AIに指示が伝わらない原因と直し方｜プロンプト改善の型2026

同じChatGPTに同じような頼み方をしているのに、返ってくる答えの当たり外れが大きい。そう感じたことがあるなら、原因はAIの性能ではなく指示の渡し方にある。

結論から言えば、プロンプトを改善する近道は文章力を磨くことではなく情報設計を直すことにある。伝わらない原因の大半はここに集約される。何を・どこまで・どんな形式で答えてほしいかが、こちらの頭の中にしかない状態でAIに丸投げしている。

症状の切り分けと3つの構造的原因

プロンプトの不調は、まず症状を3つに分けると原因が絞り込みやすい。

症状A：出力が期待と違う方向に進む

聞いたことには答えているが、求めていた粒度や切り口とズレている状態だ。抽象的な依頼をした結果、AIが独自に解釈を補って答えてしまっているケースが多い。「良い感じにして」という一言に、こちらの頭の中にある基準を全部読み取ってもらうのは無理がある。

症状B：出力形式がそのたびにぶれる

箇条書きで返ってきたり、長文の段落で返ってきたり、依頼するたびに形式が変わる。これは形式を明示していないことがほぼ確定的な原因になる。同じ質問を2回して形式が違えば、それはAIの気まぐれではなく指示の抜けだと判断してよい。

症状C：会話が長くなるほど的外れになる

10往復を超えたあたりから崩れ方が顕著になる。最初は正確だったのに、やり取りを重ねるうちに古い指示に引っ張られたり、途中の指示を忘れたように見えたりする。長い会話特有の症状で、原因は次の章で扱う。

診断表はあくまで最初の当たりをつけるためのものだ。実際には1つの症状に複数の型が効くこともある。迷ったら型1（具体性）から試すのが無難だ。理由は単純で、具体性の不足はほかの3つの型の効果も薄める根本原因になりやすいからだ。

なぜ伝わらないのか｜3つの構造的原因

診断ができたら、次はなぜその症状が起きるのかを押さえる。原因は大きく3つに整理できる。

原因1：目的を1つのプロンプトに詰め込みすぎている

「要約して、かつ改善点も出して、ついでにタイトル案も3つ」のように、目的を並列で積み上げると、AIはどれを優先すべきか自分で判断することになる。優先順位はこちらが決めるべき情報であり、AI任せにした時点で結果はブレる。

目的は1プロンプト1個が基本だ。複数の目的があるなら、番号を振って順序を明示するか、対話を分ける。

原因2：前提条件を渡していない

読み手が誰か、文体はどの程度硬いか、既存の制約は何か。人間同士なら会話の空気で察してもらえる情報も、AIにとっては明示されない限り存在しない情報だ。

前提を渡さないまま「もっと良くして」と繰り返しても、AIは何を軸に改善すればいいか判断できない。同じ指示を3回繰り返して同じような答えしか返ってこないなら、原因はAIの理解力ではなくこちらの説明不足だ。

この3つの原因は独立して起きるとは限らない。長い会話の途中で前提条件を渡し忘れ、それに気づかないまま抽象的な追加指示を重ねる——この悪循環に入ると、症状だけを見て場当たり的に指示を変えても改善しない。まず会話をリセットして前提を渡し直すところから始めるのが結局は近道になる。

原因3：長いやり取りで指示が埋もれる

スタンフォード大学らが2023年に発表した研究「Lost in the Middle: How Language Models Use Long Contexts」は、長いコンテキストの中間部分にある情報ほどモデルが参照しにくくなる傾向を報告している。会話を重ねるほど、最初に決めたルールや制約が実質的に効かなくなっていくのはこのためだ。

これは見落としがちなポイントだが、対策は単純だ。会話が約10往復を超えたら、それまでの決定事項を1つのプロンプトにまとめ直して新しい会話に移す。要点を再掲するだけで、埋もれていた指示が復活する。

型1｜プロンプトを具体的にして改善するBefore/After

「かわいくして」「もっと良くして」のような抽象語は、AIにとって具体的な操作対象がない。何をどこまで変えるかを数値や条件に置き換えるだけで、3回頼んで3回とも同じ骨格の文章が返ってくるようになる。

Before：抽象語だけの指示

この商品紹介文をもっと魅力的にして

「魅力的」の基準がAI任せになっている。文字数を伸ばすのか、感情に訴えるのか、専門性を出すのか、モデルが推測するしかない。

After：数値と条件を足した指示

この商品紹介文を約200字に収めつつ、
・素材の産地を1つの数字（生産年数や受賞歴など）で裏付ける
・購入後に得られる変化を1文で示す
の2点を満たす形に書き換えて

文字数の上限、根拠の持たせ方、含めるべき要素を数で指定した。「魅力的」という主観語を、検証可能な条件に分解したのがポイントだ。抽象的な形容詞のまま投げてAIの解釈任せにするのはもったいない。それを数値・期間・件数のどれかに変換できないか考える癖をつけると改善が早い。

型2｜文脈を渡すIIECフレームワーク

具体性だけでは足りない場面もある。読み手や目的そのものが伝わっていないケースだ。ここで使えるのが、指示を4要素に分解するIIEC型の組み立て方だ。

4要素の役割

Identity（AIに担ってほしい立場）、Instructions（実行してほしい操作）、Examples（望む出力の見本）、Context（前提となる背景情報）の頭文字を取った組み立て方だ。全部を毎回書く必要はないが、出力が安定しないときは大抵このどれかが抜けている。

組み立てる手順

[Identity] あなたはBtoB SaaSのカスタマーサクセス担当です
[Context] 解約検討中の顧客への返信メールを書きます。
          過去に価格への不満が1件寄せられています
[Instructions] 引き止めではなく、不満点への具体的な回答を軸にした返信文を作成してください
[Examples] 文体は丁寧語、300字程度、結びに次回ミーティングの提案を1つ含める

4行に分けて書くだけで、AIが参照すべき情報の種類が明確になる。長文で一気に書くより、要素ごとに改行して渡した方が誤読されにくい。

順番は厳密でなくてよい。書きやすい要素から埋めていって構わないが、Instructions（実行してほしい操作）だけは必ず動詞で終える形にする。「メールについて」のような名詞止めの指示は、要約なのか添削なのか生成なのかが確定しないため、最も誤読が起きやすい。

型3｜出力形式をテンプレートで固定する

形式がそのたびにぶれる症状には、出力のガワそのものを指定するのが効く。箇条書きか表か、見出し付きかどうか、文字数の上限はいくつか。ここを決めておくだけで、聞くたびに違う体裁が返ってくる問題はほぼ解消する。

形式を固定する3つの指定方法

• 見出し構造を先に渡す：「①課題 ②原因 ③対策 の3見出しで」のように骨格を先に示す
• 文字数・項目数で縛る：「3項目、各約80字以内」のように上限を数値化する
• 出力例をそのまま貼る：過去に理想的だった出力を1つ添えて「この形式で」と指定する

議事録要約のように毎回同じ形式で出力してほしい業務では、最初からテンプレート化されたプロンプトを使う方が早い。見出し構造を指定する場合は、「①〜③」のような番号付きの骨格を先に渡すと、AIがその番号の枠内で内容を埋める形になり、項目の抜け漏れが減る。番号を振らずに「課題と対策について」とだけ伝えると、課題と対策の分量バランスがAI任せになりやすい。

型4｜言い換えとNG→OK早見表

形式をどう縛るかで悩んだら、次は言葉の縛り方も見直す価値がある。「専門用語を使わないで」「長くしないで」のような禁止形の指示は、守られにくい。AIにとって「何をしないか」より「何をするか」の方が処理しやすいという性質があるためだ。

禁止形が失敗しやすい理由

「専門用語を使わないで」と言われても、代わりに何を使えばいいのかが指定されていない。結果としてAIは自分の判断で言い換え、その判断が期待とズレることがある。

NG: 専門用語を使わないで説明して
OK: 中学生にも伝わる言葉と身近な例え話だけで説明して

「使わないで」を「これを使って」に変換する。禁止したい対象の代わりに何を採用するかまで指定すると、出力のブレが目に見えて減る。

NG→OK早見表

4つの型を踏まえたうえで、実務でよく使う言い換えパターンをまとめた。迷ったときはここから該当する行を探して当てはめるだけでいい。

共通しているのは、否定語や主観的な形容詞を、確認可能な条件に置き換えている点だ。「〜しないで」を見つけたら、その裏にある「本当はどうしてほしいのか」を言語化する。この一手間のつまずきに気づかないまま試行錯誤を繰り返している人は多い。

ツールごとのクセ｜ChatGPT・Claude・Geminiの違い

同じプロンプトでも、モデルによって指示の解釈に差が出る。各社の公式ドキュメントが推奨する書き方には、それぞれ強調点の違いがある。

3社に共通するのは「役割」「構造化」「例示」のいずれかを明示すると安定するという点だ。同じプロンプトをそのまま別のモデルに移して出力が急に崩れると、戸惑うことが多いはずだ。原因は大抵、これら3要素のどれかをそのモデルの推奨形式に合わせていないことにある。

複数のモデルを併用しているなら、まず1つのプロンプトをそのまま3社に投げて出力を比較してみるといい。差が大きく出た箇所こそ、そのモデルが指示のどの部分を重視しているかを知る手がかりになる。差がほとんど出ない指示は、モデルを問わず安定して伝わる書き方が既にできている証拠でもある。

本記事のプロンプト設計の考え方は、以下の一次情報を参照している。

• ・Anthropic公式ドキュメント「Prompt engineering overview」
• ・OpenAI公式ドキュメント「Prompt engineering」
• ・Google公式ドキュメント「Prompting strategies」

よくある質問

Q. プロンプト改善に決まった正解はありますか

決まった一つの正解はない。症状によって効く型が違うだけだ。

Q. 会話をリセットすると文脈も失われませんか

失われる。だからこそリセットする前に、それまでの決定事項を1つのプロンプトへ要約し直してから新しい会話に移す。この一手間で、必要な文脈だけを引き継げる。

Q. 無料版と有料版でプロンプトの効き方は変わりますか

モデルのバージョンで解釈精度は変わるが、型1〜4を選ぶ判断軸自体は変わらない。数年前のモデル向けに組んだプロンプトの骨格を、最新モデルでもそのまま流用しているケースは珍しくない。

Q. 業務でよく使うプロンプトはテンプレート化すべきですか

型3（形式固定）が効く定型業務は、テンプレート化との相性がいい。議事録要約やメール作成のように出力形式が決まっている業務は、毎回ゼロから型1〜4を組み立て直すより、業務別プロンプトレシピ集2026のような既製の型を流用してIdentityとContextの部分だけ差し替える方が早い。

Q. AIに自分のプロンプトを添削してもらうのは有効ですか

有効な手段の一つだ。添削結果をそのまま採用する前に、本記事の4つの型のうちどれを補っているかを照らし合わせると、何が変わったのかを言語化しやすい。

まとめ｜プロンプト改善は型の運用で安定する

特別な才能やセンスの問題ではなく、目的の詰め込みすぎ・前提条件の省略・長文での指示の埋没、この3つのどれかに必ず当てはまる。

自分ならまず型1（具体性）と型3（形式固定）の2つだけ導入する。この2つは診断表で出現頻度が最も高い2症状（出力のズレ・形式のぶれ）に直結する分だけ効く。型2（文脈）と型4（言い換え）は、それでも出力が安定しない場面に絞って足していけばいい。

4つ全部を一度に覚えようとする必要はない。むしろ1つずつ試して、自分の使う場面でどれが一番効くかを確かめる方が定着は早い。プロンプトの上達は暗記ではなく、型を当てはめて結果を見るという反復の積み重ねでできている。

プロンプトはAIとの契約書に近い。曖昧な契約書が思わぬ結果を招くように、曖昧なプロンプトも思わぬ出力を招く。型を先に決めておけば、毎回ゼロから交渉し直す必要はなくなる。

関連記事