AIの出力が人によってバラつく問題を解く：プロンプトを社内で標準化する手順(2026)

社内にChatGPTやGeminiを入れて半年。よく使う人は明らかに速くなったのに、多くの人は「一度触って、それきり」——この落差は、公的な資料でも想定されています。総務省「令和8年版 情報通信白書」は、汎用AIの導入についてこう書いています。

「ただし、汎用的なAIツールが導入されても一部の積極的な社員が活用するのみで、全社的な活用と効果創出に至らない可能性もある」

この記事は、生成AIへの指示文(プロンプト)を個人の技から社内の資産に変える手順をまとめたものです。対象は、中小〜中堅企業で全社のAI活用を任された情シス・DX担当、部門で先に使い始めた現場のリーダー、そして「投資した割に成果が見えない」と言われている推進担当者です。ツールの比較ではなく、導入したあとに何をするかに重心を置きます。

先に立場を書きます。プロンプトの書き方そのものは、各社の公式ガイドがすでに整理しています。足りないのは書き方の知識ではなく、書いたものを共有して直し続ける仕組みのほうです。だから本記事は、プロンプト作法の解説を最小限にとどめ、運用の設計に紙幅を割きます。

本記事の5手順、業務の選定条件、テンプレートの枠、工数の試算、チェックリストは、いずれもjisalab編集部が作成したものです(引用した公的資料・企業資料・各社の公式ガイドに同じ区分や文言があるわけではありません)。

最終更新: 2026年9月7日／本文で参照した公的資料・企業資料・各社の公式ガイドは同日に原文を確認しています。参照した企業事例の資料は2024年3月時点のもので、現在の状況とは異なる可能性があります。本記事は一般的な業務手順の解説であり、個別の適法性を判断するものではありません。

なぜ「使える人だけが速くなる」で止まるのか

数字から確認します。総務省「令和8年版 情報通信白書」第Ⅰ部第2章第1節は、2025年度に実施した企業向けアンケート調査をもとに、日本企業のAI利用の現状を次のように整理しています。

「上記（1）の生成AIの活用方針に関する設問で『わからない』と回答した対象を除き、生成AIの活用状況を尋ねたところ、自社の何らかの業務で生成AIを利用している旨を回答した割合は、日本において86.4%であった。2024年度企業向け調査に比べて大幅に上昇し、今回調査した他の3か国との差も縮まる結果となった」

引用のとおり、この86.4%は活用方針の設問で「わからない」と回答した企業を除いた母数での割合です。全企業を分母にした数値ではありません。

つまり「一つ以上の業務で使っているか」という粗い指標では、差が付きにくくなりました。ただし白書は同じ節で、業務類型別に見ると「日本は全体的に『未導入』や『わからない』と回答する割合が高かった」とも書いています。差が出ているのは、その次の段階です。同じ節の（2）組織的な取組状況には、こうあります。

「他方で、『組織的な取組はない』と回答した割合は27.0%と約3割に上り、米国・ドイツ・中国に比べて顕著に高い結果となった。企業規模別に見た場合、この回答割合は中小企業で特に高くなっている傾向が見られた」

この設問は「利用を禁止している」と回答した対象を除いて聞かれています。つまり「禁止しているから取り組んでいない」ではありません。使ってよいことになっているのに、組織として何もしていない層が約3割ある、ということです。

もう1つ、リスク対策の内訳も押さえておきます。ここまでを表にまとめます。

白書が示す日本企業の状況と、そこから読める課題(数値は総務省・令和8年版情報通信白書／解釈はjisalab編集部)

白書が示した事実	白書の記述・数値	編集部の読み方
何らかの業務で生成AIを利用(ただし業務類型別に見ると、日本は「未導入」「わからない」の割合が高い)	86.4%(日本)	粗い導入率では差が付きにくい。勝負は使い方の側へ移っている
業務変革等に関する「組織的な取組はない」(全社横断・各部署単位・個人業務単位のいずれかで取り組んでいるのは65.6%)	27.0%(日本／中小企業で特に高い)	個人任せの層。ツール費用だけ払って成果が出ない状態になりやすい
リスク対策で最多は「全社的な指針やガイドラインを整備」	41.1%(日本)	「してはいけないこと」は配れている
他の3か国は導入段階の審査体制・導入後の定期的な評価・検証が日本より高い(白書はその理由を、顧客向け製品・サービスへの展開度合いの差と説明)	白書の記述(比較傾向)	白書が挙げる理由は製品・サービスのガバナンス。ただし社内利用でも「出力の良し悪しを見る仕組み」が要る点は共通する、というのが本記事の立場

左2列は総務省「令和8年版 情報通信白書」第Ⅰ部第2章第1節（2）（3）（4）の記述と数値です。右列の「編集部の読み方」は白書に書かれている内容ではなく、jisalab編集部の解釈です。白書の元データは総務省（2026）「国内外における最新の情報通信技術の研究開発及びデジタル活用の動向に関する調査研究」で、比較対象の3か国は米国・ドイツ・中国です。

ただし白書は、この差の理由を自ら書いています。

「日本に比較して他の3か国では、議事録・メール作成補助等の企業内で完結する利用にとどまらず、顧客向けの製品・サービスに生成AIを活用することが積極的に行われており、これに伴い、事前の審査や事後の評価・検証を行う体制が整備されつつあるものと考えられる」

つまりこの設問が指しているのは顧客向け製品・サービスのガバナンスであって、社内で指示文を配る仕組みの有無ではありません。ここから先は編集部の見立てです。ただ、社内利用に限っても「出したものが使える水準かを誰かが見る」仕組みが要る点は変わりません。

ここまでを一文にすると、「入力してはいけない情報」は配れているが、「うまくいった指示文」は配れていない、という状態です。禁止事項は減点を防ぎますが、加点は生みません。加点側の仕組みが、本記事で扱うプロンプトの標準化です。

先に決める：標準化するのは「プロンプト」ではなく「業務」

「プロンプト集を作りましょう」から始めた取り組みは形骸化しやすい。集まるのが「便利そうな指示文」であって「自分の業務で使う指示文」ではないためです。読む側からすると、他部署の例文が並んでいるだけで、自分の月曜の仕事とはつながりません。

実際に社内展開を進めた企業の公開資料を見ると、洗い出しが先に置かれています。日清食品ホールディングスが2024年3月14日に公開した投資家向け資料「生成AI活用の取り組み」(2024年3月期テーマ別IR資料。以下、本記事で「日清食品ホールディングスの資料」と呼ぶものはすべてこの2024年3月時点の資料です)には、営業部門で1か月かけて実施したプロジェクトが4つのSTEPで示されています。

1. ① 研修実施(2時間)——プロンプトエンジニアリングの概要／プロンプトテンプレートの作り方／活用演習
2. ② 対象業務洗い出し——対象業務の選定ポイントを解説
3. ③ プロンプトテンプレート作成——週1回(各1時間)の定例ミーティングでプロンプト作成方法を解説／各自がテンプレートを作成／随時Teamsチャットで質疑応答
4. ④ 効果算出・成果報告——作成したテンプレート活用による効果算出／経営層への成果報告

注目したいのは、テンプレート作成(③)の前に業務の洗い出し(②)が置かれ、最後に効果の算出と経営層への報告(④)が置かれていることです。同資料には、営業領域で生成AIの活用が見込まれる業務が①〜㉜の32項目として一覧化されており、「顧客のために使う時間」(商談準備)と「その他時間」(作業・会議・能力開発)の2つに分けて並べられています。マクロトレンド情報収集、得意先の経営課題要約、プレゼン資料骨子作成、商品コメント文字数調整、mtg議事録作成、商談ロールプレイングといった具合に、粒度が「作業単位」まで下りているのが特徴です。

その後の横展開も、資料では順序が明示されています。①営業部門 → ②マーケティング部門 → ③希望のあった先行12部署(宣伝・広報・経営企画・経営管理・財務経理・内部監査・法務・生産・食品開発・品質究理・サステナビリティ推進・品質保証) → ④その他部署 → ⑤作成したプロンプトテンプレートをグループ会社に展開、という流れです。全社一斉ではなく、1部門の成功事例を横に伸ばす形になっています。なお同資料は自社の工程順を示したものであり、逆の順序で失敗したという比較や検証があるわけではありません。ここから「洗い出しが先」を勧めるのは編集部の判断です。

同資料は2024年3月14日付で、記載は当時の状況です。なお白書は、日清食品グループについて「生成AIの活用効果を見込める対象業務を部門ごとに選定した上で、プロンプトのテンプレート（ひな形）を作成し、AI活用効果を測定する取組を少しずつ社内展開していった結果、社内の生成AI利用率が直近では7割超にも到達しているという」と記述しています(この「7割超」は白書側の記述で、下記IR資料の数値ではありません)。

中小〜中堅企業が同じことをやるとき、32業務の洗い出しは重すぎます。次章から、対象を3つに絞る前提で手順を組み直します。

手順①：まず業務を3つだけ選ぶ

最初に選ぶ業務は3つで十分です。多すぎると、テンプレートを作る側も使う側も回りません。次の3条件で選びます。

1. 頻度が高い(1人あたり週1回以上、または部門全体で月10回以上)——効果が積み上がり、後で回数を数えられます
2. 出力の型が決まっている(議事録、報告書、メール返信、要約など)——型が決まっていれば「良い出力」の基準を書けます
3. 間違えても致命傷にならない(社内向け、下書き段階、必ず人が確認する)——最初の1周は必ず外れが出るため、外れても取り返せる場所から始めます

逆に、最初に選んではいけないのは「対外的に出る最終成果物」と「判断そのものが仕事の中身である業務」です。前者は失敗のコストが高く、後者はそもそもAIに渡す前提が成り立ちません。契約書のレビュー、与信の判断、採用の合否といった領域は、最初の3つには入れないでください。

職種別に、実際に選ばれやすい業務を挙げます。前掲の日清食品ホールディングスの資料には各部門で作成されたプロンプトの一覧も掲載されており、「社内問い合わせに対する回答文の作成」「説明会開催時の通知文作成」(財務経理部門)、「議事録の作成」「報告書の作成（文章チェック）」(サステナビリティ推進部門)、「業務手順書の作成」(品質保証部門)のように、どの部門でも文章の作成・要約・チェックが中心です。

最初の3つに選ばれやすい業務の例(職種別)

職種	選びやすい業務	選んだ理由(3条件のどれに当たるか)
営業	商談メモから顧客向けお礼メールの下書き／得意先の決算資料の要約	週数回発生し、型が決まっており、送信前に本人が読む
マーケティング	広告コピー案の量産／記事・レポートの要約	1回で複数案が要る作業。捨てる前提なので失敗コストが低い
バックオフィス(総務・経理)	社内向け通知文の作成／問い合わせ回答文の下書き	文面の型が固定。社内向けなので影響範囲が閉じている
情シス・DX推進	会議の議事録整形／手順書の下書き	頻度が高く、成果物のフォーマットが決まっている
人事	求人原稿のたたき台／研修アンケートの自由記述の分類	下書き段階で人が必ず手を入れる。選考の合否判断には使わない

この表は、上記の3条件にもとづく編集部の例示です。なお白書によれば、日本で活用の回答が最も高かったのは「議事録・メール作成補助」で約7割、導入効果を実感すると回答した割合も同類型が約7割で他に比べ顕著に高い、とされています(2位は「営業・販売」約6割、3位は「社内ヘルプデスク」約5割)。上の並びが白書と一致するのは1位の類型についてで、それ以外は編集部の例示です。人事の欄については、選考の合否そのものをAIに委ねる使い方は本記事の対象外としています。

手順②：指示文の「型」を、公式ガイドに合わせてそろえる

プロンプトの構成は、各社が公式に公開しています。まずGoogle Workspace「効果的なプロンプトの書き方」は、「効果的なプロンプトを記述するには、4 つの主な要素を考慮します」として、次の4つを挙げています。

• ペルソナ
• タスク
• 背景情報
• 形式

原文は4項目の箇条書きです(要素名は原文どおり)。

同ページに掲載されている例文は次のとおりです(角かっこの中に自社の具体を入れて使います)。

“You are a program manager in [industry]. Draft an executive summary email to [persona] based on [details about relevant program docs]. Limit to bullet points.”

一方、OpenAIの公式ガイド(Prompt engineering)は、開発者メッセージの組み立てを説明する箇所で「In general, a developer message will contain the following sections, usually in this order (though the exact optimal content and order may vary by which model you are using)」——最適な内容と順序はモデルによって変わりうるという留保つきで、次の4つを挙げています。

• Identity — “Describe the purpose, communication style, and high-level goals of the assistant”
• Instructions — “Provide guidance to the model on how to generate the response you want”
• Examples — “Provide examples of possible inputs, along with the desired output from the model.”
• Context — “Give the model any additional information it might need to generate a response”

見出し名と英文の説明は原文どおりで、1行にまとめた並べ方は編集部によるものです。

2つを並べると、一致点と相違点がはっきりします。

2つの公式ガイドの構成要素の対応(左2列は各社公式の表記、右列は編集部の突き合わせ)

Google Workspace(公式・日本語表記)	OpenAI(公式・英語表記)	編集部の突き合わせ
ペルソナ	Identity	ほぼ同じ。「誰として答えるか」を先に置く点で一致
タスク	Instructions	ほぼ同じ。動詞で何をするか
背景情報	Context	ほぼ同じ。ただしGoogleは4要素の3番目、OpenAIは最後に置く
形式	（対応する独立要素なし）	Google側だけが独立した見出しに立てている。出力の形(箇条書き・字数・表)を指定する枠(OpenAI側もInstructionsの中で扱いうる)
（対応する独立要素なし）	Examples	OpenAI側だけが独立した見出しに立てている。望ましい入出力の例を渡す枠

左列はGoogle Workspace「効果的なプロンプトの書き方」の日本語表記、中列はOpenAIの開発者向けガイド「Prompt engineering」の英語表記です(いずれも2026年9月7日確認)。右列の対応づけと「〜だけが独立した見出しに立てている」という整理は、両ページを突き合わせたjisalab編集部の整理であり、両社が公式にそう述べているわけではありません。両ガイドは想定する利用者(業務アプリの利用者／APIの開発者)が異なるため、要素の粒度も異なります。

この差は実務でそのまま効きます。社内テンプレートには、Googleの「形式」とOpenAIの「Examples」の両方を入れてください。(同ガイド自身は「あらゆるプロンプトで 4 つの要素すべてを満たす必要はありませんが、いくつかでも取り入れると効果があります」とし、対話的な調整も勧めています。両方を勧めるのは社内で水準を揃える目的に限った編集部の判断で、固定の型は対話の代わりではなく出発点です。)形式を書かないと、同じ指示でも人によって長さも体裁もバラバラになります。例を渡さないと、「この会社ではこれくらいの丁寧さ」という水準が伝わりません。この2つが、まさに個人差が出る場所です。

冒頭2行の運用欄は、テンプレートの見出しに置くもので、AIに送る文には含めません。中身は後半の「入力してよい情報」の章で決めますが、枠だけ先に用意しておくと、決めた内容がそのまま配布物に載ります。

Googleの公式ガイドは、最終的なアウトプットの責任は利用者にあるとしています(原文は後半で引用します)。その責任を現実的に果たすための装置として、編集部は【禁止】の1行を勧めます。同ガイドがこの1行を推奨しているわけではありません。穴を埋めさせず、穴として報告させるほうが、確認の手間は減るためです。

手順③：合格の見本(ゴールデン出力)を1本だけ作る

ここが抜けやすいところです。テンプレートは「どう聞くか」を教えますが、「どこまで出れば合格か」は教えません。初めて使う人は、返ってきた答えを見て「なんとなく違う気がするが、どう直せばいいか分からない」で止まります。そして二度と開かなくなります。

この運用には一次資料に部分的な裏づけもあります。前掲の資料には横展開の図が2枚あり、一方の最終段階には「⑤作成したプロンプトテンプレートをグループ会社に展開」、もう一方には「⑤作成した指示文＆回答事例を他グループ会社に展開」と書かれています。後者からは、指示文と出力例をセットで配るやり方が実際に採られていたことが分かります(効果の大小を示す数値までは示されていません)。

やることは単純です。選んだ3業務それぞれについて、実際に使って、部署の中でいちばん詳しい人が「これなら出せる」と認めた出力を1本、テンプレートに貼り付けておく。それだけです。本記事ではこれをゴールデン出力と呼びます(本記事で用いる便宜的な呼び名で、公式な用語ではありません)。

ゴールデン出力を添えると、3つのことが同時に起きます。

• 受け手が自己採点できる——自分の出力と見本を並べれば、足りないのが具体性なのか、体裁なのか、長さなのかが分かります
• AIに渡す例になる——前章のテンプレートの【見本】欄にそのまま入り、出力の水準が上がります(OpenAIの公式ガイドも Examples を独立した要素として置いています。ただし同ガイドがその理由をこう説明しているわけではなく、社内運用で同じ効果が期待できる、というのが編集部の見立てです)
• 合格基準が言語化される——「もっと丁寧に」ではなく「見本と比べて、相手の課題への言及が抜けている」と指摘できます

見本を作るときの注意が1つあります。実在の取引先名・顧客名・金額をそのまま残さないでください。ゴールデン出力は社内で広く共有され、しかも長期間残ります。作成の段階で仮名とダミー数値に置き換えるのが確実です。総務省の白書でも、生成AIの活用に関して懸念されるリスクとして日本で最も多かったのは「社内情報の漏洩などのセキュリティリスクがある」でした。共有される前提の文書ほど、実データを混ぜない設計が要ります。

言葉だけでは伝わりにくいので、営業の「商談メモから顧客宛のお礼メールの下書き」を例に、1本通してみます。以下はすべて架空の例です。

この出力が「合格」とされたのは、①先方が話した困りごと(締め日に3日)をそのまま拾っている ②次に何をするか(費用の内訳を持参)が1つに絞られている ③こちらから催促していない ④素材にない事実を足さず、足りない情報を末尾に質問として出している(「優先度が高い状況と受け止めました」は素材からの解釈ですが、断定せず受け手の言葉として置いています) ⑤【形式】の指定どおり、本文(件名・宛名・質問リストを除く)が211字・3段落に収まっているの5点を満たすためです——という判断理由を、見本と一緒に書いておきます。ここまでがセットで初めて、受け取った人が自分の出力を採点できます。比較検討中の他社2社に触れていないのは、⓪の【前提】で「触れない」と指定したためです(触れると牽制に読まれるため)。指定の理由まで添えておくと、他の人が同じ前提を書けます。

手順④：置き場所と「持ち主」を決める

置き場所で悩む時間は、あまり報われません。すでに使っているドキュメント基盤(社内Wiki、共有ドライブ、チャットのピン留め)に置いてください。専用のツールを新しく契約するのは、本数が増えて実際に探せなくなってからで十分です。

代わりに、次の3点を決めます。

1. オーナーを個人名で1人——「営業企画部」ではなく「営業企画部・〇〇」。部署名にすると、直す責任が誰のものでもなくなります
2. 更新のきっかけを業務イベントに紐づける——「四半期ごとに見直す」は守られにくい。「そのテンプレートを使って出力が外れたとき、使った本人がオーナーに報告する」のように、実際に起きる出来事に紐づけます
3. 入口を業務の手前に置く——テンプレート集を探しに行く動線ではなく、その作業を始める場所(たとえば議事録のフォルダ、日報のフォーマット)にリンクを張ります

この3点を外すと、直す当事者がいないまま古いテンプレートが残ります。「四半期ごとに見直す」では、見直しの日が来てもどれを直すかの手がかりがありません。「出力が外れたとき、使った本人がオーナーに報告する」なら、直すべき1本と直すべき箇所が同時に分かります。

入口も同じです。社内Wikiの奥に置くと「そういえばテンプレートがあったな」と思い出す必要があり、慣れていない人ほど思い出しません。置き場所は、探しやすさではなく「思い出さずに済むか」で決めてください。

もう1つ、白書は同じ節で、中小企業について「『特に実施している施策はない・把握していない』との回答も一定割合で見られたものの、『経営幹部から各部署に対して実施事項や達成目標が提示されている』が最も高い回答割合となった」「トップダウンの関与がキーポイントとなっていることがうかがえる」と述べています(この設問は「組織的な取組はない」「わからない」と回答した企業を除いた母数での結果で、すでに何らかの取組がある中小企業に限った傾向です)。オーナーを置く前に、経営層から一言もらっておくほうが定着は早いと読めます。「この3業務は、まずテンプレートで揃える」と部門長以上の口から出るだけで、オーナーを引き受ける側の負担感が変わります。

展開の順序も、前掲の資料の形が参考になります。1部門で回してから希望した部署へ、最後にグループ会社へ、という順です。最初から全社に配ると、使わなかった大多数の存在が「効果がない」という評価につながりがちです。1部門で使用率が上がってから広げるほうが、社内での説明も楽になります。

手順⑤：使われた回数を測り、経営層に報告する

先に断っておくと、削減時間を出すこと自体を否定する話ではありません。前掲の日清食品ホールディングスの資料も、定量効果として年間作業工数「32,591時間削減見込み」を掲げ、部署別の年間削減時間まで一覧にしています。ただし内訳は偏っており、NSS営業（BS部）だけで25,120時間と全体の8割弱、次点のマーケティング部門が4,631時間、3位以下は464時間・324時間と急落します。経営層への報告では、最終的にこの形が要ります。

ただし順序が違います。同資料の数値も表記のとおり「見込み」であって実測ではありません。削減時間は本人の申告に頼り、比較対象(AIを使わなかった場合の所要時間)も推定値なので、最初のKPIに置くと2回目の説明で耐えなくなる——というのが編集部の見立てです。まず数えられるもので継続を確保し、削減時間は前提を明示したうえで後段に置くのが安全です。

先に測るべきは使われた回数と、使った人の割合です。前掲の資料には「営業部門における月別利用率」のグラフが掲載されており、2023年5月の28%から、6月37%、7月36%、8月49%、9月65%、10月64%、11月68%と推移しています。右肩上がりの一直線ではなく、6月→7月と9月→10月で微減している点が実態に近く、参考になります。導入直後に上がって一度落ち、施策を打って戻る、という動きです。

上記は同資料に掲載された、営業部門の月別利用率(2023年5月〜11月)です。全社の数値ではありません。前掲の「7割超」は白書側の記述で、このグラフとは出所が異なります。

そのうえで、時間の話をするなら「1回あたりの所要時間を、本人に前後で自己申告してもらう」より、「そのテンプレートが月に何回使われたか」に単価を掛けるほうが説明しやすくなります。ここは次章で試算します。

数え方は、凝らないほうが続きます。①社内で使っている生成AIの管理コンソールに利用ログがあればそれを使う ②無ければ、テンプレートごとに置き場所へのリンクを分け、クリック数やコピー回数を見る ③それも難しければ、月末に「先月このテンプレートを使った回数」を挙手か1問アンケートで集める——③の自己申告でも、削減時間の申告より桁違いにブレません。「使ったか／使っていないか」は本人が正確に答えられるからです。

3か月たったら、使われた回数の多い順にテンプレートを並べ、下位を捨ててください。本数が増えるほど探しにくくなり、使われないテンプレートが「どれを使えばいいか分からない」の原因になります。減らすことも運用の一部です。

費用と工数の試算：3業務・20人でいくらかかるか

前提を置いて計算します。1部門20人、対象業務3つ、すでに生成AIの契約と社内利用ルールがある状態からの立ち上げとします。

立ち上げにかかる工数の試算(1部門20人・3業務)

工程	誰が	時間の目安	合計
①業務を3つ選ぶ(部門長との擦り合わせ含む)	推進担当1人＋部門長1人	2時間×2人	4時間
②テンプレートの型を作る(初版)	推進担当1人	3時間	3時間
③ゴールデン出力を3本作る	各業務の詳しい人3人	1.5時間×3人	4.5時間
④置き場所・オーナーの設定	推進担当1人	1.5時間	1.5時間
説明会(1回・実演あり)	推進担当1人＋参加20人	1時間×21人	21時間
立ち上げ合計			34時間
運用(月次のテンプレート見直し・利用回数の集計)	推進担当1人	月2時間	年24時間

この表は編集部の試算で、実測データではありません。説明会の21時間は参加者の拘束時間を含めた総和で、推進担当の負担は1時間です。すでに生成AIの契約・社内ルールがある前提のため、ツールの新規契約費用は含みません。

まず投下側を見ます。仮に人件費を時給3,000円とすると、立ち上げ34時間は約10万2,000円、運用が年24時間で約7万2,000円。年間で約17万4,000円の投下です。

回収側を見ます。1回10分の短縮は時給3,000円なら1回あたり500円。ここから逆算した損益分岐は次のとおりです。

損益分岐(1部門20人・3業務)

1回あたりの短縮	初年度の分岐(月)	2年目以降の分岐(月)
5分	58回	24回
10分	29回	12回
15分	20回	8回

初年度の投下17万4,000円、2年目以降は運用の7万2,000円を、1回あたりの短縮額(短縮分×時給3,000円)と12か月で割った値です。実測ではありません。想定される利用回数は、手順①の「1人あたり週1回以上」の枝を満たす3業務なら3×20人×週1回で月およそ240回(1回10分なら年480時間・約144万円分)。緩いほうの枝(部門全体で月10回以上)だけなら合計月30回で、分岐の29回をわずかに超えるだけです。なお240回は「20人が3業務すべてを毎週やる」前提のため、職種で業務が分かれる職場ではもっと少なくなります。

この計算で本当に見るべきは金額ではなく、損益分岐が「回数」で決まるという構造のほうです。うまい指示文を1本作ることより、それが月に何十回使われる場所に置かれているかが効きます。テンプレートの出来を磨く時間があるなら、使われる場所に置き直す時間に回してください。

入力してよい情報と、人が確認する範囲を先に決める

テンプレートは複製されて広がります。したがって、テンプレートの中に不適切な入力を促す文言が1行入っていると、それが部署全体に配布されます。標準化の効果が逆向きに働く場面です。

前掲の資料は、生成AI利用のリスクを2点に集約しています。1つはセキュリティ(入力した内容の情報漏洩リスク)で、対策として「セキュリティを担保する日清食品専用環境を構築し、業務利用をその環境のみに限定」。もう1つはコンプライアンス(二次利用に際する不適切な流用リスク)で、対策として「ガイドライン策定、説明会、通報・社内報、システム上での注記喚起など、ユーザに回答内容を適切に扱うように啓蒙を繰り返し実施」と記されています。同資料はあわせて、これらが「ChatGPTに限らず、インターネット利用全般などにもあてはまる事項」であるとも述べています。

中小〜中堅企業で専用環境の構築まで行うのは現実的でないことが多いので、テンプレート側で受けます。

• テンプレートの冒頭に、入れてよい情報の例と入れてはいけない情報の例を2行で書く——「入れてよい: 商談の要点、公開されている先方の情報／入れない: 個人名、契約金額、未公表の企画」のように具体名で書きます。「機密情報は入力しない」だけでは判断できません
• ゴールデン出力そのものを、仮名・ダミー数値で作る——見本が実データだと、それを真似た入力が量産されます
• 出力を誰が確認して出すかを、テンプレートに1行で書く——「送信前に本人が全文を読む」「社外に出るものは上長が確認する」など、テンプレートごとに書き分けます
• 使っているサービスの契約プランで、入力内容が機械学習に利用されるかを確認する——個人の無料アカウントと法人契約では扱いが異なります。確認結果をテンプレートに明記しておくと、都度の問い合わせが減ります

Google Workspaceの公式ガイドも、出力を使う前に「回答を見直して、内容が明確で関連性があり、正確であることを確かめてください」としたうえで、「最終的なアウトプットにはあなた自身が責任を持たなければならない」と明記しています。テンプレートは責任の所在を移しません。むしろ、テンプレート化するときに確認の担当を書き込んでおくのが、後から効いてきます。

よくある質問(FAQ)

プロンプト集をすでに作ったのですが、誰も使っていません。何が足りないのですか?

足りていない可能性が高いのは、ゴールデン出力(合格の見本)と、置き場所の動線の2つです。プロンプト集は「どう聞くか」しか伝えないため、初めて使う人は返ってきた答えの良し悪しを判断できず、そこで離脱します。合格した出力を1本添えるだけで、自己採点ができるようになります。もう1つは動線で、集を探しに行かないと見つからない場所にあると、慣れていない人ほど使いません。その作業を始めるフォルダや様式の中にリンクを置いてください。加えて、収録されているのが他部署の例文ばかりでないかも確認してください。日清食品ホールディングスの公開資料でも、テンプレート作成の前に対象業務の洗い出しが置かれていました。

テンプレートを配ると、みんな同じような文章になりませんか?

その懸念は正しく、用途によって答えが変わります。社内通知、議事録、問い合わせ回答のように「同じであることが望ましい」文書では、揃うこと自体がメリットです。逆に、広告コピーや企画のアイデア出しのように「同じでは困る」用途では、テンプレートの【依頼】欄に「毎回、方向性の異なる案を複数出す」と書き、【形式】欄では「1案あたり40字以内」のように体裁だけを縛って使います。同じ7枠でも、収束させるか発散させるかは依頼の書き方で切り替えられます。なお、社外に出る文章については、最終的に本人が自分の言葉に直す前提を崩さないでください。

ChatGPTとGeminiで、テンプレートは使い回せますか?

先に、固定の型が向かない場合があることを断っておきます。OpenAIの公式ガイドは推論モデル(reasoning models)について「Generally speaking, reasoning models will provide better results on tasks with only high-level guidance. This differs from GPT models, which benefit from very precise instructions.」——推論モデルは高レベルの指示のほうがよい結果になり、細かく縛るのが効くのはGPT系のモデルだとしています。7枠を細かく埋めても、使うモデルによっては効きが弱いことがあります。同ガイドはまた、例を渡すときは「try to show a diverse range of possible inputs with the desired outputs」として多様な入力と出力を複数示すことを勧めており、本記事が勧める「1業務につき見本1本」はこれより控えめな運用です。まず1本で水準を揃え、余力ができたら典型的でない入力の例を足す——という順序で読んでください。

そのうえで、本記事の7枠のレベルであれば、おおむね使い回せます。呼び名は違っても構成の考え方が近いためです。ただし各社のガイドは想定する利用者が異なり、細部の推奨は一致しません(OpenAIのガイド自身も、順序は「モデルによって変わりうる」と留保しています)。出力の癖も異なるため、別のサービスに移したときはゴールデン出力と見比べる工程をもう一度通してください。実務的には、社内で契約しているサービスを1つ決めて見本を作るのが手間が少なくて済みます。各サービスの料金や向き不向きはChatGPTレビュー・Geminiレビューで扱っています。

効果を経営層に報告するとき、どんな数字を出せばよいですか?

初回は利用回数と利用者の割合を主に、削減時間は補足に置いてください。削減時間は本人の申告と推定に依存するため、追及されると持ちません。前掲の日清食品ホールディングスの資料でも、営業部門の月別利用率が2023年5月の28%から11月の68%へ推移する形で示されており、途中で微減している月もあります。この「一度下がる」ことを最初に伝えておくと、2か月目の数字で打ち切られる事故を防げます。あわせて、同資料のプロジェクトが4番目のSTEPに「効果算出・成果報告」を置いていたように、報告を最初から工程に組み込んでおくと、社内での継続が決まりやすくなります。金額換算を出すなら、本文の試算のように前提(何人・月何回・1回何分・時給いくら)を明示し、実測値ではないことを添えてください。

社内利用ルールがまだありません。テンプレートより先に作るべきですか?

並行で構いませんが、テンプレートを配る前に「入れてよい情報／入れない情報」の線引きだけは決めてください。テンプレートは複製されて広がるため、そこに不適切な入力を促す文言があると、部署全体に配布されることになります。逆に言えば、線引きを1行書き込んだテンプレートを配ることは、それ自体が周知になります。本文で見たとおり、日本企業のリスク対策では指針・ガイドラインの整備が最多でした。決めごと自体は持ちつつある一方で、良い使い方を配る仕組みのほうが手薄だ、というのが編集部の見立てです。ルールの整備を待ってからテンプレートに着手する必要はありません。社内ルールの作り方は生成AIの社内利用ルールを作る手順にまとめています。

あわせて読みたい

出典・参考

• 総務省「令和8年版 情報通信白書」第Ⅰ部第2章第1節「企業におけるAI利用の現状」より、（2）組織的な取組状況(「組織的な取組はない」27.0%・中小企業で特に高い傾向、環境整備の回答傾向と他3か国との差)、（3）生成AIの業務利用状況(方針が「わからない」の企業を除く母数での利用86.4%)、（4）懸念されるリスク及びリスク対策のための取組状況(懸念されるリスクの最多は「社内情報の漏洩などのセキュリティリスクがある」、対策の最多は「全社的な指針やガイドラインを整備している」41.1%、他3か国の審査体制・評価検証が高い傾向とその理由に関する白書の説明)、（1）生成AIの活用方針等(「積極的に活用する」＋「活用する領域を限定して利用する」の合計が68.9%／前年度49.7%／大企業74.0%・中小企業58.1%／他3か国に比べ日本は引き続き低い)｜（1）生成AIの活用方針等／（2）組織的な取組状況／（3）生成AIの業務利用状況／（4）懸念されるリスク及びリスク対策のための取組状況(2026年9月7日に原文を取得し逐語で確認)。調査の出典は総務省（2026）「国内外における最新の情報通信技術の研究開発及びデジタル活用の動向に関する調査研究」、比較対象は米国・ドイツ・中国
• 総務省「令和8年版 情報通信白書」第Ⅰ部第2章第1節 4（2）「AI導入・活用による効果創出のステップ」より、汎用AIによる個人作業の効率化に関する記述(「一部の積極的な社員が活用するのみで、全社的な活用と効果創出に至らない可能性もある」を含む)、および日清食品グループの取組(部門ごとの対象業務選定、プロンプトのテンプレート作成、効果測定、社内利用率が直近では7割超)｜総務省(2026年9月7日に原文を取得し逐語で確認)
• 日清食品ホールディングス「生成AI活用の取り組み」(2024年3月期テーマ別IR資料・2024年3月14日)より、プロジェクトの4STEP(研修実施／対象業務洗い出し／プロンプトテンプレート作成／効果算出・成果報告)、営業領域で活用が見込まれる32業務の一覧、営業部門における月別利用率(2023年5月28%〜11月68%)、横展開の順序、ChatGPT利用に際する2つのリスクと対策、各部門で作成したプロンプトの一覧｜日清食品ホールディングス(PDF)(2026年9月7日にPDF原文を取得し確認)。記載は2024年3月時点の状況です
• Google Workspace「効果的なプロンプトの書き方」(Gemini for Workspace)より、4つの主な要素(ペルソナ／タスク／背景情報／形式)、例文、使い始めるにあたってのヒント、および出力の確認と責任に関する記述｜workspace.google.com(2026年9月7日に日本語ページの原文を取得し確認)
• OpenAI「Prompt engineering」(開発者向けドキュメント)より、開発者メッセージの構成として推奨される Identity／Instructions／Examples／Context とその説明｜developers.openai.com(2026年9月7日確認)
• 本記事は一般的な業務手順の解説であり、法令・ガイドラインの解釈を確定させるものではありません。個別の適法性の判断は、自社の規程および弁護士等の専門家にご確認ください。各サービスの料金・機能・データの取扱いは変更されるため、導入前に必ず最新の公式資料でご確認ください

関連カテゴリ: AI活用術 ／ AI

本記事に登場する製品名・ロゴは各社の商標または登録商標です。掲載の図解はjisalab編集部が作成したものです。