ChatGPTプロンプトの書き方と用途別の例文集【2026年版】

ChatGPTプロンプトを構成する4要素と基本フレーム

ChatGPTに良質なアウトプットを出させるには、プロンプト（指示文）の構造を整えることが最初の一歩となる。現場でよく起きる失敗は「思ったような答えが返ってこない」ではなく、「どの方向性で書けばいいかわからず、指示が曖昧なまま送信してしまう」という点にある。指示の粒度が粗いまま送信しても、ChatGPTは「なんとか答えを出す」方向に動くため、表面上は回答が返ってくる。しかしその回答が実務で使えるかどうかは、プロンプトの組み立て方にかかっている。

実務で使い回しやすいChatGPTプロンプトは、次の4要素で構成されている。

要素	何を指定するか	記述例
① 役割（Role）	ChatGPTに演じさせる専門家像	「あなたはBtoB営業の経験が10年以上あるマーケターです」
② 条件（Context）	対象・制約・背景情報	「読者は製造業の経営者。専門用語は最小限にする」
③ 出力形式（Format）	文字数・構造・語調	「200字以内の箇条書き3点にまとめてください」
④ 例示（Example）	期待するアウトプットの見本	「出力例：・〇〇のため〜 ・〇〇を活用し〜」

4要素がすべて揃わなくても使えるが、「① 役割」と「③ 出力形式」の2点を外すと回答の方向性が散漫になりやすい。まずこの2点を意識するだけで、ChatGPTから返ってくるテキストの質感は変わる。プロンプトエンジニアリングの体系的な理論（Few-shotやChain-of-Thoughtなど）は本記事では扱わない。理論を深く学びたい場合はChatGPT活用の基礎解説を参照してほしい。

ChatGPTプロンプト 改善前→改善後で見る「差」の正体

「改善前」のプロンプトに共通するのは、目的語が抽象的で出力形式の指定がない点だ。ChatGPTは指示の空白を自己判断で埋めるため、指定がなければ汎用的で長い回答を返しやすい。その結果、使いたい部分だけを探す二次作業が発生する。以下に用途別の対比を示す。

ビジネスメール

改善前

お礼メールを書いて

改善後（コピペ可）

あなたはビジネス文書の作成を専門とするアシスタントです。
以下の条件でお礼メールを書いてください。

【条件】
・送り先：先週の商談で自社サービスへの関心を示してくれた製造業の担当者（50代・部長職）
・用件：商談のお礼と、資料送付の案内
・語調：丁寧かつ簡潔。押しつけがましい表現は避ける
・文字数：件名含め200字以内

【出力形式】
件名／本文の順で出力してください。

改善後は「誰が」「何を伝えるか」「どんな語調で」「何文字で」が明示されている。このレベルの指定があれば、2026年7月時点でChatGPTの既定モデルであるGPT-5.5 Instantでも、実務に即したメールが1回の送信で出力される（出典：OpenAI「Introducing GPT-5.5」）。

要約

改善前

この文章を要約して

改善後（コピペ可）

あなたはコンテンツ編集の専門家です。
下記の文章を、以下の条件で要約してください。

【条件】
・読者：この分野の知識がない経営層
・分量：箇条書き3点、各1文（40字以内）
・重要度の高い数値・固有名詞は残す
・平易な言葉に言い換えてよい

【対象文章】
（ここに要約したい文章を貼り付けてください）

「読者像」と「残すべき情報の優先度」を明示することで、要約の粒度がコントロールされる。「40字以内」の文字数制限が特に有効で、ChatGPTが冗長な説明を省くよう自律的に調整する。

企画出し

改善後（コピペ可）

あなたはBtoB向けコンテンツマーケティングの専門家です。
以下の条件で新規企画案を5つ提案してください。

【条件】
・テーマ：中堅製造業向けDXの情報発信
・媒体：自社オウンドメディア（ブログ）
・目的：問い合わせ獲得（資料ダウンロード）
・既存タイトルとの重複は避ける

【出力形式】
No. ／ タイトル案 ／ 想定読者の課題 ／ 期待するCTA
の表形式で出力してください。

「出力形式を表にする」指定は企画出しプロンプトで特に有効だ。箇条書きよりも比較・選択がしやすくなり、会議資料へそのまま転用できる形になる。

用途別コピペ可プロンプト：表・Excel作業 / コード / 学習

表・Excel作業

あなたはExcelの業務活用に詳しいアシスタントです。
以下の要件でExcel数式を作成してください。

【要件】
・シート名：売上管理
・D列に各行の「単価（B列）×数量（C列）」を計算する数式
・D列のセルが空白の場合は何も表示しない（IF関数を使用）

数式1行と、使用した関数の簡単な説明（2〜3行）を出力してください。

Excel作業では「シート名・列名・条件」の3点を明示すると、そのままセルに貼れる数式が返ってくる。「使用した関数の説明」を添えることで、数式の意味を確認しながら修正できる。

コード生成

あなたはPythonを専門とするエンジニアです。
以下の要件に従い、スクリプトを書いてください。

【要件】
・CSVファイルを読み込み、”売上”列の合計・平均・最大値・最小値を出力する
・ライブラリ：pandasのみ使用
・エラーハンドリング：ファイルが存在しない場合はメッセージを出力して終了
・コメントは日本語で記述

コードのみ出力してください（説明文は不要）。

「コードのみ出力」と末尾に添えると、不要な説明文が省かれ、そのままエディタに貼り付けられる状態で返ってくる。J-STAGEの研究（Fujii et al., 2024）では、ChatGPTはGitHub上の開発者コミュニティにおいてコーディング補助での活用が特に多いことが示されており、コードプロンプトの需要は現場でも高い（出典：J-STAGE「GitHub Issuesを通じたChatGPTの開発者利用における考察」）。

学習・試験対策

あなたは資格試験の指導経験が豊富な講師です。
以下の条件で問題演習セットを作成してください。

【条件】
・テーマ：簿記3級「仕訳の基礎」
・問題数：5問
・形式：取引文→借方・貸方を問う形式
・難易度：初学者向け（教科書レベル）

問題番号 ／ 取引文 ／ 解答 ／ 解説（2文以内）の順で出力してください。

学習用途では「難易度」の指定が最も効く。「初学者向け」と「応用レベル」とでは出力される問題の前提知識量が大きく変わる。解説の文字数も「2文以内」と明示しておくと、余計な補足が入らず復習に使いやすい。

上記のような用途別プロンプトは、ChatGPTのProjectsのシステムプロンプトとして登録しておくと、毎回入力する手間が省ける。繰り返し使う用途ほど一度テンプレート化しておく価値がある。国立国会図書館サーチに収録された「ChatGPTプロンプト逆引き！API活用ガイド」でも、用途別のプロンプト設計の重要性が指摘されている（出典：NDL Search）。

現場でよく起きるChatGPTプロンプトの失敗パターンと対処

プロンプトの質を下げる要因は「書きすぎ・曖昧すぎ・矛盾」の3つに集約される。いずれも「何を優先するかが不明確」という根本原因から生じる。

失敗パターン	現場での症状	対処
条件が多すぎる	どの条件を優先すべきか判断できず、回答が中途半端になる	条件を5つ以内に絞る。優先順位を明示する
出力形式の指定がない	長文の説明が返ってくる。使いたい部分だけを探す二次作業が発生する	「箇条書き〇点」「表形式」「〇字以内」を必ず添える
矛盾した指示	「簡潔に」かつ「詳細に」など相反する条件が共存し、出力がどちらも中途半端になる	「誰に」「何のために」を先に決めてから条件を組む
役割指定が抽象的	「専門家として」だけでは領域・立場が不明確で汎用回答が返る	「〇〇業界で〇年以上の経験を持つ〇〇職」と具体化する
1回で完成を求める	複雑なタスクを1プロンプトで済ませようとして品質が低下する	「まず構成案だけ」→「次に本文」と段階的に依頼する

特に「1回で完成を求める」失敗は、タスクが複雑になるほど顕著だ。企画書や提案資料のような多段構造を持つ成果物は、ステップを分けて対話を重ねる運用が現実的である。よろず支援拠点 福岡が公開するChatGPT活用セミナー資料でも、「段階的に対話を積み重ねる」ことがChatGPTを実務で活かす基本姿勢として紹介されている（出典：よろず支援拠点 福岡「これからはじめるChatGPTセミナー〜AIとの協働〜」）。

また、ChatGPTのプランによって利用できるモデルが変わる点にも注意が必要だ。2026年7月時点の既定モデルはGPT-5.5 Instantで、無料・有料プランを問わず利用できる。より高度な推論が必要な場面では、Plus以上のプランで利用できるモデルへの切り替えが有効な場合もある（出典：OpenAI公式料金ページ）。プラン選びの詳細はChatGPTの料金プラン比較で確認できる。

繰り返し使うプロンプトは、GPTsとして保存・再利用する運用が効率的だ。毎回同じシステムプロンプトを入力する手間が省け、用途ごとのカスタムGPTを使い分けられる。ChatGPT Canvasを使った文書・コードの共同編集と組み合わせると、ドラフト作成から修正までの流れを一つの画面で完結させられる。定型タスクの自動実行にはChatGPT Tasksによる定期実行も選択肢になる。

プロンプト設計で「何を評価軸にするか」を明確にする発想は、AI活用全般に通じる。弊社クリスタルメソッド株式会社が開発するDeepAIは、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、面接練習や接客ロールプレイングにおいて受講者の表情・感情・緊張度を発話タイムラインに沿って解析・可視化する機能を備えている。対話の品質を構造的に捉える点では、プロンプト設計と同じ設計思想が根底にある。業務自動化の文脈ではChatGPT Operatorによるエージェント操作も合わせて参照してほしい。

---

〈参考文献〉

• OpenAI 公式料金ページ「ChatGPT Pricing」: https://chatgpt.com/pricing/
• OpenAI 公式料金ページ（Business）「ChatGPT Business Pricing」: https://openai.com/business/chatgpt-pricing/
• OpenAI「Introducing GPT-5.5」: https://openai.com/index/introducing-gpt-5-5/
• OpenAI「Previewing GPT-5.6 Sol」: https://openai.com/index/previewing-gpt-5-6-sol/
• OpenAI「Model Release Notes」: https://help.openai.com/en/articles/9624314-model-release-notes
• 国立国会図書館サーチ「ChatGPTプロンプト逆引き！API活用ガイド」: https://ndlsearch.ndl.go.jp/en/books/R100000136-I1971430859805487535
• J-STAGE「GitHub Issuesを通じたChatGPTの開発者利用における考察」: https://www.jstage.jst.go.jp/article/fose/32/0/32_99/_article/-char/ja
• よろず支援拠点 福岡「これからはじめるChatGPTセミナー〜AIとの協働〜」: https://yorozu-fukuoka.go.jp/chatgpt-ai/