プロンプトの基本構成
定義:目的、背景、制約、出力形式など必要な情報を指示文へ含める考え方。
具体例:店舗向け文章を「対象読者・文字数・トーン・禁止表現」を指定して作る。
長文なら必ず高品質になるという意味ではない。
実務で使うなら、検証までが仕事。
定義:目的、背景、制約、出力形式など必要な情報を指示文へ含める考え方。
具体例:店舗向け文章を「対象読者・文字数・トーン・禁止表現」を指定して作る。
長文なら必ず高品質になるという意味ではない。
定義:例示なしでタスクを指示して回答を得る方法。
具体例:「この文章を敬語に直して」と例文を示さず依頼する。
例をいくつか示すFew-Shotとは違う。
定義:少数の入出力例を与え、望む形式・判断の傾向を伝える方法。
具体例:良いキャプションの例を3件見せて新規案を作らせる。
追加学習でモデルの重みを変えることではない。
定義:表、箇条書き、JSONなど必要な構造を明示して結果を安定させる指示。
具体例:商品名・価格・備考の3列で表を返すよう指定する。
構造が揃っても事実の正しさは別途確認する。
定義:初回結果を評価し、具体的な修正指示を重ねて品質を上げる方法。
具体例:最初のコピーを見て語尾や訴求点を指定して再生成する。
AIの回答を無条件に繰り返すだけではない。
定義:誤字脱字、表記揺れ、文法の不自然さを点検・修正する業務。
具体例:「株式会社」の表記揺れを統一し、訂正一覧を作る。
書かれた事実が真実かどうかの検証とは役割が異なる。
定義:原文の重要情報を保ちながら短く整理したり項目化する作業。
具体例:長い会議記録から決定事項と担当者を抜き出す。
原文にない決定事項を補うべきではない。
定義:発言や記録から合意事項・未決事項・担当・期限を整理すること。
具体例:会議音声の文字起こしから次のアクションを整理する。
文字起こし結果そのものが必ず正確な議事録とは限らない。
定義:意味と文脈、固有名詞、対象文化を考慮して別言語へ変換する。
具体例:海外ユーザー向け案内を翻訳し、現地で不自然な語を確認する。
一語ずつ直訳すれば十分というわけではない。
定義:対象・便益・媒体・制約を定義して、短く伝わる表現を考える作業。
具体例:20字以内で商品の違いを伝える広告コピーを複数案出す。
クリックを煽るだけでは景品表示等の確認を省けない。
定義:初期段階で多様な案を出し、評価・選別は後の工程で行う発想法。
具体例:キャンペーン案を20件出した後、予算で絞る。
アイデア数が多ければ成功すると決まるわけではない。
定義:回答の整理・分類・集計から傾向を読み取る作業。
具体例:自由記述を分類し、その件数と代表例を確認する。
少数回答から母集団全体の性質を断定してはいけない。
定義:媒体・目的・対象・トーン・規約を踏まえて投稿文や画像案を設計する。
具体例:新商品告知をInstagramとThreadsで表現を変える。
媒体規約や広告表示の確認が不要になるわけではない。
定義:ひとつの行動目的に向けて情報を構成するランディングページ制作。
具体例:無料登録を目標に訴求・証拠・CTAを整理する。
美しい画像だけでコンバージョンが保証されるわけではない。
定義:複数の情報源を比較し、日付や出典を付けて判断材料を整える。
具体例:3社の価格を公式ページで確認して比較表にする。
AIが知っている古い価格を現行価格として使わない。
定義:生成した画像を利用する前に、素材・肖像・商標・使用規約を確認する。
具体例:架空モデルの広告画像で既存ブランドとの類似を点検する。
AI生成なら著作権等のチェックが不要とは限らない。
定義:分析前に欠損・重複・形式を整理し、正しい計算方法で集計する。
具体例:CSVの日付形式を統一し、重複行を除いて集計する。
集計後の結果は検算しなくてよいという意味ではない。
定義:複数情報源を横断して調べ、根拠と不確実性を整理する調査方法。
具体例:市場規模を官公庁・業界団体・各社資料で比較する。
出典が多いだけで正しい結論になるわけではない。
定義:AIでコードを作りつつ、人間が仕様・安全性・動作を検証する工程。
具体例:Webフォームのコードを生成後、テストし脆弱性を確認する。
生成したコードを無検証で本番に入れない。
定義:複数の定型工程をつなぎ、権限と例外処理を設計して効率化する。
具体例:毎週の集計→レポート作成→管理者確認を自動化する。
例外時の停止や人の承認を省いてよいわけではない。