ネット上のChatGPTプロンプト例や自作の指示文を仕事で使っても、出力形式が安定しない、必要な前提が抜ける、修正指示を何度も入力することがあります。プロンプトは、書き終えた時点で業務投入できるとは限りません。
評価するときは、指示文だけでなく、代表的な入力に対する実際の出力まで確認します。この記事では、ChatGPTプロンプト例を次の6項目で採点し、修正・保留・共有の判断につなげる方法を解説します。
- 目的適合性
- 具体性
- 制約条件の明確さ
- 再現性
- 出力精度
- 修正しやすさ
結論として、合計点だけで合否を決めてはいけません。メールの期限、議事録の担当者、企画書の目的など、業務上の必須情報が欠けている場合は、点数にかかわらず修正または保留にします。
ChatGPTプロンプト例が仕事で使えるかを評価する方法
まず、プロンプトの作成と、作成後の品質評価を分けて考えます。作成時は目的や入力、出力形式を整理し、評価時は実際の入力で意図どおり動くかを検証します。
作成しただけで合格にせず、実出力を確認する
「丁寧にまとめて」「分かりやすく書いて」といった指示は、読み手や必要な情報が定まっていません。指示文が具体的に見えても、出力形式の崩れや事実の追加が起きる可能性があります。
OpenAIは、タスクを明確にし、必要な文脈を与え、希望するトーンや形式を指定する方法を案内しています。また、複雑な作業を分け、初回出力を確認しながら反復的に改善する考え方も示しています。
OpenAI Help Center「Prompt engineering best practices for ChatGPT」
したがって、評価では通常の入力だけでなく、情報不足や例外を含む入力も使います。入力例、期待する出力、実際の出力、問題点を並べると、どこを直すべきか判断しやすくなります。
合計点とは別に「重大な欠落」を確認する
点数化すると、複数のChatGPTプロンプト例を比較しやすくなります。ただし、合計点が高くても、次のような欠落は別途確認します。
- メールに宛先、期限、変更内容がない
- 議事録に決定事項や担当者がない
- 企画書に対象読者や目的がない
- 分類結果の判断理由を確認できない
これはOpenAIや公的機関が定めた共通の合格基準ではなく、業務上のリスクを見落とさないための実務向けの判定方法です。
業務用ChatGPTプロンプト例を採点する6つの評価基準
以下の6項目は、OpenAIのプロンプト指針や出力評価の考え方をもとにした、この記事独自の実務向け評価フレームです。公式の一律採点基準ではありません。
目的適合性：業務の目的と出力が一致しているか
最初に、「何のために使うプロンプトか」と「何を出力させるか」が一致しているかを確認します。
- 業務上の目的を一文で説明できるか
- 出力に目的達成に必要な情報が含まれるか
- 要約、分類、文章作成などの作業が混在していないか
たとえば納期変更の連絡が目的なら、一般的なメールではなく、変更内容、謝意、代替案などを扱える指示が必要です。
具体性：役割・対象・入力・作業内容が明確か
ChatGPTに依頼する役割だけでなく、出力を読む対象者、使用する入力データ、実行する作業、判断基準まで確認します。
- 依頼する役割
- 出力を読む対象者
- 入力データの範囲
- 実行する作業
- 判断に使う基準
指示文と資料を区切り記号で分けると、どの部分を処理するのか確認しやすくなります。
OpenAI Help Center「Best practices for prompt engineering with the OpenAI API」
制約条件の明確さ：形式・文字量・含める内容が決まっているか
出力形式を指定しないと、段落、箇条書き、表などが変わる場合があります。業務で確認する項目が決まっているなら、項目名と順番まで指定します。
- 件名と本文を分ける
- 指定した項目順で出力する
- 含める情報と含めない情報を示す
- 不明な情報は推測せず、決めた表記にする
「情報がない場合は補わず、［要確認］と表示する」のように、禁止事項だけでなく代わりの行動も指定すると、出力後の確認方法を決められます。
再現性：条件が変わっても同じ基準で処理できるか
再現性とは、入力内容が変わっても、同じ評価基準と形式で処理できるかという観点です。特定の案件にしか使えない表現ではなく、入力欄を設けて複数のケースに適用できる形にします。
テスト時には、プロンプトだけでなく、利用モデル、設定、会話履歴、添付ファイルの有無、入力データを記録します。OpenAIのAPIドキュメントでも、モデルのスナップショットが変わると同じメッセージでも挙動が変わり得ると説明されています。
OpenAI Platform「API Reference」
出力精度：抜け漏れや事実の追加を確認できるか
文章が自然でも、入力にない事実が含まれているとは限りません。流暢さではなく、入力資料との一致や必要項目の充足を確認します。
- 入力にない担当者や期限を追加していないか
- 重要な決定事項を落としていないか
- 数字、日付、担当者、期限を取り違えていないか
- 出力の各項目を原文と照合できるか
- 確認が必要な情報を区別できるか
NISTの生成AIリスク管理資料では、事実と異なる内容を生成する「confabulation」がリスクとして扱われています。顧客連絡、契約、法務、財務、人事などの重要用途では、人による事実確認と承認を残してください。
NIST「Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile」
修正しやすさ：問題箇所を特定して直せるか
出力に問題があったとき、原因を「指示不足」「入力不足」「モデルの誤り」「人の判断が必要」に分けられるかを見ます。
「もっと良くして」としか修正できない場合は、問題箇所が不明確です。「担当者が抜けているため、原文に記載された担当者だけを追加し、記載がない場合は『記載なし』と表示する」のように、修正対象と条件を指定できる形にします。
ChatGPTプロンプト例の評価シートと合格ラインの決め方
評価シートには、点数だけでなく、入力、期待出力、実出力、問題点、修正履歴を残します。点数の付け方と、業務投入の条件は分けて考えます。
6項目を0〜2点で記録する
社内で簡単に共有するなら、各項目を次の0〜2点で記録できます。6項目の合計は12点です。
| 点数 | 判定 | 確認内容 |
|---|---|---|
| 0点 | 不足 | 未指定または評価できない |
| 1点 | 一部指定 | 解釈が分かれる部分がある |
| 2点 | 明確 | 実際の出力をテストできる |
合格ラインの数値は、業務の重要度や許容できるミスに応じて社内で設定します。OpenAIやNISTが共通の合格点を定めているという意味ではありません。改善前後の差を細かく記録したい場合は、判定基準を定めたうえで5段階評価を使う方法もあります。
業務投入は3つの条件で判断する
実際に使い始めるかどうかは、次の3つを組み合わせて判断します。
- 6項目の合計点
- 目的や出力形式など必須項目の最低点
- 重大な欠落の有無
合計点が高くても、目的と出力がずれている、業務で使えない形式になっている、事実確認の方法がない場合は修正または保留にします。
修正は業務への影響が大きい欠落から行う
点数の低い項目をすべて同時に直す必要はありません。メールの期限、議事録の担当者、企画書の目的など、用途に直結する項目から見直します。
修正後は変更前のテストケースも再利用してください。新しい指示を追加した結果、以前は問題なかった出力が変わっていないかを確認する回帰テストとして記録します。
実務のChatGPTプロンプト例を悪い例・良い例で比較する
ここで扱う例は、評価観点を説明するための仮想例です。実在企業の業務事例や、出力品質を保証するものではありません。
メール作成：目的・相手・文体・含める情報を確認する
悪い例：丁寧なメールを書いて。
相手、目的、伝える事実、件名の有無、情報不足時の扱いが分かりません。
改善例：既存顧客への納期変更連絡メールを作成してください。変更前の納期、変更後の納期、変更理由、謝意、代替案を入力情報から使用します。件名と本文を分け、本文は指定した文字量以内にしてください。入力にない情報は推測せず、［要確認］と表示してください。文体は丁寧で簡潔にしてください。
評価時は、件名と本文が分かれているか、入力にない納期を追加していないかを確認します。
議事録要約：残す情報と根拠を確認する
悪い例：この会議を要約して。
改善例：以下の会議記録を、決定事項、未決事項、担当者、期限、次回アクションの5項目で整理してください。発言にない担当者や期限は補わず、「記載なし」としてください。各項目には、判断の根拠となる発言の要点を添えてください。会議記録にない内容は追加しないでください。
出力後は、5項目がそろっているか、担当者や期限が原文に存在するかを照合します。根拠を確認できる形にすると、修正箇所を特定しやすくなります。
企画書のたたき台：読者・前提・構成を確認する
悪い例：新しい企画書を作って。
改善例：社内検討用の企画書のたたき台を作成してください。読者は企画内容を初めて確認する社内担当者です。入力資料に記載された目的、対象、利用可能な情報、想定する課題だけを使用してください。構成は、目的、背景、課題、提案内容、実施上の論点、確認が必要な事項の順にしてください。資料にない事実は推測せず、「要確認」と表示してください。
企画書では、読み手、目的、前提条件、使用可能な資料、構成、未確認情報の扱いを確認します。
情報整理・分類：基準・例外・理由を確認する
悪い例：この情報を分類して。
改善例：入力された問い合わせを、分類先の一覧と定義に従って分類してください。複数の分類に該当する場合はすべて示し、どの分類にも該当しない場合は「該当なし」としてください。出力は「入力番号、分類、判断理由」の順にしてください。判断理由は入力文に含まれる情報だけを根拠にし、推測を加えないでください。
分類では、分類先、判定基準、複数分類の可否、該当なしの扱い、判断理由を指定します。
ChatGPTプロンプト例は出力結果まで確認して評価する
プロンプト文だけでは、形式が守られているか、抜け漏れがないか、入力にない事実を追加していないかを判断できません。代表的な入力と例外入力を使い、実際の出力を保存します。
正確性と事実確認のしやすさを確認する
- 入力にない事実を追加していないか
- 必要な情報を落としていないか
- 数字、日付、担当者、期限を取り違えていないか
- 根拠となる入力箇所を確認できるか
「正確に答える」とだけ指示しても、確認方法は決まりません。参照資料、確認対象、情報不足時の表記まで指定すると、評価しやすくなります。
形式遵守と修正回数を記録する
形式の評価と内容の評価は分けます。メールなら件名と本文、議事録なら指定項目、分類なら入力番号・分類・理由の順番を確認します。
OpenAIの評価機能には、文字列一致、テキスト類似度、モデルによる採点、ラベル分類、Pythonによる検査などの方法があります。業務では、形式チェックと内容チェックを別の項目に分ける設計に応用できます。
問題が見つかったら、修正内容を「指示不足」「入力不足」「モデルの誤り」「人の判断が必要」に分類します。通常入力だけでなく、情報不足、長文、例外、複数条件が混在する入力もテストセットに含めます。
チームでChatGPTプロンプト例をレビューする手順
作成者だけで評価すると、作成意図を知っているため、曖昧な表現を見落とす可能性があります。作成者以外が同じ条件で試し、採点理由と修正履歴を共有します。
同じ入力条件でテストする
- プロンプト名と用途を記録する
- 通常、情報不足、例外などの入力を用意する
- 同じモデルと設定で出力する
- 6項目と重大な欠落を採点する
- 問題点と修正案を記録する
入力例、期待出力、利用モデル、設定、添付ファイルの条件も共有します。条件が異なると、プロンプトの品質以外の要因で出力が変わるためです。
修正・再テスト・承認を記録する
点数だけでなく、なぜその点数にしたのかを共有します。修正したプロンプトは同じテストセットで再テストし、改善前後の出力を比較します。
- プロンプト名、用途、対象ユーザー
- 入力例、期待出力、実際の出力
- 評価項目と採点理由
- 既知の失敗例と修正履歴
- 確認者、承認状況、更新日
- 利用モデルとテスト条件
承認後も条件の変化に合わせて更新する
入力条件や利用モデルが変わったときは、以前のテスト結果だけで判断せず、同じ入力で出力を比較します。変更前に得られていた良い出力が維持されているかも確認し、変更内容、再テスト結果、承認者、更新日を残します。
業務投入前に確認したいChatGPTプロンプト例の注意点
機密情報を入力してよいか確認する
機密情報を入力できるかは、サービスのプラン名だけで判断しません。個人向けサービス、管理されたワークスペース、APIでは、データ管理や管理者による制御が異なります。
OpenAIは、個人向けサービスでは設定によって会話がモデル改善に利用される場合がある一方、Business、Enterprise、Edu、HealthcareおよびAPIでは、提供された入力・出力を原則としてモデル改善に使用しないと説明しています。ただし、契約、設定、管理者ポリシーが優先されます。
顧客情報、個人情報、未公開情報を入力する前に、自社規程、契約、データ保持、共有設定を確認してください。社内共有用のプロンプトには、匿名化したサンプルやダミーデータを使います。
OpenAI Help Center「Data controls in ChatGPT」
管理されたChatGPTアカウントでは、組織の管理者がプロンプト、アップロードファイル、生成結果、履歴、利用状況などへのアクセスや保持設定を管理できる場合があります。ワークスペースの権限と社内ポリシーも確認します。
OpenAI Help Center「Data access for your managed ChatGPT account」
出力をそのまま使わず事実確認する
生成された文章が自然でも、内容の正確性が確認されたとは限りません。顧客への連絡、契約、法務、財務、人事などでは、原資料との照合と担当者の承認を残します。
プロンプトに「入力資料にない情報は推測しない」「確認できない場合は［要確認］と表示する」と入れても、確認作業そのものを省略できるわけではありません。
採点結果に応じて修正・保留・共有を判断する
- 修正：目的、制約、情報不足時の扱いに問題がある
- 保留：事実確認の方法や入力情報の扱いを決められない
- 共有：テスト結果、既知の失敗例、確認者、更新日を記録できている
点数を付けること自体を目的にせず、どの条件なら使えるのかを明文化します。
よくある質問
ChatGPTプロンプト例は合計点が高ければ、そのまま業務で使えますか？
合計点だけでは判断しません。目的に関わる欠落、必須情報の不足、出力形式の不一致、事実確認の方法がないといった問題がないかを確認します。重大な欠落があれば、修正または保留にします。
ChatGPTプロンプト例を評価するとき、実際の出力も確認する必要がありますか？
必要です。指示文だけでは、形式遵守、抜け漏れ、入力にない事実の追加、修正しやすさを判断できません。代表的な入力と例外入力で出力をテストします。
同じChatGPTプロンプト例を使っても結果が変わるのはなぜですか？
入力内容、前提条件、会話履歴、利用モデル、設定、添付ファイルなどが異なる可能性があります。再現性を評価するときは条件をそろえ、テスト環境を記録します。
ネット上のChatGPTプロンプト例を社内で共有するときに確認することは何ですか？
自社業務の目的に合うか、入力情報を扱えるか、出力をどう確認するかを確認します。入力例、期待出力、評価結果、既知の失敗例、修正履歴、確認者、更新日、利用モデルも記録します。
ChatGPTプロンプト例の評価後に、どこから修正すればよいですか？
目的との不一致、必須情報の欠落、出力形式の不明確さ、事実確認できない内容など、業務利用への影響が大きい問題から直します。修正後は同じ入力で再テストします。
まとめ
ChatGPTプロンプト例を仕事で使うときは、指示文の見た目だけで評価しません。次の順番で、業務に適用できるかを確認します。
- 目的、対象、入力、作業内容、出力形式を整理する
- 目的適合性、具体性、制約条件、再現性、出力精度、修正しやすさを採点する
- 通常入力だけでなく、情報不足や例外を含む入力をテストする
- 合計点とは別に、必須項目と重大な欠落を確認する
- 問題点、修正内容、再テスト結果、承認者、更新日を記録する
まずは、手元のメール作成や議事録要約のChatGPTプロンプト例を1つ選び、入力例・期待出力・実出力を並べて確認してください。点数だけで終わらせず、どの条件なら使えるのかを明文化することが、社内で継続利用する出発点になります。