製造業の機械設計エンジニアとして働く中で、AI（Claude）を日常業務の効率化に使うようになりました。エンジニア向けの汎用的なAI活用知識として、実際に使っているプロンプトパターンを3つ紹介します。
1. 仕様書・チェックリストの抜け漏れチェック
設計レビュー前に、仕様書のドラフトをAIに渡して「抜けている観点」を指摘してもらいます。
以下は機械部品の仕様書ドラフトです。
設計レビューで指摘されがちな観点（耐久性、組立性、コスト、保守性、安全規格）の
それぞれについて、記載が不足している箇所を箇条書きで指摘してください。
[仕様書本文をここに貼る]
ポイントは「観点を先に指定する」ことです。観点を指定しないと一般的な感想しか返ってこないため、レビュー基準（耐久性・組立性・コスト・保守性・安全規格など）を明示すると指摘の精度が上がります。
2. Excel関数・簡易VBAの生成
部品表（BOM）の集計や転記作業で使う関数・マクロをAIに作らせています。
Excelで以下を行う関数（またはVBA）を作ってください。
・A列に部品名、B列に数量がある
・同じ部品名が複数行にある場合は数量を合計して1行にまとめたい
・結果はD列・E列に出力したい
数式だけで対応可能か、VBAが必要かも判断して提示してください。
数式とVBAのどちらが適切かの判断もAIに任せることで、自分で都度調べる時間を減らせます。生成されたコードは必ず実データの一部で検証してから本番に使っています。
3. 議事録・メールの整理
打ち合わせの音声メモやメモ書きをAIに渡し、決定事項とToDoだけを抽出させています。
以下は打ち合わせ中に取ったメモです。
「決定事項」「ToDo（誰がいつまでに）」「保留事項」の3つに分けて整理してください。
情報が無い項目は「不明」と明記してください。
[メモ本文をここに貼る]
「情報が無い項目は明記させる」のがポイントです。これを指定しないと、AIが文脈から推測して断定的に書いてしまうことがあるため、不明な点は不明と書かせることで誤った情報を社内で共有するリスクを減らせます。
まとめ
いずれのプロンプトも共通しているのは「判断基準・観点を先に渡す」ことです。基準を渡さずに丸投げすると一般的な回答しか返ってきませんが、現場で使う基準（レビュー観点、出力形式、不明な場合の扱い）を明示すると、実務にそのまま使える結果が得やすくなります。
※本記事は個人の業務効率化の工夫を一般化して紹介したものです。具体的な社内データ・仕様・取引先名等は含みません。