プロンプトエンジニアリング

「同じことを頼んでいるのに、日によって答えの出来がばらつく」。生成AIを仕事の道具として使いはじめた会社が、最初にぶつかる壁です。頼み方を工夫すれば良い答えが返ってくることまでは分かった。けれど、その工夫を書いた本人しか再現できない——ここから先を扱うのがプロンプトエンジニアリングです。この記事では、プロンプトエンジニアリングとは何か、なぜ「エンジニアリング」と呼ばれるのか、代表的な手法、見積や施工計画といった建設業での使いどころ、そして社内の技術として根づかせる進め方までを整理します。

プロンプトエンジニアリングとは

プロンプトエンジニアリングとは、生成AIから狙った品質の答えを安定して引き出せるように、指示文（プロンプト）を設計し、実際に試し、結果を見て直していく一連の技術を指します。日本語では「指示文の設計」と訳されることもあります。

混同されやすいのですが、プロンプトがAIに渡す文章そのものを指すのに対し、プロンプトエンジニアリングはその文章をどう作り、どう良くしていくかという進め方を指します。1枚の図面と、図面を描いて検図して直す一連の設計業務。この関係に近いと考えると整理しやすくなります。

なぜ「エンジニアリング」と呼ぶのか

生成AIの中身であるLLM（大規模言語モデル）は、渡された文章をもとに、続く言葉を確率的に選びながら答えを組み立てています。同じ質問でも毎回まったく同じ文章が返るとは限りません。つまり、指示文の良し悪しは頭の中だけでは決められず、実際に何度か走らせて確かめるしかない。この「作って、試して、直す」という反復の性格が、エンジニアリングという言葉が使われる理由です。

Anthropicが公開しているプロンプトエンジニアリングの解説では、取りかかる前に「その用途で何をもって成功とするかの定義」「その基準に対して実際に試せる手段」「改善したい初稿のプロンプト」の3つをそろえておくことが前提として挙げられています（Claude Platform Docs「Prompt engineering overview」）。裏を返せば、合格ラインを決めずに指示文だけをいじり続けても、良くなったかどうかを判断できないということです。

1. 1

   合格ラインを決める

   「元請にそのまま出せる日報になっていること」「拾い漏れが3項目以内であること」のように、人が見て○×を付けられる基準を先に言葉にします。ここが曖昧なままだと、この後の作業がすべて感想になります。

2. 2

   試す材料をそろえる

   過去の現場メモや仕様書を5〜10件ほど手元に用意します。1件でうまくいっただけでは偶然と区別がつきません。ばらつきの大きい案件をあえて混ぜておくのがコツです。

3. 3

   一か所ずつ直す

   出力形式の指定を足す、禁止事項を1行加える、といったように変更点は一度に1つ。まとめて直すと、どの変更が効いたのか分からなくなります。

4. 4

   型として残す

   合格ラインを満たした指示文を、そのまま共有できる形にします。ここまでやって初めて、書いた本人以外にも使える状態になります。

最後の「型として残す」段階では、現場名や日付など毎回変わる部分を空欄にしたテンプレートにして、共有フォルダに置きます。ここまでやって初めて、書いた本人以外にも同じ品質で使える状態になります。逆にここを飛ばすと、その担当者が異動した時点で振り出しに戻ります。

AI侍

名人の勘は、書き残さねば一代で絶えるものでござる。よう効いた頼み方は、その場で紙に留めておくのが肝要。腕ではなく、型を残しなされ。

代表的な手法

手法には名前が付いていますが、やっていること自体は難しくありません。人に仕事を頼むときの工夫と、ほとんど同じです。よく使われる5つを、建設業の場面に置き換えて見ていきます。

見本を見せる（Few-shot）

望む答えの例をいくつか一緒に渡す手法です。「この書式で」と言葉で説明するより、過去の日報を2〜3枚そのまま貼るほうが早く正確に伝わります。社内独特の言い回しや略語も、例文の中に入っていれば真似してくれます。例を渡さない頼み方はZero-shotと呼ばれ、簡単な作業ならこれで十分です。

考える手順を踏ませる（Chain-of-Thought）

答えだけを求めず、「順を追って考えてから結論を書いて」と伝える手法です。頭文字からCoTとも呼ばれます。数量の集計や、条件が絡む判断のように途中の筋道がある仕事ほど効きます。おまけに、途中の考え方が見えるので、どこで間違えたかを人が追えるようになります。

役割と制約を与える

「あなたは木造住宅を手がける工務店の現場監督です」と立場を指定するのがロールプロンプティング、「メモにない数量は推測で補わない」「不明点は要確認と書く」のように禁止事項を添えるのが制約の指定です。特に制約は、作り話が混ざるのを抑える効き目があります。

情報のかたまりを区切る

「ここからが仕様書の本文」「ここからが依頼内容」と、渡す材料の境目をはっきりさせる書き方です。見出しを付けたり、タグのような記号で囲んだりします。長い資料を貼り付けるときほど差が出ます。区切りがないと、AIが資料の中の一文を指示だと勘違いすることがあります。

仕事を分けて渡す（プロンプトチェーン）

一度にすべてを頼まず、「資料から数量を抜き出す」「抜き出した数量を表に整える」「表から見積書の下書きを作る」と段階に分け、前の答えを次の入力にしていく進め方です。工程を分けるほど各段階の精度が上がり、途中で人がチェックを挟めるという利点もあります。

建設業での使いどころ

効果が出やすいのは、書式が決まっていて中身だけが毎回変わる仕事です。型にはめられるということは、テンプレート化しやすいということでもあります。

• 見積・拾いの下ごしらえ：仕様書や依頼メールから工種・数量・特記事項を抜き出し、一覧に整える。金額の判断は人が握り、抜け漏れの洗い出しまでを任せる
• 施工計画書・安全書類の初稿：現場条件を渡して、想定される危険と対策のたたき台を出させる。経験の浅い担当者でも、抜けの少ない下書きから始められる
• 日報・作業報告：走り書きや音声入力したメモを、決まった項目に整形する。「専門用語はそのまま残す」といった制約を添えると手直しが減る
• 書類のチェック：提出前の書類を渡し、決められた項目が埋まっているか、日付や工事名の食い違いがないかを洗い出させる
• 施主・元請向けの文面：ぶっきらぼうに書いた要件を、相手に応じた言葉づかいに整える

実際の導入例として、清水建設は生成AIアシスタントを2025年4月から全社展開し、5月以降の説明会やハンズオンセミナーを経て利用者が2,000名超に増えたと発表されています（株式会社Lightblue プレスリリース、2025年7月4日）。同社は膨大な施工要領書や基準書を検索・参照できる「技術文書アシスタント」を主な用途に挙げており、トライアルで検索時間の短縮が確認できたこと、若手への知識継承が進む可能性があることを全社導入の判断理由としています。ここで使われているのが、社内文書を検索したうえで答えさせるRAG（検索拡張生成）の仕組みです。

RAG・ファインチューニングとの使い分け

「AIが自社のことを知らない」という悩みへの打ち手は、プロンプトエンジニアリングだけではありません。似た目的の選択肢が3つあり、順番を間違えると費用ばかりかかります。

• プロンプトエンジニアリング：必要な前提をその都度、指示文に書いて渡す。費用がかからず、今日から試せて、直したい箇所をすぐ直せる
• RAG（検索拡張生成）：社内文書を検索させ、見つかった内容をもとに答えさせる。毎回ファイルを貼る手間がなくなり、資料が増えても仕組み側で吸収できる
• ファインチューニング：モデル自体に追加学習させる。自社独特の文体や判断を深く覚えさせられる一方、費用と手間が大きく、直すたびにやり直しになる

実務ではプロンプトの工夫で足りるかを先に確かめ、限界が見えたらRAGを検討するという順番が現実的です。プロンプトで解ける課題にいきなりファインチューニングをあてるのは、蛇口の水漏れに配管の引き直しを提案するようなもの。どこまでを指示文で吸収し、どこから仕組みにするかの線引きについては、AI番頭の支援サービスでもご相談を承っています。

メリットと注意点

この「もっともらしい嘘」はハルシネーションと呼ばれます。プロンプトの工夫は発生を減らしますが、ゼロにはできません。もうひとつ、入力してよい情報の線引きも先に決めておく必要があります。個人情報、図面、原価、契約金額。どのサービスに何を入れてよいかを会社として決めてから広げる順序については、情報漏洩対策のページで整理しています。

なお、発注者側でもルール整備が進みつつあります。国土交通省が直轄土木のコンサルタント業務で生成AIの活用を進め、業務発注時の特記仕様書に基本的な活用ルールを順次明記していく方針だと報じられています（日刊建設工業新聞、2026年4月21日）。使うかどうかを各社が自由に決める段階から、使い方を発注者と共有する段階へ移りつつある、という流れは押さえておきたいところです。

社内のスキルとして根づかせる

プロンプトエンジニアリングは、すでに個人の趣味ではなく、育成対象の職業スキルとして位置づけられています。経済産業省とIPAは2023年8月に「生成AI時代のDX推進に必要な人材・スキルの考え方」を取りまとめ、あわせてデジタルスキル標準を改訂し、プロンプトエンジニアリングを含む生成AI関連の項目を追加しました（経済産業省、2023年8月7日公表）。国が示す人材像の中に、この技術が明記されているということです。

懸念の一番手が「効果的な活用方法がわからない」であることは、示唆的です。導入を阻んでいるのは技術の壁ではなく、自社のどの仕事にどう当てはめるかが見えないこと。だとすれば、いきなり全社に配るより、型にはまる業務をひとつ選んで指示文を作り込み、その1本を横展開するほうが早く進みます。

1. 1

   対象業務をひとつ選ぶ

   毎週発生し、書式が決まっていて、間違えても取り返しがつく仕事から選びます。日報、議事録の整理、社外メールの下書きあたりが手堅い候補です。

2. 2

   合格ラインを言葉にする

   「手直しなしで提出できる」「担当者が読んで5分以内に確認が終わる」など、使う本人が○×を付けられる形にします。

3. 3

   使う人に渡して直してもらう

   作った担当者ではなく、実際に毎日その業務をしている人に使ってもらいます。物足りない部分を本人に書き足してもらうほど、現場の言葉が入って実用に近づきます。

4. 4

   共有フォルダに置いて見直す

   月に一度、使われていないテンプレートを消し、よく使うものを短く整えます。AI側の性能も業務の様式も変わるため、置きっぱなしにすると古びます。

この進め方は、いずれ人が指示を書かなくなる段階——複数の手順を自分で判断して進めるAIエージェントを使う段階——でも無駄になりません。何を良しとするかの基準と、業務を工程に分けて記述する力は、そのまま次の段階の設計図になるからです。導入の進め方でお困りでしたら、無料相談からお気軽にご相談ください。

よくある質問

関連用語

プロンプトエンジニアリングは、難しい理論を覚える技術ではありません。合格ラインを決め、試し、一か所ずつ直し、型として残す。この地道な回し方ができるかどうかだけで、生成AIが「たまに便利な道具」で終わるか、毎日の事務を任せられる存在になるかが分かれます。まずは、今週いちばん面倒だった書類仕事をひとつ思い浮かべるところから始めてみてください。

出典・参考