「あなたはプロの〇〇です」と書くだけで、AIの回答が正確になるとは限りません。役割指定は、文体や確認する観点を伝えるために使えます。事実の正しさは、資料との照合で別に確かめます。
プロンプトとは、AIに渡す指示や入力のことです。例えば「社内向けに、この資料を要約してください」が該当します。この記事では、役割指定の研究と実務での使い分けを整理します。
先に決めるのは、肩書きよりも完成条件です。
誰に、何を、どの資料を使って、どんな形で伝えるか。この条件を揃えてから、役割の有無を比較しましょう。
「あなたはプロの〇〇です」は効果がない？
事実の正しさと、文体や観点の調整は分けて判断します。「役割指定はすべて不要」とは言えません。研究が何を評価したのかを確かめましょう。
役割指定と正確さを分けて考える
ロールプロンプティングとは、AIに役割を与える指示方法です。例えば「あなたは社内報の編集者です」と伝えます。役割を付けた回答も、誤りがないかの確認は必要です。
2025年12月の研究報告は、6モデルを客観的な選択式問題で評価しました。専門家の役割による正答率の改善は、モデル間で一貫しませんでした。一部には例外もあり、すべての用途で無効という結果ではありません。
この研究が測ったのは正答率です。文章の読みやすさや、自社の文体への適合とは別の評価です。研究者も、役割指定が文体を変える用途は区別しています。
出典（◐ 要旨を確認）：Basilほか「Prompting Science Report 4」（2025年12月公開の研究報告・プレプリント〈査読済み論文とは区別する公開原稿〉）。対象はGPQA DiamondとMMLU-Proの問題です。日本語の企業ブログでの成果を直接検証した研究ではありません。
役割は、見る観点や文体を伝える補助にする
Anthropicの公式資料では、役割指定を振る舞いや文体の調整に使います。専門家の名前を付ければ、事実が正しくなるという意味ではありません。
「あなたは一流の編集者です」だけで終えず、担当する作業を添えます。例えば「採用記事を、応募者が仕事内容を理解できるかという観点で確認」と伝えます。
出典（✓ 本文確認済み）：Anthropic「Prompting best practices」の役割指定（2026年9月24日確認）。これはClaude向けの資料です。
迷ったときの使い分け早見表
役割を残すかどうかは、実際の回答で判断します。次の表は、発信担当者が試すための編集部の整理です。
スマートフォンでは表を左右にスクロールできます。
| 目的 | 先に指定する条件 | 役割の使い方 |
|---|---|---|
| 事実を確かめる | 参照資料、確認対象、不明時の扱い | 肩書きで正確さを保証しない |
| 自社らしく書く | 読者、文体、採用した文章の例 | 編集者などの視点を補足する |
| 原稿を点検する | 誤記、根拠、読み手の疑問などの基準 | 誰の視点で読むかを伝える |
| 複雑な仕事を進める | 作業順、各段階の成果物、確認担当 | 役割だけで手順を省かない |
回答が曖昧なときに見直す6つのポイント
まず目的と資料を整え、必要に応じて例や作業順を補います。以下は、発信業務で試すための見直し項目です。すべてを一度に加えず、困っている点から変えてみてください。
1．目的と完成条件を書く
「良い記事を書いて」では、何をもって完成とするかが伝わりません。「採用候補者が仕事内容を理解できる紹介文」まで具体化します。文字数だけでなく、含める内容も指定しましょう。
例えば、業務内容・入社後の流れ・担当者の支援を含めます。評価時にも、同じ項目が揃っているかを確認できます。
2．使う資料と使わない情報を区切る
会社案内と担当者メモを渡す場合は、見出しで資料を分けます。「確認済みの会社案内を優先」「メモの不明点は質問」と伝えます。古い資料と新しい資料が混ざるなら、日付も付けます。
資料にない実績や顧客の発言は、補って作らせないようにします。出力に参照箇所を添えさせ、人が原文と照合します。入力前には、利用中のサービスに渡せる情報かも確認してください。
3．形式が合わないときは例を添える
フューショットとは、入力と望む出力の例を添える方法です。例えば、社内で採用した紹介文を示します。ただし、例を入れた方がよいかは、モデルや作業によって異なります。
推論モデルとは、回答前の検討に時間を使うよう設計されたAIです。利用サービスの公式説明で、選んだモデルの種類を確認してください。
OpenAIの推論モデル向け資料は、まず例なしで試す方法を案内しています。複雑な出力要件では、指示に合う例を追加します。例の本数を全サービス共通の正解にはしません。
出典（✓ 本文確認済み）：OpenAI「Reasoning best practices」（2026年9月24日確認）。推論モデル向けの指針です。
4．作業を分け、途中の成果物を確認する
要約・構成・執筆を一度に頼むと、誤った要約から原稿が進むことがあります。「資料から事実を抽出」「構成を作成」「承認後に本文」の順で進めます。
各段階で確認する対象を決めるのがポイントです。事実抽出なら、項目ごとの出典と未確認事項を返してもらいます。人の承認を挟む場合は、その段階で止める指示も付けます。
5．自己点検は、根拠の照合と組み合わせる
AIに原稿を点検させるときは、「もっと良くして」だけで済ませません。「資料にない数字」「主語の不明確さ」「読者の疑問」のように基準を伝えます。
AIの自己評価だけで、事実確認を終えないでください。修正後に新たな誤りが入ることもあります。改善の回数を一律に2回とせず、合格条件と作業時間の上限で区切ります。
6．別の案や視点は、人が比較して採用する
採用記事なら、応募者と現場責任者の視点で不足を洗い出します。複数案を比べるときは、共通点だけでなく意見が分かれた点も残します。
複数のAIが同じ答えを出しても、正しい証明にはなりません。最終的には資料・社内ルール・読者の目的に照らして採用します。
「ステップ・バイ・ステップ」は毎回必要？
すべてのモデルに、思考過程の書き出しを求める必要はありません。OpenAIは、推論モデルにはそのような指示が不要と案内しています。一般のモデルやすべてのサービスに同じ結論を当てはめないでください。
業務上の確認には、根拠・前提・計算式・未確認事項を求めます。これは、内部の思考過程をすべて開示させることとは異なります。説明がもっともらしくても、資料との一致は人が確認します。
出典（✓ 本文確認済み）：OpenAIの推論モデル向け公式指針（2026年9月24日確認）。
そのまま試せる指示例と比較方法
以下は架空の業務を想定したひな形です。特定モデルでの実測結果や、効果を保証する例ではありません。
採用記事の原稿を依頼する例
目的：応募者が仕事内容を理解するための紹介文を作る。 読者：この業種で働いた経験がない人。 資料：この下に、公開してよい確認済みの会社資料を貼る。 作業：まず資料から使える事実と不足情報を整理する。 不足情報：推測で埋めず、確認したい質問として返す。 出力：事実の一覧、資料の参照箇所、質問の順。 停止条件：ここでは本文を書かず、私の確認を待つ。 【会社資料】 （ここに資料を貼る）
文体も指定したい場合は、役割を補足できます。例えば「社内の編集担当として、専門用語を日常語に言い換える」と添えます。情報が不足していれば、役割を足す前に資料を補いましょう。
役割指定だけを変えて比較する
- 実務で使う入力例を選び、合格条件を先に書きます。
- 同じモデル・資料・設定で、役割なしの指示を試します。
- 新しい会話で、役割の一文だけを加えた指示を試します。
- 資料との一致、形式、修正の手間を同じ基準で比べます。
- 複数の入力例・試行で確かめ、採用した版と理由を保存します。
新しい会話でも、サービスの保存設定などが影響する場合があります。利用モデル・日付・設定を記録して条件を揃えます。1回の回答だけで、役割指定全般の効果を決めないようにしましょう。
| 確認項目 | 役割なし | 役割あり |
|---|---|---|
| 資料にない事実の追加 | 件数と内容を記録 | 件数と内容を記録 |
| 指定した形式への適合 | 満たした点・不足点 | 満たした点・不足点 |
| 人が直した箇所と時間 | 修正内容と所要時間 | 修正内容と所要時間 |
| 採用判断 | 採用する版、理由、次に試す条件 | |
うまくいった指示は、使用した資料や失敗例と一緒に保存します。担当者が替わっても検証を引き継げるため、発信の仕組みが資産として蓄積します。
よくある質問
「あなたはプロです」は消した方がよいですか？
一律に消す必要はありません。役割が作業の観点や文体を伝えているなら残せます。正確さを求める場合は、役割だけに頼らず根拠と確認方法を指定します。
役割指定の研究はChatGPTにもそのまま当てはまりますか？
研究で評価したモデル・問題・条件の範囲を確認してください。アプリの設定や更新で条件が変わります。自社の作業で同じ結果になるとは限りません。
チップや罰の文言を付ける必要はありますか？
実務では、まず完成条件と資料を明確にすることを勧めます。効果を確かめるなら、その一文だけを変えて比較します。全モデルで有効、または全モデルで無効とは断定しません。
AIが「問題ありません」と答えたら公開できますか？
その回答だけで公開判断をしないでください。人が出典・数字・固有名詞・公開してよい情報かを確認します。AIには、確認した項目と未確認の項目を分けて返してもらいます。
役割指定あり・なしはどう比べますか？
モデル・資料・設定を揃え、役割の一文だけを変えて試します。複数の入力例で、資料との一致や修正の手間を確認します。使った条件と採用理由も残してください。
まとめ｜役割より先に完成条件を揃える
役割指定の一文だけで、回答の正確さは保証できません。目的・読者・資料・出力形式を伝え、文体や観点の補助として役割を使います。
試すときは、役割の有無だけを変えて比べましょう。事実確認は人が行い、採用した指示と判断理由を保存します。
次に読む記事と更新履歴
- 業務別の指示例を増やす：AIライティングのプロンプト集
- 繰り返す作業の手順をまとめる：ChatGPT Skillsの使い方と作成手順
- 利用するサービスを比較する：ChatGPT・Claude・Geminiの比較
2026年9月24日更新：役割指定の正答率と文体調整を区別しました。全用途で無効とする断定、自己点検の回数上限、思考過程の開示を一律に勧める説明を修正。研究の対象範囲、指示例、比較用の記録表を追加しました。
