プロンプトエンジニアリングの学習は「型 → 自分の題材 → 確かめ方」の順
プロンプトエンジニアリングは、公式ガイドで型を学び、自分の仕事の題材で試す順に学ぶと身につきます。仕上げに、出力を確かめる仕組みを作ります。
プロンプトは、生成AIに渡す指示や質問の文のことです。
プロンプトエンジニアリングは、目的の出力が安定して得られるよう、指示を設計して直す技術を指します。
コツの暗記より、試して直す手順を身につけることが学習の中心です。
この記事で分かること
・無料で読める公式ガイドと、最初に学ぶ基本の型
・エンジニアの仕事で練習しやすい題材
・出力を確かめる方法と、会社で使うときの注意
・学んだスキルを、自分の働き方にどうつなげるか
エンジニアが学ぶときの4つの段階
- 公式ガイドで、指示の組み立て方の基本を読む
- 例を見せる・順に考えさせる、などの手法を試す
- 自分の仕事の題材で、プロンプトを作って直す
- テスト用の入力をそろえ、出力を比べて確かめる
4つ目の「確かめる」まで進むと、仕事で使えるスキルに近づきます。
エンジニアにとっては、テストを書いてからコードを直す流れと近い考え方です。

最初は公式ガイドで基本の型を学ぶ
学習の入り口は、生成AIを提供する会社が無料で公開している公式ガイドが確かです。
有料の講座もありますが、基本の型は公式ガイドでひととおり学べます。
無料で読める公式ガイド
- Anthropic:Claudeのプロンプトの概要(日本語あり)と、例の多いチュートリアル
- OpenAI:APIのドキュメントにあるプロンプトのガイド
- Google:Gemini APIのプロンプト設計の戦略
- Prompt Engineering Guide:コミュニティがまとめた手法の一覧(日本語あり)
Anthropicのガイドは、始める前に3つをそろえるよう書いています。
「成功の基準」「それを試す方法」「改善したい最初のプロンプト」です。
ここが、ただ質問するだけの使い方との一番の違いです。
基本の型:指示・背景・入力・出力形式
公式ガイドや解説記事でよく使われるのは、プロンプトを4つの部分に分けて書く型です。
| 部分 | 書くこと | エンジニアの仕事での例 |
|---|---|---|
| 指示 | 何をしてほしいか | このエラーログの原因の候補を挙げて |
| 背景 | 前提や制約 | Java 17、本番で夜間のバッチだけ失敗 |
| 入力 | 渡すデータ | ログの該当部分(機密は伏せる) |
| 出力形式 | 返してほしい形 | 候補3つを、確かめる手順つきの表で |
「いい感じにまとめて」のような曖昧な指示を、この4つに分けて書き直す練習から始めましょう。
生成AIのしくみを少しだけ知っておく
生成AIは、入力された文に続く言葉を、確率をもとに順に生成しています。
そのため、同じプロンプトでも出力が毎回少しずつ変わります。
学習したデータにないことも、もっともらしい文で答えることがあります。
プロンプトを工夫しても、事実の確認は人が受け持つと覚えておきましょう。
例を見せる・順に考えさせる
基本の型に慣れたら、よく使われる手法を2つ試します。
1つは、入力と出力の例をいくつか見せてから本番を頼む方法です。
少数の例を見せることから「few-shot」と呼ばれます。
もう1つは、答えの前に考える手順を書かせる方法で、「chain-of-thought」と呼ばれます。
どちらも論文で効果が示された手法です。
ただし、内部で考える過程を持つ「推論モデル」では、手順を書かせる指示がいらない場合もあります。
モデルの世代で効き方が変わるため、使うモデルの公式ガイドで最新の書き方を確かめましょう。
参考
・Anthropic「プロンプトエンジニアリングの概要」/「インタラクティブ チュートリアル」
・OpenAI「Prompt engineering」
・Google「Prompt design strategies」
・DAIR.AI「Prompt Engineering Guide」
・few-shot の論文:Brown ほか(2020年)
・chain-of-thought の論文:Wei ほか(2022年)
(2026年10月6日に確認)

自分の仕事の題材で練習する
型を覚えたら、自分の仕事で毎週出てくる作業を題材にして、プロンプトを作成して直します。
架空の例より、正解を自分で判断できる題材のほうが学習が早く進みます。
エンジニアの仕事で試しやすい題材
- エラーログを渡して、原因の候補と確かめる順番を出させる
- 仕様書の一節から、テストケースの案を作成させる
- 手順書の下書きを作成させ、抜けている手順を自分で足す
- 差分を渡して、コードレビューの観点を挙げさせる
- 会議のメモから、決まったことと宿題を表にさせる
どれも、出力が正しいかを自分の知識で判断できる作業です。
判断できない分野の題材は、間違いに気づけないので練習には向きません。
1回で終わらせず、直した理由を残す
最初のプロンプトでうまくいかなくても、それが学習の材料になります。
どこを変えたら出力がどう変わったかを、短くメモに残しておきましょう。
メモがたまると、自分の仕事に合った指示の書き方が見えてきます。
生成AIの活用を開発の工程ごとに整理した例は、こちらの記事にまとめています。
-
-
AIを使う側のエンジニアになる 現場での活用と評価されるスキル
AIを活用するエンジニアとは、生成AIを仕事の道具にして、出力を確かめて成果につなげる人です。工程ごとの活用例、出力を確かめる力と注意点、評価されるスキル、今の現場で始める順番を説明します。
続きを見る

出力を確かめる仕組みを作る
仕事で使えるかどうかは、出力の良し悪しを毎回同じ物差しで確かめられるかで決まります。
テスト用の入力をそろえて比べる
よくある入力と、失敗しやすい入力を5〜10件ほど用意しておきます。
プロンプトを直すたびに同じ入力で試し、前より良くなったかを表で比べます。
件数は、手で見比べられる量として置いた目安です。
同じプロンプトでも、毎回同じ出力になるとは限りません。
1回うまくいっただけで判断せず、何度か試して安定しているかを見ましょう。
会社で使うときは、機密情報と社内ルールを先に確かめる
注意
客先のコードや個人情報を、許可なく外部の生成AIに入力してはいけません。
会社や客先ごとに、使ってよいサービスや入力してよい情報の決まりがあります。
組織で生成AIを使うときのリスクと対策は、IPAが公開しているガイドラインにも整理されています。
IPAの人材育成プログラムの受講者が、卒業プロジェクトとしてまとめた資料です。
迷ったときは、上司や情報システムの担当、客先の責任者に確かめてから使いましょう。
参考
・IPA「テキスト生成AIの導入・運用ガイドライン」
(中核人材育成プログラムの卒業プロジェクト、2024年7月31日更新)
(2026年10月6日に確認)

学んだプロンプトのスキルを、仕事と働き方につなげる
プロンプトエンジニアリングは、単独の職種より、今の仕事の質を上げるスキルとして生きます。
要件を言葉にする、前提をそろえる、結果を確かめる。
これは、もともとエンジニアが設計やレビューで使ってきた力と同じです。
AIへの指示を書き直す練習は、人への依頼や仕様の書き方を見直すきっかけにもなります。
今の現場で、小さな改善として使ってみる
学んだ型は、チームの定型作業の改善に活用するのが始めやすい形です。
ログの一次調査やテストケースの洗い出しにかかった時間が減れば、それは評価で話せる成果になります。
プロンプトの型を知ると、転職を考えなくても、今の現場でできることが見えてきます。
AIを使いこなすスキルを、専門性として育てる考え方は、こちらの記事で整理しています。
-
-
スペシャリストとして残る AI時代にエンジニアが専門性で生きる道
技術を深めるスペシャリストとして残る道を説明します。AIで変わる作業と残る作業、SES・SIerの経験から近い分野の選び方、資格と年齢の考え方、専門性で年収を上げる3つの軸まで整理しました。
続きを見る
作ったプロンプトをチームで使える形に残す
うまくいったプロンプトは、自分のメモにとどめず、チームの手順書に残しておきます。
誰が使っても同じ質の出力が出るように整えることも、プロンプトエンジニアリングの一部です。
使う場面、入力の例、確かめる点を1枚にまとめると、ほかのメンバーも活用しやすくなります。
チームでの生成AIの活用を進めた経験は、スキルシートに書ける実績にもなります。
生成AIを扱えるエンジニアに、求人でどんなスキルが求められているかは、こちらにまとめています。
-
-
生成AIを扱えるエンジニアの需要 求人で求められていること
生成AIを扱えるエンジニアの求人が増えている背景を、IPAの調査と転職サービスの公表値で確かめます。求人に並ぶ3つの仕事、必須と歓迎の条件の違い、SES・SIerの経験を求人で伝わる形にする方法をまとめました。
続きを見る
まとめ
・学習は、公式ガイドの型 → 自分の仕事の題材 → 確かめる仕組み、の順
・題材は、出力の正しさを自分で判断できる作業を選ぶ
・会社で使う前に、入力してよい情報の決まりを確かめる