広報における効果的なプロンプトエンジニアリング入門.pdf

なんかふわっとした出力しか出てこないな？そんな時ありませんか？そんな時にどういうところを修正した方が良いのかわからないなんてことはあるあるではないかと思います。その際に必要な考えるべき要素を実例を交えながらお伝えします。（コンテキストエンジニアリングの成分も多分に含みます・・・）

Transcript

1. 広報における効果的な プロンプトエンジニアリング⼊⾨ なんかふわっとした出⼒しか出てこない… そんな「あるある」を解決する思考法をお伝えします。
2. 自己紹介 新卒: EC企業 2社目: エンジニア教育スタートアップ Now! 名前: 大木 優 (スー) スタートアップエンジニア 1人目 Twitter: @suguru_ohki
3. この新⼈、どう扱う？ • 驚異的なスピードで⽂章を書いてくれる • 24時間365⽇、リサーチやアイデア出しを⼿伝ってくれる • でも、時々「驚くほどトンチンカン」なことを⾔う… • 何度修正をお願いしても、同じような間違いを繰り返す… → この「ちょっと変わった新⼈（AI）」との協業には、 思考のクセを理解した上での、的確な指⽰出しが不可⽋ © 2025 スー 1
4. なぜ今、プロンプトエンジニアリングを学ぶべきか？ 出⼒もイマイチだし、まだ使い込むのは様⼦を⾒てからで良いのでは？ →答えはNoです © 2025 スー 2
5. なぜ今、プロンプトエンジニアリングを学ぶべきか？ 出⼒もイマイチだし、まだ使い込むのは様⼦を⾒てからで良いのでは？ →答えはNoです • ビジネスのやり⽅を根底から変える「破壊的イノベーション」であることを前提に動く。 • ⽣成AIの能⼒が急速に向上する • 気づいた頃には、これを使いこなす競合に⼤きく差をつけられている可能性が⾼い • それに気づいた際にはすでに⼿遅れ 「ふわっとした出⼒」を乗り越え、AIを使いこなすスキルは、広報担当者にとっての必須科⽬になる © 2025 スー 2 クレイトン‧クリステンセン『イノベーションのジレンマ』より
6. 勘の良い皆様へ ※ コンテキストエンジニアリングも多分に含まれます © 2025 スー 3
7. 本⽇のゴール © 2025 スー 3
9. 「なんかふわっと」の 傾向と対策を実践する © 2025 スー 3
10. ⽬次 1 なぜAIは「ふわっと」した 答えを出すのか？ 2 具体的な指⽰の「型」 PCRフレームワーク 3 4 チームで実践するコツ 〜「学習する組織」へ〜 5 出⼒がイマイチな時の 「改善」サイクル：IDEA ⾒落としがちな 「隠れた前提」を⾒つける思考法 © 2025 スー 4
11. 01 1. なぜAIは「ふわっと」した 答えを出すのか？ © 2025 スー 5
12. あなたの脳 vs AIの思考回路 ダニエル‧カーネマン『ファスト＆スロー』の洞察 システム1（速い思考） • 特徴 直感的、⾃動的、⾼速 • 役割 瞬時の判断、印象 • AIの挙動 プロンプトが曖昧で“ふわっとした”回答 システム2（遅い思考） • 特徴 論理的、意識的、低速 • 役割 複雑な計算、論理的思考 • AIの挙動 明確な指⽰に従った具体的で的確な回答 © 2025 スー 6
13. AIの短期記憶：「コンテキストウィンドウ」の限界 • コンテキストウィンドウ ◦ AIが⼀度に覚えておける情報量の上限のこと ◦ この範囲外の情報は、AIにとって「存在しない」のと同じ ◦ ⼈間で⾔えば「さっき⾔ったこと、もう忘れたの？」という状態 常に限定された情報を基に、システム1で直感的な（＝ふわっとした）回答をしようとする性質がある © 2025 スー 7
14. プロンプトは「思考のスイッチ」である どうすればAIに深く考えさせることができるのか？ 私たちが⼊⼒する明確な指⽰（プロンプト） → AIの思考回路をシステム1（直感）からシステム2（論理）へと切り替えるためのスイッチの1つ 良いプロンプトは、AIに「今回はちゃんと頭を使わないといけないな」と思わせるきっかけとなる (システム2は、⼈間と異なる原理なので、ちょっと注意がいるんですが‧‧‧) © 2025 スー 8
15. まとめ “「ふわっとした直感（システム1）」を鵜呑みにせ ず、 我々のプロンプトで「論理（システム2）」のスイッ チを⼊れよう
16. 02 2. 具体的な指⽰の「型」 PCRフレームワーク © 2025 スー 10
17. 良い指⽰の原則は、⼈もAIも⼤枠は同じ ドラッカーの経営理論に学ぶ AIへの良い指⽰の出し⽅ ≒ 「⽬標による管理(MBO)」(by 経営学の巨⼈ピーター‧ドラッカー) の考え⽅ ⼈に仕事を頼む時と同じ • あなたの役割 • 仕事の背景 • 期待する成果 この普遍的なマネジメントの原則を、AI向けに応⽤したのが「PCRフレームワーク」 © 2025 スー 11
18. P (Persona) - 役割を与える あなたは誰？ ありがちな指⽰ 「プレスリリースを書いて」 Pを加えた指⽰ 「あなたは〇〇株式会社の広報部⾨に所属す る、経験豊富なPRの専⾨家です。これから新製 品に関するプレスリリースを作成してくださ い」 © 2025 スー 12
19. C (Context) - 背景を伝える 何を知っておくべきか？ ⼈に仕事を頼む時も、丸投げはしないはず • 背景: なぜこのプレスリリースが必要なのか？（例：競合が新サービスを発表したため） • ⽬的: 読んだ⼈にどうなってほしいのか？（例：新製品への期待感を醸成したい） • 制約: 何をしてはいけないのか？（例：未確定の機能については触れないで） → これら背景情報を伝えることで、AIは⽂脈を理解し、より的確な⽂章を⽣成できるようになる © 2025 スー 13
20. R (Request) - 期待する成果を伝える 何をすべきか？ どのようなアウトプットが欲しいのかを具体的に伝える。 • 成果物の形式: 「箇条書きで3点」「800字程度の⽂章で」 • 構成: 「まず結論から述べ、次に理由を3点挙げ…」 • トーン＆マナー: 「専⾨的かつ、権威ある⼝調で」「読者に寄り添うような優しいトーンで」 完成形のイメージを詳細に伝えることが、「ふわっとした」出⼒を防ぐ最⼤のコツ © 2025 スー 14
21. 03 3. チームで実践するコツ 〜「学習する組織」へ〜 © 2025 スー 16
22. 「あのプロンプト貸して！」が合⾔葉 「プロンプト‧ライブラリ」という名のナレッジマネジメント 良いプロンプトは、チームの資産 • 特定業務（例：メルマガ作成、SNS投稿⽂案作成など）でうまくいったプロンプトは、個⼈で抱え込 まず、チームで共有する • 共有されたプロンプトを、他のメンバーがさらに改善していく • このサイクルこそが、チーム全体のAI活⽤レベルを底上げする最も効果的な⽅法 経営学でいう「学習する組織」（ピーター‧センゲ）を、AI時代に実践することになる (この⽂化を作るのが難しいんだけども‧‧‧) © 2025 スー 17
23. 04 4. 出⼒がイマイチな時の 「改善」サイクル：IDEA © 2025 スー 18
24. 失敗は「対話」の始まり 期待外れのアウトプットは、改善のヒントの宝庫 • 期待外れのアウトプットは「失敗」ではない • AIが「あなたの指⽰のこの部分が曖昧でしたよ」と教えてくれる「貴重なフィードバック」と考える AIとの対話を通じて、共に正解にたどり着くプロセスこそが、プロンプトエンジニアリングの⾯⽩さ (勝⼿にやってくれよとは思うけど‧‧‧) © 2025 スー 19
25. プロンプト改善の科学的アプローチ「IDEA」 闇雲な修正ではなく、再現性のある改善サイクルを回す I = Isolate (問題の分離) プロンプトのどの部分が、期待とのズレを⽣んでいるのかを特定 D = Deconstruct (思考の分解) AI⾃⾝に思考プロセスを⾔語化させ、解釈の誤りを発⾒ E = Exemplify (模範例の提⽰) 具体的な⼿本（⼊出⼒例）を⽰すことで、AIの学習を促す A = Analyze (⾃⼰分析の要求) AI⾃⾝に評価基準を与え、出⼒を⾃⼰修正させる © 2025 スー 20
26. I & D：原因特定と“思考の可視化” 思考のブラックボックスに光を当てる • Isolate (分離) ◦ 科学実験のように、プロンプトの⼀部分だけを修正し、出⼒がどう変わるかを⾒ることで、原 因を正確に特定 • Deconstruct (分解) ◦ 「思考の連鎖（Chain-of-Thought）」というテクニックを利⽤ ◦ 「答えを出す前に、ステップバイステップで思考プロセスを書き出して」と指⽰するだけで、 AIがどこで解釈を間違えたのかが分かる ▪ モードで切り替えられるものも出てきたので最近は容易 © 2025 スー 21
27. E：⾔葉で教えるな、⼿本で⽰せ OJTとしての「少数ショット学習」 • AIは、抽象的な指⽰を繰り返されるより、具体的な⼿本から学ぶのが得意。（少数ショット学習） • プロンプト内に「例：【⼊⼒】→【望ましい出⼒】」という形式で1〜2個の模範解答を⽰すだけで、 AIの精度は劇的に向上する ⼝頭で説明するより、良い例を⼀度やって⾒せる「OJT（On-the-Job Training）」と全く同じ原理 © 2025 スー 22
28. A：AIに“内省”させ、⾃ら改善させる 「憲法AI」アプローチの応⽤ • 「憲法AI」とは、AI⾃⾝に原則を与え、それに従って⾃⼰の出⼒を評価‧修正させる⽅法 • これを応⽤し、私たちが評価基準（守ってほしいルール）をAIに与えることができる • プロンプト例 ◦ 「以下の原則リストに基づき、あなたの回答を評価し、より良い代替案を⽣成して。原則：1. 簡潔であること 2. 専⾨⽤語を避けること…」 ▪ これもよりわかりやすい基準だとより想定通りの出⼒になりやすい これにより、AIは⾃ら思考し、改善するパートナーとなるような思考になりやすくなる © 2025 スー 23
29. まとめ “私たちの役割は「命令者」から「対話的コーチ」へ。 プロンプトエンジニアリングの本質は、AIとの対話を通じてその能⼒を 最⼤限に引き出す「コーチング」そのもの。 © 2025 スー 24
30. 05 5. ⾒落としがちな 「隠れた前提」を⾒つける思考法 © 2025 スー 25
31. 最⼤の落とし⽳：⾃分では気づけない「考慮漏れ」 暗黙知という名の⾒えない壁 • PCRとIDEAを駆使してもアウトプットがズレる場合、原因はプロンプトの外、つまり私たち⾃⾝の頭 の中や業界の暗黙の了解などにある • ⾃分にとっては当たり前すぎて、⾔語化する必要すらないと思っている無意識の前提（暗黙知） • これが、AIとの間に最も深い認識のズレを⽣む原因となる 平地での完璧な設計図を渡しても、その⼟地が“傾いている”ことを伝え忘れるといったイメージ‧‧‧ © 2025 スー 26
32. “⾒えない⽂脈”を炙り出す「Context 3C Scan」 優れた広報担当者の思考法をフレームワーク化する Customer (顧客/読者) この情報を受け取る⼈の「感情‧状況‧知識レベル」を本当に想像できてい るか？彼らが抱くであろう“疑問や反発”は何か？ Company (企業/⾃社) この情報発信が持つ「ビジネス上の最終⽬的」は何か？社内の“⼒学や歴 史”で、触れてはいけない話題はないか？ Culture (⽂化/社会) この情報が公開される時点での「社会の空気感」にそぐわない表現はない か？“今、このメッセージを出す”ことは適切か？ © 2025 スー 27
33. リスク回避の思考法(1)：「AIプレモータム」 ⼼理学者ゲーリー‧クライン提唱の「事前検死」を応⽤する プレモータムとは、事前に「このプロジェクトは⼤失敗した」と仮定し、その原因を探る思考法 広報への応⽤: 「このプレスリリースが⼤炎上したと仮定しよう。最悪のシナリオとその原因は何か？」と ⾃問する → 「競合A社を過度に刺激したからだ」→（対策）競合への⾔及を抑制するようプロンプトに追加。 → 「不適切なタイミングでの発表だった」→（対策）社会情勢を考慮するようプロンプトに追加。 この思考実験によって、「やってはいけないこと」という最も重要なコンテキストが浮かび上がる © 2025 スー 28
34. リスク回避の思考法(2)：「悪魔の代弁者」を⽴てる AI⾃⾝に、AIのリスクを指摘させる⾼度なテクニック 組織論で⽤いられる「悪魔の代弁者」の”役割”をAIに与える。 プロンプト例: 「あなたは私の指⽰に敢えて批判的な視点を持つ、優秀なリスク管理担当者です。これから私が⽰す指⽰で ⽣成される⽂章の潜在的リスクや考慮漏れを3つ挙げてください」 これにより、⾃分⼀⼈では思いつかないような多⾓的な視点やリスクをAI⾃⾝に発⾒させることができる © 2025 スー 29
35. 組織知への昇華：「コンテキスト‧チェックリスト」 暗黙知を「チームの資産」に変える • 3Cスキャンやプレモータムで⾒つかった「考慮すべきコンテキスト」。 • これらを特定業務（例：プレスリリース作成）ごとにチェックリスト化しましょう。 • □ 戦略的⽬的は明確か？ • □ 避けるべき表現はリストアップしたか？ • □ 競合の直近の動きは考慮したか？ このチェックリストは、AI活⽤のSOP（標準作業⼿順書）であり、個⼈の暗黙知をチーム全体の「集合 知」へと⾼める最⾼のナレッジマネジメント。 © 2025 スー 30
36. 結論：AI時代の広報担当者になろう “ 究極のプロンプト≠「完璧な指⽰書」 ＝「オンボーディング資料」+「専⾨家へ相談」 これからのAIを利⽤した広報は、コンテキストをデザインし、 対話をリードする必要がある。 © 2025 スー 31
37. まとめ 1 / 3 具体的な指⽰の「型」PCRフレームワーク • P (Persona): AIに役割を与える（例: 経験豊富なPRの専門家） • C (Context): 背景、目的、制約を伝える • R (Request): 期待する成果物の形式、構成、トーン＆マナーを具体的に伝える © 2025 スー 26
38. まとめ 2 / 3 出⼒がイマイチな時の「改善」サイクル：IDEA © 2025 スー 26 I = Isolate (問題の分離) プロンプトのどの部分が、期待とのズレを⽣んでいるのかを特定 D = Deconstruct (思考の分解) AI⾃⾝に思考プロセスを⾔語化させ、解釈の誤りを発⾒ E = Exemplify (模範例の提⽰) 具体的な⼿本（⼊出⼒例）を⽰すことで、AIの学習を促す A = Analyze (⾃⼰分析の要求) AI⾃⾝に評価基準を与え、出⼒を⾃⼰修正させる
39. まとめ 3 / 3 ⾒落としがちな「隠れた前提」を⾒つける思考法 • Context 3C Scan ◦ Customer（顧客/読者）、Company（企業/自社）、Culture（文化/社会）の3つ の視点から考慮漏れがないか自問自答 • AIプレモータム ◦ 事前に失敗を仮定し、その原因を探ることでリスクを特定 • 悪魔の代弁者 ◦ AIにリスク管理担当者の役割を与え、潜在的なリスクや考慮漏れを指摘させ る © 2025 スー 26