・
ChatGPTやClaudeを使っていて、「回答が的を射ない」「指示通りのフォーマットで出力されない」「毎回同じような修正指示を出している」といった悩みをお持ちではありませんか？
その原因の多くは、AIへの指示、つまり「プロンプト」の書き方にあります。人間同士の会話と同じように、曖昧な指示ではAIも意図を正確に汲み取ることができません。そこで重要になるのが「プロンプトの構造化」です。
この記事では、AIの回答精度を劇的に向上させるための具体的な構造化テクニックや、今日からすぐに使えるテンプレート（深津式など）を詳しく解説します。
これらをマスターすれば、プロンプト作成にかかる時間を短縮しつつ、期待以上の成果物を得られるようになるでしょう。ぜひ最後までお読みいただき、日々の業務効率化にお役立てください。
プロンプト構造化とは、AIへの指示を単なる文章の羅列ではなく、「命令」「制約」「入力データ」などの要素に分解し、見出しや記号を使って整理・記述することを指します。
人間がビジネス文書を作成する際に、見出しや箇条書きを使って読みやすくするのと全く同じ考え方です。
構造化が重要視される理由は主に3つあります。
第一に、回答精度の向上です。
AIに対して「何を」「どのように」「どの情報を元に」処理すべきかを明確に区分けして伝えることで、AIの解釈ミスを防ぎます。特に、複雑なタスクにおいては、構造化の有無が成果物の品質を左右します。
第二に、再利用性（テンプレート化）の向上です。
一度構造化されたプロンプトを作成すれば、あとは「入力データ」の部分を差し替えるだけで、さまざまな場面に応用できます。これにより、毎回ゼロからプロンプトを考える手間がなくなります。
第三に、トークンの節約です。
構造化することで不要な接続詞や冗長な説明を省き、要点を的確に伝えられるため、AIモデルに入力するトークン数を削減できる場合があります。これはAPIコストの削減や、処理速度の向上にも寄与します。
ここでは、誰でもすぐに実践できる具体的な構造化テクニックをご紹介します。これらを組み合わせるだけで、プロンプトの質が上がります。
note記事などで提唱され、広く使われているのが「記号」による視覚的な構造化です。
これらの記号を使うだけでも、AIは「ここは指示」「ここはデータ」「ここは後で埋める場所」と明確に区別できるようになります。
見出し：セクション（役割、指示、制約など）を明確にするために使用します。
箇条書き：情報を並列に伝える際に使用します。
番号付きリスト：手順や優先順位など、順序が重要な情報に使用します。
区切り文字：入力テキストの開始と終了を示し、指示文と処理対象のデータを明確に分けます。
セクション区切り：話題の転換や、大きく要素を分ける際に使用します。
タグ付け：<role>や<constraint>のように、要素の意味や役割を定義します。
変数・プレースホルダー：[ここにテキストを入力]のように、後から可変で入力する部分を明示します。
note株式会社の深津氏が考案した、汎用性の高いプロンプトの「型」です。以下の4要素を基本構成とします。
「あなたはプロの編集者です」といった役割定義と、「以下のテキストを要約してください」という具体的なタスクを記述します。
文字数、文体、出力フォーマット、禁止事項などを箇条書きで明記します。ここが最も重要です。
処理対象となるテキストやデータを記述します。
最終的なゴールとなる出力形式（例：見出し、要約、重要ポイントの3構成など）を示します。
AIモデルによって得意な記法があります。
Markdown（#や**など）は人間にも読みやすく、ChatGPTなどの多くのモデルで標準的に理解されます。
一方、XMLタグ（<instruction><input>など）は、データの開始と終了が厳密であるため、Claudeなどのモデルで特に推奨されています。長文を扱う際や、複数の異なるデータを入力する際はXMLタグを使うと混同を防げます。
Yoomは、ChatGPTやClaudeなどのAIモデルと連携し、日々の業務フローをノーコードで自動化するプラットフォームです。
例えば、Microsoft Teamsから抽出したデータをもとに、ChatGPTで返答するフローを自動化できます。
情報収集やリサーチ業務に時間を取られている方は、ぜひ以下のテンプレートを活用してみてください。
■概要
Microsoft Teamsの特定のチャンネルには、日々同じような質問が寄せられ、その対応に手間を感じている方も多いのではないでしょうか。手動での回答は時間がかかるだけでなく、担当者によって回答内容にばらつきが生じることもあります。このワークフローを活用すれば、Microsoft Teamsへの投稿をきっかけに、投稿内容から必要なデータを抽出し、ChatGPTが自動で回答を生成・投稿するため、こうした課題を円滑に解消します。
■このテンプレートをおすすめする方
■このテンプレートを使うメリット
■フローボットの流れ
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
■注意事項
「謝罪メールの作成」を題材に、非構造化プロンプトと構造化プロンプトで出力結果にどのような差が出るのかをChatGPTで検証してみました。
多くのユーザーが無意識に行っている依頼方法です。事実・指示・要望が一つの段落に詰め込まれており、情報の優先順位の判断をAIの解釈に委ねてしまっている状態です。
【プロンプト】
田中様宛に、システム障害のお詫びメールを作成してください。原因はサーバー機器の故障で、今日の14時には復旧したことを伝えてください。
丁寧なビジネス敬語で、再発防止についても触れてほしいです。あまり形式的すぎず、誠実さが伝わるようなトーンにしてください。
【出力結果（ChatGPT 5.2 Instant）】
情報の役割をタグや見出しで整理したプロンプトです。AIが処理しやすい形式に整えることで、迷いを排除し、出力の精度と再現性を高めます。
【プロンプト】
# Role
カスタマーサポート部門のシニアマネージャー
# Task
システム障害の影響を受けた顧客（田中様）への、誠実かつ論理的なお詫びメールの起案。
# Context
- トラブル内容：システム障害によるサービスの一時アクセス不可
- 発生原因：データセンター内のサーバー機器故障
- 現在の状況：完全復旧済み（2026/02/19 14:00）
# Constraints
- 【件名】は「いつ、何が起きたか」が即座にわかる構成にする。
- 【本文】は「謝罪→原因→現状→再発防止策」の論理構成で作成する。
- 誠実さを重視しつつ、過度な二重敬語を避けた洗練されたビジネス文章にする。
- 復旧時刻は太字にするなど、顧客の利便性を考慮する。
# Output
日本語のメール本文のみを出力
【出力結果（ChatGPT 5.2 Instant）】
❗️出力の情報解像度と即戦力性に差が出ました。
Beforeの非構造化プロンプトでは、文章自体は丁寧ですが、ビジネスメールに不可欠な「件名」が欠落し、重要な復旧時刻も本文に埋もれてしまっています。これでは受信側が内容を瞬時に把握できず、二度手間が発生します。
一方、Afterの構造化プロンプトでは、件名に日付と状況が明記され、本文も「原因」「現状」「対策」が項目別に整理された、論理的で美しい構成になりました。特に、復旧時刻の太字化など、細かい制約（Constraints）を遵守している点が優秀です。
GPT-5.2 Instantのような高速モデルでも、構造化によってAIの思考を正しくガイドすれば、人間がほとんど手直しする必要のない回答を瞬時に引き出せます。
構造化は、AIに「迷わせないための設計図」を渡す作業なのです。
AIモデルはそれぞれ学習データや設計思想が異なるため、好むプロンプトの形式も微妙に異なります。
ここでは、代表的なモデルであるChatGPTとClaude、それぞれに最適化された構造化のベストプラクティスを紹介します。
Markdown記法をベースとした構造化を継続して推奨します。見出しや箇条書きによる階層構造を深く理解するため、基本はMarkdownで十分です。
# Instructions, # Constraintsといった英語の見出しを使用すると、言語モデルの特性上、指示の遵守率が高まります。
また、「思考プロセス（Chain of Thought）」を明示的に予約する構造を組み込むことが重要です。
例えば、<thought>タグをシミュレートし、「回答を出力する前に、まずステップバイステップで論理的に考えてその思考プロセスを<thought>内に記述してください」と指示します。これにより、複雑な推論を要するタスクの精度が向上します。
Claudeは、XMLタグによるセマンティックな構造理解に特化して調整されているため、XMLタグを推奨します。
特に、長文資料（100万トークン対応）を読み込ませる際は、単なる<document>だけでなく、役割ごとにXMLを細分化することが効果的です。
例えば、<context>（背景情報）、<source_data>（参照すべき資料）、<output_schema>（出力形式の定義）のようにタグを使い分けることで、指示（Instruction）と情報（Data）の混同を防げます。
プロンプトの構造化は、AIという強力なエンジンの性能をフルに引き出すための「ハンドル」のようなものです。
曖昧な指示で何度もやり取りを繰り返すよりも、最初に少し時間をかけて構造化されたプロンプトを作成するほうが、トータルの時間は短縮されます。
まずは今回ご紹介した「7つの記号」や「深津式」といった基本的な型から始めてみてください。
そして、慣れてきたら使用するAIモデルにあわせて、MarkdownやXMLタグを使い分けてみましょう。
構造化されたプロンプトをテンプレートとして蓄積していけば、あなただけの強力な業務効率化ツールとなるはずです。
プロンプト構造化で作成した「型」は、Yoomを使うことで自動化ワークフローにそのまま組み込むことができます。
例えば、Googleフォームからのお問い合わせ内容をトリガーにして、あらかじめ用意した構造化プロンプトに内容を挿入し、ChatGPTで一次返信案を自動作成してSlackに通知するといったことが可能です。毎回プロンプトをコピペする必要すらなくなります。
Yoomには、すぐに使える便利なテンプレートが多数用意されています。ぜひ以下のテンプレートから、業務自動化の第一歩を踏み出してみてください。
■概要
Googleフォームから届くお問い合わせへの返信文作成に、毎回時間を要していませんか。内容を把握し、適切な文章を作成する作業は、件数が増えるほど大きな負担になりがちです。このワークフローを活用すれば、Googleフォームに回答が送信されると、その内容を元にChatGPTが返信文案を自動で作成し、Slackに通知します。これにより、問い合わせ対応の初動を効率化し、担当者の作業負荷を軽減できます。
■このテンプレートをおすすめする方
■このテンプレートを使うメリット
■フローボットの流れ
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
■注意事項
■概要
Telegramを活用した顧客対応や社内からの問い合わせに、一件ずつ手動で返信していては時間がかかり、本来の業務を圧迫することはありませんか。このワークフローは、Telegramでメッセージを受信した際に、AIのAnthropic（Claude）が自動で最適な回答を生成し、返信までを行う一連の流れを自動化します。ClaudeとTelegramを連携させることで、定型的な問い合わせ対応から解放され、業務の効率化を実現します。
■このテンプレートをおすすめする方
■このテンプレートを使うメリット
■フローボットの流れ
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
■注意事項
