これまで3回にわたって、AI各社の「指示の設計」に関するガイドをご紹介してきました。今回は原点に戻り、AnthropicがClaude向けに公開している「Prompt Engineering Overview（プロンプトの書き方全般のガイド）」を取り上げます。SKILL.mdのような専門的な仕組みの前に、そもそも日々のAIへの伝え方そのものを見直すための内容です。
AIは「優秀だが、記憶のない新人」
Anthropicのガイドは、こんな比喩から始まります。
「Claudeと接するときは、優秀だが、記憶を持たない新人だと思ってください」
とても腕は良いが、この会社に来たのは今日が初めて。前回の打ち合わせも、社内の暗黙のルールも、何ひとつ覚えていない——そんな人に仕事を頼むときのことを想像してみてください。「例のあれ、いつもの感じでお願い」では絶対に伝わりません。誰宛の資料か、どれくらいの分量か、何を重視するのか。曖昧な指示のまま渡せば、優秀な人ほど「見当違いだが筋の通った」成果物を返してきます。
これはAIも同じです。「うまく動かない」と感じたときの多くは、AIの能力不足ではなく、渡した指示の側に曖昧さが残っているケースです。
効果の高い順に並んだ、8つの技術
このガイドの特徴は、テクニックを効果の大きい順に並べている点です。順番に見ていきます。
① 明確に、直接的に伝える
最も効果が大きいのが、実はこれです。「対象者は誰か」「どんな形式で欲しいか」「何を重視するか」——これを言語化するだけで、成果物の精度は大きく変わります。特別なテクニックより先に、まずここを固めることが推奨されています。
② 具体例を示す
言葉で説明するより、「こういう入力には、こういう出力」という実例を2〜3個渡すほうが、AIは意図を正確に汲み取ります。デザインのトンマナを言葉で説明するより、参考画像を数点見せた方が伝わるのと同じ発想です。
③ 考える過程を示させる
複雑な判断が必要な場面では、いきなり結論を求めるのではなく、途中の考え方の筋道を示してもらう。これにより、判断の精度が上がるだけでなく、なぜその結論に至ったかを後から検証できるようになります。
④ 構造化して伝える
指示・背景情報・出力形式などをタグで区切って渡すと、AIはどこが「してほしいこと」で、どこが「参考情報」かを取り違えにくくなります。
このほかにも、役割を与える、出力の書き出しを指定する、複雑な作業を分解する、長い文書を効果的に扱う——といった技術が続きますが、根底にあるのは「①明確さ」がすべての土台であるという考え方です。
制作現場にも、そのまま応用できる話
私たちSynQ Creativeは、進行管理(PM)を担いながら、社内にも制作(クリエイティブ)機能を持つハイブリッドな体制で案件を束ねています。AIに文章やデザイン案を作らせる場面でも、真っ先に効いてくるのがこの「明確さ」の話です。
面白いのは、これがAIへの指示に限った話ではないという点です。クライアントからの依頼を社内の制作メンバーや外部パートナーに渡すとき——「相手はこの場の文脈を知らない」という前提に立つと、伝え方は自然と変わります。対象者・目的・形式・重視する点をはっきりさせる。これは、AIへのプロンプトも、人への指示も、実は同じ設計原則で成り立っているのです。社内外の人が入り乱れる進行管理だからこそ、この「明確さ」の差がそのままアウトプットの質に直結します。
多くの現場でAI活用がうまくいかない原因は、AIの性能ではなく、「暗黙の了解」に頼った指示の出し方そのものにあることが少なくありません。
AIへの伝え方、統一できていますか
もし社内やチームで「AIにうまく指示が出せる人」と「そうでない人」の差が大きいとしたら、それは属人化のサインです。明確に伝える型を、チームで共有できているかどうかが分かれ目になります。
SynQ Creativeでは、PM(進行管理)と内製クリエイティブを組み合わせたハイブリッドな体制で、HP/LP制作・SNS・動画運用の案件を進めています。案件を束ねる裏側の仕組みづくりにご関心があれば、ぜひ一度SynQ Creativeにご相談ください。