AI社員のアウトプット品質は、指示の出し方で決まります。
同じAIモデルを使っていても、プロンプト（指示文）次第で結果は天と地ほど変わります。曖昧な指示は曖昧なアウトプットを生み、具体的な指示は具体的なアウトプットを生む。これはAI社員でも人間の部下でも同じです。
この記事は、こんな方に向けて書いています
- AIを業務に導入したいが、うまく使いこなせていないPM・リーダー
- ChatGPTやClaude等を触ったことはあるが、アウトプットの品質が安定しない方
- チームにAI活用を推進する立場にあり、指導用の型がほしい方
プログラミングの知識は不要です。「日本語で正確に要件を伝える力」があれば、今日から実践できます。
まずこれだけ覚えろ：3分クイックスタート
記事全体を読む時間がなければ、この3つだけ押さえてください。
1. 「背景」を必ず伝える
NG：「議事録を作って」 OK：「先週のクライアント定例の議事録を作成して。参加者はA社の田中部長と当社営業3名。次回アクションの確認が主目的」
2. 「出力形式」を指定する
NG：「分析して」 OK：「Markdownテーブルで、リスク・確率・影響度・対策の4列で出力して」
3. 結果が微妙なら、追加指示で修正する
「この部分をもっと具体的に」「トーンをフォーマルに変えて」「500文字以内に短縮して」
この3つを意識するだけで、AI社員のアウトプット品質は体感で2倍変わります。 以下の記事では、より体系的なフレームワークとテンプレートを解説します。
プロンプトエンジニアリングとは
プロンプトエンジニアリングとは、AIに的確な指示を出して、望む結果を得る技術です。
PMにとってプロンプトエンジニアリングが重要な理由は3つあります。
- AI社員への指示精度がプロジェクト品質に直結する
- チームメンバーにAI活用を指導する立場になる
- AI PMとしての差別化スキルになる
基本フレームワーク：CRISP
AI社員に指示を出す際は、以下の5要素を意識してください。
C：Context（背景）
なぜこのタスクが必要なのか、背景情報を伝えます。
悪い例：「議事録を作って」
良い例：「先週のクライアント定例会議の議事録を作成してください。参加者はA社の田中部長、当社の営業チーム3名です。次回のアクションアイテムの確認が主な目的でした」
R：Role（役割）
AI社員にどんな立場で考えてほしいかを指定します。
悪い例：「この提案書をチェックして」
良い例：「あなたはIT業界10年の経験を持つプロジェクトマネージャーです。クライアント向けの提案書をレビューし、論理の飛躍や説明不足な箇所を指摘してください」
I：Instruction（指示）
具体的に何をしてほしいかを明確に伝えます。
悪い例：「リスクを分析して」
良い例：「このプロジェクト計画書に対して、以下の観点でリスク分析を行ってください。(1) スケジュールリスク (2) コストリスク (3) 技術リスク (4) 人的リスク。各リスクに対して発生確率（高/中/低）と影響度（大/中/小）を評価し、対策案を1つずつ提案してください」
S：Specification（仕様）
出力のフォーマットや制約条件を指定します。
「Markdown形式のテーブルで出力してください」 「500文字以内で要約してください」 「箇条書きで5つ以内にまとめてください」
P：Persona（対象読者）
アウトプットの読者が誰かを明示します。
「経営層向けに、技術用語を使わず説明してください」 「エンジニアチーム向けに、具体的な実装方針を含めてください」
CRISPの使い方：全部揃えなくてもいい
5要素すべてを毎回書く必要はありません。タスクの複雑さに応じて使い分けます。
| タスクの複雑さ | 必須要素 | 例 |
|---|---|---|
| 簡単（要約、翻訳等） | C + I + S | 背景 + 指示 + 出力形式 |
| 中程度（レビュー、分析等） | C + R + I + S | + 役割を指定 |
| 複雑（設計、戦略立案等） | 全5要素 | 全要素をフル活用 |
よくある失敗と対策
失敗1：指示が曖昧すぎる
NG：「良い感じにまとめて」
対策：「何を」「どの形式で」「誰向けに」「何文字で」を必ず指定する。AIは「良い感じ」を判断できません。
失敗2：一度に多くを求めすぎる
NG：「プロジェクト計画を作って、リスク分析もして、WBSも作って、予算見積もりもして」
対策：1つのプロンプトで1つのタスクに集中する。複数のタスクは分割して順番に依頼する。
失敗3：文脈を省略する
NG：「レビューして」（何のレビュー？どの観点？）
対策：CRISPフレームワークのC（Context）を必ず含める。AIは背景情報が多いほど精度が上がります。
失敗4：出力形式を指定しない
NG：「分析結果を教えて」
対策：テーブル、箇条書き、文章など、具体的な出力形式を指定する。「Markdownテーブルで」「箇条書き5点以内で」のように明示する。
失敗5：フィードバックしない
NG：最初の出力が微妙でも、そのまま使う（または諦める）
対策：AIとの対話は1回で終わりではありません。「この部分をもっと具体的に」「トーンをもっとフォーマルに」と追加指示を出して、品質を上げていきます。
AI社員への指示と人間への指示の違い
| 観点 | 人間への指示 | AI社員への指示 |
|---|---|---|
| 暗黙の了解 | ある程度通じる | 通じない（すべて明示する） |
| 文脈の共有 | 日常会話で蓄積 | 毎回伝える必要がある |
| 品質のばらつき | 体調・気分に依存 | プロンプト品質に依存 |
| フィードバック | 1回で理解することも | 具体的に何度でも修正可能 |
| 得意分野 | 創造性・判断力 | 速度・網羅性・一貫性 |
重要なのは、AI社員には「暗黙の了解」が通じないことです。人間同士なら「いつものやつで」で通じる指示も、AI社員には毎回具体的に伝える必要があります。逆に言えば、指示を明確にする習慣はチーム全体のコミュニケーション品質も向上させます。
プロンプトの限界：AIが苦手なこと
プロンプトエンジニアリングは強力な技術ですが、万能ではありません。どんなに完璧なプロンプトを書いても、AIには超えられない壁があることを理解しておく必要があります。
プロンプトでは解決できない問題
- 最新情報の取得。 AIの学習データには時間的な限界がある。昨日発表された法改正やリアルタイムの市場データは、プロンプトでは取得できない。外部ツールとの連携が必要
- 組織固有のコンテキスト。 「うちの会社のA部長は数字に厳しい」「B社との関係は慎重に」——こうした暗黙知は、毎回コンテキストとして渡す必要がある
- 数値の正確性の保証。 AIは計算を間違えることがある。財務データや見積もり金額など、数値の正確性が求められる場面では、必ず人間が検算する
- 倫理的・法的な判断。 契約条件の妥当性、法令遵守の確認、利害関係の調整——これらは人間の判断領域
AIが苦手なタスク
| タスク | AIの傾向 | PMとしての対策 |
|---|---|---|
| 創造的な意思決定 | もっともらしいが無難な提案をしがち | AIの提案を叩き台にして、人間が判断する |
| 長期的な戦略立案 | 一般論に終始しやすい | 自社固有の制約条件を詳細に渡す |
| 対人関係の調整 | 教科書的なアドバイスになる | 人間関係の文脈は人間が判断する |
| 機密情報の取り扱い | 利用規約によってはデータが学習に使われる場合がある | 利用規約を確認し、機密情報の取り扱いポリシーを事前に確認する |
プロンプトエンジニアリングのスキルと同じくらい、「AIに任せない判断」のスキルが重要です。
PM業務別プロンプトテンプレート集
以下のテンプレートは、CRISPフレームワークに基づいて設計しています。{}の部分を自分のプロジェクトに合わせて埋めるだけで使えます。記事全体を読まなくても、テンプレートだけコピーして即活用できます。
WBS作成
あなたは経験豊富なプロジェクトマネージャーです。
以下のプロジェクト概要に基づいて、WBS（Work Breakdown Structure）を
作成してください。
【プロジェクト概要】
{プロジェクトの説明}
【要件】
- 3階層で分解すること
- 各タスクに想定工数（人日）を付記すること
- 依存関係がある場合は明記すること
- Markdown形式のテーブルで出力すること
リスク分析
以下のプロジェクト計画に対して、リスク分析を実施してください。
【プロジェクト計画】
{計画の概要}
【分析観点】
1. スケジュールリスク
2. コストリスク
3. 技術リスク
4. 外部依存リスク
【出力形式】
各リスクについて以下をテーブルで出力：
- リスク内容
- 発生確率（高/中/低）
- 影響度（大/中/小）
- 対策案
- 担当者（提案）
進捗レポート
以下の進捗データから、経営層向けの週次レポートを作成してください。
【進捗データ】
{各タスクの状況}
【レポート要件】
- A4 1枚相当（800文字以内）
- 全体の進捗率をパーセントで明示
- 課題がある場合は対策案も記載
- 来週の予定を箇条書きで3〜5点
- 技術用語は避け、ビジネス用語で記述
会議アジェンダ作成
来週の{会議名}のアジェンダを作成してください。
【前回の議事録のポイント】
{前回の決定事項・宿題}
【今回の議題候補】
{議題リスト}
【要件】
- 60分の会議に収まるよう時間配分を設定
- 各議題に目的（報告/議論/決定）を明記
- 必要な事前準備があれば記載
提案書レビュー
あなたはクライアント企業のCTOの視点でレビューしてください。
【提案書の内容】
{提案書のテキスト}
【レビュー観点】
- 論理の飛躍はないか
- コスト根拠は妥当か
- リスクの記載に漏れはないか
- 読み手（経営層）にとってわかりにくい表現はないか
【出力形式】
指摘事項を「重要度（高/中/低）」「該当箇所」「指摘内容」「改善案」のテーブルで出力
【実例】自社サイト構築で実際に使ったプロンプト
Panda Officeの自社サイト構築で、SEO対策とコンポーネント設計をAI社員に依頼した際の実際のプロンプトです。
あなたはNext.js App Routerに精通したフロントエンドエンジニアです。
以下の要件でブログ記事一覧ページのコンポーネントを設計・実装してください。
【背景】
企業サイトのブログセクション。SEOで「PMBOK AI」「AI社員」等のキーワードで
上位表示を狙う。ターゲットは中小企業の経営者・PM。
【要件】
- MDXファイルから記事メタデータを取得し、日付降順で一覧表示
- 各記事カードにtitle、description、date、tagsを表示
- generateMetadata でページごとにOGP・構造化データを自動生成
- Core Web Vitals（LCP 2.5秒以内）を意識した設計
【制約】
- TypeScript strict モード
- Server Componentsを優先し、Client Componentsは最小限
- コンポーネントは1ファイル200行以内に分割
このプロンプトのポイントは、SEOの目的（どのキーワードで誰に届けたいか）と技術的な制約条件を同時に渡していることです。背景と仕様を明確にすることで、AI社員がSEOと実装品質の両方を考慮した設計を出してくれます。
プロンプトエンジニアリングを磨く3ステップ
- 毎日1つ、業務でAIを使う：メール返信、資料要約、アイデア出しなど、小さな業務から始める
- うまくいったプロンプトを保存する：個人のプロンプトライブラリを構築し、再利用可能な資産にする
- チームで共有する：効果的なプロンプトをチーム全体で共有し、組織的なAI活用力を高める
まとめ
プロンプトエンジニアリングは、AI時代のPMに必須のスキルです。特別な技術知識は不要で、**「正確に要件を伝える力」**がそのまま活きます。
CRISPフレームワーク（Context、Role、Instruction、Specification、Persona）を意識するだけで、AI社員のアウトプット品質は劇的に向上します。ただし、AIには限界もあります。プロンプトのスキルと同時に、「AIに任せるべきタスク」と「人間が判断すべきタスク」を見極める力を磨いてください。
PMBOK-AIでは、AI社員への指示設計をプロジェクトマネジメントの重要プロセスとして位置づけています。AI PMとしてのスキルを体系的に磨きたい方は、ぜひご覧ください。
AI社員の導入やプロンプト設計のご相談は、お問い合わせからお気軽にどうぞ。Panda Officeのサービス一覧もご参照ください。