生成AIプロンプト例 完全ガイド｜営業・マーケ・人事の職種別コピペ集と失敗しない書き方

「生成AIを使ってみたけれど、欲しい答えが返ってこない」「ネットで拾ったプロンプトをコピペしても、自分の業務だとうまくいかない」——生成AIの業務活用でつまずく原因のほとんどは、ツールの性能ではなく指示（プロンプト）の出し方にあります。同じAIでも、プロンプト次第で出力の質は劇的に変わります。

本記事は、その差を埋めるための実務ガイドです。良いプロンプトの「型」を押さえたうえで、営業・マーケティング・人事・経理・企画・カスタマーサポート・マネジメントの職種別に、そのままコピペして使えるプロンプト例を30本用意しました。さらに、多くの記事が触れない**「失敗するプロンプトのBefore/After」「AI出力の検証手順」「組織への定着方法」**まで踏み込みます。読み終えたとき、あなたが明日の業務でAIに正しく指示し、その出力を安心して使える状態になることがゴールです。

本記事は文章・業務系のプロンプトを扱います。画像・イラスト生成のプロンプトは設計の考え方が異なるため対象外です。生成AIをそもそもどう選ぶかは生成AIツールの使い分けガイド、プロンプトの設計テクニックを体系的に学びたい方はプロンプトエンジニアリング実践ガイドを合わせてご覧ください。

この記事の要点（Key Takeaways）

• 良いプロンプトは「目的・役割・材料・出力形式・制約」の5要素で決まる。コピペ例も、この型に沿って自分の業務に置き換えれば再現性が出る
• 職種別の30例は、すべて「いつ使うか／コピペ本体／置き換える箇所／よくある失敗／検証のひとこと」をセットで掲載。コピペして【 】の中だけ自分の情報に変えれば動く
• コピペで精度が出ない原因は7類型に集約される（丸投げ・文脈欠落・出力形式未指定など）。Before/Afterで直し方を示す
• AIの出力はそのまま使わず検証するのが前提。特に数字・固有名詞・引用は「AIに暗算・記憶で答えさせない」仕組みが必要
• プロンプトは個人技で終わらせず、テンプレ化・共有・ルール化して組織の資産にすると効果が桁違いになる

急いでいる方は、後半の「職種別プロンプト例30選」から自分の職種を探し、コピーして使うところから始めて構いません。一方で「コピペしてもうまくいかない」を根本から解消したい方は、先頭から読むことで「良いプロンプトの型」と「失敗の直し方」が身につきます。この記事は、明日の業務で使う実例集としても、AI活用を組織に根づかせる設計図としても使える構成にしています。

生成AIプロンプトとは — 成果を分ける「5つの要素」

生成AIプロンプトとは、ChatGPTやClaude、GeminiなどのAIに対して「何を・どのように出力してほしいか」を伝える指示文のことです。人に仕事を依頼するときと同じで、依頼の仕方が具体的であるほど、返ってくる成果物の質は安定します。

混同されやすいのが「プロンプト」と「プロンプトエンジニアリング」の違いです。プロンプトは個々の指示文そのものを指し、プロンプトエンジニアリングはそれをより良くするための設計手法・技術の体系を指します。本記事は「すぐ使えるプロンプト例」を中心に扱い、手法を深く学びたい方向けにはプロンプトエンジニアリング実践ガイドを用意しています。まずは例をコピーして使い、もっと自在に書きたくなったら手法を学ぶ——この順番が挫折しにくい進め方です。

プログラミングの知識は一切要りません。必要なのは「何を・誰として・どんな材料で・どんな形で・どんなルールで」を言葉で整理する力だけです。うまくいくプロンプトは、例外なく次の5要素を含んでいます。逆に、コピペしてもうまくいかないプロンプトは、このどれかが欠けています。

プロンプトが効く業務・効きにくい業務を見極める

プロンプトを学ぶ前に知っておきたいのが、生成AIには得意・不得意があるという事実です。やみくもに全業務へ適用しようとすると、効果の薄い場面で時間を浪費します。次の見極めができると、最初に手をつけるべき業務が分かります。

ポイントは、生成AIを**「下書き・整理・発散」の担当と位置づけ、「最終判断・正確性の担保」は人が担う**という分担です。この前提を持っていれば、後述の検証プロトコルの重要性も腹落ちするはずです。まずは「効きやすい業務」から着手するのが、成果を早く実感するコツです。

5要素を1つのテンプレートにする

この5要素を1つのテンプレートにすると、どんな業務にも応用できます。

# 目的
【このプロンプトで作りたいもの】

# あなたの役割
あなたは【専門家の役割】です。

# 材料（前提情報）
- 【箇条書きで必要な情報を貼り付ける】

# 出力形式
【文字数・構成・トーンなどの指定】

# 制約条件
- 【守ってほしいルール】

この5要素がどれだけ出力を変えるか、ひとつの依頼で比べてみましょう。たとえば「会議の議事録を整理したい」という同じ目的でも、書き方次第で結果はまるで変わります。

Before（5要素が欠けた指示）：「この議事録をまとめて」。これだけでは、AIは何を重視すべきか分からず、当たり障りのない要約を返します。決定事項なのか、宿題（タスク）なのか、誰がやるのかが混ざったまま出力され、結局あなたが読み直して整理し直すことになります。

After（5要素を満たした指示）：「あなたは抜け漏れを嫌うプロジェクトマネージャーです（役割）。以下の議事録から、決定事項とタスクを分けて整理してください（目的）。議事録は次のとおりです〔本文を貼る〕（材料）。出力は『決定事項リスト』と『タスク表（担当・期限・優先度）』の2つに分けてください（出力形式）。議事録に書かれていない内容は推測で足さないでください（制約）」。

後者は、貼り付けるだけで会議後すぐ共有できる成果物が返ってきます。違いを生んでいるのは、AIの賢さではなく指示の設計です。以降の職種別プロンプト例も、すべてこの型に沿って作っています。自分の業務に合わせて【 】の中身を置き換えるだけで動くので、まずはコピペして試してみてください。

【職種別】そのまま使える生成AIプロンプト例30選

ここからは、実際の業務でそのまま使える生成AIプロンプトを職種別に紹介します。自分の職種から読み始めても、近い業務を探して他職種から流用してもかまいません。たとえば営業の「議事録からネクストアクションを抽出」は、職種を問わず会議のある全員に役立ちます。

各例は次の5点セットで構成しています。

• いつ使うか：その業務シーン
• コピペ本体：そのまま貼り付けて使えるプロンプト（【 】が置き換え箇所）
• 置き換える箇所：自分の情報に変える部分
• よくある失敗：この業務でやりがちなミス
• 検証のひとこと：出力をそのまま使う前に確認すべき点

どの職種でも共通して、機密情報・個人情報をそのまま入力しないのが大前提です。固有名詞は伏せる、または法人向けプランの利用ルールを確認してから使ってください（詳細は生成AIの社内利用ガイドラインの作り方）。

営業

営業は、提案書・メール・議事録・トークと「書く・まとめる」作業が多く、生成AIの効果が出やすい職種です。商談の温度感を保ったまま素早くアウトプットを返すために、商談メモを材料として渡すのがコツです。

1. 提案書のたたき台を作る

いつ使うか：商談前に提案書の骨子を素早く作りたいとき。

# 目的
下記の顧客向けに、提案書の構成案とたたき台を作成する。

# あなたの役割
あなたは法人営業の提案書作成に長けたコンサルタントです。

# 材料
- 顧客の業種：【製造業・従業員300名】
- 顧客の課題：【受注管理が手作業でミスが多い】
- 提案する商品：【受注管理クラウド】
- 提案のゴール：【次回商談で稟議に進めてもらう】

# 出力形式
1. 提案書の章立て（5〜7章）
2. 各章で伝える要点を箇条書き
3. 想定される反論と切り返しを3つ

# 制約条件
- 専門用語は最小限にし、決裁者にも伝わる表現にする

置き換える箇所：顧客の業種・課題・商品・ゴール。 よくある失敗：課題を「業務効率化」のように抽象的に書くと、ありきたりな提案しか返らない。具体的な業務名まで書く。 検証のひとこと：提示された数値根拠や事例は事実確認が必要。AIが作った「それっぽい実績」をそのまま載せない。

2. 商談後のお礼・フォローメールを作る

いつ使うか：商談直後、温度感を保ったまま素早く返信したいとき。

# 目的
下記の商談を踏まえたお礼・フォローメールを作成する。

# あなたの役割
あなたは丁寧で簡潔なビジネスメールを書く法人営業担当です。

# 材料（商談メモ）
- 相手：【株式会社○○ 情報システム部 部長】
- 話した内容：【現行システムの保守切れが来年。乗り換えを検討中】
- 次のアクション：【見積もりと導入事例の送付】

# 出力形式
- 件名と本文を分ける
- 本文は300字以内、結びに次アクションの期日を入れる

# 制約条件
- 過度なへりくだり表現を避け、ビジネスとして自然な敬語にする

置き換える箇所：相手・商談メモ・次アクション。 よくある失敗：商談メモを貼らずに「お礼メールを書いて」と頼むと、誰にでも当てはまる中身のない文面になる。 検証のひとこと：相手の役職名・社名の表記、約束した期日が正しいかを必ず目視確認する。

3. 議事録からネクストアクションを抽出する

いつ使うか：長い商談メモや議事録から、やるべきことだけを整理したいとき。

# 目的
下記の議事録から、当社がやるべきネクストアクションを抽出・整理する。

# あなたの役割
あなたは抜け漏れなくタスクを洗い出すプロジェクトマネージャーです。

# 材料（議事録）
【議事録を貼り付け】

# 出力形式
表形式で「タスク / 担当（当社 or 先方）/ 期限 / 優先度」の4列にまとめる。
議事録に期限の記載がないものは「要確認」と明記する。

# 制約条件
- 議事録に書かれていないタスクを推測で追加しない

置き換える箇所：議事録本文。 よくある失敗：「まとめて」とだけ指示すると要約になり、タスクが埋もれる。表形式と列を明示する。 検証のひとこと：「議事録にない項目を追加しない」と制約しても、AIは補完しがち。表の各行が議事録に実在するか確認する。

4. 競合との違いを整理する

いつ使うか：顧客から「他社と何が違うの？」と聞かれる前に、訴求軸を整理したいとき。

# 目的
自社商品と競合の違いを、顧客に説明できる形で整理する。

# あなたの役割
あなたは中立的な視点を持つ商品比較のアナリストです。

# 材料
- 自社商品の特徴：【箇条書き】
- 競合A／競合Bの特徴：【分かる範囲で】
- 想定顧客：【中小企業の情シス担当】

# 出力形式
比較表（評価軸 / 自社 / 競合A / 競合B）＋「この顧客にどう訴求すべきか」を3行

# 制約条件
- 競合について確実でない情報は「要確認」と明記し、断定しない

置き換える箇所：自社・競合の特徴、想定顧客。 よくある失敗：AIが知らない競合情報を「それらしく」埋めてしまう。確実でないものは要確認とさせる。 検証のひとこと：競合の仕様・価格はAIの知識が古い前提で、必ず一次情報（競合公式サイト）で裏取りする。

5. テレアポ・初回トークの台本を作る

いつ使うか：新規開拓で、断られにくい初回トークを準備したいとき。

# 目的
新規顧客への初回電話トークスクリプトを作成する。

# あなたの役割
あなたは断られにくい入り口を設計するインサイドセールスです。

# 材料
- 商品：【勤怠管理クラウド】
- ターゲット：【従業員50〜100名の企業の総務担当】
- よくある断り文句：【「今は間に合っている」】

# 出力形式
1. 30秒の導入トーク
2. 断り文句への切り返し3パターン
3. アポにつなげるクロージングの一言

# 制約条件
- 誇大な表現や根拠のない「No.1」表現を使わない

置き換える箇所：商品・ターゲット・断り文句。 よくある失敗：「アポを取るトークを作って」だけだと、押しが強すぎて現場で使えない台本になる。 検証のひとこと：景品表示法に触れる誇大表現（「必ず」「No.1」など根拠のないもの）が混じっていないか確認する。

マーケティング

マーケティングは、構成案・コピー・SNS投稿など「複数案を素早く量産し、人が選ぶ」使い方と相性が良い職種です。AIに案を広げさせ、最終判断は人が担う——この分業を意識すると質とスピードが両立します。

6. SEO記事の構成案を作る

いつ使うか：記事のキーワードは決まったが、構成に迷っているとき。

# 目的
下記キーワードで上位を狙う記事の構成案（見出し）を作る。

# あなたの役割
あなたは検索意図を読み解くSEOコンテンツの編集者です。

# 材料
- 狙うキーワード：【生成AI 議事録】
- 想定読者：【AI導入を検討する中小企業の総務担当】
- 読者のゴール：【自社で議事録AIを使えるようになる】

# 出力形式
- h2/h3の見出し構成
- 各見出しで答える「読者の疑問」を1行ずつ

# 制約条件
- 検索意図から外れる見出しを入れない

置き換える箇所：キーワード・想定読者・ゴール。 よくある失敗：「記事を書いて」と本文まで一気に頼むと、浅く薄い記事になる。まず構成だけ作らせる。 検証のひとこと：構成が検索意図に合っているか、実際の検索結果と照らして人間が判断する。

7. SNS投稿を複数パターン作る

いつ使うか：同じ告知をトーン違いで複数案ほしいとき。

# 目的
下記の告知をSNS（X / LinkedIn）向けに複数パターン作る。

# あなたの役割
あなたはエンゲージメントを意識するSNS運用担当です。

# 材料
- 告知内容：【無料ウェビナー「生成AI業務効率化」開催】
- 訴求したい相手：【中小企業の経営層】

# 出力形式
X用（140字以内）を3案、LinkedIn用（300字程度）を2案。
各案に想定ハッシュタグを添える。

# 制約条件
- 煽り・誇張を避け、事実ベースで興味を引く

置き換える箇所：告知内容・訴求相手。 よくある失敗：プラットフォームを指定しないと、文字数もトーンもちぐはぐな1案だけ返る。 検証のひとこと：文字数制限・リンク・ハッシュタグが各SNSの仕様に合っているか確認する。

8. 広告コピーをABテスト用に量産する

いつ使うか：広告見出しをABテストしたく、切り口違いで多数ほしいとき。

# 目的
下記商品の広告見出しを、訴求軸を変えて量産する。

# あなたの役割
あなたは反応率を検証するパフォーマンスマーケターです。

# 材料
- 商品：【経費精算アプリ】
- ターゲットの悩み：【月末の経費処理が面倒】

# 出力形式
「ベネフィット訴求 / 課題共感 / 数字訴求 / 時短訴求」の4軸で各3案、計12案。

# 制約条件
- 根拠のない数字（「90%削減」など）を使わない

置き換える箇所：商品・ターゲットの悩み。 よくある失敗：軸を指定しないと似たような案ばかりになり、テストにならない。 検証のひとこと：数字や効果をうたう表現は、自社で実証済みのデータがあるものだけ採用する。

9. 顧客アンケートの自由記述を分類する

いつ使うか：大量の自由記述コメントを傾向ごとに整理したいとき。

# 目的
下記のアンケート自由記述を、内容ごとに分類・集計する。

# あなたの役割
あなたは定性データを構造化するリサーチャーです。

# 材料（自由記述）
【コメントを貼り付け（個人が特定される情報は事前に削除）】

# 出力形式
1. カテゴリ別の件数表（多い順）
2. 各カテゴリの代表的な声を1つ引用
3. 改善提案を3つ

# 制約条件
- 元のコメントにない内容を要約として創作しない

置き換える箇所：自由記述コメント（個人情報は事前削除）。 よくある失敗：個人名や具体的な顧客名を含んだまま貼ると情報漏えいリスクになる。 検証のひとこと：代表コメントの引用が原文と一致しているか、件数集計が妥当かをサンプル確認する。

10. ターゲットペルソナを整理する

いつ使うか：施策の前提となるペルソナを言語化したいとき。

# 目的
下記商品のターゲットペルソナを整理する。

# あなたの役割
あなたは顧客理解に基づく施策設計をするマーケターです。

# 材料
- 商品：【中小企業向け人事評価クラウド】
- 現状分かっている顧客像：【従業員50〜200名、評価制度を紙で運用】

# 出力形式
- ペルソナ1〜2人分（職種 / 課題 / 情報収集の仕方 / 購買の意思決定者）
- 各ペルソナに刺さるメッセージを1行

# 制約条件
- 仮説であることを明記し、断定しない

置き換える箇所：商品・現状の顧客像。 よくある失敗：AIの作るペルソナを「事実」と扱ってしまう。あくまで仮説の出発点。 検証のひとこと：実際の顧客データ・営業の肌感と突き合わせて補正する。

人事・採用

人事・採用は、求人票・スカウト・面接設計など文章作成の負荷が高い一方、法令・公正性への配慮が欠かせない職種です。性別・年齢での限定や不適切な質問が混じらないよう、制約条件で明示するのが重要です。

11. 求人票のドラフトを作る

いつ使うか：募集要項の素案を短時間で用意したいとき。

# 目的
下記ポジションの求人票ドラフトを作る。

# あなたの役割
あなたは候補者目線で魅力を伝える採用担当です。

# 材料
- 職種：【カスタマーサクセス】
- 必須要件：【法人向け提案経験2年以上】
- 自社の魅力：【リモート可・少人数で裁量大】

# 出力形式
「仕事内容 / 必須要件 / 歓迎要件 / 働き方 / 自社の魅力」の見出しごとに記述

# 制約条件
- 性別・年齢で限定する表現を使わない（性別は男女雇用機会均等法、年齢は労働施策総合推進法に配慮）

置き換える箇所：職種・要件・自社の魅力。 よくある失敗：年齢・性別を限定する表現が混じると法令上問題になる。 検証のひとこと：差別的表現がないか、待遇・条件が事実と一致するかを人事が確認する。

12. スカウト文面を候補者別に作る

いつ使うか：ダイレクトリクルーティングで返信率を上げたいとき。

# 目的
下記候補者に送るスカウト文面を作る。

# あなたの役割
あなたは候補者一人ひとりに合わせて書くリクルーターです。

# 材料
- 候補者の経歴（公開情報のみ）：【SaaS企業で営業3年】
- 募集ポジション：【フィールドセールス】
- 訴求したい点：【裁量と成長環境】

# 出力形式
件名＋本文（400字以内）。冒頭に「なぜあなたに送ったか」を入れる。

# 制約条件
- テンプレ感を出さず、経歴に触れた一文を必ず入れる

置き換える箇所：候補者の公開経歴・ポジション・訴求点。 よくある失敗：非公開の個人情報を入力してしまう。公開プロフィールの範囲に留める。 検証のひとこと：経歴の引用が事実か、過度な売り込みになっていないかを確認する。

13. 面接の質問項目を設計する

いつ使うか：評価軸に沿った面接質問を準備したいとき。

# 目的
下記ポジションの面接質問を、評価軸ごとに設計する。

# あなたの役割
あなたは構造化面接を設計する人事のプロです。

# 材料
- ポジション：【マーケティング担当】
- 見たい力：【課題設定力・実行力・協働性】

# 出力形式
評価軸ごとに質問を2問ずつ。各質問に「良い回答の見極めポイント」を添える。

# 制約条件
- 思想・信条など面接で聞いてはいけない事項を含めない

置き換える箇所：ポジション・見たい力。 よくある失敗：プライバシーに踏み込む不適切な質問が混じる。NG項目を制約で明示する。 検証のひとこと：質問が職務に関連し、公正採用の観点で問題ないかを確認する。

14. 研修アンケートを要約する

いつ使うか：研修後アンケートの傾向と改善点を早く知りたいとき。

# 目的
下記の研修アンケート結果を要約し、改善提案を出す。

# あなたの役割
あなたは研修効果を高める人材開発担当です。

# 材料（アンケート結果）
【自由記述と満足度を貼り付け（個人特定情報は削除）】

# 出力形式
1. 満足度の傾向（高評価・低評価の理由）
2. 具体的な改善提案を3つ

# 制約条件
- 回答にない内容を推測で補わない

置き換える箇所：アンケート結果。 よくある失敗：少数の極端な意見を「全体の傾向」と誤って強調する。 検証のひとこと：要約が回答の分布を正しく反映しているかを確認する。

経理・総務・バックオフィス

経理・総務は、規程や手順という「正解のあるルール」に基づく業務が多く、自社資料を材料として渡すことで精度が大きく上がります。逆に、規程を貼らず一般論で答えさせると自社ルールと食い違うため注意が必要です。

15. 社内規程の問い合わせに一次回答する

いつ使うか：「経費はどこまで申請できる？」のような規程の質問に素早く答えたいとき。

# 目的
下記の社内規程に基づいて、質問に回答する。

# あなたの役割
あなたは規程を正確に読み解く総務担当です。

# 材料
- 規程の該当部分：【経費規程の本文を貼り付け】
- 質問：【出張時の昼食代は経費になる？】

# 出力形式
- 結論（可否）
- 根拠となる規程の条項
- 判断に迷う場合の確認先

# 制約条件
- 規程に書かれていないことは「規程に記載なし。担当に確認」と答える

置き換える箇所：規程本文・質問。 よくある失敗：規程を貼らずに一般論で答えさせると、自社ルールと食い違う。必ず該当部分を貼る。 検証のひとこと：引用された条項が規程に実在するか確認する（自社資料だけを根拠にしたい場合はNotebookLMが有効）。

16. 問い合わせメールの一次回答案を作る

いつ使うか：定型的な問い合わせに素早く下書きを用意したいとき。

# 目的
下記の問い合わせに対する返信案を作る。

# あなたの役割
あなたは丁寧で正確に対応する総務・庶務担当です。

# 材料
- 問い合わせ内容：【備品購入の申請方法を知りたい】
- 社内の手順：【申請フォーム→上長承認→総務発注】

# 出力形式
返信メール本文（250字程度）。手順を番号付きで示す。

# 制約条件
- 社内の手順にない方法を案内しない

置き換える箇所：問い合わせ内容・社内手順。 よくある失敗：手順を渡さないと、一般論の案内になり差し戻しが増える。 検証のひとこと：案内した手順・URL・担当部署が最新か確認する。

17. 契約書のチェック観点を洗い出す

いつ使うか：契約書レビューの前に、注意すべき点を把握したいとき。

# 目的
下記の契約書について、確認すべき観点を洗い出す。

# あなたの役割
あなたは契約リスクに敏感な法務担当です。

# 材料
- 契約の種類：【業務委託契約】
- 自社の立場：【委託する側（発注者）】

# 出力形式
チェック観点を「報酬・納期 / 知的財産 / 解除 / 損害賠償 / 秘密保持」のカテゴリ別に列挙

# 制約条件
- 法的助言ではなくチェック観点の提示に留め、最終判断は専門家に委ねる旨を明記する

置き換える箇所：契約の種類・自社の立場。 よくある失敗：AIの回答を法的結論として扱う。あくまで観点出しの補助として使う。 検証のひとこと：重要な契約は必ず弁護士・専門家の確認を通す。AIはあくまで抜け漏れ防止のチェックリスト用途。

18. 経費の仕分けルールを整理する

いつ使うか：勘定科目の判断基準を分かりやすくまとめたいとき。

# 目的
下記の経費について、勘定科目の判断ルールを整理する。

# あなたの役割
あなたは実務に即した整理が得意な経理担当です。

# 材料
- 対象：【交際費・会議費・福利厚生費の線引き】
- 自社の方針：【1人あたり◯円未満は会議費とする】

# 出力形式
判断フロー（どの条件ならどの科目か）と、迷いやすい例3つ

# 制約条件
- 税務上の最終判断は税理士に確認する旨を添える

置き換える箇所：対象科目・自社の方針。 よくある失敗：税法の細かい要件をAIの記憶任せにする。最新の税制は必ず確認。 検証のひとこと：金額基準・税務の取り扱いは顧問税理士の見解と照合する。

企画・事業開発

企画・事業開発は、断片的な情報を構造化し、アイデアを発散・収束させる思考の整理に生成AIが役立ちます。ただし市場規模などの数字はAIに創作させないのが鉄則で、AIは「整理役」、数字の裏取りは人の役割と切り分けます。

19. 市場リサーチの情報を構造化する

いつ使うか：集めた断片的な情報を、意思決定に使える形に整理したいとき。

# 目的
下記のリサーチ情報を、事業判断に使える形に構造化する。

# あなたの役割
あなたは事業性を評価する事業開発担当です。

# 材料（リサーチメモ）
【収集した情報を貼り付け】

# 出力形式
「市場規模 / 主要プレイヤー / 参入障壁 / 機会 / リスク」で整理。
情報が不足している項目は「要追加調査」と明記。

# 制約条件
- メモにない数字や事実を創作しない

置き換える箇所：リサーチメモ。 よくある失敗：AIに市場規模などの数字を「埋めさせる」と、それらしい虚偽が混じる。 検証のひとこと：数字・市場規模は必ず一次情報（公的統計・調査会社レポート）で裏取りする。

20. 事業アイデアを発散→収束させる

いつ使うか：新規事業のアイデアを広げ、評価軸で絞り込みたいとき。

# 目的
下記テーマで事業アイデアを発散させ、評価軸で絞り込む。

# あなたの役割
あなたは新規事業のブレストと評価が得意なプランナーです。

# 材料
- テーマ：【中小製造業の人手不足を解決するサービス】
- 自社の強み：【業務システム開発の知見】

# 出力形式
1. アイデアを10個発散
2. 「市場性 / 自社適合 / 実現性」の3軸で各5点満点評価
3. 上位3つを推奨理由つきで提示

# 制約条件
- 評価は仮説であることを明記する

置き換える箇所：テーマ・自社の強み。 よくある失敗：AIの評価点を鵜呑みにする。あくまで議論の叩き台。 検証のひとこと：上位案を実際の顧客・現場の声と照らして再評価する。

21. 想定問答（FAQ）を先回りで作る

いつ使うか：提案・社内説明の前に、聞かれそうな質問を準備したいとき。

# 目的
下記の企画について、想定される質問と回答案を作る。

# あなたの役割
あなたは反対意見を先読みする企画担当です。

# 材料
- 企画の概要：【生成AIで問い合わせ対応を自動化する】
- 説明する相手：【コストに慎重な経営層】

# 出力形式
想定質問を10個、それぞれに回答案を添える。質問は反対・懸念寄りも含める。

# 制約条件
- 数値根拠が必要な回答は「要試算」と明記する

置き換える箇所：企画の概要・説明相手。 よくある失敗：賛成前提の質問ばかりになる。懸念・反対寄りも出させる。 検証のひとこと：コスト・効果の数字は自社で試算し直す。

22. 数字の羅列を構造化して読む

いつ使うか：表やデータの傾向をざっと把握したいとき。

# 目的
下記のデータから、傾向と気づきを整理する。

# あなたの役割
あなたは数字を鵜呑みにせず検算する分析担当です。

# 材料（データ）
【表データを貼り付け】

# 出力形式
1. 数字から読み取れる傾向（3点）
2. 注意すべき外れ値や前提
3. 追加で確認したいデータ

# 制約条件
- 合計・割合などの計算は、計算過程も示す

置き換える箇所：データ。 よくある失敗：AIに計算させた数字をそのまま資料に転記する（AIの暗算は誤りやすい）。 検証のひとこと：合計・平均・割合は表計算ソフトで再計算して一致を確認する。

カスタマーサポート

カスタマーサポートは、返信文の作成・FAQ整備・問い合わせ分類など反復が多く、生成AIで対応スピードと品質を底上げできます。ただし事実関係や約束した内容は変えないよう、トーン調整時も中身の正確さを必ず確認します。

23. 返信のトーンを調整する

いつ使うか：書いた返信を、相手や状況に合わせて整えたいとき。

# 目的
下記の返信文を、指定したトーンに調整する。

# あなたの役割
あなたは顧客対応の言葉選びに長けたCS担当です。

# 材料
- 元の文面：【返信案を貼り付け】
- 調整方針：【もう少し柔らかく、でも事実は明確に】

# 出力形式
調整後の文面と、変更点の理由を3行

# 制約条件
- 事実関係・約束した内容は変えない

置き換える箇所：元の文面・調整方針。 よくある失敗：トーン調整の過程で、約束した内容や条件が書き換わる。 検証のひとこと：事実・数字・期日が元の文面から変わっていないか必ず照合する。

24. よくある質問（FAQ）の下書きを作る

いつ使うか：問い合わせの多い内容をFAQ化したいとき。

# 目的
下記の問い合わせ履歴から、FAQの下書きを作る。

# あなたの役割
あなたは分かりやすい説明が得意なCSナレッジ担当です。

# 材料
- よくある問い合わせ：【箇条書きで貼り付け】
- 自社の正しい回答：【分かる範囲で】

# 出力形式
質問と回答のペアを10組。回答は120字以内で簡潔に。

# 制約条件
- 正しい回答が不明なものは「社内確認が必要」と明記する

置き換える箇所：問い合わせ履歴・自社の回答。 よくある失敗：AIが正解を「想像」して書く。正解はあくまで自社が確定させる。 検証のひとこと：回答内容が社内の正式な見解と一致するか、公開前にレビューする。

25. クレームの一次対応文を作る

いつ使うか：感情的な問い合わせに、冷静で誠実な初動を返したいとき。

# 目的
下記のクレームに対する一次対応の返信案を作る。

# あなたの役割
あなたは誠実で冷静なカスタマーサポートの責任者です。

# 材料
- クレーム内容：【納品が遅れ、業務に支障が出たと怒っている】
- 事実関係：【こちらの手配ミスで2日遅延した】

# 出力形式
- 謝罪 → 事実の説明 → 今後の対応 → 連絡先 の順
- 250字程度

# 制約条件
- 責任の所在を曖昧にしない。事実でない約束をしない

置き換える箇所：クレーム内容・事実関係。 よくある失敗：AIが過剰に補償を約束してしまう。約束できる範囲を材料で明示する。 検証のひとこと：謝罪と補償の内容が、自社が実際に対応できる範囲か責任者が確認する。

26. 問い合わせを自動で分類する

いつ使うか：大量の問い合わせを担当・緊急度ごとに振り分けたいとき。

# 目的
下記の問い合わせを、対応区分ごとに分類する。

# あなたの役割
あなたは優先順位づけが的確なCSオペレーション担当です。

# 材料（問い合わせ一覧）
【1件ずつ貼り付け（個人情報は削除）】

# 出力形式
表形式で「問い合わせ要約 / 区分（技術/請求/その他）/ 緊急度（高中低）」

# 制約条件
- 判断に迷うものは「要確認」とし、推測で断定しない

置き換える箇所：問い合わせ一覧。 よくある失敗：緊急度の基準を示さないと、分類がぶれる。基準を材料に足すと精度が上がる。 検証のひとこと：緊急度「高」に分類されたものは、人が必ず目視で確認する。

管理職・マネジメント

マネジメントは、1on1・フィードバック・会議設計・目標づくりなど「考えを言語化する」場面で生成AIが思考の壁打ち相手になります。メンバーの個人情報は最小限・匿名で扱い、最後は自分の言葉に直して使うのが信頼を損なわないコツです。

27. 1on1の準備をする

いつ使うか：メンバーとの1on1で、何を話すか整理したいとき。

# 目的
下記メンバーとの1on1の話題と問いを準備する。

# あなたの役割
あなたは傾聴と支援を重視するマネージャーです。

# 材料
- メンバーの状況：【新規プロジェクトで負荷が高い。最近表情が硬い】
- 前回話したこと：【業務量を調整すると約束した】

# 出力形式
1. 確認すべきこと（前回の約束のフォロー）
2. 引き出したい問いを5つ（オープンクエスチョン）
3. 避けるべき話し方

# 制約条件
- 詰問や評価にならない問いにする

置き換える箇所：メンバーの状況・前回の内容。 よくある失敗：メンバーの個人情報を詳細に入力してしまう。状況は最小限・匿名で。 検証のひとこと：問いがメンバーの状況に本当に合っているか、自分の言葉に直してから使う。

28. フィードバックを言語化する

いつ使うか：評価や指摘を、相手に伝わる形で言語化したいとき。

# 目的
下記の状況について、建設的なフィードバック文を作る。

# あなたの役割
あなたは事実に基づき成長を促すマネージャーです。

# 材料
- 良かった点：【締切を守り、品質も安定していた】
- 改善してほしい点：【報告が遅く、後追いになりがち】

# 出力形式
SBI（状況・行動・影響）の型で、良い点と改善点を各1つ。
最後に次の期待を一言。

# 制約条件
- 人格否定を避け、行動に焦点を当てる

置き換える箇所：良かった点・改善点。 よくある失敗：抽象的な指摘（「もっと頑張って」）になる。具体的な行動を材料に入れる。 検証のひとこと：事実の描写が正確か、相手を傷つける表現がないかを自分で確認する。

29. 会議のアジェンダを設計する

いつ使うか：目的のはっきりした会議を準備したいとき。

# 目的
下記の会議のアジェンダを作る。

# あなたの役割
あなたは時間内に結論を出す会議設計のプロです。

# 材料
- 会議の目的：【来期の施策を3つに絞る】
- 参加者：【部長・各チームリーダー4名】
- 所要時間：【60分】

# 出力形式
時間配分つきのアジェンダ（各議題に到達目標を明記）と、事前準備事項

# 制約条件
- 結論を出さずに終わる構成にしない

置き換える箇所：目的・参加者・時間。 よくある失敗：目的を「情報共有」と曖昧にすると、結論の出ない会議設計になる。 検証のひとこと：時間配分が現実的か、結論に至る流れになっているかを確認する。

30. 目標（OKR・KPI）のドラフトを作る

いつ使うか：チームの目標設定のたたき台を素早く作りたいとき。

# 目的
下記チームの四半期OKRのドラフトを作る。

# あなたの役割
あなたは測定可能な目標設計が得意なマネージャーです。

# 材料
- チームのミッション：【新規顧客の獲得】
- 現状：【月間商談数が伸び悩んでいる】

# 出力形式
Objective1つに対し、Key Resultsを3つ（測定可能な数値目標）。
各KRに「測り方」を添える。

# 制約条件
- 達成不可能な数字や、測定できない曖昧な目標にしない

置き換える箇所：ミッション・現状。 よくある失敗：KRが「頑張る」のような測定不能な目標になる。数値と測り方を必須にする。 検証のひとこと：数値目標が現実的か、チームの実態と照らして調整する。

以上の30例は、どれも「目的・役割・材料・出力形式・制約」の5要素で組み立てています。【 】の中を自分の情報に置き換えるだけで動きますが、最初から完璧を狙う必要はありません。まず1つ試し、返ってきた出力を見て材料や制約を足していけば、自社の業務にぴったり合うプロンプトに育っていきます。そして共通して言えるのは、どの出力も鵜呑みにせず必ず確認するということ。なぜそれが重要なのか、次の章で「うまくいかない原因」と合わせて見ていきましょう。

コピペしても精度が出ない…失敗するプロンプト Before/After 7類型

「拾ってきたプロンプトをコピペしたのに、いまいちな答えしか返らない」——これは多くの人が最初に直面する壁です。原因はAIの性能ではなく、ほとんどの場合、次の7類型のどれかにあります。逆に言えば、この7つさえ避ければ、ネットで拾ったプロンプトも自分の業務に合わせて使いこなせるようになります。**悪い例（Before）と直し方（After）**をセットで押さえれば、自分でプロンプトを直せるようになります。

それぞれの類型を、もう少し具体的に見ていきましょう。

1. 丸投げ：「いい感じに作って」は、相手が何を「いい」と思うか分からないまま渡された依頼と同じです。目的・相手・材料・出力形式を補うだけで、出力は別物になります。
2. 文脈欠落：AIはあなたの会社や案件を知りません。商談メモ・相手の役職・これまでの経緯といった前提を貼らないと、一般論しか返ってこないのは当然です。
3. 出力形式の未指定：同じ内容でも「表で」「箇条書きで5つ」「300字で」と形を指定するかどうかで、後の手直し時間が大きく変わります。最も費用対効果の高い一手です。
4. 役割の未設定：「あなたは法務担当です」「あなたはSEO編集者です」と役割を与えると、AIはその専門家らしい語彙・観点・深さで答えるようになります。一文で出力の質が上がります。
5. 一括で欲張りすぎ：「調査して、記事も書いて、SNS投稿も作って」と詰め込むと、どれも中途半端になります。工程を分け、1プロンプト1タスクにするのが結局いちばん速い方法です。
6. 根拠を出させない：AIは知らないことも「それらしく」答えます。「数字や固有名詞には出典を併記し、確実でなければ『不明』と答えて」と足すだけで、検証の起点ができます。
7. 機密の丸入れ：顧客名・個人情報・未公開情報をそのまま入力するのは、利用規約とプラン次第で情報漏えいにつながります。固有名詞は伏せ字にし、社内ルールを守るのが前提です。

特に効果が大きいのが、**「出力形式の指定」と「根拠を出させる」**の2つです。

• 出力形式を「表形式で」「箇条書きで5つ」「300字以内で」と指定するだけで、後の手直し時間が大きく減ります。たとえば「競合をまとめて」では長文が返ってきますが、「評価軸×各社の比較表にして」と指定すれば、そのまま資料に貼れる形で返ってきます。
• 「数字や固有名詞には出典を併記し、確実でなければ『不明』と答えて」と一文足すだけで、AIが平然と作り出す**もっともらしい誤情報（ハルシネーション）**を大きく減らせます。出典を併記させれば、その一次情報を確認するという次の検証アクションにもつながります。

この7類型は、裏を返せば**「良いプロンプトのチェックリスト」**でもあります。出力がいまいちだと感じたら、「目的・役割・材料・出力形式・制約のどれかが抜けていないか」「機密を入れていないか」を順に見直してください。多くの場合、足りない1要素を補うだけで結果は見違えます。プロンプトを一から書き直すより、欠けた要素を足すほうが速く改善できます。

プロンプトの設計テクニックをさらに体系的に学びたい方は、プロンプトエンジニアリング実践ガイドで役割設定・少数例提示（Few-shot）・思考の連鎖（Chain-of-Thought）などの手法を解説しています。

プロンプトの精度をさらに上げる3つのコツ

7類型を避けられるようになったら、次は「もう一段、出力を良くする」段階です。実務で効果の大きい3つのコツを紹介します。

コツ1：一発で完成させようとせず、対話で磨く

良いプロンプトは、最初の1回で完璧を狙う必要はありません。AIとの会話は続けられるので、返ってきた出力に対して「3つ目の案をもっとカジュアルに」「この部分を具体例に置き換えて」と追加の指示で修正していくほうが、結果的に速く良いものにたどり着きます。最初のプロンプトは7割を狙い、残り3割は対話で詰める——この感覚を持つと、プロンプトを練りすぎて時間を浪費することがなくなります。修正を指示するときは「どこを・どう変えたいか」を具体的に伝えるのがコツで、「もっと良くして」のような曖昧な指示は避けましょう。何度かやり取りして満足のいく形になったら、その完成形を次回用のテンプレートとして保存しておくと、二度目以降は一発で使えるようになります。

コツ2：「お手本」を1つ見せる（例示）

欲しい出力の形が決まっているなら、理想的な例を1つ見せるのが最も手っ取り早い方法です。「次のような形式で書いてください」と良い見本を1つ添えるだけで、AIはその構成・トーン・粒度を真似てくれます。たとえば過去にうまくいったメールやレポートを1通貼り、「このトーンと構成に合わせて」と指示すれば、説明を重ねるより的確に意図が伝わります。言葉でトーンを説明するのは意外と難しいものですが、見本を1つ見せれば一発で伝わります。これは「言葉で説明するより、実物を見せたほうが早い」という、人への指示と同じ原理です。

コツ3：大きなタスクは小さく分割する

「市場調査して、企画書も作って、提案メールも書いて」のような複合タスクは、1つのプロンプトに詰め込むと精度が落ちます。①リサーチ整理 → ②企画書の骨子 → ③本文 → ④メールのように工程を分け、前の出力を次のプロンプトの材料に渡すと、各ステップで品質をコントロールできます。これは本記事の検証プロトコルとも相性がよく、工程ごとに人がチェックを挟めるという利点もあります。

ChatGPT・Claude・Gemini｜業務別の使い分け早見表

同じプロンプトでも、どのAIに投げるかで向き不向きがあります。各モデルには得意・不得意があり、業務に合わせて選ぶと同じ指示でも仕上がりが変わります。プロンプト例を最大限に活かすために、主要モデルの得意領域を業務別に整理しておきましょう。

モデルのバージョンや機能は更新が速いため、最新の仕様は各公式サイトで確認してください。どのAIを主軸にするか・複数をどう組み合わせるかは生成AIツールの使い分け完全ガイドで、職種×業務のマトリクスと5問の判断フローとして詳しく解説しています。

ポイントは、1つに絞らず工程で使い分けることです。たとえば提案書づくりなら「リサーチはGemini → 自社資料の分析はNotebookLM → 本文執筆はClaude」のようにリレーさせると、それぞれの得意が活きます。

ただし、非エンジニアが最初から複数を使い分けようとすると挫折しがちです。まずは主軸を1つ決めて習熟し、用途が見えてから2つ目を足すのが現実的な順番です。そして覚えておきたいのは、どのモデルを選ぶかよりも、プロンプトの質のほうが出力への影響が大きいという事実です。本記事の型と検証手順は、どのAIを使っても共通して役立ちます。モデル選びに悩むより、まず良いプロンプトを書けるようになることを優先しましょう。

AIの出力を信用してはいけない — 検証プロトコル

プロンプト例を使いこなすうえで最も重要なのが、「AIの出力をそのまま使わない」という原則です。生成AIは、事実かどうかに関わらず「もっともらしい文章」を生成します。特に数字・固有名詞・引用・計算は誤りが混じりやすく、そのまま資料に載せると事故になります。

たとえば「市場規模を教えて」と聞くと、AIは存在しない調査名や具体的な数字を、いかにも本当らしく提示することがあります。営業資料に載せた数字が実は根拠のない作り話だった——という事態は、信用に関わる重大なミスです。これは生成AIの仕組み上避けられない特性であり、「AIは嘘をつくことがある」という前提で運用するしかありません。だからこそ、出力を業務で使う前に通すべき手順を仕組みにしておくことが欠かせません。

そこで、出力を業務で使う前に通すべき検証プロトコルを4つ紹介します。

1. AIに暗算・記憶で答えさせない 合計・平均・割合などの計算は、AIの「暗算」を信用せず、必ず表計算ソフトなどで再計算します。プロンプト側でも「計算過程を示して」と指定すると、検算しやすくなります。

2. 出典を併記させ、なければ「不明」と言わせる 「数字や固有名詞には出典を併記し、確実でない情報は『不明』と回答して」と制約を足すだけで、捏造を大きく減らせます。出典が示されたら、その一次情報を必ず自分で確認します。

3. 出力形式（スキーマ）を固定し、推測で埋めさせない 「表の各行は、入力した資料に実在するものだけ。書かれていない項目は『記載なし』とする」のように、AIが空欄を勝手に推測で埋めるのを禁止します。自社資料だけを根拠にしたいリサーチではNotebookLMのように参照範囲を限定できるツールが有効です。

4. 重要度に応じて人のチェックを段階化する 社外に出る文章・契約・数字を含む資料は、必ず人が最終確認します。一方、社内メモや叩き台はチェックを軽くする——といった具合に、出力の用途に応じて検証の手厚さを変えると、品質とスピードを両立できます。すべてを同じ厳しさで確認すると、AIで時短した分が検証時間で相殺されてしまうため、「どこに人の目を集中させるか」を決めておくことが大切です。

この4つを習慣にすると、生成AIは「便利だが信用できない道具」から「安心して任せられる戦力」に変わります。逆に、検証を省いて出力をそのまま流用すると、一度の事故で「やっぱりAIは使えない」という空気が組織に広がり、せっかくの取り組みが止まってしまいます。検証は、AI活用を続けるための保険だと考えてください。

この「検証を前提に使う」姿勢は、AIにタスクを任せるほど重要になります。AIエージェントにデータ処理を任せる際の検算の考え方は、ChatGPTの業務活用ガイドでも具体例とともに触れています。

プロンプトを「個人技」で終わらせない — 組織の資産にする運用

プロンプトの本当の効果は、個人のスキルを組織の仕組みに変えたときに現れます。一部の社員だけが上手にAIを使える状態では、組織全体の生産性は上がりません。成果を出している企業は、効いたプロンプトを「個人のノウハウ」ではなく「会社の資産」として運用しています。

効いたプロンプトをテンプレ化して共有する

業務でうまくいったプロンプトは、【 】の置き換え箇所を残したテンプレートにして、チームで共有できる場所（社内Wikiや共有ドライブ）に蓄積します。本記事の30例も、まずはコピーして自社用に手を入れ、テンプレ集の出発点にするのが効率的です。テンプレには「どんな業務に使うか」「置き換える箇所」「注意点」を一緒に書いておくと、初めて使う人も迷いません。さらに、うまくいったプロンプトに加えて失敗した指示とその理由も残しておくと、同じ落とし穴を組織全体で避けられます。職種別のテンプレ集をまとめて配布したい場合は、本記事末尾のPDFも活用してください。

利用ルール（ガイドライン）を明文化する

プロンプトの普及とセットで必要なのが、入れてよい情報・ダメな情報のルールです。機密情報や個人情報の取り扱い、利用してよいツールとプランを明文化しておかないと、便利さと引き換えに情報漏えいのリスクを抱えます。「使うな」と禁止するのではなく、「ここまでは安全に使ってよい」という線引きを明確にするのが、活用とリスク管理を両立させるコツです。ルールの作り方は生成AIの社内利用ガイドラインの作り方で具体的に解説しています。

教育と定着の仕組みをつくる

テンプレとルールを用意しても、使われなければ意味がありません。「この業務にはこのプロンプト」を研修やオンボーディングに組み込むことで、新しく入った人もすぐに同じ品質でAIを使えるようになります。研修では、抽象的な「AIの使い方」を教えるより、自分の業務で明日すぐ使えるプロンプトを一緒に動かしてみるほうが定着します。本記事の職種別30例は、そのまま社内研修の教材としても使えます。全社にAI活用を広げる進め方は生成AI活用の完全ガイドで、選ぶ→学ぶ→使う→根付かせる→守るの5ステップとして整理しています。

よくある失敗：「便利なプロンプトが共有されない」

多くの組織で起きるのが、「Aさんは議事録整理を5分で終わらせているのに、その方法が隣のチームに伝わっていない」という状態です。プロンプトは口頭では伝わりにくく、個人のチャット履歴に埋もれがちだからです。これを防ぐには、「効いたプロンプトを共有する場と習慣」をあらかじめ作っておくことが効果的です。たとえば、週次のミーティングで「今週うまくいったプロンプト」を1人1つ持ち寄る、共有ドライブにテンプレ置き場を用意する、といった小さな仕組みで、ノウハウが個人から組織へ流れ始めます。

重要なのは、完璧なテンプレ集を最初から作ろうとしないことです。本記事の30例を出発点に、自社の業務でうまくいったものを足していく——この**「育てる」運用**のほうが、現場に根づきます。

こうした「個人のAI活用を組織の競争力に変える」取り組みは、CAIO（最高AI責任者）の役割そのものです。koromoでは、生成AIの全社導入・プロンプト整備・社内研修までを伴走支援しています。

効果はどれくらい？導入から定着までの進め方

「プロンプトを整備すると、どれくらい業務が楽になるのか」は、業務内容によって大きく変わるため一律には言えません。ただし、効果を見積もる考え方はシンプルです。

効果の試算 ＝（1件あたりの短縮時間）×（月間の件数）×（その業務に関わる人数）

たとえば、これまで30分かかっていたメール作成や議事録整理が、テンプレ化したプロンプトで10分になれば、1件あたり20分の短縮です。仮にその業務を月に20件、5人が行っているなら「20分 × 20件 × 5人＝月2,000分（約33時間）」が浮く計算になります。あくまで自社で実測した数字を入れて試算するのが前提ですが、こうして数字に置き換えると、現場の感覚的な「楽になった」を経営に伝わる言葉に翻訳できます。重要なのは、短縮時間を実測してから掛け算することです。AIに見積もらせた数字をそのまま信じてはいけません。

導入の進め方は、いきなり全社展開せず小さく始めるのが定着の近道です。

1. 絞る：効果が見えやすい1業務（例：議事録、メール返信）を選ぶ
2. 試す：本記事のテンプレを数人で2〜4週間使い、短縮時間を実測する
3. 磨く：うまくいったプロンプトをテンプレ化し、失敗例も共有する
4. 広げる：ルールと研修をセットに、対象業務と人数を増やす

この順番なら、「効果が不明なまま全社導入して頓挫する」という失敗を避けられます。

効果を測るときの注意点が1つあります。それは、「作業時間の短縮」だけでなく「品質の安定」も成果に数えることです。たとえば議事録整理にAIを使うと、作成時間が減るだけでなく、誰が作っても抜け漏れのない一定品質に揃うという効果があります。担当者によってばらついていたアウトプットが標準化されることは、時間短縮と同じかそれ以上に価値があります。短縮時間という分かりやすい数字に加えて、こうした定性的な効果も合わせて評価すると、導入の意義を正しく経営に説明できます。

よくある質問（FAQ）

まとめ — 「型 × 検証 × 共有」で生成AIプロンプトは武器になる

生成AIプロンプトで成果を出すコツは、3つに集約されます。第一に、良いプロンプトの型（目的・役割・材料・出力形式・制約）に沿って書くこと。本記事の職種別30例は、すべてこの型で作っているので、【 】を自分の業務に置き換えればそのまま動きます。第二に、出力を必ず検証すること。特に数字・固有名詞・計算はAIに任せきりにせず、出典確認と再計算を習慣にします。第三に、効いたプロンプトをテンプレ化して組織で共有すること。個人技を仕組みに変えたとき、効果は一気に広がります。

生成AIは、正しく指示すれば確実に業務を軽くしてくれる道具です。しかし、なんとなく使っているだけでは「便利そうだけど、結局自分でやり直している」状態から抜け出せません。型に沿って書き、出力を検証し、効いたものを共有する——この3つを回し始めた組織から、AI活用は本物の生産性向上に変わっていきます。

まずは自分の業務に近い1〜2例をコピーして試すことから始めてみてください。そして、うまくいったものをチームのテンプレ集に育てていきましょう。プロンプトの整備から社内研修・全社定着までを体系的に進めたい場合は、専門家の伴走を活用するのも有効な選択肢です。