町工場の経営者向けに、生成AIの使い方を教える研修資料を作りました。対象読者は、ChatGPTかClaudeを何度か触ったことはあるが、実務で継続的には使えていない層です。情シスもプロンプトに詳しい部下もいません。

この読者層に教えるとなると、いつものプロンプトエンジニアリングの知識をそのまま渡しても機能しません。ましてや、エージェントで会社組織を構成して年収アップだの、ループがどうだのと説明したところで意味がありません。Chain-of-ThoughtもFew-shotも、言葉としては正確でも「今日の見積書の備考欄をどう書けばいいか」という問いには変換されないのです。

結局、次の3つを設計判断として固めました。

プロンプトの構成要素を、5つのラベルだけに削る
教材の章構成そのものを、型→例→コツ→ひな型の4段階に固定する
「良いプロンプトが書けない」という状態そのものを、AIに聞かせて解決させる

以下、それぞれの判断に至った理由を書きます。

なぜ5要素に削ったのか

いつも使っているプロンプトエンジニアリングの語彙を、そのまま教材に落としても伝わらないだろうというのは、最初から分かっていました。Zero-shot、Few-shot、Chain-of-Thought、Self-Consistency、ReAct。実務でLLMを使い倒しているエンジニアになら、この語彙のまま話は通じます。町工場の経営者には通じません。

理由は英語の壁ではありません。抽象度が違うのです。「Chain-of-Thoughtを使う」は手法の名前であって、手を動かす手順ではありません。「何を書けばChain-of-Thoughtになるのか」という一段下の変換を、読者自身がやらなければならない。ここでつまずきます。

そこで採用したのが、Context、Role、Action、Format、Toneの5つ、頭文字を取ってC.R.A.F.T.という型です。これは新しい技法ではありません。既存のプロンプトエンジニアリングの語彙に当てはめれば、Contextは実質的にプロンプトの前提条件やドメイン知識の注入、RoleはPersona Pattern、ActionはInstruction、Formatは出力フォーマット指定、ToneはStyle Transferに近いものです。技法としての新規性はゼロで、既存の要素を「人に仕事を頼むときの5つの要素」という一段抽象度の低いラベルに貼り替えただけです。

この貼り替えには根拠があります。作動記憶の研究では、人が一度に保持できる情報のまとまりは4〜7個程度とされます（Miller, 1956、Cowan, 2001）。プロンプトエンジニアリングの技法を10個列挙しても、読者はどれも覚えて帰りません。5個なら、「仕事を頼むときに自然とやっていること」という既存の記憶の枠に接続できます。

実際に書いた例文では、Contextに「取引先」「業界」といったドメイン知識そのものを書かせています。RAGを組むときに検索対象にする情報と役割は同じで、ただし相手が検索インデックスではなく読者自身の記憶と手入力になります。RoleはPersona Patternそのものですが、「ベテランの経理担当として」のように、業務ロールを具体的に書かせることで、出力のトーンだけでなく判断基準（何を重視して答えるか）まで変わることを、読者に経験してほしいと考えました。

章構成を型→例→コツ→ひな型の4段階に固定した理由

章構成そのものにも手を入れました。全12章の実践編は、すべて次の順で並べています。

よくある悩み
実際のやり取り例
うまくいくコツ
そのまま使えるひな型

これは教材設計でいう漸進的開示（progressive disclosure）に近い構成です。ただし通常のprogressive disclosureが「詳細情報を必要になるまで隠す」設計であるのに対し、狙った目的は少し違います。読者が「これは自分に関係のある話だ」と認識するまでの時間を最短化したいと考えました。

最初に技法の説明から入ると、読者は「自分の悩みとどう繋がるか」を宙に浮かせたまま読み進めることになります。1章分の説明を待たされて、ようやく自分の見積書の話につながる、という構造は離脱を招きます。逆に「よくある悩み」から始めれば、最初の一文で「これは自分の話だ」と認識してもらえます。

2番目に「実際のやり取り例」を置いたのも意図的です。プロンプトの構文解説の前に、実際のプロンプト全文とAIの応答例をまるごと載せました。これは学習理論でいうworked example（解答例からの学習）に相当します。プロンプトエンジニアリングを座学で教えるより、良いプロンプトと悪いプロンプトの実例を並べて見せるほうが、初学者には転移しやすいはずです。

実際、悪いプロンプトの例（「お詫びのメール書いて」）と、良いプロンプトの例（C.R.A.F.T.を満たしたもの）を並べて、生成される文章の質の違いをそのまま見せることにしました。解説文でC.R.A.F.T.の効能を語るより、Before/Afterの出力を並べたほうが説得力があります。これはコード例で「なぜこの書き方が良いか」を語るより、リファクタリング前後の差分を見せたほうが伝わるのと同じ構造です。

3番目の「コツ」は、ここまでの例から抽出した一般化のステップとして置きました。具体例のあとに抽象化を置く順序は、帰納的な提示（先に個別事例、後で一般則）にあたります。先に一般則を提示してから例で確認させる演繹的な提示より、初学者には負荷が低いはずです。

4番目の「ひな型」はテンプレート化として用意しました。ここまでの理解を、そのままコピーして書き換えられる穴埋め形式に落としています。理解した内容を実際に使う行動に移す間のハードルを、コピー&ペーストの手間まで下げたいと考えました。

AIに「まず質問させる」というメタプロンプト設計

技術的に一番気に入っているのは、教材の中で繰り返し使っている型の一つ、「良いプロンプトの作り方が分かりません。C.R.A.F.T.の5つの観点で私に質問してください」という依頼文です。

これはメタプロンプトの一種で、LLM自身に情報収集のインタビュアー役をやらせる設計です。通常、プロンプトエンジニアリングでC.R.A.F.T.のような枠組みを教えるとき、ユーザー自身が5つの空欄を埋めることを期待します。ですが、経験の浅いユーザーほど「何を書けばContextになるのか」が分からず、空欄の前で止まってしまいます。

この問題を、ユーザーに5要素を埋めさせるのではなく、LLMに逆質問させることで解決しています。ユーザーは「何を書けばいいか」を考える負担から外れ、来た質問に一つずつ答えるだけでよくなります。これは対話設計でいうslot-fillingの考え方に近く、チャットボットが必要な情報を1問1答形式で埋めていくのと同じ構造を、素のプロンプトの中でユーザー自身に指示させています。

ただしC.R.A.F.T.という枠組み自体はこの教材内だけのローカルな命名で、LLM側の学習データには存在しません。そのため依頼文の中に「Context、Role、Action、Format、Toneの5つの観点で質問して」と、枠組みの定義そのものを埋め込んでいます。独自の分類体系を使わせたいときは、その体系をプロンプト内で定義してから使わせる必要がある、という当たり前の制約が、ここでは初心者向けの実用テクニックとして機能しています。

限界の教え方

技術というより教材設計として意識したのが、ハルシネーションの説明のしかたと、機密情報の扱いの説明のしかたです。

「生成AIは間違えることがある」という一文だけでは、読者は何を確認すればいいか分かりません。教材では「数字、金額、法令、日付など、正確さが命の部分は必ず人が確認する」と、確認すべき対象を名詞で具体的に列挙しています。抽象的な注意喚起ではなく、チェックリスト化できる粒度まで具体化することが、この読者層には必要でした。

機密情報の扱いも同様で、「機密情報を入力しない」だけでは実務では使えません。「社名や金額をA社、〇〇円とぼかせば十分使える」という、ぼかし方の具体例まで書いて初めて実行可能になります。シャドーAI（社内ルールなしに従業員が個人判断でAIに機密情報を入力してしまう問題）への対策も、性善説の啓蒙ではなく、入力してよい範囲を一枚のルールに落とすという運用設計として提示しています。

1冊で終わらせず、難易度を段階分けした

ここまでの話だけを読むと、教材は読本1冊で完結しているように見えるかもしれません。実際には、この読本は5冊構成の研修資料集の入り口に位置づけています。

町工場のための生成AI読本：C.R.A.F.T.と現場10場面。対象は生成AI未経験〜数回触った程度の層
Claude Desktop 究極の虎の巻：セットアップから画像生成まで110Tipsを9章にまとめた実務リファレンス
Claude活用事例100選：10部門×10事例。虎の巻で学んだ操作を、自分の部門の業務にそのまま当てはめるための実践編
Chat・Cowork・Code 使い分けガイド：虎の巻の補助資料。3つの入口（チャット・Cowork・Code）のどれを使うべきかの早見表
上級編 AGENT・loop・goal活用ガイド：自律実行の応用編。専門用語をあえて削らずそのまま残している

1冊にすべてを詰め込まなかった理由は単純です。読本の対象読者と、上級編の対象読者は、必要とする抽象度がまったく違います。読本を読み終えた直後に自律実行の話をしても、C.R.A.F.T.で身につけた「型に沿って一往復する」という基礎の上に、まだ積み上げるものがありません。

上級編だけは、他の4冊と役割が違います。読める必要はなく、むしろ「今の自分にはまだ早い、無理に手を出さなくていい」と分かってもらうための資料です。だからこそ専門用語もかみ砕かずそのまま入れています。ここまでの話は「抽象度を読者に合わせて削る」という一貫した方針でしたが、上級編だけは逆に、抽象度を落とさないことで「ここから先は今のあなたの持ち場ではない」という境界線そのものを伝えています。もしこの一冊が読めてしまうなら、それは非エンジニアとしてはかなりのスキルを持っている証拠です。

研修のゴールラインをどこに置くか

その「AI活用レベル8段階」、チームの実力指標として使っていませんか？で書いたように、研修の結果として目指しているのは第3級「直させられる。誤りに気づいた上で、AIに指示を出し直して修正させられる。往復のコストを許容できる」のレベルにすることです。

机上の設計判断で終わらせず、実際に町工場の社長さんにこの教材でレクチャーもしています。反応は良好で、上に書いた設計判断（型を5要素に削る、実際のやり取り例から入る、AIに逆質問させる）が、絵に描いた餅ではなく現場で機能することは確認できています。

ここまでできれば、あとは日常の業務の中で「アレクサ、電気消して」とか「Hey Siri」みたいに気軽に使えるようになるのではと思っています。

まとめ

C.R.A.F.T.という型自体に技術的な新規性はありません。既存のプロンプトエンジニアリングの語彙を、対象読者の作動記憶の容量に合わせて再ラベリングしただけです。ただ、その再ラベリングと、教材の章構成、そしてAIに逆質問させるメタプロンプトの組み合わせという3点セットで見ると、技術リテラシーの低い読者に技術を教えるときの設計パターンとして、汎用性がありそうだと思っています。

同じ構造は、生成AI以外の技術教育にも転用できるはずです。専門用語を減らすことよりも、専門用語が指している「行動」に変換する層を一枚挟むこと。抽象から入るのではなく、読者が自分ごとだと認識するまでの距離を最短化する順序で構成を組むこと。そして、埋めるべき情報をユーザーに聞くのではなく、ツール自身に聞かせること。

この3つは、次に別の技術を非エンジニア向けに教材化するときも、そのまま使えると思います。