プロンプトエンジニアリングとは？ぷろんぷとえんじにありんぐ
プロンプトエンジニアリングとは、生成AIへ与える指示文（プロンプト）を工夫して、目的に合う出力を安定して得るための技術。役割・前提条件・出力形式・制約を明示するのが基本になる。モデルを再学習させずに精度を上げる手段であり、学習データを追加するファインチューニングや外部知識を参照させるRAGと並ぶ選択肢のひとつに位置づけられる。
最終更新：2026-10-06
この語が出る過去問を解く →背景
従来の機械学習では、望む出力を得るには学習データを用意してモデルを訓練し直すしかなかった。大規模言語モデルは指示文の書き方だけで振る舞いが大きく変わるため、訓練に手を入れずとも精度を動かせる余地が生まれた。学習の外側に、入力の設計という新しい調整点ができた、というのが位置づけになる。
具体例
「要約して」ではなく「新人向けに、箇条書き5項目以内、専門用語には注釈を付けて要約せよ」と条件を明示する。数個の例を添えて出力の形をそろえるfew-shot、手順を順に考えさせる思考の連鎖（Chain-of-Thought）といった手法があり、いずれも入力側だけで完結してモデルには触れない。
試験での引っ掛け
プロンプトの工夫はモデルの学習ではないため、次回以降に知識として残るわけではない——ここをファインチューニングと取り違える設問が出る。自社データを踏まえた回答が要るならRAGを選ぶ、という切り分けも押さえる。プロンプトへ社外秘を書けば情報漏えいになり、工夫してもハルシネーションは残る。
関連用語
出た過去問
出典：令和6年度 秋期 応用情報技術者試験 午前 問71（IPA）解説で登場
生成AIのビジネス活用において、独自のデータを学習させることにより基盤モデルを自社の業務やサービスに特化したモデルへとカスタマイズすることを何と呼ぶか。
正解：ファインチューニング
要点：ファインチューニングは追加学習で基盤モデルを用途特化させる
ファインチューニングは、大量のデータで事前学習された基盤モデルに対し、自社固有のデータで追加学習を行い、特定の業務やドメインに適した振る舞いへ調整する手法である。モデルの重みそのものを更新する点で、入力の工夫だけで結果を制御するプロンプトエンジニアリングとは異なる。
出典・参考
公式シラバスの1 基礎理論 ＞ 3. 情報に関する理論 ＞ (9) AI（Artificial Intelligence：人工知能）に関する技術に掲載されている用語です。
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。