AI・開発トレンド

プロンプトエンジニアリング

（ぷろんぷとえんじにありんぐ／Prompt Engineering）

一言でいうと

モデルへ渡す指示文を組み立て直すことで、欲しい出力が安定して返る状態をつくる作業です。

2020年の GPT-3 の論文が、追加学習をせずに例をいくつか示すだけで課題に対応できることを示しました。ここから、何をどう書いて渡すかが結果を左右する要素として認識されます。

国内では2023年に一般語になりました。当初は「うまい呪文を見つける技能」として語られましたが、実務では試して測って直す反復作業であり、感覚頼りでは安定しないことが共有されていきました。

モデルの出力は指示の書き方で大きく変わります。役割を与える、手順を分ける、出力形式を指定する、例を示すといった工夫で、同じモデルでも結果の質と安定度が変わります。

モデルの変更や追加学習に比べて、費用も時間もかからない手段です。そのため、精度が足りないときに最初に試す対処になります。

生成AIを使うすべての場面に関わります。プロダクトに組み込む機能では、システム側の指示文の設計が品質を左右します。社内利用でも、業務ごとの定型プロンプトを用意する形が一般的です。

採用の実務でも、スカウト文面の生成や書類の要約で、指示文の作り込みが結果を分けます。

「プロンプトエンジニア」という職種名の求人は国内でほとんど成立しておらず、この技能は AIエンジニアやプロダクト側の職種の要件のなかに含まれます。単独の職種として募集すると、実務経験のない応募が集まりやすくなります。

見るべきは、指示文を書けることではなく、出力の品質を測る仕組みを持っているかどうかです。

用語	指すもの	プロンプトエンジニアリングとの違い
ファインチューニング	モデル自体を追加学習させる手法	モデルを変える。プロンプトは指示だけを変える
RAG	検索して根拠を渡す方式	渡す情報を用意する。プロンプトはその使い方を指示する
evals	出力の品質を測る仕組み	測る側。プロンプトの改善はこれとセットで回す
コンテキストエンジニアリング	渡す情報全体の設計	指示文に限らず、履歴や参照文書まで含めた設計を指す