Role Promptingは、生成AIに「どの立場・専門性・優先観点で考えるか」を先に与えてから、具体的な業務を依頼する方法です。
一見すると簡単ですが、実務では「あなたは営業担当です」と肩書だけを付けて終わったり、「世界最高の専門家」と役割を盛りすぎたり、Roleと依頼内容が混ざったりすると、出力はむしろ不安定になります。
この記事では、Role Promptingでありがちな失敗を、具体的な失敗場面、原因、改善前、改善方法、改善後の状態、読者用チェックポイントの順で解説します。
Role Promptingの基本から確認したい場合は、Role Promptingとは?を、実務での進め方はRole Promptingのやり方を参照してください。
失敗1|Roleを肩書だけで終わらせる
ありがちな失敗場面
あなたは営業担当です。
とだけ設定します。
原因
Roleを「職種名を付けること」だと考えているためです。
改善前
営業担当でも、売上を優先するのか、既存顧客との信頼を重視するのか、事実確認を優先するのかで出力は変わります。
改善方法
肩書に加えて、優先観点まで書きます。
あなたは、既存顧客との信頼関係を維持しながら、確認済み事実だけを使って業務改善提案を行う法人向けSaaS企業の営業企画担当です。
改善後の状態
AIが何を重視して判断するかが明確になります。
チェックポイント
- Roleを読んで「何を優先する立場か」が分かるか
- 肩書だけで終わっていないか
失敗2|「世界最高の専門家」にすればよいと思う
ありがちな失敗場面
あなたは世界最高の営業・法務・マーケティング・財務の専門家です。
と設定します。
原因
Roleを強くすれば、事実や判断精度も自動的に上がると思っているためです。
改善前
役割は派手でも、何を優先するか分からず、複数分野の責任が衝突します。
改善方法
主Roleを1つに絞ります。
必要な他分野の観点は、Roleへ混ぜるのではなく、確認項目として分けます。
改善後の状態
AIの判断軸がぶれにくくなります。
チェックポイント
- 1つのRoleに複数職種を詰め込んでいないか
- 「最高」「一流」といった形容だけで具体性を出した気になっていないか
失敗3|Roleと依頼内容が同じになる
ありがちな失敗場面
Role:
あなたは提案メールを書く営業担当です。
依頼:
提案メールを書いてください。
原因
「どの立場で考えるか」と「何をするか」を分けていないためです。
改善前
Roleを付けても情報量が増えていません。
改善方法
- Role:どの立場・優先観点で考えるか
- 依頼:何を作るか
に分けます。
例:
Role:
既存顧客との信頼と確認済み事実を優先する営業企画担当。
依頼:
A社向けに月次レポート業務の改善提案メールを作成する。
改善後の状態
役割と作業内容の違いが明確になります。
チェックポイント
- Roleと依頼内容を入れ替えても意味が通る状態になっていないか
失敗4|AIに実在しない権限を与える
ありがちな失敗場面
あなたは契約条件を最終決定できる営業責任者です。
と設定します。
原因
権限を与えれば、AIが責任ある判断をしてくれると思っているためです。
改善前
AIが価格、値引き、契約条件まで断定する可能性があります。
改善方法
AIへ任せる責任範囲を限定します。
AIに任せる:
- 文案作成
- 課題整理
- 提案候補整理
- 次アクションの文章化
AIに任せない:
- 価格確定
- 値引き承認
- 契約条件決定
- 法的判断
改善後の状態
AIは補助役、人は正式判断という分担になります。
チェックポイント
- AIに実在しない承認権限を与えていないか
- 正式判断が必要な項目を分けているか
失敗5|Roleだけ設定して使用可能情報を示さない
ありがちな失敗場面
あなたは慎重な営業企画担当です。
とだけ書き、具体的な事実を渡しません。
原因
Roleを与えれば、AIが正しい前提を自動で補ってくれると思っているためです。
改善前
AIはもっともらしい数値、機能、背景を補う可能性があります。
改善方法
使用してよい情報を明示します。
例:
- 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
- Excelで加工
- A社は手作業を減らしたい
- 利用可能機能はCSV自動取り込み、定型レポート生成、スケジュール実行
改善後の状態
AIが使う事実の範囲を限定できます。
チェックポイント
- Roleとは別に、使用可能な事実を渡しているか
- 未確認情報を分けているか
失敗6|禁止事項を書かない
ありがちな失敗場面
「事実ベースの営業担当」と設定しているので、未確認情報は出ないだろうと考えます。
原因
Roleが出力範囲まで完全に制御すると考えているためです。
改善前
AIが、
- 年間300時間削減
- ROI改善
- 30%コスト削減
- API連携
などを補う可能性があります。
改善方法
禁止事項を明示します。
- 未確認の削減率を追加しない
- ROIを推測しない
- 価格・値引き・契約条件を書かない
- 利用可能機能以外を提案しない
改善後の状態
AIが広げてよい範囲と、広げてはいけない範囲が分かれます。
チェックポイント
- 未確認数値や契約条件を禁止事項へ入れたか
- 提案可能範囲を限定したか
失敗7|優先観点を増やしすぎる
ありがちな失敗場面
Roleに、
- 簡潔
- 丁寧
- 説得力
- 専門性
- 正確性
- スピード
- 創造性
- 顧客志向
- 売上重視
- リスク回避
などを大量に入れます。
原因
観点を増やせば精度が上がると思っているためです。
改善前
互いに矛盾する観点が並び、何を優先すべきか分かりません。
改善方法
今回の業務で重要な3〜5項目に絞ります。
例:
- 確認済み事実を優先
- 未確認情報を補わない
- 顧客との信頼を損なわない
- 課題と提案を対応づける
改善後の状態
判断軸がシンプルになります。
チェックポイント
- 優先観点同士が矛盾していないか
- 3〜5個程度に絞れているか
失敗8|Roleと業務目的がずれている
ありがちな失敗場面
顧客向け提案メールを作るのに、「法務責任者」として書かせます。
原因
専門家っぽいRoleを付けること自体が目的になっているためです。
改善前
文章が過度に慎重になったり、法的観点ばかりが強くなったりします。
改善方法
業務目的からRoleを逆算します。
提案メールなら、主Roleは営業企画担当にし、法務確認が必要なら別工程へ分けます。
改善後の状態
Roleが成果物の目的と一致します。
チェックポイント
- Roleは最終成果物の目的に合っているか
- 別職種の観点を無理に主Roleへ混ぜていないか
失敗9|Roleに責任範囲を書かない
ありがちな失敗場面
あなたは営業企画担当です。
とだけ書き、何をしてよくて何をしないかを決めません。
原因
役割名だけで責任範囲も自動的に伝わると思っているためです。
改善前
AIが文案作成だけでなく、価格、契約、機能可否まで判断しようとします。
改善方法
責任範囲を明示します。
文案作成、課題整理、提案候補の対応づけまでを担当し、価格確定・契約条件・未承認機能可否は判断しない。
改善後の状態
AIに任せる作業と、人が残す判断が明確になります。
チェックポイント
- AIへ任せる範囲を一文で説明できるか
- 任せない判断も書いているか
失敗10|Roleを固定しすぎて、状況変化に合わなくなる
ありがちな失敗場面
一度作ったRoleを、すべての顧客・すべての業務へそのまま使います。
原因
Roleを恒久的なテンプレートと考え、業務ごとの目的差を見ていないためです。
改善前
新規開拓、既存顧客フォロー、障害連絡、契約更新で同じRoleを使い回し、優先観点がずれます。
改善方法
業務ごとに、
- 読み手
- 目的
- リスク
- 使える情報
を確認し、Roleの優先観点を調整します。
改善後の状態
同じ職種でも、業務に合った判断軸になります。
チェックポイント
- 過去のRoleをそのまま流用していないか
- 今回の業務目的に合わせて観点を見直したか
失敗11|出力後の確認を省く
ありがちな失敗場面
「事実重視のRoleを設定したから大丈夫」と考え、AI出力をそのまま使います。
原因
Role Promptingを品質保証の仕組みだと誤解しているためです。
改善前
AIが、
大幅な工数削減が期待できます。
のような根拠のない程度表現を残しても見逃します。
改善方法
出力後に、
- 数値
- 事実
- 利用可能機能
- 価格・契約条件
- 表現の強さ
- Roleの責任範囲
を確認します。
改善後の状態
Role Promptingを設計補助として使い、人が最終責任を持てます。
チェックポイント
- 出力後の確認項目を決めているか
- Roleを設定したこと自体を安全確認の代わりにしていないか
失敗12|Roleの効果を過大評価する
ありがちな失敗場面
「専門家Roleを与えたから正しい」と考えます。
原因
Role PromptingでAIの知識や事実確認能力そのものが増えると思っているためです。
改善前
根拠のない説明や古い情報でも、専門家らしい文章なので信じやすくなります。
改善方法
Role Promptingの役割を、
AIの判断軸を整えること
と限定して捉えます。
事実確認は、元資料や正式情報で行います。
改善後の状態
Roleの効果と限界を分けて扱えます。
チェックポイント
- 専門家らしい文体と、事実の正しさを混同していないか
通し例|A社向け提案メールのRole Promptingを立て直す
営業企画の佐藤さんは、既存顧客A社へ月次レポート業務の改善提案メールを作っていました。
確認済み事実は、
- 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
- Excelで加工
- A社は手作業を減らしたい
です。
提案可能機能は、
- 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。
年間削減可能時間、ROI、価格、値引き、API連携可否は未確認です。
改善前
Role:
あなたは営業担当です。
依頼:
A社向けに、できるだけ説得力のある業務改善提案メールを書いてください。
AIは、
- 年間300時間削減
- 30%コスト削減
- リアルタイムAPI連携
を追加しました。
何が悪かったか
- Roleが肩書だけ
- 優先観点がない
- 「説得力」が強すぎる
- 使用可能情報が未指定
- 禁止事項がない
- 責任範囲がない
改善後
Role:
あなたは、既存顧客との信頼関係を維持しながら、確認済み事実だけを使って業務改善提案を行う営業企画担当です。
優先観点:
- 確認済み事実を優先
- 未確認情報を補わない
- 顧客との信頼を損なわない
- 課題と提案を対応づける
責任範囲:
- 文案作成
- 課題整理
- 提案候補整理
判断しない:
- 価格
- 値引き
- 契約条件
- 未承認機能
使用可能情報:
- 月次8時間
- 3システムから手作業集計
- Excel加工
- 手作業削減要望
- CSV自動取り込み
- 定型レポート生成
- スケジュール実行
禁止事項:
- 年間削減時間、削減率、ROIを推測しない
- 価格、値引き、契約条件を書かない
- 利用可能3機能以外を提案しない
改善後のAI出力
未確認の数値やAPI連携は出なくなりました。
一方で、
大幅な工数削減が期待できます。
という表現が残りました。
「大幅」には根拠がないため、人が、
手作業工程を減らし、月次レポート作成を標準化しやすくなります。
へ修正しました。
改善前後
改善前:
- 肩書だけのRole
- 使用可能情報なし
- 禁止事項なし
- 責任範囲なし
- 未確認情報をAIが補完
改善後:
- Roleに優先観点あり
- AIの責任範囲を限定
- 使用可能情報を明示
- 未確認数値・価格・契約・範囲外機能を禁止
- 出力後に人が確認
具体的な適用過程をケースで追いたい場合は、Role Promptingの具体例も参考になります。
そのまま使える型が必要なら、Role Promptingテンプレートを使うと、Role、優先観点、責任範囲、依頼内容、使用可能情報、禁止事項を整理できます。
生成AIを補助的に使ってRole候補や優先観点を整理する方法は、生成AIでRole Promptingを使う方法で確認できます。
最終チェックリスト
- Roleを肩書だけで終わらせていないか
- 「世界最高」など抽象的な強調だけに頼っていないか
- 主Roleを1つに絞っているか
- Roleと依頼内容を分けているか
- AIに実在しない権限を与えていないか
- Roleの責任範囲を決めたか
- 使用可能情報を明示したか
- 未確認情報を分けたか
- 禁止事項を明示したか
- 優先観点を増やしすぎていないか
- 業務目的とRoleが合っているか
- 出力後に人が事実・数値・表現を確認したか
まとめ
Role Promptingで失敗しやすいのは、Roleを肩書だけで終わらせること、万能な専門家にすること、Roleと依頼を混同すること、AIに実在しない権限を与えることです。
さらに、使用可能情報を示さない、禁止事項を書かない、優先観点を増やしすぎる、責任範囲を曖昧にする、出力後確認を省くと、Role Promptingの利点が薄れます。
実務では、業務目的からRoleを決め、何を優先するか、どこまで判断させるか、どの情報を使ってよいか、何を禁止するかを明確にします。そのうえで、出力後に人が事実と表現を確認します。
Role Promptingは、AIを万能な専門家に変える方法ではありません。AIの判断軸と責任範囲を整え、実務の前提に合わせて出力を扱いやすくするための設計として使うと、失敗を減らしやすくなります。