生成AIへの質問のコツ5選｜業務別プロンプトと失敗しない社内ルール

「生成AIに質問しても、当たり障りのない答えしか返ってこない」と感じている方は少なくありません。出力が浅いのはAIの性能ではなく、質問の設計に原因があります。本記事では、生成AIに質問するコツを5つの原則に整理したうえで、対話で精度を上げる方法、ツールごとの質問の違い、社内教育で使える標準化ルールまでを、AI経営総合研究所が​独自に取材した先行企業の活用実態​を交えて解説します。

弊社では、ChatGPTのプロンプト設計に役立つ資料を配布しています。プロンプトの考え方やルール設計、リスク管理などが分かる内容です。適切に使いこなして望むアウトプットを引き出す、AIが根付く組織体制を構築する道筋を知れますので、ぜひご覧ください。

生成AIの回答精度が上がらない原因は質問設計にあります

生成AIの回答が浅くなる原因は、ほぼ3つに集約されます。指示が曖昧、前提となる文脈が渡されていない、求める成果物の形が決まっていない。この3つを潰すだけで、同じAI・同じ業務でも出力の水準は大きく変わります。

生成AIは、与えられた情報の範囲でしか推論できません。人間の同僚であれば「先週の会議の流れ」「担当顧客の業種」「上司の好む資料の粒度」を補って動いてくれますが、AIはその補完を一切行いません。つまり、社内の人間なら口頭で省略できる部分をすべて言語化する作業が、質問設計そのものになります。

原因	具体的な状態	出力に起こること
指示の曖昧さ	目的・対象範囲・粒度が指定されていない	一般論の羅列になり、そのまま使えない
文脈の欠落	業務背景・社内用語・前提条件が渡されていない	自社の状況と噛み合わない提案が返る
成果物の不明確さ	形式・分量・想定読者が指定されていない	長さやトーンが毎回ぶれ、手直し工数が増える

手直しに時間がかかって「AIを使わないほうが早い」となる状況の大半は、この表のどこかに当てはまります。逆に言えば、質問側を直せば解決できる問題です。

生成AIに質問するコツ5選｜プロンプト設計の基本原則

質問の質を決める要素は、役割・背景・出力形式・具体例・制約の5つです。この5点を1つの指示文に含めるだけで、追加のツールや高度な技術なしに出力の再現性が高まります。

• 役割を指定します（誰として答えてほしいか）
• 背景と前提を渡します（どんな状況の話か）
• 出力形式を指定します（どの形で受け取りたいか）
• お手本となる具体例を渡します（完成イメージを1つ見せる）
• 制約条件を設定します（分量・用語・触れない論点）

それぞれの使い方を順番に見ていきます。

1. 役割を指定する

冒頭で「あなたは○○の専門家です」と役割を与えると、AIが参照する語彙と評価軸が切り替わります。「営業提案を作って」と頼むより、「あなたはB2B営業歴10年のセールスマネージャーです」と置いたほうが、提案の構成や反論想定の粒度が実務水準に近づきます。役割は職種名だけでなく、経験年数・立場・想定業界まで指定すると精度が上がります。

2. 背景と前提を渡す

業務の文脈、対象となる顧客層、現在の課題を明示します。社内では自明の情報ほど抜け落ちやすく、そこが出力のズレに直結します。「製造業の情報システム部門向け」「導入検討の初期段階」「予算承認は次期」といった前提を3行程度で添えるだけで、提案の方向性が実際の商談状況に寄ります。

3. 出力形式を指定する

箇条書きか、表か、章立ての文章か。分量は何文字か。この指定がないと、同じ質問でも毎回異なる形式で返ってきて、比較も再利用もできません。「見出し3つ＋各200字」「列は課題・打ち手・想定効果の3列の表」のように、受け取った直後に使える形を指定します。

4. お手本となる具体例を渡す

「このような形式で」と実例を1つ添えると、AIが狙いを掴む速度が上がります。過去に社内で評価された資料の一節、既存のメール文面、既存記事の書き出しなど、手元にあるものをそのまま貼り付ける方法が最も手軽です。抽象的に説明するより、完成イメージを1つ見せるほうが確実に伝わります。

5. 制約条件を設定する

文字数の上限、使ってはいけない用語、想定読者の知識レベル、触れてはいけない論点を明示します。制約は出力を狭めるものではなく、手戻りを減らすための仕様書です。「専門用語には初出時に一言補足をつける」「金額の断定はしない」といった条件は、そのまま社内の品質基準にもなります。

Before/After｜5つのコツを適用すると出力はどう変わるか

同じ依頼内容でも、5つのコツを入れた場合と入れない場合では、返ってくる成果物の完成度が変わります。実際の書き分けを比較します。

Before（修正前）

新サービスの営業資料を作って。

​返ってくるもの​​：一般的な営業資料の目次案と、当たり障りのない訴求文。自社の製品名も顧客像も入っていないため、結局ゼロから書き直すことになります。

After（修正後）

あなたはB2B SaaSの営業歴10年のセールスマネージャーです。
以下の製品について、初回商談で使う営業提案資料の骨子を作成してください。

【製品情報】
勤怠管理と労務手続きを一体化したクラウドサービス。導入企業は従業員100〜500名規模が中心。

【ターゲット】
製造業の人事総務部門長。紙とExcelでの運用が残っており、月次の集計に工数がかかっている。

【出力形式】
– スライド見出し5つ
– 各見出しに要点3行
– 4枚目に導入効果（工数削減の観点）
– 5枚目に次アクションの提案

【制約】
– 全体で600字以内
– 具体的な金額の断定はしない
– 専門用語は初出時に一言補足をつける

​返ってくるもの​​：そのまま社内レビューにかけられる骨子。役割指定で提案の視点が営業側に寄り、背景指定で「紙とExcelからの脱却」という切り口が中心に置かれ、出力形式の指定でスライド構成まで確定します。

変わったのは依頼内容ではなく、渡した情報量だけです。追加で書いた行数は10行程度ですが、手直し工数はその何倍も減ります。

より詳しいプロンプトの考え方や設計方法は以下の資料で詳しく解説していますので、ぜひご覧ください。

一度で決めない｜対話を重ねて精度を上げる質問のコツ

生成AIへの質問は、一発勝負ではなく往復で仕上げるものです。最初の出力を「たたき台」と割り切り、2回目以降で観点を足していくほうが、完璧な指示文を一度で書こうとするより早く目的地に着きます。往復の型は3つあります。

段階的に分割して聞く

複雑な依頼をひとつの指示文に詰め込むと、どの条件が効いたのか分からなくなります。「①構成案だけ出す → ②選んだ構成で本文を書く → ③トーンを調整する」と工程を分ければ、各段階で軌道修正できます。特に企画立案や長文作成では、構成を確定させてから書かせる順序が手戻りを最小化します。

AIに逆質問させる

指示を出す前に「この依頼を進めるうえで、あなたが確認したい点を5つ挙げてください」と聞く方法があります。返ってきた質問がそのまま、自分が伝え忘れていた前提のリストになります。前提の抜けを人間側が気づけない場面で、この手順が効きます。

出力を評価させて書き直させる

出てきた回答に対し、「この回答の弱点を3点挙げ、改善した版を出してください」と続けます。AIは自分の出力を評価軸に沿って点検できるため、人間が細かく赤字を入れるより短時間で水準が上がります。評価軸を「具体性」「実行可能性」「読み手の納得感」のように指定すると、改善の方向が定まります。

使うAIで質問の仕方は変わるのか｜ChatGPT・Gemini・Copilotの違い

質問の5原則はどのAIでも共通ですが、「何を参照させられるか」がツールごとに異なります。参照範囲の違いを踏まえて聞き方を変えると、同じ質問でも返ってくる情報の具体度が変わります。

ツール	得意な質問領域	参照できる情報	質問設計のポイント
ChatGPT	企画立案・文章生成・思考の壁打ち	会話履歴とアップロードしたファイル	役割と制約を細かく指定し、往復で詰めます
Gemini	Google Workspace上の文書・メールの要約	Gmail・ドライブ・ドキュメント（Workspace契約時）	参照させたいファイル名を明示して聞きます
Microsoft 365 Copilot	Word・Excel・Teams上の業務文書の処理	SharePoint・Teams・Outlook内のテナント情報	対象ファイルや会議を特定してから依頼します

業務データと接続されたツールでは、指示文に情報を書き写す必要がありません。「先週の営業会議の議事録から、顧客からの要望だけを抽出して」のように、参照先を特定する指示が中心になります。一方、外部と接続していない環境では、必要な情報を指示文に貼り付ける前提で質問を組み立てます。この違いを社内で共有しておかないと、「同じ質問をしたのに部署によって結果が違う」という混乱が起きます。

業務別プロンプトテンプレート

質問のコツを毎回ゼロから組み立てる必要はありません。役割・背景・出力形式・制約の枠を用意し、業務ごとに中身だけ差し替える形にすると、社内の誰が使っても一定水準の出力に揃います。頻度の高い4業務のテンプレートを示します。

営業資料の作成

初回商談用の骨子づくりに使います。製品情報とターゲットの解像度が、そのまま提案の鋭さに反映されます。

あなたはB2B営業のベテランです。以下の製品について、
営業提案資料を作成してください。

【製品情報】
[具体的な製品説明]

【ターゲット】
[業種、役職、抱えている課題]

【出力形式】
– 見出し
– 3つの主要ポイント
– 導入効果（数値で示せる観点）
– 次アクションの提案

【制約】
– 400字以内
– 難しい業界用語は避ける

文章の要約・編集

長文資料を短時間で把握したいときに使います。要約の粒度と読み手を指定する点が肝になります。

以下のテキストを要約してください。

【原文】
[テキスト]

【要件】
– キーポイント：3つに絞る
– 文字数：[指定]
– トーン：[カジュアル/フォーマルなど]
– 対象読者：[役職・知識レベル]

企画・ブレーンストーミング

案の数だけでなく、評価軸を先に指定しておくと、比較検討にそのまま進めます。

あなたは新規事業開発のコンサルタントです。
以下の課題に対して、3つの具体的なソリューション案を提案してください。

【現状】
[課題説明]

【評価基準】
– 実現可能性
– インパクトの大きさ
– 実装期間

【出力形式】
案ごとに「概要→メリット→課題→推定投資額」

社内教育資料・マニュアルの作成

教育担当者が使う型です。受講者の前提知識を指定しないと、難易度がぶれた資料が出てきます。

あなたは社内教育の設計担当者です。
以下のテーマで、初心者向けの社内マニュアルを作成してください。

【テーマ】
[業務名・ツール名]

【受講者の前提知識】
[例：該当ツールの利用経験なし／基本操作は習得済み]

【出力形式】
– 手順は番号付きリスト
– 各手順に「つまずきやすい点」を1行添える
– 最後に確認用チェックリスト5項目

【制約】
– 全体1,200字以内
– 専門用語は初出時に補足をつける

よくある失敗パターンと対策

質問がうまくいかない場面には共通のパターンがあります。ここでは頻度の高い3つを、修正前と修正後の対比で示します。どれも指示文を数行足すだけで解消できます。

失敗1：「何かいいアイデアをください」と丸投げする

「何か」が曖昧なため、出力の方向が毎回ぶれます。評価軸も制約もないため、返ってきた案を採否判断できません。

​修正前​

営業について何かいいアイデアをください。

​修正後​

営業効率を20%向上させるための施策を、実装期間3ヶ月以内、
予算500万円以内で3つ提案してください。
各施策について投資対効果も示してください。

数値目標・期間・予算という3つの制約を置いたことで、案が実行可能な範囲に収まり、そのまま社内提案に載せられる状態になります。

失敗2：機密情報をそのまま貼り付ける

顧客名や未公開の数値を含めた質問は、情報漏洩のリスクを伴います。契約上の利用範囲を超える入力になる場合もあります。

​修正前​

株式会社○○（年商42億円、担当者は△△部長）への提案を考えて。

​修正後​

年商40億円規模の製造業A社（担当は情報システム部門の部門長）
への提案を考えてください。

固有名詞を伏せ字や記号に置き換えても、提案の質はほとんど落ちません。社内ルールとして「実名・実数値は入力しない」を明文化し、置き換えの書式まで決めておくと、判断が現場ごとにぶれなくなります。

失敗3：一度の指示で完璧を求める

複雑な要件を一発で満たそうとすると、指示文が長くなるわりに出力の狙いが定まりません。

​修正前​

新規事業の企画書を、市場分析と競合比較と収支計画を含めて完成形で作って。

​修正後​

（1回目）新規事業の企画書の目次案を5パターン出してください。
（2回目）3番の目次で、市場分析のセクションだけ800字で書いてください。
（3回目）この市場分析の弱点を3点挙げ、改善した版を出してください。

工程を分けることで、どの段階で方向がずれたのかを特定できます。前セクションの往復の型を、そのまま失敗の回避策として使えます。

社内教育で使える質問の標準化ルール

個人の工夫で終わっている質問のコツを、組織の資産に変えるには、保管・版管理・品質確認・ガバナンス・共有の5点を仕組みにします。属人化したまま人が異動すると、蓄積したノウハウがそのまま失われます。

項目	決めておく内容
プロンプト保管場所	共有フォルダやテンプレート集を1箇所に集約します
バージョン管理	改善したプロンプトを版で残し、変更理由を併記します
品質チェック	AIの出力をそのまま使わず、人間が確認する工程を挟みます
ガバナンス	入力してよい情報の範囲と、利用可能なツールを指定します
学習と共有	成果が出たプロンプトを部門横断で横展開します

属人化を防ぐ4つの運用ポイント

表の5項目を実際に回すには、日々の運用に落とし込む必要があります。運用面で押さえる点は次の4つです。

• 個人が最適化したプロンプトを、そのまま全社テンプレートに登録します
• 「なぜこの聞き方が効くのか」の理由を1行で書き添えます
• 四半期に一度、テンプレート集を棚卸しして陳腐化した型を差し替えます
• 使用実績と改善例を共有会で持ち寄り、成功パターンを可視化します

理由の記述を省くと、テンプレートが「意味の分からない呪文」として扱われ、更新されないまま放置されます。教育設計の観点では、型そのものより「なぜその型なのか」を伝えるほうが定着に効きます。

他社の取り組み｜社労士事務所altruloop・塩野義製薬に学ぶ質問設計

質問設計を組織で機能させている企業は、個人のテクニックではなく検証の仕組みとして運用しています。取材記事から2社の取り組みを紹介します。

社労士事務所altruloop｜助成金申請業務を5〜6時間から30分へ短縮

社労士事務所altruloopでは、助成金申請業務にAIを組み込み、従来5〜6時間かかっていた作業を30分に短縮しました。同事務所は「​5、6時間かかっていた業務が30分程度で終わるようになりました。事務スタッフは特に大きな恩恵を受けていると思います​​」と語っています。Gemini・NotebookLM・ChatGPT・Manusを業務特性に合わせて使い分け、数百ページのPDF資料を読み込ませてリサーチ精度を高める運用を採っています。

注目すべきは、​AIの回答時に「どの資料に基づいた回答か」というファクト提示を必須化している​​点です。根拠の提示を質問の型に組み込むことで、士業として求められる正確性を担保しながらスピードを取っています。出力を検証可能にする指示を標準に据える設計は、業種を問わず流用できます。

詳細は社労士事務所altruloopのインタビュー記事で紹介しています。

塩野義製薬｜治験文書の作成時間を最大50%削減

塩野義製薬株式会社は「HaaS（Healthcare as a Service）企業」への変革を進めるなかで、2024年10月に専任のGenerative AIグループを設置しました。日立との共同PoCでは、治験総括報告書で約50%、治験実施計画書で約20%の作成時間削減を確認しています（2026年2月時点）。全社員を対象とした生成AI利用率は約6割（2〜3日に1回利用を基準）に達し、過去文書を検索できるAIアプリも社内提供されています。担当者は「​​使うことで自分の働き方や生産性をどう変えていくかを問い直してほしい​​」と語っています。

注目すべきは、​​ツールの配布ではなく「働き方をどう変えるか」を社員に問い直させている​​点です。質問のコツを教える研修が一過性で終わる組織と、業務そのものの設計に踏み込む組織の差は、この問いを立てているかどうかに表れます。

詳細は塩野義製薬株式会社のインタビュー記事で紹介しています。

2社に共通する設計思想​​：①出力の正しさを人間が検証できる形で質問を設計している ②業務単位で使うツールを使い分けている ③個人のスキルではなく組織の運用ルールとして定着させている。まずは自部門で頻度の高い業務を1つ選び、質問の型と検証手順をセットで決めるところから着手します。

まとめ｜質問の質が組織の成果を決めます

生成AIの出力は、役割・背景・出力形式・具体例・制約の5点をどれだけ渡せたかでほぼ決まります。さらに、一度で完成を狙わず往復で詰めること、使うツールの参照範囲に合わせて聞き方を変えることで、同じAIでも成果物の水準が変わります。

そして個人の工夫を組織の成果に変える分岐点は、テンプレート化と検証手順の明文化にあります。先行企業が実践しているのは、特別なテクニックではなく「根拠を出させる」「業務ごとに型を残す」という地味な運用です。自社で頻度の高い業務を1つ選び、質問の型を1本作るところから始めれば、教育コストをかけずに全社の出力水準を引き上げられます。

社内で配布できる業務別のプロンプト集や、質問の型を組織に定着させるためのルール策定の手順は、以下の資料にまとめています。自社の教育設計にそのまま流用できる形で整理しました。

よくある質問