AIプロンプト診断・改善 完全ガイド｜5軸スコアリングで効かないプロンプトを直す
「ChatGPTやClaudeに聞いても期待した答えが返ってこない」「同じプロンプトなのに毎回品質が違う」— こうした症状の原因は、ほとんどの場合 プロンプトの設計にあります。
本ガイドは、プロンプトの品質を 数値で診断し、根本原因を特定し、改善する ための一連の手法を体系化したものです。診断 → 原因分析 → 改善 → 計測 のサイクルを回すことで、属人的な「うまく書けるかどうか」を、再現性のあるプロセスに変えられます。
プロンプト改善が組織課題になる理由
LLMの業務利用が広がるにつれ、次のような問題が組織内で噴出します。
- 出力の品質が人によってバラバラ：同じタスクなのに、AさんとBさんで結果が違う
- 再現性がない：先週うまく動いたプロンプトが今週効かない
- 改善方法が分からない：「もうちょっと良くしたい」けど何を直せばいいか不明
- 共有・引き継ぎが困難：個人のChatGPT履歴に埋もれて資産化されない
これらは「プロンプトの品質を客観的に評価する基準がない」ことが根本原因です。診断による数値化が、属人化を解消する第一歩になります。
プロンプト診断とは何か
プロンプト診断は、AI への指示文を 複数の評価軸でスコアリング し、改善点を特定するプロセスです。PrompTune の診断ツールは、以下の5軸を採用しています。
| 軸 | 評価する観点 |
|---|---|
| 目的（Goal） | 何を達成したいかが明示されているか |
| 役割（Role） | AIに演じさせる立場・専門性が定義されているか |
| 前提（Context） | タスクに必要な背景情報が揃っているか |
| 条件（Rules） | 守るべき制約・禁止事項が指定されているか |
| 出力形式（Format） | 期待する出力の構造が具体的か |
各軸 1〜5 点、総合スコアで S（4.5+）/A（4.0+）/B（3.0+）/C（2.0+）/D のランクが付きます。業務利用なら A 以上が目安 です。
→ 詳細：プロンプト診断とは？無料でAIプロンプトの品質をスコアリングする方法
5軸それぞれの直し方
低スコアの軸が分かっても、何を書けばいいか分からなければ直せません。軸ごとに、実際の直し方をBefore/Afterで示します。
目的（Goal）が低いとき
目的とは「AIに何をさせたいか」ではなく「その出力を使って何をするか」です。ここが抜けると、正しいが使えない出力が返ってきます。
Before: 議事録をまとめて。
After: この議事録から、明日の経営会議で報告する内容をまとめてください。報告先は役員3名で、判断してほしいのは予算の追加承認の可否です。
用途が書かれた瞬間に、AIは何を残し何を削るかを判断できるようになります。
役割（Role）が低いとき
役割は「肩書きを名乗らせること」ではありません。どの視点で判断してほしいかの指定 です。
Before: あなたは優秀なマーケターです。この施策を評価してください。
After: 予算配分を決める立場のマーケティング責任者として評価してください。実行可能性とコストを優先し、面白さは評価軸に入れないでください。
「優秀な」「プロの」といった修飾は、実際にはほとんど効きません。評価軸を書く方が効きます。
前提（Context）が低いとき
最も改善効果が大きい軸です。AIが一般論を返してくるときは、ほぼ例外なくここが原因です。
Before: 採用がうまくいきません。改善案をください。
After: 従業員30名の受託開発会社です。エンジニア採用で、書類選考は通るが面接後の辞退が続いています。直近3ヶ月で内定8名中5名が辞退。給与は同規模他社と同水準です。改善案をください。
前提を足すときのコツは、「これを知らない人には答えられない情報」を優先する ことです。業種、規模、直近の実績、制約条件がその代表です。
条件（Rules）が低いとき
条件は「やってほしいこと」より「やってほしくないこと」を書く方が効きます。
Before: 分かりやすく説明してください。
After: 専門用語は使わないでください。一般論での前置きは書かず、本題から始めてください。判断が分かれる点は両論併記せず、推奨を1つ示してください。
出力形式（Format）が低いとき
出力がブレる原因のほぼすべてがここです。指定していない要素は、毎回変わります。
Before: 表にまとめて。
After: 以下の列を持つ表にしてください：施策名／想定コスト／実行難易度（高中低）／推奨度（1〜5）。行は5つまで。表の下に、推奨度1位の理由を3行で書いてください。
直す順番
5軸すべてを同時に直す必要はありません。改善幅が大きい順 は次の通りです。
- 前提（Context）：一般論しか返ってこない状態を最も速く抜けられる
- 出力形式（Format）：ブレが止まり、再利用できるようになる
- 目的（Goal）：何を残すかの判断がAI側でできるようになる
- 条件（Rules）：細部の不満を潰す段階
- 役割（Role）：他が揃っていれば、効果は限定的
多くの人が最初に手をつける「役割」は、実は最後で構いません。「あなたは優秀な〇〇です」を足しても結果が変わらない のは、この順番を逆にやっているからです。
プロンプトが伝わらない 5 つの理由
実際に診断で「点数が低くなる典型パターン」を整理すると、症状は5つに集約されます。
- タスクが曖昧 — 「いい感じに」「うまく」など主観的表現
- 出力形式を指定していない — 構造化されていない、長さ・粒度が不明
- コンテキストが不足 — 背景情報・前提を渡していない
- 1つのプロンプトに詰め込みすぎ — 複数タスクが混在
- ペルソナ（役割）が未設定 — 誰として答えるべきかが不明
それぞれに対応する改善法は明確で、5要素の枠組みで考えれば直し方が機械的に決まります。
→ 詳細：あなたのプロンプトが伝わらない5つの理由｜今すぐ直せる改善法
プロンプト評価の 5 つの指標
診断で使う 5 つの評価指標を、より詳細に分解すると以下のようになります。
- 明確さ：何をすべきかが一意に伝わるか
- 具体性：抽象表現が排除されているか
- 構造：情報が論理的に整理されているか
- コンテキスト：必要な背景情報が含まれているか
- 出力制御：出力の形式・長さ・粒度が指定されているか
これら 5 指標は モデル非依存 で評価可能です。ChatGPT・Claude・Gemini どれでも、この基準で診断したプロンプトは出力品質が安定します。
→ 詳細：プロンプト評価の5つの指標｜良いプロンプトを数値で判断する方法
Before/After で見る改善効果
実際のプロンプトを Before/After で比較すると、改善のインパクトが具体的に見えてきます。
| 業務シーン | Before スコア | After スコア | 改善ポイント |
|---|---|---|---|
| メール作成 | 1.8 | 4.2 | 役割定義＋トーン指定 |
| データ分析 | 2.2 | 4.6 | 構造化＋出力形式 |
| コンテンツ作成 | 2.4 | 4.0 | ペルソナ＋制約 |
| コードレビュー | 2.0 | 4.4 | 観点リスト＋出力テンプレ |
| 企画立案 | 1.6 | 4.2 | 前提情報＋評価軸 |
スコアが 2 倍前後 になると、出力品質の改善は体感できるレベルになります。具体的な改善前後のプロンプト全文は事例集記事で紹介しています。
→ 詳細：プロンプト改善Before/After事例集｜スコアが2倍になった実例5選
改善の 4 ステップ
属人化を避けて再現性のある改善サイクルを回すには、以下の4ステップが基本です。
- 診断：無料診断ツール で現状スコアを取る
- 原因特定：低スコアの軸を「伝わらない5つの理由」と照合
- 書き直し：5要素フレームワークで書き直し、再診断
- テンプレ化：A 以上のプロンプトは変数化してチーム共有
重要なのは4つ目です。A以上のプロンプトを個人の履歴に残さない こと。改善したプロンプトが共有されない限り、組織としての品質は上がりません。
スコア別の症状と処方
診断スコアは、ランクごとに症状と打ち手が変わります。自分のプロンプトがどの段階にあるかで、次にやることが決まります。
| ランク | よくある症状 | 次にやること |
|---|---|---|
| D（2.0未満） | 一言指示。返ってくるのは一般論のみ | 5要素のうち「前提」と「出力形式」だけを足す |
| C（2.0〜3.0） | 内容は近いが、毎回形式が違う | 出力形式を具体的に固定する（項目・順序・長さ） |
| B（3.0〜4.0） | 使えるが、細部の修正が毎回必要 | 条件（禁止事項）を追加し、修正が発生する箇所を潰す |
| A（4.0〜4.5） | 品質は安定。ただし自分専用 | 変数化してテンプレ化し、他の人が使える形にする |
| S（4.5以上） | 変数を変えても品質が再現する | 定期レビューの対象に入れ、モデル更新時に再診断 |
C から B への移行が最も体感差が大きい 段階です。出力形式を固定するだけで、毎回の手直しが消えます。
一方、A から S への改善は投下時間あたりの効果が落ちます。全プロンプトをSにする必要はなく、頻繁に使うものだけをSに引き上げ、残りはAで止めるのが現実的な運用です。
診断で見落とされやすい3つの落とし穴
落とし穴1: スコアは高いのに出力が悪い
プロンプト側ではなくコンテキスト側に問題がある 可能性が高いです。AIに渡す情報（議事録・マニュアル・データ）そのものが不十分だと、指示をどれだけ磨いても結果は変わりません。
見分け方は簡単で、同じプロンプトに、自分で整理し直した情報を渡してみる ことです。それで出力が良くなるなら、原因は入力側にあります。
PrompTune では プロンプト診断モード と コンテキスト診断モード の2モードを提供しており、両者を組み合わせることで、AI出力の根本的な品質改善が可能です。
落とし穴2: 長さを品質と取り違えている
条件を10個並べると、スコアの見た目は上がることがあります。しかし実際の出力は、指示同士が競合して悪化する ことがあります。
特に、次の組み合わせは競合しやすいので注意してください。
- 「網羅的に」＋「簡潔に」
- 「専門的に」＋「初心者にも分かるように」
- 「創造的に」＋「事実に忠実に」
どちらを優先するかを明示しない限り、モデルは毎回どちらかに寄ります。優先順位を書く か、片方を捨てる かのどちらかが必要です。
落とし穴3: 1つのプロンプトに複数タスクを詰めている
「要約して、課題を抽出して、対策案を3つ出して、優先順位をつけて」——これは4タスクです。1回で全部やらせると、後半ほど雑になります。
分割の目安は、出力の形式が途中で変わるかどうか です。要約は文章、課題抽出はリスト、対策は表、というように形式が変わるなら、別のプロンプトにした方が品質が安定します。
テンプレ化の実務
A以上のプロンプトは、変数化してチームで使える形にします。ここでつまずくポイントを整理します。
どこを変数にするか
| 変数にすべき | 固定すべき |
|---|---|
| 対象の情報（顧客名・案件内容・データ） | 役割・評価軸 |
| 相手や場面（誰に向けた出力か） | 出力形式（項目・順序） |
| 分量の指定（長め・短め） | 禁止事項・制約 |
判断基準は、「変えても品質が壊れないか」 です。出力形式や禁止事項を変数にすると、使う人ごとに結果が変わり、テンプレ化した意味がなくなります。
変数の数は5個まで
埋める項目が多いテンプレートは、使われません。5個を超えるなら、そもそもタスクが大きすぎる 可能性を疑ってください。
使い方の説明を1行付ける
「このテンプレは何のためのもので、どこを埋めるか」を1行書いておかないと、作った本人以外は使えません。テンプレ本文より、この1行の有無で利用率が変わります。
動画で見る：同じ用件をトーン五要素で書き分ける（Fitsel AI の無料AI講座） →
モデルごとの書き分け
プロンプトの品質指標自体はモデル非依存ですが、同じスコアでも書き方の相性はあります。
- 構造の示し方：見出し記法やタグで区切ると、どのモデルでも解釈が安定します。長い入力を扱うときほど効きます
- 役割の指定：システム指示として置ける場合は、本文に書くよりそちらに置く方が一貫します
- 出力の固定：形式を厳密に守らせたい場合は、期待する出力の例を1つ見せる（Few-shot）のが最も確実です
モデルが更新されると挙動が変わることがあります。定常運用しているテンプレートは、モデル更新時に再診断する 運用にしておくと、静かな劣化を防げます。
運用サイクルの回し方
| タイミング | やること |
|---|---|
| 新規作成時 | 診断 → 改善 → 1週間運用 → 再診断 |
| 月次 | 使用頻度の高いテンプレのスコア確認 |
| モデル更新時 | 全テンプレの再診断 |
| 四半期 | 使われていないテンプレの棚卸し（削除も含む） |
意外に効くのが最後の棚卸しです。使われないテンプレが残っていると、どれを使えばいいか分からなくなり、結局全員が自己流に戻ります。数を絞る作業も改善のうちです。
よくある失敗
診断スコアを目的にしてしまう
スコアは手段です。業務で使えているなら、Bで止めても構いません。全プロンプトをSにする作業は、投下時間に見合わないことが多くあります。
改善したプロンプトを共有しない
個人のチャット履歴に残したままだと、組織の資産になりません。改善サイクルの4ステップ目を省略すると、同じ改善を全員が個別にやり直すことになります。
出力が悪い原因をすべてプロンプトのせいにする
入力情報が不足している、タスクが分割されていない、そもそもAIに向かない業務である——プロンプト以外に原因があるケースは珍しくありません。プロンプトを3回直しても改善しないなら、原因は別の場所にあります。
一度作って放置する
モデルの更新や業務の変化で、効いていたプロンプトが効かなくなります。定期レビューの対象に入れておいてください。
まとめ
プロンプト改善は「センス」や「経験」の話ではなく、5軸スコアリングという共通言語 で属人化を解消できる組織課題です。診断 → 原因特定 → 書き直し → テンプレ化のサイクルを回すことで、誰でも再現可能な品質を実現できます。
要点を整理します。
- 直す順番は 前提 → 出力形式 → 目的 → 条件 → 役割。役割は最後でよい
- 一般論しか返ってこないなら 前提の不足、毎回ブレるなら 出力形式の不足
- 長さは品質ではない。指示が競合していないか を先に確認する
- スコアが高いのに出力が悪いなら、原因は 渡している情報の側 にある
- A以上のプロンプトは 変数5個以内でテンプレ化 し、個人の履歴に残さない
- モデル更新時と四半期の棚卸しを、運用サイクルに組み込む
まずは 無料診断ツール で、自分のプロンプトのスコアを確認するところから始めてみてください。