生成AIのプロンプト改善を比較する方法｜6件の評価表で確認

プロンプトを改善したか確かめるには、同じ入力を改善前後の指示で処理し、先に決めた基準で比べます。読みやすさが上がっても、日付や例外条件が抜けた回答は採用しません。 まず6件ほどの小さな教材で、どの失敗が減り、何が残ったかを説明できるようにしましょう。

対象は、生成AIで社内案内や短い説明文を作り始めた人です。プログラミングは不要で、普段利用を認められているチャット画面と表計算ソフト、または紙の表で試せます。本稿は検索システムやAIモデル自体の性能測定ではなく、日常の文章作成に使う指示文を見直す練習です。

一次資料確認日：2026年10月5日。以下の6件、指示文、回答例は編集部作成の架空教材です。回答例は判定練習用に書いたもので、特定のAIサービスを実測した出力ではありません。合格件数や時間短縮の実績、モデル間の優劣を示すものではありません。

比較を始める前に、正しい回答の条件を決める

「良い回答」を、使う場面に合わせて言葉にする

「もっと良い文章にしてください」と繰り返すと、語尾や見出しは変わっても、何が改善したかが分からなくなることがあります。最初に一つの用途へ絞り、その文章を読んだ人が何を判断できればよいかを決めましょう。今回の用途は、備品を借りる社員へ短い利用案内を作ることです。

案内で重要なのは、何を、誰が、いつ、どの条件で利用できるかです。おしゃれな導入より、予約が必要か、返却期限がいつか、対象外の人がいるかが読者の行動を左右します。そこで教材では「入力にある必要事項を残す」「入力にない条件を足さない」を先に確認します。

読みやすさも必要ですが、事実の確認と一つの点数に混ぜません。例えば親しみやすさが高くても、返却日が一日ずれていれば使えない案内です。事実を誤った回答が、文体の加点で合格する設計を避けるために、必須条件と改善したい表現を別々に扱います。

まず、「備品名・対象者・利用日・返却期限・例外条件を入力どおりに伝える。未定の項目は未定と分かるようにする。矛盾した入力は案内を確定せず確認点を返す」と書きます。この一文が指示を作る基準になり、後で回答を読むときの判定基準にもなります。

Googleのプロンプト設計に関する公式資料でも、明確な指示、制約、出力形式、例示などが設計の要素として説明されています。本稿ではその考え方を使い、何を良くしたいかを小さな評価表へ落とし込みます。特定の言い回しを入れればどの業務でも改善する、という意味ではありません。

日々の仕事で何を題材にすればよいか迷う場合は、事務職の生成AI練習課題から一つ選べます。用途を一度に増やすと、どの指示がどの作業に効いたのか分かりにくくなるため、最初は一種類の成果物に絞ります。

通常・例外・未定・矛盾を含む6件を用意する

教材を作るときは、期待する答えだけでなく、入力から何を落としてはいけないかを書きます。読みやすい正解文を一つに固定する必要はありません。同じ条件が伝われば、文章の順番や言い換えには幅を持たせられます。

以下の備品や日付はすべて架空です。A〜Dを指示の見直しに使い、E・Fは指示を決めた後に初めて試す確認用として分けます。練習では先に表全体を読めますが、実際に比較するときはE・Fの出力を見ながら指示を調整しないよう、別のシートへ分けておきましょう。

Eの「学外」は、架空の教育施設で働く社員向けの案内という設定です。ここで「持ち出し可」と短くしすぎると、海外への持ち出しも可能に見えることがあります。条件を短縮するときに、範囲が広がっていないかを見る教材です。実際の業務では、自分の職場で使う自然な表現へ置き換えて構いません。

Fの翌営業日は、会社の営業日カレンダーがなければ具体的な日付に直せません。AIがもっともらしい日付を出しても、入力から導けないなら採用しません。「利用日の翌営業日」と条件を保ち、利用日と営業日を確認する必要があることを示せば、未確定の状態を正しく伝えられます。

六つのケースは代表的な失敗を考えるための小さな教材であり、実際の業務の分布を再現したものではありません。6件で良い結果が出ても、あらゆる備品案内に対応できるとは判断できません。最初の比較で見つかった課題に応じて、後から別の条件を増やします。

必須条件と読みやすさを、別の欄で判定する

判定表には、「事実を保持」「条件を保持」「情報を補っていない」「必要な確認を示す」の必須欄を作ります。その後で、読者が迷わない順番か、長すぎないかを見ます。合計点だけを出すより、どの理由で使えないのかが残ります。

必須欄の一つでも未確認なら、「そのまま採用」はしません。確認が必要な回答を「要確認」、意味の誤りが見つかった回答を「要修正」と分けても構いません。人が直してから使う運用なら、どの修正が必要だったかも記録し、AIの出力をそのまま使えた件数とは分けます。

表現の評価には判断の幅があります。そこで「なんとなく良い」を避け、「返却期限を探すために二度読む必要がある」「禁止事項が独立した文で分かる」のように根拠を書くと、別の人と相談しやすくなります。語尾の好みと、読者の判断に影響する違いを分けてください。

二人で評価する場合は、最初に同じ一件を別々に読み、判定が分かれた箇所を話し合います。一人が「予約先はなくてもよい」、もう一人が「予約先がないと不合格」と考えているなら、AIの差より先に業務の基準が揃っていません。そのまま点数を平均しても、判断の食い違いは残ります。

入力に書かれていない条件まで必要になった場合は、基準だけでなく入力データの設計も見直します。AIに推測させる代わりに、担当者から追加情報を得る工程を作るほうが適切なことがあります。評価はプロンプトを長くするためだけの作業ではありません。

改善前後の指示は保存し、一度に変える理由を一つに絞る

改善前の指示P1は「以下の備品情報を、社員向けの短く分かりやすい案内にしてください」とします。読みやすさは指定されていますが、入力が不足した場合や、期限が食い違う場合の扱いがありません。そこを補うのが今回の変更の目的です。

次のP2は教材用の改善案です。実際に使う際は、組織のルールや出力先に合わせて変更してください。入力の全文を指示と区別して渡し、必要事項を省略しないこと、分からない内容を作らないこと、矛盾がある場合に案内を確定しないことを明示します。

目的：入力された備品情報から、社員向けの短い利用案内を作る。

守ること：
・備品名、対象者、利用日、返却期限、予約条件、禁止事項を、入力にある範囲で保持する。
・入力にない日付、窓口、利用条件を推測して加えない。
・未定の項目は未定と分かるように書く。
・同じ項目に矛盾があり優先規則がなければ、案内文を確定せず「確認が必要な点」を返す。
・読みやすく短くする。ただし必要な条件を削って短くしない。

出力：矛盾がなければ「案内文」「確認が必要な点」。
確認点がなければ「なし」と書く。

備品情報：
（ここにケース一件の入力を貼る）

この変更では、モデルや出力言語、入力ケースまで同時に変えません。P2で良い結果が出たときに、指示の変更と関係するのかを考えやすくするためです。複数の要素を一度に変える必要がある実務でも、何を変えたかは記録しておきます。

「あなたは専門家です」といった役割の一文だけを追加するより、今回の失敗に対応する規則を明確にします。ただし、規則を追加すれば出力が常に守ると考えないでください。P2も比較して確認する対象です。指示文そのものを合格証のように扱わないことが大切です。

例文を加える場合も、Aの完成文をそのまま暗記させるような例だけに偏らないようにします。例外のない見本ばかりでは、Dの矛盾した期限をどう扱うかを示せません。見本を追加した日と理由を残し、変更前の指示へ戻れるようにしておきます。

利用環境と会話履歴をそろえ、比較条件を記録する

P1とP2を比べるときは、同じサービス、同じ選択可能なモデル、同じ設定を使います。モデル名が画面で確認できないサービスなら「画面表示なし」と記録し、推測で補いません。実行日と利用した画面、検索やファイル参照の有無も残します。

一つの長い会話でP1を試した後、「先ほどの間違いを直して」とP2を試すと、指示の違いだけでなく、直前の回答や訂正も影響します。比較用には新しい会話を使い、各ケースに渡す材料をそろえます。実務で継続会話を使う必要があるなら、その履歴自体も比較条件に含めます。

生成結果には揺れがあるため、一回の良い回答だけを選んで保存しないでください。複数回試すなら、先に回数を決め、失敗を含めて記録します。同じケースを繰り返した件数と、新しい種類のケースが増えた件数は別です。Aを十回試しても、十種類の業務を確認したことにはなりません。

最初は利用中の無料範囲や、社内で認められた既存環境で十分です。本稿の練習のために有料APIを契約する必要はありません。比較の途中で利用上限に達した場合は、条件を変えて無理に続けるより、実行できた範囲と未実行のケースを記録します。

回答の違いを読み、採用と保留の理由を残す

判定練習では、丁寧な文章に隠れた条件の漏れを探す

Bの入力に対して、次の二つの案内があったと仮定します。これは編集部が作った判定練習用の文で、P1やP2を実行して得られた結果ではありません。どちらが自然かだけでなく、入力のどの情報が残っているかを確認してください。

文案X：「録音機をご利用いただけます。10月14日のご利用後は、当日18時までにご返却ください。どうぞお気軽にお使いください。」

文案Y：「研修担当者向けに、録音機を10月14日に貸し出します。返却は当日18時までです。外部への持ち出しはできません。」

文案Xには返却日時がありますが、対象者と持ち出し禁止がありません。「お気軽に」という表現も、入力にない利用範囲の広さを感じさせる可能性があります。教材の必須条件では要修正です。文案Yは対象者、利用日、返却期限、禁止事項を保持しています。

ただし、この一組からP2のほうが何パーセント優れるとは言えません。ここでは判定の仕方を示しているだけです。実際の比較では、サービスが返した文を変更せずに保存し、後から人が直した文とは別の欄に置きます。修正文だけを並べると、指示の効果が分からなくなります。

Cで「翌日17時までに返却してください」と出たら、読みやすくても期限を追加しているため要修正です。Dで「追記が最新なので10月18日です」と出た場合も、入力に優先規則がない教材では採用しません。一般にありそうな推測を、入力にある事実として扱わないことが確認点になります。

AIに回答の問題点を探させる方法もありますが、その指摘が合っているかを元の入力へ戻って確認します。作成したAIに「正しいですか」と聞いて肯定されたことだけを、独立した検証とは扱いません。評価補助を使った場合も、最終的に誰がどの根拠で判定したかを残してください。

6件の結果は、総合点より失敗の種類で並べる

実行したら、ケースID、指示版、実行日時、回答全文、必須条件の判定、問題箇所を一行ずつ記録します。P1とP2を横に並べる方法でも、縦に十二行並べる方法でも構いません。重要なのは、合格かどうかを後から元の回答に戻って確認できることです。

改善を説明するなら、「Bの対象者漏れがなくなった」「Dで期限を選ばず確認点を返した」のように、ケースと失敗の種類を示します。総合点が上がっただけでは、どの作業へ使ってよいか分かりません。逆に通常例が読みにくくなった場合も、改善案の弱点として残します。

判定に迷った回答は、無理にどちらかの指示の勝ちにしません。例えば対象者は文中にあるが、案内の見出しだけ読むと全社員向けに見える場合、事実の保持と見つけやすさで判断が分かれます。その箇所を引用して「本文の条件は一致、見出しは要修正」と記録すると、次の変更が具体的になります。勝敗だけでは残らない情報です。

新旧の指示を伏せて文案を読めるなら、どちらを改善案として期待しているかによる先入観を減らす工夫にもなります。左右にX・Yと表示して別の人へ読んでもらい、元の入力と評価表を一緒に渡します。ただし、人数を増やしたことだけで評価が客観的になるわけではありません。判断理由が入力と基準に結び付いているかを確認してください。

必須条件を満たした件数を集計する場合は、分母と判定単位を書きます。「6件中何件」なのか、「6件を二回ずつ試した12出力中何件」なのかは別です。後者で出力数を増やしても、確認した入力の種類は6件のままです。小さな教材の結果を業務全体の成功率へ置き換えないでください。

時間を測る場合も、回答が出るまでの時間だけでなく、人が読み、事実を確認し、修正する時間を分けます。短い出力が速くできても、確認の手間が増えるなら目的に合わないことがあります。測っていない場合は「効率が上がった」と数字を付けず、観察した違いだけを報告します。

この記録を自主制作の成果としてまとめる場合は、事務職の生成AIポートフォリオの考え方も使えます。架空教材、変更理由、実際の出力、判定の根拠を残せば、実務の成果を装わずに学習した内容を説明できます。

最後の2件で崩れたら、採用範囲を狭めて見直す

A〜Dで指示を見直した後、E・Fを初めて試します。これまでの修正で直接見ていない条件にも対応できるかを確認するためです。Eでは許可と禁止が同じ入力にあり、Fでは具体的な日付を決めるための情報が足りません。

Eで「学外利用可」だけを残し「海外不可」を落としたら、条件を保持する指示が十分に機能していない出力です。Fで翌営業日を具体的な日付へ変えたら、入力不足を推測で埋めています。通常例の出来が良くても、この用途での無確認の利用は避け、どの条件で人の修正が必要かを整理します。

E・Fの失敗を見てP2を修正した時点で、E・Fも改善に使った教材になります。その後の版を評価するときは、別の未使用ケースを用意してください。同じ六件で何度も直して合格にした結果は、その六件への適合を示します。まだ見ていない入力にも同様に対応する証拠とは分けます。

「通常の案内なら下書きに使えるが、日付の矛盾があるときは担当者へ戻す」と、採用範囲を限定する方法もあります。全部の入力を一つの指示で処理しようとすると、指示が複雑になり、確認点も増えます。入力の不備を先に見つける工程を分けることが適切な場合もあります。

検索した社内資料を根拠に回答する仕組みでは、文章作成以外に検索対象や参照漏れも評価する必要があります。その場合は社内FAQ・RAGの評価練習へ進んでください。今回の六件は、検索の正確さや資料の取り込みを検証していません。

直す場所が分からないときは、学習と業務確認を分ける

出力のどこが違うか分かるなら、独学で比較を続けられます。まず一つの失敗に絞って指示を変え、他のケースが崩れていないか確認します。「禁止事項を残す」という変更で通常例が長くなったなら、条件を削らず整理する方法を考えます。単に「もっと短く」を追加して戻さないようにします。

一方、何を正解にすべきか決まらない場合は、プロンプトより業務の確認が先です。期限が矛盾したら誰へ戻すのか、対象者の範囲はどこまでかなど、組織が決める内容をAIへ任せないでください。手順書の例外条件を確認する方法も、この整理に使えます。

2026年10月5日にバイテックの公式サイトで、主要な生成AIツールやビジネス活用に関するコースの掲載を確認しました。基本操作から業務向けの使い方を学びたい人は検討しやすい選択肢です。すでに評価の設計を業務で行い、専門的なシステム評価を求める人は、別の学習先も比較してください。

申込前には、自作の指示文や判定表について相談できるか、添削と質問の範囲、受講総額、追加ツール費用、必要な学習時間を確認します。この記事の六件が講座で使われている、同じ評価手法が教わる、と確認できたわけではありません。相談する課題を具体的に持っていくと、学習範囲との違いを確認しやすくなります。

PR：生成AIの学習内容を相談したい方は バイテックの公式案内 をご確認ください。

よくある質問と、比較結果を残すための一段落

よくある質問

Q. 6件だけで改善したと判断できますか？

A.

その六件で見られた違いは説明できますが、業務全体の成功率や安定性は断定できません。通常・例外・不足などを含む小さな練習から始め、用途に合わせて未使用のケースを追加してください。

Q. AIに採点させれば人の確認は不要ですか？

A.

不要にはなりません。AIの指摘を評価の補助に使うことはできますが、元の入力や基準と一致するかを人が確認します。作成したAIが正しいと答えたことだけを検証結果にしないでください。

Q. 指示文は長いほど良いですか？

A.

長さだけでは判断できません。必要な条件を明確にし、矛盾する指示や不要な説明を増やさないことが大切です。変更の理由を一つずつ記録し、同じ入力で出力を比べます。

Q. モデルも同時に変えて比較してよいですか？

A.

モデル変更を含む組み合わせの比較はできますが、結果をプロンプトだけの効果とは説明できません。指示の改善を調べたいときは、利用環境や設定をできる範囲でそろえて記録します。

Q. 仕事の入力データをそのまま使えますか？

A.

所属先の利用規則とサービスの取り扱い条件を確認してください。最初はこの記事のような架空教材で練習できます。個人情報や未公開の業務情報を、許可なく外部サービスへ入力しないでください。

比較後の報告は、「どの用途で、どの指示を、何件・何回試し、どの失敗が変わり、何が未確認か」の順に一段落でまとめます。実行していない段階なら「評価表を用意した」、出力を確認した段階なら「この条件で比較した」と、作業の段階も区別してください。

学習の時間を確保しにくい場合は、社会人向けの週ごとの学習計画のように、入力を作る日、比較する日、見直す日を分けられます。一度に多くの指示を作るより、一つの用途で変更の理由と結果を説明できるところまで進めましょう。