プロンプト不要で使えるAI業務テンプレートの作り方
参照したAIgram
目次
概要
生成AIを業務で使おうとすると、「プロンプトをどう書けばいいか分からない」という壁にぶつかることがあります。しかし実際の導入事例を見ると、利用者がプロンプトを書かずに済む仕組みを作ったうえでAIを使わせているケースが目立ちます。
その仕組みは、利用シーンごとに用意された選択式のインターフェースの裏側で、担当者が入力した要点や、これまで蓄積してきたノウハウ、システムに登録済みの設定情報を、AIへの指示（システムプロンプト）として自動的に組み立てる、というものです（スタディポケットの校務生成AI支援、店番長AI指示アシスタントによる本部指示作成支援）。
さらに、入力内容が曖昧な場合は、まず生成AIが要約や再質問で情報を補い、その後の処理は正確さが求められる定型的なAIに引き継ぐという組み合わせ方をすることで、間違いが許されにくい業務でも運用できるようにしています（KDDI生成AIチャットボットで回答時間短縮）。
こうした設計によって、業務指示の作成時間が30分から5分に縮まったり、チャットボット対応の時間が約5分短縮されたりといった効果が、事前検証や利用実績として確認されています（、）。
プロンプト入力が現場の負担になっている背景
生成AIは使い方次第で多くの業務を助けてくれますが、そのためには「何を、どう指示するか」を自分で組み立てる必要があります。この作業はプロンプトエンジニアリングと呼ばれ、慣れていない人には高いハードルになります。
教育現場向けのサービス「スタディポケット for TEACHER」は、この点を明確な課題として捉えていました。プロンプト入力という従来の対話型AI操作の複雑さを排除し、プロンプトエンジニアリングなどの前提知識を極力省く設計思想で開発されています（）。
同じ課題は、チェーンストア向けの業務指示システム「店番長」でも見られます。本部から店舗への業務指示は、文章を作る担当者のスキルによって質にばらつきが出やすく、キーワードを入れるだけで指示案ができる仕組みが求められていました（）。
利用シーンを選ぶだけの入力インターフェースに置き換える
この課題への対応として共通しているのが、プロンプトを書く代わりに「利用シーン」を選ぶという発想です。
スタディポケット for TEACHERでは、年間計画や指導案、試験問題、アンケート集計など、様々な校務のニーズに応じた「逆引きモード」を、現役教職員の声をもとに開発しました。教員はマウスやタッチ操作で目的のシーンを選ぶだけで、応用的な作成支援を受けられます（）。
店番長のAI指示アシスタントも同じ考え方に立っています。本部担当者は、指示の要点となる簡単なことばを入力するだけで、業務指示案を作ることができます（）。
背後でシステムプロンプトを自動生成する仕組み
利用者が見ているのは要点入力だけですが、その裏側ではAIに渡す指示文が自動で組み立てられています。
店番長のAI指示アシスタントは、リンコムがこれまでの顧客支援で培ってきたノウハウと、店番長アプリ上にすでに設定されている情報を組み合わせてシステムプロンプトとし、GPT-4 Turboに入力しています。これにより、おすすめの業務指示が数十秒で生成されます（）。
つまり、利用者が入力するのは「要点」だけで、AIへの詳しい指示は、担当者の知見とシステムの設定情報がすでに作り込んでいる、という構造です。
曖昧な入力は生成AIが補い、定型処理へつなぐハイブリッド構成
一方で、業務によっては、正確さが最優先される場面もあります。KDDIのカスタマーサポート用チャットボットは、この課題に対してハイブリッドな構成を採っています。
既存の定型AIでは、問い合わせの意図（インテント）を特定できないケースが全体の約3割ありました。この部分に生成AIを組み込み、長文の問い合わせは要約して顧客に確認し、情報が不足している場合は不足分を聞き直すことで、インテントの特定を支援します。インテントが特定できたあとの回答は、正確性に特長のある定型AIが担います（）。
それでも解決しない場合には、生成AIが顧客とチャットボットのやり取りを要約し、アドバイザーに引き継ぎます。これにより、アドバイザーは会話の流れを一から読み直す必要がなくなります（）。
事前入力とAIアドバイスで対応の質を支える応用形
同じ発想は、対面でのコミュニケーション支援にも応用できます。1on1ミーティング支援サービスのKizunaNaviでは、面談前に部下がトークテーマを入力して上司へ共有する機能があります。上司は、そのトークテーマと、生成AIが示す進め方のアドバイスを確認したうえで面談に臨むことができます（KizunaNaviのAI解析による1on1支援）。
これも、プロンプトを書く代わりに、事前に入力された情報とAIの提案を組み合わせて、対応の質を支えるという同じ構造の応用と言えます。
カスタムチャットボットとして定型応答を自動化する応用形
企業の顧客対応でも、似た仕組みが使われています。Emperor Financial Services Group（EFSG）は、Microsoft Copilot Studioでカスタムチャットボットを構築し、顧客データと連携させました。このチャットボットは、よくある問い合わせに即座に回答することで、人間のエージェントの作業負荷を軽減しています（EFSGのCopilot Studio顧客対応統合）。
ここでも、利用者側がプロンプトを意識する必要はなく、あらかじめ組み込まれた仕組みが対応を担っています。
テンプレート化がもたらす効果
こうした仕組みは、実際に業務時間の短縮という形で効果が確認されています。
もち吉では、AI指示アシスタントの導入により、ゼロから考えると30分かかっていた業務指示の作成が、5分で済むようになりました（）。KDDIの事前検証でも、生成AIを組み込んだチャットボット対応により、既存の対応と比較して約5分程度、従来の約2割にあたる時間短縮が確認されています（）。
スタディポケット for TEACHERは、教員2,000人規模（募集校100校〜200校）の無償パイロットプログラムを予定しており、逆引きモードは2024年4月末までに100種類以上になる見通しとしています（）。利用シーンの選択肢を広げていくことで、対応できる業務の幅も広がっていくことがうかがえます。
結論
ここまで見てきた事例から、プロンプト不要のAI業務テンプレートは、次の3つの組み合わせで成立していることが分かります。
- 利用シーンを選ぶだけの入力インターフェース
- 担当者の要点入力・蓄積ノウハウ・設定情報を背後で組み合わせるシステムプロンプトの自動生成
- 曖昧な入力を生成AIが補い、正確さが必要な部分は定型処理へつなぐハイブリッド構成
この組み合わせによって、プロンプトエンジニアリングの知識がない人でも生成AIの恩恵を受けられるようになり、業務指示の作成時間短縮や、チャットボット対応時間の短縮といった具体的な効果につながっています（、、）。