明確に渡すことは変わらず大事です。

また、同じ「推論モデル」でも各社のスタンスには温度差があります。今使っているモデルの公式ドキュメントを一度確認してみるのが、一番確かな近道です。

各社とも最新モデルに合わせてガイドを更新しています。以前作ったプロンプトをそのまま流用している場合、公式ガイドと照らし合わせると「これはもう削っていい」という部分が意外と見つかります。

賢い部下への指示と同じで、手順を全部書き出さなくてもゴールと背景を渡せば動いてくれる——そういうモデルが標準になってきました。プロンプトが不要になったわけではなく、プロンプトで何を指示すべきかが変わってきた、というのが今の状況だと思います。

参考文献

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?