情報処理試験を勉強していると、「プロンプトエンジニアリングって、ただAIに質問することと何が違うの？」と疑問に思う場面があります。ここでは、その正体を日常の例え話から技法の全体像まで一気に整理します。
対象試験と出題頻度
プロンプトエンジニアリングは、ITパスポート・基本情報技術者・応用情報技術者の3試験で出題されるテーマです。
IPAシラバスVer.6.3で正式に追加された比較的新しい用語であり、生成AI関連の出題が今後さらに増加する見込みの中で、ファインチューニングやアノテーションとの区別が問われます。
詳細をクリックして確認
ITパスポート
基本情報技術者
応用情報技術者
★★★★☆
ランクA（重要）必ず覚えておくべき
用語の定義
「プロンプトって要するにAIへの質問でしょ？」と思っている方は多いですが、もう一歩踏み込んだ概念です。
プロンプトエンジニアリング（Prompt Engineering）とは、一言で言うと
「生成AIに与える指示（プロンプト）を設計・最適化して、より精度の高い出力を得る技術」
のことです。
イメージとしては、「レストランでのオーダーの仕方を工夫すること」です。
同じレストランでも、「何かおすすめありますか？」と聞くのと、「辛さ控えめの魚料理で、予算2,000円以内のものを教えてください」と聞くのでは、返ってくる提案の精度がまるで違います。
AIへの指示も同じで、聞き方の設計次第で出力の質が大きく変わります。
📊 プロンプトエンジニアリングの基本情報
| 項目 | 内容 |
|---|---|
| 英語名 | Prompt Engineering |
| 分類 | 生成AI活用技術 |
| 対象 | 大規模言語モデル（LLM）などの生成AIモデル |
| 目的 | AIの出力精度を向上させること |
| 代表的な技法 | Zero-shot、Few-shot、Chain-of-Thought（CoT） |
解説
生成AIが急速に普及する中で、「同じモデルを使っているのに、人によって得られる結果の品質が全然違う」という現象が課題になりました。モデル自体を改造せず、入力の仕方だけで出力を改善できる手法として体系化されたのがこの技術です。
プロンプト設計の4要素
効果的な指示を組み立てるには、次の4つの要素を意識します。
| 要素 | 英語名 | 役割 |
|---|---|---|
| 命令 | Instruction | AIに実行してほしいタスクを明示する（例：「要約して」「翻訳して」） |
| 文脈 | Context | 背景情報や前提条件を与える（例：「あなたはITの専門家です」） |
| 入力データ | Input Data | 処理対象の情報そのもの（例：要約したい文章） |
| 出力形式 | Output Indicator | 期待する回答のフォーマットを指定する（例：「箇条書き3点で」） |
代表的な3つの技法
ここだけは確実に押さえてください。
IPA試験で問われるのは主にこの3つの技法の違いです。
代表的な技法の比較
| 技法名 | 特徴 | 具体例 |
|---|---|---|
| Zero-shot | 例示なしで、いきなりタスクを指示する | 「次の文を英語に翻訳して：今日は天気が良い」 |
| Few-shot | 数個の入出力例を提示してから本題を指示する | 「犬→動物、バラ→植物、では車→？」 |
| CoT (Chain-of-Thought) |
推論過程をステップごとに記述させる | 「ステップごとに考えて回答してください」と指示を追加する |
図解：3つの技法のイメージ
Zero-shot
🧑 「この文を要約して」
例示なし → いきなり本題
Few-shot
🧑 「例：犬→動物」
🧑 「例：バラ→植物」
🧑 「では、車→？」
数個の例を提示 → 本題
CoT
🧑 「順を追って考えて」
🤖 ステップ1→2→3…
🤖 「答えは○○です」
推論過程を段階的に出力
▲ 左からZero-shot・Few-shot・CoT。例示の有無と推論ステップの指示が区別のポイント
ファインチューニングとの違い
混同されやすい概念として「ファインチューニング」があります。両者の決定的な違いは、AIモデルのパラメータ（内部の重み）を変更するかどうかです。
プロンプトエンジニアリング vs ファインチューニング
プロンプトエンジニアリング
モデルはそのまま。入力の仕方を工夫して出力を改善する。コスト低・手軽。
ファインチューニング
独自データで追加学習し、モデルのパラメータ自体を調整する。コスト高・専門知識が必要。
※ AP R6秋 午前問71では、この2つの違いが正誤の分かれ目になった
では、この用語が試験でどのように出題されるか見ていきましょう。
💡 プロンプトエンジニアリングの核心を3行で
・生成AIへの指示を設計・最適化して、出力の精度を高める技術
・代表技法はZero-shot（例示なし）、Few-shot（例示あり）、CoT（推論過程を段階出力）
・モデルのパラメータを変更しない点でファインチューニングと区別する
試験ではこう出る！
プロンプトエンジニアリングは、IPAシラバスVer.6.3（2024年10月適用）で正式に追加された新しいキーワードです。生成AI分野の出題強化に伴い、今後の定番テーマになる可能性が高いと言えます。
📊 過去問での出題実績
| 試験回 | 出題内容 | 問われたポイント |
|---|---|---|
| AP R6秋 午前 問71 |
基盤モデルを独自データで特化させる手法を選ぶ問題。選択肢にアノテーション、クラスタリング、ファインチューニング、プロンプトエンジニアリングが並ぶ。 | ・正解はファインチューニング ・プロンプトエンジニアリングは「モデル変更なし」のため不正解 |
| IP R7 問28 |
生成AIの説明として正しいものを選ぶ問題。「プロンプトで与えられた指示に対して新しいコンテンツを生成する」が正解。 | ・プロンプトが生成AIへの入力であることの理解が前提 ・直接的な出題ではないが関連知識として必須 |
📝 IPA試験での出題パターン
パターン1：「生成AI関連用語の区別を問う」
AP R6秋 問71のように、アノテーション・クラスタリング・ファインチューニング・プロンプトエンジニアリングの4つを並べ、定義に合致するものを選ばせる形式。ひっかけのポイントは「モデルのパラメータを変えるかどうか」。変えるならファインチューニング、変えないならプロンプトエンジニアリング。
パターン2：「プロンプト設計の注意点を問う」
「指示が具体的で明確であること」「出力形式を指定すること」「区切り文字で構造化すること」が正解の選択肢になるパターン。IPAの公式解説でもこの3点が明記されている。
試験ではここまででOKです。Zero-shot・Few-shot・CoTの細かいアルゴリズムまで問われることはないので、深追いは不要です。
【確認テスト】理解度チェック
ここまでの内容を理解できたか、簡単なクイズで確認してみましょう。
Q. 生成AIの活用において、モデルのパラメータを変更せずに、入力する指示の書き方を工夫することで出力の精度を高める技術はどれか。
- A. 独自データを追加学習させ、モデルの重みを調整して特定のタスクに最適化する手法。
- B. AIへの指示文を設計・最適化し、モデル自体を変更せずに出力品質を向上させる手法。
- C. 学習データに対してラベルや注釈を付与し、教師あり学習で使用できるよう整備する作業。
正解と解説を見る
正解：B
解説：
プロンプトエンジニアリングは、AIモデルのパラメータに手を加えず、入力の設計だけで出力を改善する手法です。問題文の「モデルのパラメータを変更せずに」という条件がBに合致します。
選択肢Aはファインチューニングの説明です。ファインチューニングは事前学習済みモデルに追加学習を行い、パラメータ自体を更新する手法であり、「パラメータを変更せず」という条件に矛盾します。選択肢Cはアノテーションの説明です。アノテーションはモデルの運用手法ではなく学習データを整備する前処理工程であるため、出力精度を直接制御する技術ではありません。
よくある質問（FAQ）
Q. プロンプトインジェクションとプロンプトエンジニアリングは何が違いますか？
目的が正反対です。プロンプトエンジニアリングはAIから「正しい出力を得る」ための設計技術です。一方、プロンプトインジェクションは悪意ある指示を埋め込んでAIの制約を迂回し、意図しない動作をさせる攻撃手法です。セキュリティ分野で出題される可能性がある用語なので、名前が似ていても混同しないよう注意してください。
Q. RAG（検索拡張生成）との関係はどうなっていますか？
RAG（Retrieval-Augmented Generation）は、外部のデータベースから関連情報を検索し、その結果をプロンプトに含めてAIに渡す手法です。つまり、RAGは「より質の高いプロンプトを動的に組み立てる仕組み」とも言え、プロンプトエンジニアリングの発展形の一つに位置づけられます。IPA試験の範囲では深掘りされないため、「外部検索＋プロンプト」の組み合わせという理解で十分です。
Q. ハルシネーション（幻覚）を減らすのにプロンプトの工夫は有効ですか？
有効です。たとえば「情報源を明記して回答してください」「わからない場合は『不明』と回答してください」のように出力条件を厳密に指定すると、根拠のない回答を生成するリスクを下げられます。ただし、指示の工夫だけで完全に防げるものではなく、出力結果を人間が確認する運用ルールとの併用が前提です。
Q. 実務ではどのような職種がこの技術を活用していますか？
エンジニアに限らず、マーケティング担当者がコピーライティングに活用したり、カスタマーサポート部門がFAQ自動生成に利用したりと、職種を問わず広がっています。「プロンプトエンジニア」という専門職も登場していますが、現状では独立した職種というよりも、既存の業務にAI活用スキルを上乗せする形で求められるケースが大半です。
