生成AIへの指示を工夫するスキルは、回答の質を高める仕事で役立ちます。
ただし、スキルが役立っても、「プロンプトエンジニア」という専任職の求人が増えるとは限りません。
Google Cloudも、単純な作業では特別に指示を工夫しなくても良い結果が得られる場合があるものの、複雑な作業では指示の設計が重要になると説明しています。
学んだスキルを活かせる4つの仕事と、未経験から取り組める学習の手順も紹介します。
松陰高校の教育コラムでは、通信制高校での学び方や学校生活、進路選択など、高校生活を考えるうえで役立つ情報を発信しています。
松陰高等学校は、一人ひとりのペースに合わせた学習環境を整え、自ら問いを立てながら、将来の可能性を広げていく学びを大切にしています。
高校選びやこれからの学び方を考えている方は、松陰高校の教育方針や学習スタイルもあわせてご覧ください。
7つの質問から、公開ルールによる適合度Top 3と、その理由を確認できます。所要時間の目安は約1分です。
- 回答は送信・保存しません
- 広告・提携関係は採点に不使用
- 料金は割引前の標準総額で比較
適合度の計算方法
目的30点、経験15点、予算15点、学習時間10点、期間10点、形式10点、サポート10点の合計100点です。標準総額または週の学習時間を確認できない候補は、その軸だけ50%の中立評価にします。
同点は目的、形式、サポート、予算、編集部承認順、名称の順で決定します。適合度は受講成果を保証するものではありません。
診断を利用するにはJavaScriptを有効にしてください。候補の基本情報は以下で確認できます。
-
DMM 生成AI CAMP
生成AI基礎マスター
- 標準総額
- 要公式確認
- 期間
- 数週間(採点は中立)
- 確認日
- 2026-08-23
-
キカガク
AI・データサイエンス人材育成
- 標準総額
- 要公式確認
- 期間
- 6・8か月
- 確認日
- 2026-08-22
-
SAMURAI ENGINEER
AIアプリ
- 標準総額
- 728,000円(16週・通常)
- 期間
- 16週
- 確認日
- 2026-08-22
-
RUNTEQ
Python×AI
- 標準総額
- 470,000円(スキルアップ)
- 期間
- 約9か月・1,000時間
- 確認日
- 2026-08-22
-
COACHTECH
Webアプリケーション
- 標準総額
- 429,000円(3か月)
- 期間
- 3か月
- 確認日
- 2026-08-22
-
POTEPAN CAMP
Railsキャリア
- 標準総額
- 440,000円
- 期間
- 5か月・20週
- 確認日
- 2026-08-22
-
CodeCamp
プログラミング
- 標準総額
- 308,000円(4か月)
- 期間
- 4か月
- 確認日
- 2026-08-22
-
Winスクール
Python&AIデータアナリスト
- 標準総額
- 572,000円
- 期間
- 8か月・90時間
- 確認日
- 2026-08-22
-
テックアイエス
長期PRO
- 標準総額
- 686,400円
- 期間
- 6か月学習+6か月就職支援
- 確認日
- 2026-08-22
-
データミックス
データサイエンティスト育成
- 標準総額
- 742,500円(一括)
- 期間
- 約7か月
- 確認日
- 2026-08-22
-
デイトラ
Webアプリ開発
- 標準総額
- 129,800円
- 期間
- 130日
- 確認日
- 2026-08-22
公開ルールで算出した適合度です。順位だけでなく理由と注意点を比べてください。
料金・期間・募集状況・給付条件は変更される場合があります。必ず公式サイトで最新情報を確認してください。本診断は資格取得、転職、就職、収入、学習成果を保証しません。広告・提携関係は採点や同点処理に使いません。
プロンプトエンジニアとは?仕事内容とAIエンジニアとの違い
プロンプトエンジニアは、生成AIへの指示や渡す情報を調整し、求める回答が得られるように改善する仕事です。
AIに伝える指示や質問、回答の前提となる情報を「プロンプト」と呼びます。
企業や案件によっては、指示文の調整にとどまらず、回答が正しいかの検証や、業務システムとつなぐ作業まで担当します。
AIエンジニアと共通する業務もあり、職名が同じでも任される仕事は一様ではありません。
求人を見るときは、何を作る仕事なのかに加え、完成後の検証や運用まで担当するのかを確かめましょう。
AIへの指示を設計し、出力の品質を改善する仕事
プロンプトエンジニアは、指示を作り、AIの回答を読み、問題があれば直すという作業を繰り返します。
Google Cloudも、プロンプトを更新しながら回答を評価する一連の作業を、プロンプトエンジニアリングの説明に含めています。
別の会議記録でも試し、内容や条件が変わっても求める議事録を作れるか確かめるところまでが、仕事の一部です。
完成した指示文に確認項目と修正の記録も添えておくと、引き継いだ担当者が同じ基準で使えます。
AIエンジニアとは担当する業務や必要な技術が異なる
プロンプトエンジニアが主に指示や回答を改善するのに対し、AIエンジニアはAIを動かす仕組みの開発・運用まで担当する場合があります。
AIエンジニアの業務には、モデルの開発、データの処理、既存の生成AIを使ったアプリ開発などがあり、仕事によって使う技術も異なります。
ただし、両者の仕事が明確に分かれているわけではなく、AIエンジニアがプロンプトを設計することもあります。
生成AIを使うアプリでは、指示文に加えて、外部サービスと情報をやり取りする方法や、データを保存する仕組みも必要です。
求人を読む際は、指示文を作って回答を検証する仕事なのか、プログラミングで機能を作る仕事まで含むのかを確認しましょう。
開発を含む求人なら、使用言語やデータベース、運用するシステムの記載から、必要な技術を具体的に把握できます。
プロンプトエンジニアがいらないと言われる4つの理由

プロンプトエンジニアが不要と言われる理由の一つに、指示文を作る作業をAIやツールで補えることがあります。
AIエージェントは、伝えた目標に応じて次の作業や使用するツールを選ぶため、人が作業ごとに指示する手間を減らせます。
利用者が自分で指示を作ったり処理を進めたりできれば、その部分だけを専任者に頼む機会は減ると考えられます。
ただし、指示を簡単に作れても、仕事で使える回答が得られるかは別に確かめる必要があります。
ここからは、こうした3つの技術的な変化と、指示文の納品だけでは仕事の価値を伝えにくいという課題を見ていきます。
AIの性能が向上し、簡単な指示でも使える場面が増えた
簡単な依頼がAIに通じるようになれば、指示文の細かな言い回しを何度も調整する手間は少なくなります。
Google Cloudの公式資料でも、単純な作業では、Geminiが特別なプロンプトの工夫なしで優れた性能を示す場合があると説明されています。
たとえば、手元の文章を短くしたいだけなら、詳しい指示書を用意せず、「この文章を半分程度の長さにしてください」と頼むところから始められます。
回答を読んで必要な内容が残っていれば、指示を言い換えて何度も試す必要はありません。
この程度の作業を利用者自身で済ませられることは、指示文の作成を専任者に依頼する必要性が薄れる理由と考えられます。
もっとも、用途によっては文章の長さ以外にも条件があります。
社外向けの文章を短くするなら、省いてはいけない説明や禁止されている表現も伝えたうえで、文字数と掲載先のルールを守っているかを確かめます。
テンプレートやプロンプトの自動生成で作成を補える
テンプレートや自動生成を使えば、毎回ゼロから指示文を考える手間を減らせます。
自動生成を使う場合は、やりたい作業を説明して、指示文の候補を作ってもらえます。
既存の指示文を改善する機能としては、Google Cloudが案内しているプロンプトオプティマイザーもあります。
ひな型の再利用と自動最適化では仕組みが異なりますが、どちらも指示を一文ずつ考え直す負担を減らす手段です。
業務用のテンプレートを作るときは、全商品で共通する指示と、商品ごとに差し替える情報を分けておきます。
仕様や表現ルールが変わったら該当する欄を更新し、使用例も一緒に残しておくと、引き継いだ人がどこを直したのか分かります。
AIエージェントが複数の作業を進め、指示の手間を減らせる
AIエージェントは、与えられた目標に向けて、使うツールや次に行う作業を選びながら処理を進める仕組みです。
人がその都度「次はこれをして」と指示する手間を減らせます。
そのため、作業のたびに指示文を代わりに作るだけの役割は、小さくなる可能性があります。
Anthropicは、決められた経路で処理を進めるワークフローと、AI自身が進め方やツールの使い方を判断するエージェントを区別しています。
毎回同じ順番で処理すればよい仕事なら、手順を固定したワークフローも使えます。
報告案を作るエージェントを設計するなら、参照してよいサイトや資料、使えるツール、調査を終える条件を決めておきます。
社外への送信は自動化せず、報告案を担当者に渡したところで止め、人が内容を確かめて送る流れにします。
指示文の作成だけでは、専門職としての価値が伝わりにくい
指示文を作れると伝えるだけでは、依頼者に仕事がどう改善するのかまで理解してもらえないことがあります。
依頼者が知りたいのは、確認の手間や作業時間がどう変わり、どの程度の品質で仕上がるかだからです。
商品情報が足りないときは、原稿を完成させずに不足項目を返すなど、作業を進められない場合の対応も決めておきます。
納品時には、指示文と入力用のひな型、確認項目、使用例をまとめて渡します。
利用するモデルや商品情報が変わった場合に誰が修正するのかも、あらかじめ依頼者と決めておきましょう。
プロンプトエンジニアの将来性を考える4つのポイント
プロンプトエンジニアの将来性を考えるには、AI関連の求人があるかだけでなく、企業がどのような仕事を任せたいのかを見ることも大切です。
指示文の作成を求める求人と、導入後の検証・運用まで任せる求人では、必要なスキルや経験が異なります。
専門的な判断が求められる仕事では、AIの知識に加えて、その分野で積んだ経験も役立ちます。
応募先を探すなら、職名や報酬額だけでなく、何を処理し、どの期間を担当し、どんな経験が求められるのかまで読み取りましょう。
求人票だけでは分からない場合は、すでにある仕組みの改善を任せたいのか、新たにAIを導入する人を探しているのかを面談で尋ねると、仕事を具体的にイメージできます。
専任の職種としての需要と、AI活用スキルの必要性を分けて考える
専任職の求人があるかと、スキルが仕事で役立つかは、別々に考える必要があります。
専任のプロンプトエンジニアを目指すなら、その職名で募集している企業を探し、指示設計が主な仕事になっているかを確かめます。
「AI」と付く職名でも、実際には開発や顧客支援、社内での運用が中心の募集もあるためです。
求人を探す場合も、「AI活用」「業務改善」といった仕事内容で調べると、専任職に限らずスキルを使える募集が見つかることがあります。
専門知識や厳密な品質管理が必要な業務では、指示の設計が重要になる
製品仕様や社内規程をもとに答える仕事では、何を根拠に、どの条件で回答するかが決まっているため、専門知識を持つ人の指示設計が役立ちます。
製品名と仕様が食い違う質問や、古い説明を含む質問でも試すと、通常の問い合わせだけでは見つからない誤りを探せます。
現場の担当者には、誤った回答が大きな問題になる項目と、表現を直せば済む項目を分けて評価してもらいます。
検証用の一覧には、質問と参照資料、期待する回答、AIで答えず人に確認する条件を記録しておきます。
製品の仕様が変わったら、参照資料と検証に使う質問・回答も一緒に見直します。
大量のデータを扱う業務では、指示の改善が品質や費用に影響する
同じ処理を大量に繰り返す仕事では、一件ごとの小さな誤りや無駄が積み重なり、全体の負担が大きくなります。
商品情報の整理や問い合わせの分類では、一度うまくいくだけでは足りず、さまざまなデータを安定して処理できることが求められます。
費用を比べるときも、AIの利用料に加え、処理をやり直す回数や、人が修正する時間まで含めて考えましょう。
利用料が安くても修正が多ければ、仕事全体の負担はかえって増えることがあります。
まず一部のデータで試し、誤分類の内容、処理にかかった時間、確認の手間を記録すると、先に直すべき点を見つけられます。
高年収の事例だけでなく、求人の仕事内容と応募条件を確認する
高年収の求人が気になったら、金額とあわせて、任される仕事、必要な経験、雇用形態を確かめましょう。
掲載額の上限が未経験者にも適用されるとは限らず、開発や顧客対応、管理業務の経験を求めている場合もあります。
株式会社AXの採用情報でも、AIエンジニアの応募条件には、Webアプリ開発の実務経験やシステム連携の経験が挙げられています。
同社の条件がすべての企業に当てはまるわけではありませんが、指示文の知識だけでは応募できない求人の一例です。
求人票では、必須条件と歓迎条件を分けて読み、自分の経験がどの項目に当てはまるかを確認します。
正社員の年収と業務委託の報酬では、稼働時間や金額に含まれる条件も異なるため、額面だけで比べないことも大切です。
仕事内容がはっきりしなければ、何を納品するのか、導入後の修正も担当するのかを応募先に尋ねましょう。
今後も仕事に活かせるプロンプトエンジニアの6つのスキル

仕事でAIを使うためのスキルは、任せる業務を決める、情報を用意する、回答を評価する、ツールを選ぶ、処理をつなぐ、安全に運用する、の6つに分けられます。
必要なのは指示文の書き直しに限らず、うまくいかない原因に合った対応です。
どこで問題が起きているかが分かれば、誰に相談し、何を直すべきかも決められます。
現場の担当者が業務の条件をまとめ、開発担当者がシステムをつなぐなど、それぞれの得意分野で分担する方法もあります。
引き継ぐ際には、入力資料、指示文、期待する回答、検証結果を一緒に渡します。
資料の更新、結果の確認、不具合への対応をそれぞれ誰が担うかも決めておけば、導入後に変更が必要になっても相談先に迷いません。
業務知識をもとに、AIへ任せる作業と達成条件を決める
業務知識を活かして、AIに何を任せ、どのような結果になれば完了とするのかを決めます。
「営業を効率化したい」という要望なら、まず「商談記録から次回の確認事項を抜き出す」のように、一つの作業まで絞り込みます。
現場の担当者には、今の仕事でどこに時間がかかり、何が抜けると困るのかを聞いておきましょう。
回答を受け取る人が、その後にどのような作業をするかまで分かると、必要な形式や詳しさを決められます。
AIに任せない作業や、人への相談が必要な例外も決めておくと、今回の試作で扱う範囲が明確になります。
指示文に加え、AIへ渡す資料や前提情報を整理する
AIから必要な回答を得るには、指示文とあわせて、参照する資料や前提情報を選ぶ力も欠かせません。
判断に必要な情報が足りない場合や、古い資料を参照している場合は、指示文の言い回しを変えるだけでは解決できません。
社内手続きの質問に答えさせるなら、最新の規程と対象者の条件を用意し、どの資料を優先するかを決めます。
資料を多く渡せばよいわけではなく、質問に関係のないものを外すことも必要です。
外部資料から検索した情報を使ってAIが回答を作る仕組みは、RAG(検索拡張生成)と呼ばれます。
資料ごとに更新日と管理者を記録しておけば、規程が変わったときに、検索対象の資料も差し替えられます。
出力の正確さや品質を評価し、改善点を見つける
AIの回答は、何となく良さそうかではなく、あらかじめ決めた条件を満たしているかで評価します。
文章の自然さ、事実の正確さ、指定した形式を守っているかを分けて見ると、どこに問題があるのか分かります。
たとえば、読みやすい回答でも、資料にない数値が書かれていれば修正が必要です。
書かれた情報が正しくても、必要な項目が抜けていれば、そのまま次の作業に使えないこともあります。
検証には、よくある入力だけでなく、情報が足りない場合や複数の条件が重なる場合も含めておきましょう。
指示を修正したら、前と同じ入力でも試すと、問題が直ったかに加え、別の箇所が悪化していないかも調べられます。
一度の回答で判断せず、繰り返し試して、結果にどれほどばらつきがあるかも見ておきます。
Anthropicの評価に関する解説でも、複数回試すことや、コード・AI・人による評価を使い分ける方法が紹介されています。
目的・精度・費用に合わせて、AIモデルやツールを選ぶ
AIモデルやツールを選ぶときは、知名度や機能の多さよりも、任せたい作業に合うかを重視します。
同じ入力と評価基準で試し、必要な正確さと出力形式を満たす候補に絞ってから、処理時間と費用を比べましょう。
短い文章を分類する仕事と、複数の資料を調べて答える仕事では、求められる能力が違います。
高性能なモデルが、どの処理にも最適とは限りません。
回答の修正に手間がかかる場合は、その負担も含めて判断します。
画像を読み取れるか、資料の量に対応できるか、必要な形式で回答を受け取れるかも、用途に応じて確かめます。
普段使っている表計算ソフトや顧客管理システムと接続できるかを調べれば、導入後にどの手作業が残るのかも分かります。
費用は一回の利用額だけで判断せず、予定している処理件数と、やり直しにかかる回数も含めて見積もりましょう。
APIや自動化ツールを使い、AIを業務の流れに組み込む
APIや自動化ツールを使うと、他のシステムからAIへ情報を送り、その回答を次の作業に引き継ぐ仕組みを作れます。
たとえば、フォームに届いた問い合わせをAIで分類し、担当部署ごとの一覧へ保存する流れを作れます。
人が毎回コピーして貼り付ける手間を減らし、決めた手順で処理を進められるのが利点です。
入力が空だったり、AIから応答がなかったりした場合は、処理を止めて担当者へ知らせるなどの対応も決めておきます。
やり直したときに同じデータを二重に保存しないか、途中の記録から不具合の原因を調べられるかも確かめます。
コードを書かずに使えるツールでも、どの情報が、どのシステムへ送られるのかは把握しておく必要があります。
接続先の仕様が変わったら、送受信する項目や形式を照合し、システムをつなぐ処理とAIへの指示のどちらに修正が必要かを調べます。
機密情報の扱いや利用ルールを踏まえて、安全に運用する
業務でAIを使う前に、入力してよい情報と、回答を利用する際の条件を決めておきます。
便利なツールでも、会社が利用を認めているか、入力した情報がどう保存・利用されるかを確かめてから業務資料を渡しましょう。
IPAの「AI利用者のためのセキュリティ豆知識」でも、営業秘密を扱う際の注意点などが紹介されています。
社内で導入する場合は、誰がどの資料を閲覧できるのか、管理は誰が担うのか、問題が起きたらどこへ連絡するのかも決めておきます。
外部から取り込む資料には、AIに不正な操作をさせる指示が紛れ込んでいることもあります。
AIに社外への送信やデータ変更を任せる場合は、操作できる範囲を限定し、実行前に人が承認する手順を設けます。
プロンプトエンジニアのスキルを活かせる4つの選択肢
指示設計を活かせる仕事には、社内のAI・DX推進、AI導入コンサルタント、生成AIアプリ開発、マーケティングや制作などがあります。
それぞれの違いは、誰と仕事を進め、何を作って渡すのかという点です。
使うAIが同じでも、相談する相手や、どこまで仕上げれば完成なのかは仕事ごとに違います。
これまでに経験した聞き取り、開発、編集などの作業が、希望する仕事のどこで役立つかを考えてみましょう。
募集要項では、必須条件のうち自分が満たしていない項目を確認し、歓迎条件に当てはまる経験は応募時の強みとして伝えます。
今の会社で担当する仕事を広げたいなら、自分の部署だけで試せる作業と、他部署の協力が必要な作業を分けて提案する方法もあります。
社内のAI・DX推進担当として、業務改善と活用の定着を支える
社内のAI・DX推進担当は、社員が仕事で困っていることを聞き、AIを使う手順や環境を整える役割です。
DXとは、デジタル技術を使って、業務や事業の進め方を変えていく取り組みを指します。
こうした仕事には、指示設計のほかに、部署間の調整や説明資料の作成、利用状況を把握する力も必要です。
担当した仕事を示す資料には、導入前後の作業手順や利用マニュアル、改善要望に対応した記録をまとめられます。
利用者から「入力欄の意味が分からない」と言われたら記入例を加え、部署によって使い方が違う箇所は説明を書き分けます。
マニュアルを改訂したら、変更点と適用日を記載し、すでに使っている社員にも案内します。
AI導入コンサルタントとして、企業の課題整理と導入支援を担う
AI導入コンサルタントは、顧客企業の仕事の進め方を聞き、AIで改善できる作業と導入の手順を提案します。
株式会社AXの募集でも、顧客との面談、業務フローの整理、プロンプトや自動化フローの確認が仕事内容に挙げられています。
指示を設計するだけでなく、顧客の話を聞き、提案を説明して、予定どおりに進める力も求められる仕事です。
打ち合わせでは、日々の作業に使う情報、完成させる成果物、例外への対応を担当者に聞き取ります。
提案書には、試作の対象、顧客に用意してもらう資料、検証の担当者、導入するかを決める条件などを記載します。
見込める効果を説明するときは、試作で実際に測った値と、処理件数などを仮定して計算した見積もりを分けて示します。
練習なら「問い合わせの振り分けに時間がかかる会社」を想定し、AIに任せる分類、人が確認するケース、試作で確かめる項目を提案書にまとめます。
実際の案件では、定例の面談で試した結果や残っている問題を共有し、次に試す作業と期限を顧客と決めていきます。
生成AIアプリ開発エンジニアとして、指示設計をサービスに組み込む
生成AIアプリ開発エンジニアは、AIへの指示をアプリの機能に組み込み、利用者がサービスや社内ツールから使えるようにする仕事です。
必要になるのは、プログラミング、API連携、データの保存、利用者ごとのアクセス管理などの開発知識です。
実際に動く試作品に、評価に使った入力例や改善の記録を添えれば、作ったものと開発の過程を示せます。
公開後に指示やモデルを変えるときも、これまで使っていた入力例で動作を確かめてから反映します。
マーケティングやコンテンツ制作で、企画・制作・検証に活かす
マーケティングやコンテンツ制作では、企画をまとめたり、下書きを作ったり、確認すべき項目を抜き出したりする作業に指示設計を活かせます。
誰に読んでもらうのか、どの商品を扱い、どこに掲載するのかが決まれば、AIに渡す資料や文章の内容も具体的になります。
そのため、読者の疑問を捉え、情報の裏付けを取り、掲載媒体に合う文章に編集する力も必要です。
公開後は読者の反応や問い合わせをもとに、説明が足りなかった箇所や、分かりにくい表現を直していきます。
制作物を実績として見せるときは、完成原稿に対象読者、使用資料、AIの出力から直した点を添えます。
企画書も見せるなら、どんな疑問を持つ読者を想定し、それに答えるために何を掲載したのかも書いておくとよいでしょう。
未経験からプロンプトエンジニアのスキルを学ぶ4ステップ
未経験から学ぶなら、一つの題材を使って、指示を作るところから回答の比較、複数の作業の組み合わせ、成果のまとめまで試してみましょう。
題材には、学校のお知らせや公開された製品紹介など、自分でも内容が正しいか確かめられる資料を選びます。
まず短い資料を一つ用意し、回答に必ず入れたい項目を書き出しておきます。
仕事の機密情報は使わず、公開情報か、自分で作った架空の資料で練習してください。
以下ではイベント案内を例に、必要な情報を抜き出し、案内文に仕上げるまでの手順を紹介します。
生成AI全般の基礎から学びたい場合は、AI初心者向けの勉強方法も参考にしてください。
生成AIの基本と、目的・条件を伝える指示の作り方を学ぶ
最初は公式の入門資料で生成AIの基本を学び、目的や条件、回答の形式を伝える練習から始めます。
指示を書く前に、誰のために何を作り、どの資料を使って、どのような形で答えてほしいのかを決めておきましょう。
ここでは、読み手・使う資料・回答の形式が伝わる指示を、自分で書けるようになることを目指します。
書いた指示を読み返し、「短くして」だけで終わらず、誰に何を伝えるための要約かが分かるか確かめましょう。
次の練習では、条件を一つずつ加え、その違いが回答にどう表れるかを比べます。
身近な作業で試し、指示や資料による出力の違いを比べる
次は、同じ資料を使って指示に条件を一つずつ加え、必要な情報がそろうように回答が変わるかを確かめましょう。
- 日時と申込方法だけを書いた架空のイベント案内を用意し、「要約して」と指示する。
- 「日時・持ち物・申込方法の3項目に分けて」と追加し、回答の形式が変わるか確認する。
- 「案内にない情報は『記載なし』と書いて」と追加する。
- 日時と申込方法が正しく整理され、持ち物が「記載なし」になっていれば、指示どおりの回答です。
うまくいかなければ、情報が抜けたのか、資料にない内容が加わったのかを確認し、その点を伝える指示に直します。
同じ指示で何度か試した後、別のイベント案内でも確かめましょう。
必要な項目がそろい、資料にない情報を勝手に補わない回答を繰り返し得られることが、この練習の目標です。
複数の作業をつなぎ、人が確認する工程も含めて設計する
次は、情報を整理する作業と案内文を書く作業を分け、AIと人の役割を決めてつなげます。
AIが元の資料から日時・申込方法を一覧に整理し、その一覧を使って参加者向けの案内文を作ります。
人が案内文を元資料と照合し、必要な情報の抜けや誤りがなければ完成です。
最初は、AIが作った一覧を自分で次の指示へ貼り付けるなど、作業間の受け渡しを手動で行っても構いません。
作業の流れを理解してから自動化すれば、うまくいかないときも、どの段階で問題が起きたのかを調べやすくなります。
たとえば、資料に日時がなければ次の作業へ進めず、担当者に確認を求めるルールを設けます。
元資料にある日時が一覧から抜けていたら、情報を抜き出す段階へ戻ります。
一覧と案内文の日時が違っていたら、文章を作る段階へ戻ります。
一通り試したら、どの作業でやり直しが必要になり、その原因は何だったのかを記録しておきましょう。
作成物と改善過程をまとめ、仕事で使える実績を示す
学習で作ったものは、改善の過程と一緒にポートフォリオへまとめると、取り組んだ内容を伝えられます。
ポートフォリオとは、自分の成果物や担当した仕事を紹介する資料です。
完成品には、解決したかった課題、入力に使った情報、評価基準、修正した理由を添えます。
アプリを作ったなら、使い方とあわせて、対応していない入力や機能も書いておきます。
イベント案内の練習なら、最初と修正後の指示・回答を並べます。
持ち物を補う回答が実際に出た場合は、「資料にない内容を補っていたため、『記載なし』と答える条件を加えた」と修正理由を添えます。
学習用の試作は実案件ではないことを明記し、共同制作なら自分が担当した範囲も示しましょう。
作業時間を比べるなら、同じ題材を使った改善前後の時間に加え、確認や修正にかかった時間も記載します。
測定に使ったサービスやモデル、資料の量も添えると、どのような条件で比べた結果なのかが伝わります。
実際の仕事で作ったものを見せる場合は、外部へ公開してよい範囲を所属先や依頼者に確かめてください。
プロンプトエンジニアに関するよくある質問
プログラミングや資格は必要か、独学とスクールのどちらがよいかなどの疑問に答えます。
プロンプトエンジニアにプログラミングの知識は必要ですか?
AIへの指示を作り、回答を比べる練習なら、プログラミングの知識がなくても始められます。
ただし、AIをアプリに組み込む仕事や、外部システムとつなぐ仕事では、コードやデータを扱う知識が必要になる場合があります。
目指す仕事の応募条件を調べ、開発も担当するならプログラミングを並行して学ぶなど、必要な範囲から取り組むとよいでしょう。
プロンプトエンジニアになるために資格は必要ですか?
今回調べたAXのAIコンサルタント職(フルリモート)とAIエンジニア職では、資格を必須条件に挙げていません。
一方で、AIコンサルタント職にはAIの活用経験、AIエンジニア職にはWebアプリ開発の実務経験などが求められます。
ほかの企業でも同じとは限らないため、資格や経験の条件は応募先ごとに確かめましょう。
資格取得を目指して学ぶ場合も、希望する仕事に近い成果物や、AIの回答を改善した記録を用意しておくと、実際にできることを伝えられます。
プロンプトエンジニアの学習は独学とスクールのどちらがよいですか?
公式資料を読み、身近な題材で試しながら回答を確かめられるなら、まず独学で始めてよいでしょう。
回答がうまくいかない理由が分からないときや、仕事に近い課題を添削してほしいときは、講師に質問でき、レビューも受けられる講座を検討できます。
スクールを選ぶ際は、学びたい仕事を扱っているか、自分が作ったものに具体的な助言をもらえるかを確認しましょう。
まとめ|プロンプトエンジニアのスキルを自分に合う仕事へ活かそう
AIの性能向上や指示作成を支援する機能の登場は、プロンプトエンジニアが不要と言われる理由の一つと考えられます。
簡単な指示文を代わりに書くだけでは、専門職に依頼する利点を伝えにくい場面もあります。
業務に必要な条件や資料を選び、AIの回答を検証するスキルは、社内のAI導入やアプリ開発、原稿制作で役立ちます。
自分の経験を活かせる仕事を探し、求人では任される作業と必要な経験を確かめましょう。








コメント