Prompt Chainingは、1つの大きな依頼を複数の小さなプロンプトへ分け、前の出力を次の入力へつなぎながら処理する方法です。
実務では、生成AIへ複雑な仕事を一度に依頼すると、前提の取り違え、未確認情報の補完、論点の抜け、出力の重複が起こることがあります。Prompt Chainingを使うと、情報整理、判断、構成、生成、レビューを分けて進められるため、途中で誤りを止め、問題が起きた工程だけを直しやすくなります。
この記事では、法人向けSaaS企業の営業企画担当が、既存顧客A社向けの業務効率化提案資料を作るケースを題材に、Prompt Chainingを使う前の状態から、チェーン設計、実際の入力・出力、人による途中確認、改善後までを通して解説します。
基本の意味や構造から確認したい場合は、Prompt Chainingとは?を参照してください。具体的な手順を先に確認したい場合は、Prompt Chainingのやり方が役立ちます。
ケースの背景|A社向け提案資料を短時間で作りたい
営業企画の佐藤さんは、既存顧客A社へ業務効率化の提案資料を作ることになりました。
A社から確認できていた事実は次のとおりです。
- 月次レポート作成に毎月8時間かかっている
- 3つのシステムから手作業でデータを集計している
- 集計後にExcelで加工している
- 担当者は手作業を減らしたいと考えている
- 年間の削減可能時間は未計算
- エラー発生件数は未確認
自社側で提案可能な機能は、
- CSV自動取り込み
- 定型レポート生成
- スケジュール実行
の3つでした。
最終成果物は、A社の情報システム部門責任者向けに、6ページ以内で、現状、課題、提案内容、期待効果、次アクションを含む提案資料のたたき台です。
課題|一括生成では未確認の数値と不要な提案が混ざった
最初、佐藤さんは生成AIへ、
A社向けの業務効率化提案資料を6ページで作ってください。現状、課題、提案、期待効果、次アクションを含めてください。
と依頼しました。
AIは見栄えのよい構成を返しましたが、確認すると3つの問題がありました。
問題1|未確認の数値を追加した
AIは、
年間300時間の工数削減が見込めます。
と書いていました。
しかし、A社の年間工数や削減率は確認していません。
問題2|使えない機能を提案した
AIは、リアルタイムAPI連携や高度な分析ダッシュボードも提案しました。
しかし、今回の提案範囲に含まれるのはCSV自動取り込み、定型レポート生成、スケジュール実行だけです。
問題3|課題と提案の対応が曖昧だった
資料には複数の提案が並んでいましたが、「どの課題に対する提案なのか」が分かりにくい状態でした。
このままでは、見た目は整っていても、社内確認や顧客説明で使いづらい資料になります。
なぜPrompt Chainingを使ったのか
今回の問題は、生成AIが資料を作れないことではありません。
1回のプロンプトに、
- 情報整理
- 課題抽出
- 提案作成
- 構成作成
- 本文生成
- レビュー
を同時に求めたことで、AIが不足情報を補いながら一気に完成させようとしたことが問題でした。
そこで佐藤さんは、仕事を複数の工程に分け、前段の確認済み出力だけを次段へ渡すPrompt Chainingへ切り替えました。
チェーン1|元情報を「事実・要望・未確認」に分ける
最初のチェーンでは、提案を考えません。
目的は、元情報を整理することだけです。
入力
- 月次レポート作成に毎月8時間
- 3システムから手作業で集計
- 集計後にExcelで加工
- 顧客は手作業を減らしたい
- 年間削減時間は未計算
- エラー件数は未確認
AIへの指示
以下の情報を「確定事実」「顧客要望」「未確認事項」に分けてください。与えていない事実は追加しないでください。
AI出力
確定事実:
- 月次レポート作成に毎月8時間かかっている
- 3システムから手作業で集計している
- 集計後にExcelで加工している
顧客要望:
- 手作業を減らしたい
未確認事項:
- 年間削減可能時間
- エラー件数
人の確認
佐藤さんは、元メモと照合し、この分類が正しいことを確認しました。
ここでは、年間削減時間とエラー件数を「未確認」のまま残し、次の課題抽出には渡さないことにしました。
チェーン2|確認済み情報だけから課題を抽出する
次に、チェーン1で確認済みの事実と顧客要望だけを入力しました。
AIへの指示
次の確定事実と顧客要望だけを使って、課題候補を整理してください。各課題に根拠事実を付けてください。与えていない課題は推測しないでください。
AI出力
課題1:複数システムからの集計に手作業が多い
根拠:3システムから手作業で集計している。
課題2:集計後の加工工程が残っている
根拠:集計後にExcelで加工している。
人の判断
この2つは元情報に根拠があるため採用しました。
一方、AIが補足として出した、
承認工程にも時間がかかっている可能性がある
という内容は、確認済み事実ではないため採用しませんでした。
ここで重要なのは、Prompt Chainingに分けても、AIが推測を出す可能性は残ることです。途中確認で、次へ渡してよい情報だけを選びます。
チェーン3|課題と利用可能機能を対応づける
課題が確認できたら、次に提案を作ります。
今回は、利用可能機能も限定して入力しました。
入力
確定課題:
- 3システムからの手作業集計
- Excelでの加工
利用可能機能:
- CSV自動取り込み
- 定型レポート生成
- スケジュール実行
AIへの指示
次の課題と利用可能機能を対応づけて、提案案を作ってください。利用可能機能以外を提案しないでください。効果の数値は推測しないでください。
AI出力
提案1:CSV自動取り込み
- 対応課題:3システムからの手作業集計
- 期待できる変化:定型的な取り込み作業を減らしやすい
提案2:定型レポート生成
- 対応課題:Excelでの加工
- 期待できる変化:毎月のレポート作成工程を標準化しやすい
提案3:スケジュール実行
- 対応課題:毎月繰り返す定型処理
- 期待できる変化:決まったタイミングで処理を開始しやすい
人の確認
佐藤さんは、3機能が実際に提案可能であることを確認しました。
また、「年間300時間削減」「50%削減」といった未確認の効果数値が含まれていないことも確認しました。
チェーン4|6ページの資料構成を作る
情報と提案の対応が固まった段階で、初めて資料構成を作ります。
AIへの指示
次の確認済み情報だけを使って、6ページ以内の提案資料構成を作ってください。
>
必須要素:現状、課題、提案内容、期待効果、次アクション
>
条件:未確認の数値を追加しない。価格条件を入れない。各ページに「このページで伝えること」を1文で付ける。
AI出力
- 表紙・提案概要
- 現状整理
- 課題
- 提案内容
- 期待効果
- 次アクション
人の判断
構成自体は採用しました。
ただし、「期待効果」ページで数値効果を求められそうだったため、
- 手作業工程を減らしやすい
- 定型作業を標準化しやすい
- 毎月の処理手順をそろえやすい
という定性的な効果だけを使う方針にしました。
チェーン5|ページごとに本文を作る
構成が決まった後、各ページを別々に作りました。
現状ページへの入力
- 月次レポートに8時間
- 3システムから手作業集計
- Excel加工
AIには、確認済み事実だけを簡潔に整理させました。
課題ページへの入力
- 複数システムからの手作業集計
- Excel加工
- 各課題の根拠
AIには、「事実を繰り返すだけでなく、何が問題なのか」を整理させました。
提案ページへの入力
- CSV自動取り込み
- 定型レポート生成
- スケジュール実行
- 各機能が対応する課題
AIには、機能説明ではなく「どの課題に効くか」を中心に書かせました。
最終レビューで重複を発見した
各ページをつなげた後、最後に全体レビューを行いました。
AIへのレビュー指示
以下の資料案をレビューしてください。
>
確認観点: – 現状→課題→提案のつながり – 内容の重複 – 未確認の数値・事実 – 課題と提案の対応 – 次アクションの明確さ
>
修正文を勝手に確定せず、問題点と修正候補を分けて出してください。
見つかった問題
「現状」ページと「課題」ページで、
3システムから手作業で集計している
という説明がほぼ同じ形で繰り返されていました。
人の判断
ページの役割を分けました。
- 現状ページ:確認済み事実を示す
- 課題ページ:その事実から何が問題なのかを整理する
この修正により、同じ情報を繰り返すのではなく、現状→課題の流れが明確になりました。
Prompt Chainingを使う前後で何が変わったか
改善前
一括生成では、
- 未確認の「年間300時間削減」を追加
- 提案範囲外の機能を追加
- 課題と提案の対応が曖昧
- 現状と課題の説明が重複
していました。
改善後
Prompt Chainingへ分けたことで、
- 未確認事項を次段へ渡さない
- 確認済み課題だけを提案の根拠にする
- 利用可能機能の範囲だけで提案する
- 未確認の効果数値を使わない
- ページごとの役割を分ける
という状態になりました。
このケースから分かるPrompt Chainingのポイント
1. 最初に完成品を作らせない
複雑な業務ほど、最初に情報整理や判断を分けた方が確認しやすくなります。
2. 前段の出力を全部次へ渡さない
未確認事項や推測まで渡すと、後段で事実として使われる可能性があります。
3. 途中で人が確認する
前提となる情報、課題、提案範囲など、後工程へ影響する項目は途中で確認します。
4. 出力形式を次段から逆算する
課題抽出の次に提案対応づけをするなら、「課題+根拠」という形で出しておくと受け渡しやすくなります。
5. 問題が出た工程だけ戻る
最終レビューで提案の不整合が見つかったなら、全資料を作り直すのではなく「課題と提案の対応づけ」へ戻れます。
そのまま使える設計フォーマットが必要なら、Prompt Chainingテンプレートを使うと、各チェーンの入力・出力・受け渡し・確認・戻り先を整理できます。
よくある失敗を先に確認したい場合は、Prompt Chainingで失敗しやすいポイントも参考になります。生成AIを補助的に使ってチェーン分解や途中レビューを効率化したい場合は、生成AIでPrompt Chainingを使う方法も参照してください。
自分の業務へ置き換えるときの確認ポイント
- 最終成果物を一文で説明できるか
- 仕事を情報整理・判断・生成・レビューへ分けられるか
- 各チェーンの入力と出力を決めたか
- 次段へ渡す情報を絞ったか
- 未確認事項を事実扱いしていないか
- 後工程へ影響する前提で途中確認を入れたか
- 利用可能な範囲だけで提案しているか
- 未確認の数値をAIに補わせていないか
- 最終レビューで重複や不整合を確認したか
- 問題が出た工程だけ修正できるか
まとめ
このケースでは、既存顧客A社向けの業務効率化提案資料を一括生成した際に、未確認の削減数値、提案範囲外の機能、課題と提案の不整合が発生しました。
そこで、情報整理→課題抽出→課題と提案の対応づけ→資料構成→ページ本文→最終レビューへ分け、各段階で確認済み情報だけを次へ渡しました。
結果として、未確認の数値を使わず、利用可能機能の範囲で、課題と提案の対応を確認できる資料に改善できました。
Prompt Chainingの価値は、プロンプトを複数回に分けること自体ではありません。複雑な仕事を役割別に分解し、前段の出力を確認しながら次へ進めることで、誤りを早い段階で止め、問題のある工程だけを修正できることにあります。