はじめに
LLM（大規模言語モデル）の性能を最大限引き出すカギは「プロンプトの書き方」にあります。同じモデルでも、プロンプト次第で出力品質は10倍以上変わることも珍しくありません。
本記事では、ChatGPT・Claude・Geminiで実際に検証した プロンプトエンジニアリングのテクニック を体系的にまとめます。
対象読者: AIを業務で使い始めたエンジニア・ビジネスパーソン
検証環境: GPT-4o, Claude 3.5 Sonnet, Gemini 1.5 Pro（2026年3月時点）
1. プロンプトエンジニアリングとは
プロンプトエンジニアリングとは、LLMに対する指示文（プロンプト）を設計・最適化する技術です。
なぜ重要か
| 観点 | 良いプロンプト | 悪いプロンプト |
|---|---|---|
| 出力精度 | 95%以上の精度 | 50〜60%の精度 |
| 作業時間 | 1回で完了 | 何度もやり直し |
| コスト | APIトークン節約 | 無駄なトークン消費 |
2. 基本テクニック5選
2-1. ロール指定（Role Prompting）
AIに「役割」を与えることで、専門的な回答を引き出せます。
あなたは10年以上の経験を持つシニアPythonエンジニアです。
以下のコードをレビューし、改善点を指摘してください。
2-2. 構造化プロンプト（Structured Prompting）
出力フォーマットを明示すると、一貫性のある回答が得られます。
以下のフォーマットで回答してください：
## 概要
[1-2文で要約]
## 詳細
[箇条書きで3-5点]
## コード例
[実装サンプル]
2-3. Few-shot Learning
例を2〜3個提示してパターンを学習させます。
タスク: 以下の文を感情分析してください。
例1: 「この製品は最高です」→ ポジティブ
例2: 「もう二度と買わない」→ ネガティブ
例3: 「まあ普通かな」→ ニュートラル
分析対象: 「思ったより良かったけど、値段が高い」→
2-4. Chain of Thought（思考の連鎖）
「ステップバイステップで考えてください」と指示することで、推論精度が劇的に向上します。
2-5. 制約条件の明示
出力に制約を設けることで、望む形式の回答を得られます。
以下の条件で回答してください：
- 200文字以内
- 専門用語は使わない
- 具体例を1つ含める
- JSON形式で出力
3. 上級テクニック
3-1. メタプロンプト
「プロンプトを生成するプロンプト」を使う手法です。
あなたはプロンプトエンジニアの専門家です。
以下のタスクを達成するための最適なプロンプトを設計してください。
タスク: [やりたいこと]
対象モデル: GPT-4o
3-2. Self-Consistency（自己整合性）
同じ質問を複数回投げ、多数決で最も信頼できる回答を選ぶ手法です。
3-3. ReAct（Reasoning + Acting）
推論と行動を交互に行わせるパターンです。
4. モデル別のコツ
ChatGPT（GPT-4o）
- 得意: 創造的なタスク、コード生成、多言語対応
- コツ: System messageを活用し、Custom Instructionsで基本設定を固定
Claude（3.5 Sonnet / Opus）
- 得意: 長文処理、分析タスク、正確性
- コツ: XMLタグで構造化、thinkingタグで思考過程を引き出す
Gemini（1.5 Pro）
- 得意: マルチモーダル、Google連携、リサーチ
- コツ: 画像やPDFを直接入力に使い、マルチモーダルの強みを活かす
5. 実践例：業務効率化プロンプト集
コードレビュー
以下のPythonコードについて、セキュリティ・パフォーマンス・可読性の
3つの観点からレビューしてください。各観点で最低1つ改善提案をしてください。
深刻度（高/中/低）も付けてください。
議事録要約
以下の会議の書き起こしから、構造化された議事録を作成してください。
出力フォーマット:
- 日時・参加者
- アジェンダ
- 決定事項（箇条書き）
- TODO（担当者・期限付き）
6. アンチパターン
| アンチパターン | 問題 | 改善策 |
|---|---|---|
| 曖昧な指示 | 期待と異なる出力 | 具体的な条件を明示 |
| 長すぎるプロンプト | コンテキスト迷子 | 適切に分割・構造化 |
| 否定形の指示 | 無視されやすい | 肯定形で書き直す |
| 例なしの抽象指示 | 品質にばらつき | Few-shot例を追加 |
まとめ
プロンプトエンジニアリングの基本は以下の5つです：
- ロール指定 で専門性を引き出す
- 構造化 で一貫した出力を得る
- Few-shot でパターンを学習させる
- Chain of Thought で推論精度を上げる
- 制約条件 で出力を制御する
プロンプトエンジニアリングの詳しい実践テクニックは AI Tech Review でも紹介しています。