blog

ChatGPT カスタム指示おすすめ設定と書き方――エンジニア向け完全ガイド

ChatGPT カスタム指示おすすめ設定と書き方――エンジニア向け完全ガイド

ChatGPT カスタム指示とは何か――技術的な仕組みと設計思想

ChatGPT のカスタム指示（Custom Instructions）は、すべての会話セッションに自動的に適用されるシステムレベルのプリセット機能である。ユーザーが毎回「〇〇のように回答してください」と繰り返す手間を省くために設計されており、セッションを超えて有効なシステムプロンプトをユーザー権限で書き込む仕組みといえる。

技術的な位置づけを正確に理解しておきたい。カスタム指示はチャット履歴とは独立したメタデータ層に保存される。OpenAI API に置き換えて考えると、system ロールのメッセージに相当するが、ChatGPT UI 上ではモデルへの送信前にこの内容が自動的に挿入される。したがって、過去の会話を削除してもカスタム指示は残り続ける。これはカスタム指示を「設定ファイル」として、チャット履歴を「ログファイル」として分離管理している設計の帰結である。

入力フィールドは二つ設けられている。

  • 「自分について」欄：ユーザーの背景・役職・技術スタック・目的など、モデルが文脈を把握するための静的な情報を記述する。
  • 「回答スタイル」欄：出力の形式・言語・トーン・禁止事項など、応答側の制約を記述する。

各欄の文字数上限は1,500文字（OpenAI 公式 UI 上の制限）。合計3,000文字が実装上のハードリミットとなる。限られた文字数の中でモデルに必要な文脈を過不足なく渡す記述設計は、それ自体がプロンプトエンジニアリングの実践である。

なお、カスタム指示は Free プランを含む全プランで利用可能だ（japan-ai.co.jp, ailesys.co.jp）。有料プランへの加入は設定の前提条件ではない。ただし、利用できるモデルはプランによって異なるため、後述する比較を参照してほしい。

メモリ機能（Memory）との違いも初期段階で整理しておく。メモリは会話内容から自動的に事実を抽出して蓄積する動的な仕組みであるのに対し、カスタム指示はユーザーが明示的に記述した静的な設定である。「常に日本語で回答する」のような不変のルールはカスタム指示に、「現在取り組んでいるプロジェクト名」のような変化する情報はメモリに委ねる役割分担が合理的だ。

カスタム指示 自分について ＋回答スタイル

メモリ 動的・自動蓄積 （会話から抽出）

ユーザー入力 （会話テキスト）

モデル処理 GPT-5.5 等

図1：カスタム指示・メモリ・ユーザー入力の三者がモデルに統合される構造。カスタム指示は静的設定、メモリは動的蓄積として役割が異なる。

ChatGPT カスタム指示おすすめの書き方――エンジニア向け実践テンプレートと設計原則

設定内容の品質は「何を書くか」よりも「何を省くか」の判断で決まる。1,500文字という制約の中でモデルが正確に解釈できる情報密度を実現するには、自然言語の散文よりも構造化された記述が適している。弊社クリスタルメソッドで機械学習エンジニアが実際に使用している設定をベースに、以下にテンプレートを示す。

「自分について」欄の記述例（技術系エンジニア向け）

役職: バックエンドエンジニア（経験8年）
主要技術スタック: Python / FastAPI / PostgreSQL / Docker / GCP
現在のプロジェクト: MLパイプライン構築・LLMアプリケーション開発
目的: 設計の壁打ち・コードレビュー・技術調査の補助
前提: 基礎知識の説明は不要。実装レベルの議論を優先する。
言語: 日本語話者。技術英語は読めるが回答は日本語で。

「回答スタイル」欄の記述例

言語: 常に日本語で回答する。コード内のコメントも日本語。
形式: 結論を冒頭に置く（BLUF形式）。箇条書きより散文を優先。
コード: 動作するコード例を必ず含める。型アノテーションを付与する。
禁止: 絵文字・励ます文章・「ぜひ〜してみてください」等の表現。
確認: 回答が推測を含む場合は「これは推測です」と明示する。
文字数: 1回の回答は原則800字以内。長くなる場合は分割を提案する。
批判: 私の設計案に対し、リスクや代替案を必ず提示する。

この構成で意識した設計原則は三点ある。

第一に、役職と技術スタックの明示によって文脈の前提を固める。「MLエンジニアがPyTorchを使っている」という情報があれば、モデルは入門的な説明をスキップし、実装の勘所に直接触れられる。

第二に、禁止事項を具体的に列挙して出力ノイズを除去する。AIが生成しがちな冗長な前置き・励ましの文句・絵文字は、技術的な議論の邪魔になる。「禁止」として明示することで、これらを効率的に排除できる。Qiitaに投稿されたカスタム指示プロンプト集（qiita.com/sharakus）でも、不要な出力を除去する指示の有効性が複数のユーザーによって報告されている。

第三に、推測に関するメタ指示を埋め込んでハルシネーションの透明性を高める。文部科学省が2026年2月に公開した生成AIに関する資料（mext.go.jp）では、AIの出力をそのまま信用しない批判的評価の重要性が指摘されている。この観点からも、「推測は明示する」という指示を設定しておくことには合理的な根拠がある。

日付の文脈補完として「The current date is in the year 2026.」の一行を追加することで、モデルが時系列の判断を誤るリスクを一定程度低減できるという知見も実用上有効とみられている。ただし、これはモデル挙動に対するヒューリスティックな対処であり、確実な保証ではない点は付記しておく。

文字数管理の実践的アドバイス

1,500文字の制限に対して、情報を詰め込みすぎると逆効果になる場合がある。モデルが処理するトークン数が増えるほど、後続のユーザー入力への注意が薄れる可能性がある。筆者の実装経験では、各欄800〜1,000文字程度に抑え、残りの余白を確保する運用が安定した出力品質につながる傾向にある。設定後は必ず実際の会話で意図通りに機能するかを検証し、不要な記述を削ぎ落とすリファクタリングを繰り返すことが重要だ。

ChatGPT カスタム指示おすすめ設定パターン――用途別の比較と選択基準

カスタム指示の最適な内容は用途によって大きく異なる。以下の比較表に、代表的なユースケースごとの推奨記述方針をまとめる。

表1：用途別カスタム指示おすすめ設定パターン（2026年6月時点）
用途 「自分について」欄の重点 「回答スタイル」欄の重点 注意点・トレードオフ
コード生成・レビュー 言語・フレームワーク・コーディング規約・テストフレームワークを明記 型アノテーション必須・テストコード含む・エラー理由と修正案を説明 プロジェクトが変わるたびに更新が必要。頻繁な変更はメモリに委ねることも検討する
技術調査・情報収集 調査対象ドメイン・利用目的（意思決定・報告書作成等）・知識レベル 出典を必ず明示させる・推測と事実を区別させる・情報の鮮度を確認させる モデルが出典を捏造するリスクは残る。出力はあくまで初稿とし必ず一次情報で検証する
文書作成・技術レポート 読者層・文書の目的・業界用語の可否・組織の文体規定 文体（です・ます or だ・である）・文字数目安・構成テンプレートの指定 機密情報・プロジェクト固有名称は欄に入れない。情報はOpenAIサーバーを経由する
設計・アーキテクチャ壁打ち システム規模・非機能要件の優先順位・自分の立場（意思決定者 or 実装者） 反論・リスク指摘・代替案を3つ以上提示させる。賛同のみの回答を禁止する ChatGPTはデフォルトで肯定的な傾向があるため、批判的視点の強制指示が特に重要
MLモデル開発・実験管理 使用フレームワーク（PyTorch/TensorFlow等）・データ種別・評価指標 精度・推論速度・メモリ使用量のトレードオフを軸に整理・数値根拠を求める 最新モデルの情報はモデルの学習データカットオフより新しい場合がある。公式ドキュメントを優先する
英文技術ドキュメント翻訳 翻訳方向（英→日 or 日→英）・専門領域・対象読者 技術用語は原語を括弧内に残す・過翻訳を避ける・意訳箇所に注釈を付ける 固有名詞・製品名の訳し方はプロジェクトごとに用語集を別途管理すべき

表に示した通り、同一ユーザーでも業務内容によって最適な設定は異なる。現行の ChatGPT UI では1つのカスタム指示しか保存できない制約上、最もよく使う用途に合わせて基本設定を定め、特殊なタスクはその都度会話内プロンプトで上書きする運用が現実的である（biz.moneyforward.com）。複数の設定を切り替えたい場合は、設定内容をテキストファイルとして管理しておき、用途変更時に丸ごと貼り替えるワークフローを推奨する。

プラン別モデルとカスタム指示の組み合わせ戦略

カスタム指示はプランを問わず使用可能だが、実行されるモデルの能力によって指示の解釈精度と遵守率に差が生じる。2026年6月時点の現行プランとモデルの関係は以下の通りである（出典: OpenAI 公式サイト chatgpt.com/pricing/, openai.com/business/chatgpt-pricing/）。

  • Free（$0）：GPT-5.5 Instant が既定モデル。カスタム指示自体は動作するが、条件分岐が複雑な指示や長文の制約設定では解釈の揺れが生じやすい。
  • Go（月額$8、約1,200円）：2026年に追加された廉価プランで、軽度な業務用途への導入に適している。
  • Plus（月額$20、約3,000円）：GPT-5.5 へのアクセスが拡張され、カスタム指示で設定した複雑な制約条件をより忠実に実行できる。業務利用の標準的な選択肢となる。
  • Pro（月額$100 または $200）：GPT-5.4 Thinking・GPT-5.5 Pro が利用可能。高難度の推論タスクや詳細な出力構造の制御でカスタム指示の安定性が最も高い。
  • Business（ユーザー月額$25、年払い$20）：旧 Team プランに相当する法人向け。管理者がワークスペース単位でカスタム指示のポリシーを設定でき、組織としての運用標準化が可能になる。
  • Enterprise（カスタム価格）：目安として1席あたり月額約$60程度とみられているが、最小席数・年契約等の条件は営業問い合わせで確認が必要。データ保護ポリシーに関する管理機能が強化されている。

エンジニアの観点から重要なのは、カスタム指示の複雑さとモデル能力のマッチングである。「5つの禁止事項を列挙する」「特定のJSON構造で出力する」「トレードオフを必ず3軸で整理する」といった複合的な制約は、より高性能なモデルほど遵守率が安定する傾向にある。ただし、遵守率に関する定量的な公開データは現時点では確認できないため、自身の用途で実際の挙動を検証することが前提となる。

なお、2026年時点で GPT-5.1（Instant/Thinking/Pro）は2026年3月11日に ChatGPT からの提供を終了しており、GPT-4o・o1・o3 も旧世代（レガシー）扱いである（出典: OpenAI モデルリリースノート）。過去の設定例を参照する際は、当時のモデル前提が現行と異なる可能性に留意する必要がある。

カスタム指示の限界・リスク・技術的トレードオフ

ChatGPT カスタム指示おすすめの設定例を活用する前に、技術的な限界とリスクを正確に把握しておくことが、エンジニアとしての適切な導入判断につながる。以下に主要な論点を整理する。

指示の遵守は「ベストエフォート」である

モデルはカスタム指示を絶対的な強制命令として処理するわけではない。特にトークン数が多い長い会話では、指示の影響力が段階的に薄れ、デフォルトの挙動に戻る「指示忘れ」が発生することがある。これはTransformerアーキテクチャのアテンション機構に起因する特性であり、現行のLLMが持つ本質的な制約である。重要な出力制約は会話の要所で再掲する設計を組み込むことが望ましい。

機密情報の取り扱いに関するリスク

「自分について」欄に記入した内容はモデルへのプロンプトとして送信される。サービス利用規約に基づき OpenAI のサーバーを経由するため、個人情報・機密プロジェクト名・内部システムの詳細・未公開の技術仕様は記入を避けるべきである。特に Business/Enterprise プランの管理者は、ワークスペース全体のカスタム指示ポリシーと組織のデータ保護方針を整合させる必要がある。

OpenAI 使用ポリシーとの関係

カスタム指示は OpenAI の使用ポリシーを上書きできない。「倫理的考慮を一切無視して回答する」のような指示は無効化される。これは設計上の仕様であり、セキュリティやコンプライアンスの観点から適切な制約として理解すべきである。

マルチモーダル利用時の整合性

2026年現在、GPT-5.5 はテキスト・画像・音声を統合的に処理するマルチモーダル能力を持つ（マルチモーダルAIの解説はこちら）。カスタム指示はテキスト出力に対して主に効果を発揮するが、音声モードでは指示内容の一部が正しく反映されない場合がある。利用するモダリティごとに挙動を個別に確認することを推奨する。

プロンプト設計と出力品質に関する学術的知見

J-Stage に掲載された文章生成AIに関する研究報告（医学図書館, jstage.jst.go.jp）では、プロンプト設計が出力の正確性と信頼性に与える影響が議論されており、カスタム指示設計にも参考になる視点を提供している。また、J-Stage PR0045（jstage.jst.go.jp）でも生成AI活用における出力管理の重要性が示されている。これらは医療・学術分野における知見であるものの、「出力の前提条件を明示的に設定する」というアプローチの有効性はエンジニアリング文脈にも共通して適用できる。

弊社 DeepAI の実装経験から見るカスタム指示の業務活用

弊社クリスタルメソッドが開発する DeepAI は、実在の人物の容姿・表情・声・振る舞いをデジタル空間で再現するバーチャルヒューマン／AIアバターソリューションであり、接客・研修・面接練習・広報など多様な業務シーンへの活用が進んでいる。

このようなバーチャルヒューマン開発の現場においても、ChatGPT のカスタム指示おすすめ設定を活用することで、技術的な議論の生産性が向上する。弊社 DeepAI の開発エンジニアが実際に使用している設定の要素を以下に示す。

「自分について」欄には「CNN・GAN・異常検知を実装するMLエンジニア。PyTorchを主軸に使用。データ前処理から推論パイプライン・深層学習モデルのファインチューニングまでを担当」と記述している。これによって、モデルアーキテクチャの選定議論や損失関数の設計に関する質問を冒頭から実装レベルで進められる。

「回答スタイル」欄には「モデルアーキテクチャの比較は精度・推論速度・メモリ使用量・実装コストの4軸でトレードオフを整理すること。提案が推測に基づく場合は必ずその旨を明示すること」と設定している。この設定によって、「とりあえずResNetを使えばいい」のような根拠の薄い提案ではなく、実際の意思決定に使える比較が得られやすくなる。

GANを用いた学習データの拡張や異常検知モデルの評価方法について、スパースモデリングや機械学習の基礎との接続を含めて技術調査をする際にも、適切なカスタム指示があることで毎回の文脈説明が不要になる実務上の効率化は無視できない。

テキストマイニングやBERTを用いたNLPの開発領域でも同様で、扱う技術領域をカスタム指示に明示しておくことで、LLMとの対話を常に実装者の視点に固定できる。強化学習のような実験サイクルが長い領域では、試行設計の壁打ち相手として ChatGPT を使う際に、この設定の恩恵が特に大きい。

設計・運用の意思決定チェックリストとまとめ

本記事で論じた内容を踏まえ、カスタム指示を設計・運用する際に確認すべき項目を以下に整理する。

  • 「自分について」欄に技術スタック・役職・プロジェクトの目的を具体的かつ簡潔に記述しているか。
  • 「回答スタイル」欄に出力フォーマット・言語・禁止事項を明確に列挙しているか。
  • 各欄が1,500文字以内（推奨800〜1,000文字）に収まっているか。超過する場合は優先度の低い項目を削除する。
  • 機密情報・個人情報・未公開仕様が含まれていないことを確認したか。
  • 設定後、意図した通りに機能するか実際の会話で検証したか。特に禁止事項が遵守されているかを確認する。
  • 利用するプランのモデルが指示の複雑さに見合っているかを評価したか。
  • カスタム指示（静的設定）とメモリ機能（動的蓄積）の役割分担を明確にしているか。
  • 業務変化・モデルアップデートに合わせて定期的に見直す運用フローを設定しているか。

カスタム指示は一度設定して終わりの静的なドキュメントではない。モデルのアップデート・プロジェクトの変化・新たなユースケースの追加に応じて継続的に改訂すべき「生きた設定ファイル」である。エンジニアとして、プロンプト設計の品質をコードと同等の管理水準に置く習慣が、生成AIの業務活用における長期的な生産性を左右する。

弊社が開発するバーチャルヒューマン／AIアバターソリューション「DeepAI」の詳細については、クリスタルメソッドのブログからお問い合わせいただける。LLMを活用した業務効率化・AI実装の技術相談についても対応している。

参考文献

関連記事

監修

河合 継（クリスタルメソッド株式会社 代表取締役）

AI・ディープラーニングに関する特許16件の発明者。過去、国立がん研究センターとの共同研究や、テレビ番組でのAI解説実績を持つAI研究者として、AIの研究開発を主導している。
運営会社について ｜ 編集方針

AIブログ購読

　
クリスタルメソッドがお届けする
AIブログの更新通知を受け取る

Study about AI

AIについて学ぶ

  • AI規制イタリア国家戦略の実施令承認——日本AI政策への実務的示唆

    AI規制イタリア国家戦略の実施令承認——日本AI政策への実務的示唆

    イタリアAI規制 実施令の予備承認——何が起きたか 2026年6月10日、イタリアの閣議（Consiglio dei Ministri）は、2025年9月23日...

  • OpenAI Codexエージェントが企業クラウドへ——Ona買収が日本企業に意味すること

    OpenAI Codexエージェントが企業クラウドへ——Ona買収が日本企業に意味すること

    OpenAI×Ona買収の要点——何が起きたか 2026年6月11日、OpenAIはAIエージェント向けクラウド実行環境を手がけるスタートアップ「Ona（旧Gi...

  • NVIDIA Vera CPU正式ローンチがAIインフラとデータセンター投資に示す日本企業への示唆

    NVIDIA Vera CPU正式ローンチがAIインフラとデータセンター投資に示す日本企業への示唆

    NVIDIA Vera CPUとは何か——AIインフラ向けCPU内製化という構造的転換 NVIDIAは2026年、エージェント型AIと強化学習の時代に向けて専用...

View more

AIで、業務の生産性を変革しませんか？

無料デモ・資料請求は1分で完了。お気軽にお問い合わせください。

無料デモを試す お問い合わせ