テクニックや構成要素を十分に理解していても、 必要な結果が得られないプロンプトを書くことがあります。 これは正常なことです。重要なのは、悪い出力を避けることではなく、 その出力をどのように読み取り、何が問題だったのかを理解し、 効率的に問題を修正する方法を知ることです。

本章では、そのための体系的な方法を紹介します。

最も一般的なプロンプトの失敗例5選

失敗例1 — タスクが不明確

指示が曖昧なため、モデルが意図と異なる解釈をする場合があります。

兆候：出力が質問の別バージョンに対応している、 またはモデルが追加の説明を求めてくる。

対策：具体的な動作動詞を使ってタスクを言い換える。 「help me with」を「write」「summarize」「list」「compare」などに置き換える。

失敗例2 — コンテキストの欠如

モデルが状況に合わせて出力を調整するための情報を持っていない場合、 選択肢がないため一般的な内容を生成します。

兆候：出力が技術的には正しいが、誰にでも当てはまる内容や、 何についてでも書けるような印象を受ける。

対策：コンテキストを追加する — 自分が誰なのか、出力の対象者、 直面している状況、すでに起こったことなどを明記する。

失敗例3 — フォーマット未指定

モデルが、出力の利用方法に合わない構造を選択。

兆候：箇条書きが必要なのに段落で返答された、表が必要なのにリストで返答された、必要以上に長い返答が生成された。

対策：必要なフォーマットを正確に指定し、長さが重要な場合は具体的な数値を提示。

失敗例4 — 1つのプロンプトにタスクを詰め込みすぎ

モデルに複数の異なる作業を同時に依頼し、すべての品質が低下。

兆候：依頼した内容はすべて網羅されているが、どれもそのまま使える品質ではない。

対策：プロンプトを個別の明確なリクエストに分割。1つのプロンプトにつき1タスクとし、出力を基に次の作業を進行。

失敗例5 — 最初から方向性が誤っている

モデルの根本的なアプローチが誤っている場合（実行ではなく、方向性自体の問題）。

兆候：出力は文章・構成ともに良いが、解決すべき問題や視点が間違っている。

対策：誤った土台のまま繰り返さず、失敗から得た教訓を制約として明示した新しいプロンプトを作成。

実践的な診断手順

期待外れの応答が返ってきた場合、フォローアップを書く前に次の質問を確認：

• タスクは明確だったか？ モデルが異なるが同様に妥当な解釈をする余地があったか？
• 十分なコンテキストを提供したか？ モデルが知っているはずがないことを前提にしていなかったか？
• 形式や長さを指定したか？ していない場合、モデルの選択は用途に合っていたか？
• 1つのことだけを依頼したか、それとも複数か？ 複数の場合、今最も重要なのはどれか？
• 方向性が根本的に間違っていないか？ もしそうなら、繰り返さず最初からやり直す。

毎回すべてに答える必要はありません。ほとんどの失敗したプロンプトには主な原因が1つあります。それを特定し、修正し、次に進みましょう。

練習：失敗タイプの特定

最近使ったプロンプトで期待外れの結果になったものを選ぶか、今新たに曖昧なプロンプトを意図的に作成してください。

出力を読み、上記の5つの失敗タイプを使って何が問題だったかを特定します。その後、その特定の失敗だけを修正するようにプロンプトを書き直してください—他の変更は加えません。

2つの出力を比較します。多くの場合、1つの的を絞った修正だけで、使えないものから有用なものへと変わります。

第3セクションでは、これまでの2セクションの内容を、職場で最も頻繁に直面する具体的なタスクに適用していきます—まずはライティングから始めます。