1. 役割付与（Role Assignment）

目的：AI に「どの立場・専門性で答えてほしいか」を明示し、文体や用語選択を安定させる。

• 効果：ロール情報はコンテキストに組み込まれ、以降の応答全体で一貫したトーンが保たれます。
• 記述例（英語でも可）

text
You are a senior marketing analyst specializing in B2B SaaS.

この一文だけで、出力はマーケティング用語中心の専門的なトーンになります。

2. 指示文（Instruction）

目的：AI に「何をしてほしいか」をシンプルに伝え、解釈の幅を狭める。

• ポイント：指示は一文で完結させ、余計な情報は別枠（制約条件や出力形式）に回すと効果的です。

• 良い例 / 悪い例

• ✅ 正: 「新製品の価値提案を 3 行でまとめてください。」

• ❌ 誤: 「新製品について色々教えて、でも要点だけでお願いします。」

3. 制約条件（Constraints）

目的：文字数・トーン・使用語彙など、出力の形を細かくコントロールする。

• 効果：制約が具体的であるほど、モデルは「できるだけ指示に従う」よう最適化され、期待通りの結果が得られやすくなります。
• 記述例（箇条書き）

text
- 文字数は150〜200字以内に収めること
- ビジネス敬語を使用し、カジュアル表現は避ける
- 「AI」や「機械学習」の用語は出さない

4. 出力形式の指定（Output Format）

目的：リスト・表・JSON など、後工程で利用しやすい構造をあらかじめ指示する。

• 効果：モデルは指定されたフォーマットを再現しやすく、特に機械可読形式（例：JSON）ではシンタックスエラーが減ります。
• 記述例

text
Please output the result as a markdown table with columns: 項目, 説明, 重要度(★).

まとめ（基本構造の活用指針）

1. 役割は具体的に設定し、文体を固定。
2. 指示文はシンプルかつ一文で完結。
3. 制約条件は箇条書きで明示し、優先順位がある場合は上位に配置。
4. 出力形式は冒頭または最後に簡潔に記載し、必要ならサンプルを添える。

2024年6月版リコー ガイドライン徹底解説

リコーは 2024 年 6 月に「ChatGPT プロンプト作成ガイドライン」を公開（※出典の正式確認が取れていないため、社内資料やプレスリリース等で再度ご確認ください）。本節では同ガイドラインの主要ポイントと実務への落とし込み方を紹介します。

ガイドラインの主要ブロック

目的：プロンプトを「目的・役割・制約・出力」の 4 ブロックに体系化し、チーム内で共有しやすくする。

このテンプレート通りに情報を整理すれば、プロンプトの完成度が格段に向上します。

条件設定の 3 原則

目的：条件を「具体的・測定可能・優先順位付け」の観点から設計し、モデルの解釈幅を狭める。

• 具体的：抽象的な指示は避け、実際に評価できる形で書く
• ✏️ 「業界用語は使用しない」 → 「『SaaS』以外の専門用語は省く」
• 測定可能：文字数や形式を数値で示す
• ✏️ 「150〜200字」→「カウントツールで自動検証できるようにする」

• 優先順位付け：重要度の高い制約から順に列挙

• 敬語使用

• 文字数制限
• 用語除外

業務別実践テンプレート集

以下では、代表的な業務シナリオごとに 即利用可能なプロンプト雛形 を提示します。各テンプレートは「目的・役割・制約・出力形式」の 4 要素で構成されており、コードブロック内の {本文} 部分だけ差し替えて使用できます。

要約テンプレート

用途：長文資料から要点を抽出し、短くまとめる。

期待される出力例

1. 市場規模は前年比12%増。
2. 主な成長要因はデジタルトランスフォーメーションの進展。
3. 今後の課題は人材確保とサイバーリスク。

アイデア創出テンプレート

用途：新サービスや施策のコンセプト案を複数生成する。

期待される出力例

• AI 搭載の顧客サポートチャット、24 時間自動応答で人件費削減。
• ブロックチェーンベースのデータ共有プラットフォーム、改ざん防止と透明性向上。
  （以下 3 案は同様に提示）

メール文案テンプレート

用途：取引先への提案メールを作成し、件名・本文の文字数制限を守る。

期待される出力例

レポート作成テンプレート

用途：市場分析レポートの構成案を短時間で策定する。

期待される出力例

1. 市場概況

• 成長率・主要プレイヤー
• 規模推移（過去5年）

2. 消費者動向

…（以下続く）

モデルパラメータとシステムメッセージの活用法

ChatGPT の出力品質は temperature、top_p といったハイパーパラメータ、そして system メッセージ で大きく変わります。本章では実務で推奨する設定例とその効果を解説します。

temperature：出力の多様性制御

目的：創造的回答と一貫した回答のバランスを調整する。

実務では 0.3〜0.6 の範囲で調整し、品質と多様性の最適点を探ります。

top_p：確率カットオフ

目的：上位候補だけに絞ることで誤情報リスクを抑える。

• 0.9（デフォルト）：バランスが良く、汎用的なタスク向き。
• 0.5 以下：重要数値や固有名詞の正確性が求められる場面に適用。

system メッセージで全体指針を設定

目的：プロンプト毎に繰り返すロールやトーンを、先頭に一度だけ指定して固定化する。

この設定を API の system フィールドに入れるだけで、以降の全入力が自動的に敬語・簡潔さを保ちます。

プロンプト改善サイクルと GPT-4o 最適化ポイント

目的：プロンプトは一度作って終わりではなく、テスト‑フィードバック‑改良の循環で精度を高める。

テスト手法と A/B テスト

1. 評価指標を定義（正確性・網羅性・可読性など）
2. 2 つ以上のバリエーションを同条件で実行し、スコアを比較

スコアが高い方を本番プロンプトとして採用します。

フィードバック取得と反復改良

GPT-4o の特性を活かす最適化（2024 年 5 月リリース）

注記：OpenAI が 2024 年 5 月に発表した GPT‑4o は、画像入力・高速推論が可能なマルチモーダルモデルです。従来のテキスト専用モデルと比較して、以下の点でプロンプト設計を見直す必要があります。

推奨設定（GPT‑4o 向け）

活用シナリオ例

• 図表要約：売上推移の棒グラフ画像を添付し「主要数値と変動要因をテキストで要約してください」
• UI フィードバック：画面キャプチャに対し「アクセシビリティ観点で改善点を 3 つ列挙してください」

これらの手法を組み合わせることで、プロンプト全体の数が減り、業務効率が大幅に向上します。

記事全体のまとめ

1. 基本構造（役割・指示文・制約・出力形式） を確実に取り入れれば、品質の安定した回答が得られる。
2. リコーガイドライン は「目的・役割・制約・出力」の 4 ブロック化を推奨し、条件設定は具体的・測定可能・優先順位付けで行うと効果的。
3. 業務別テンプレート を活用すれば、プロンプト作成の工数が大幅に削減できる。
4. ハイパーパラメータ（temperature, top_p） と system メッセージ に適切な設定を加えるだけで、出力の多様性・正確性を自在にコントロール可能。
5. 改善サイクル（テスト‑フィードバック‑改良）と GPT‑4o のマルチモーダル特性 を踏まえた最適化で、実務での AI 活用効果が最大化される。

※本記事中の「リコー ガイドライン」や外部リンクは執筆時点で確認できた情報に基づいています。正式な公開日・内容については、リコー公式サイトまたはプレスリリースをご参照ください。また、GPT‑4o のリリース日は 2024 年 5 月とされています（OpenAI 発表）。

参考リンク

• OpenAI: Introducing GPT‑4o – the most capable model yet
• ChatGPT プロンプト作成ガイドライン（リコー公式ページ）※公開日未確認
• 実務で使える ChatGPT プロンプトテンプレート例（外部サイト）: https://app-tatsujin.com/chatgpt-prompt-creation-guide/