【前編・2026年版-プロンプト最新基準】OpenAI公式GPT-5.5『古いプロンプトはダメ』｜7パーツ構造で書く新ルール

1️⃣ 結論先出し｜古いプロンプトを使っていませんか？

あなたは今、ChatGPTに「ステップ・バイ・ステップで考えて」と書いていませんか？

2026年4月23日、OpenAIがGPT-5.5を発表しました。GPT-5.5はGPT-5シリーズの最新モデルで、複雑な自律型タスクと長文コンテキスト処理に特化した位置づけです。

それと同時に、公式ガイドで新たな指針を示しました。

「旧モデル向けプロンプトを流用すると、逆効果になる」

「ステップ・バイ・ステップで考えて」「必ず5つ列挙して」「ALWAYS お客様を満足させる」――こういった書き方を、GPT-5.5の公式ガイドは 「最もリスクが高い（highest-risk）」 と分類しています。

OpenAI公式ドキュメント `prompt-guidance`（2026/04）より：

💬 公式の言葉（原文）："These prompts were written to compensate for limitations that no longer exist, and in GPT-5.5, they will either produce no improvement or actively degrade output quality."

日本語訳：「古いプロンプトはもう存在しない制限を補うために書かれたものであり、GPT-5.5では改善をもたらさないか、むしろ出力の質を下げる」

意訳すると、「古いプロンプトはもう不要な制限を補うために書かれたものだ。GPT-5.5では改善しないか、むしろ出力の質を下げる」。そういうことです。

代わりに推奨されているのが、7パーツ構造によるアウトカム指向のプロンプト設計です。

この記事では次の4点を説明します。

• OpenAI公式が「やめろ」と言う5つの書き方

• 7パーツ構造の各要素と、良い例・悪い例

• `reasoning_effort` 5段階のEC実務への使い分け

• 旧プロンプト vs 新プロンプトのBefore/After（食品題材）

読了時間の目安は9分です。後編では、この知識をもとにEC実務向けプロンプトを10個公開します。

2️⃣ 「7パーツ構造」とは（定義）

「7パーツ構造」とは、OpenAIが2026年4月に公式ガイドで示した、GPT-5.5時代のプロンプトを7つの要素に分けて書くテンプレートである。

7つの要素は以下のとおりです。

• Role（役割）：AI に担当させる立場・職種を指定する

• Personality（ふるまい方）：回答のトーン・口調・姿勢を指定する

• Goal（ゴール）：このタスクで達成したい最終的な成果を明記する

• Success criteria（成功の条件）：何をもって「よい出力」とするかの判定基準を書く

• Constraints（制約）：触れてはいけない話題・字数・法令上の注意点を指定する

• Output（出力形式）：文字数・構成・箇条書き or 文章などの形式を指定する

• Stop rules（打ち切り条件）：これ以上続けないようにする条件を明示する

EC 運営者がこの構造を使うと、商品説明文・広告文・レビュー返信・メルマガ件名のすべてを同一の設計思想で書けるため、複数タスク横断の品質が安定します。

由来：OpenAI 公式 prompt-guidance（2026/04 公開）

💡 大事な補足：gihyo.jp（2026/04/27 解説記事）は OpenAI 公式ガイドをこう要約しています。「すべての項目を埋める必要はない」。OpenAI 公式も Personality について「ゴールや制約の代わりにはならない」と明示しており、タスクに合わせて取捨選択するのが正しい使い方です。

3️⃣ OpenAI公式が示す「5つの危険パターン」

「古いプロンプトが逆効果になる」と言っても、なぜそうなるのか。仕組みを知らないと腑に落ちません。

実は私も、GPT-5.5の発表を見るまでは「ステップ・バイ・ステップで」を毎回書いていました。それが場合によっては逆効果になると知ったときは、正直「そういうことか……」という感じでした。

まずは「やってはいけない5つ」から見ます。

GPT-5.5は、強化学習によって自律的に考える力を持ちました。人間が手順を細かく指定すると、モデルが本来持つ AIが考えられる選択肢の幅 が狭まるのです。

料理に例えると、「玉ねぎを1mm角に切って、フライパンを中火で5分炒めて、塩を2g振って……」と細かく指定した瞬間、料理人の腕が発揮できなくなるのと同じです。「おいしいカレーを作ってください」と任せたほうが、いい仕事をしてくれる。

OpenAI公式は、以下のパターンを 「最もリスクが高い」 と明示しています。

⚠️ 危険パターン1：CoT促し（思考を手順で誘導する）

「ステップ・バイ・ステップで考えて」「Let's think step by step」という表現です。

GPT-3の時代は、論理の弱さを補う補助的な書き方として有効でした。GPT-5.5では推論能力が内蔵されているため、この指定は 「余計な思考経路を踏ませるノイズ」 になります。

公式は「手順の先制指定は AIが考えられる選択肢の幅 を極端に狭める」と明言しています。

⚠️ 危険パターン2：固定数縛り（「必ずN個」「N段階で」）

「必ず3つ列挙して」「5段階で分析して」という書き方です。

問題は、モデルが数を合わせるために内容を膨らませたり削ったりすることです。大事なのは数ではなく質。固定数縛りは、自分でその品質を下げているようなものです。

⚠️ 危険パターン3：ALL制約の多用（ALWAYS/NEVER）

「ALWAYS お客様を満足させる」「NEVER 拒否的な表現を使わない」という書き方です。

OpenAI公式の原文にはこう書かれています。

💬 "Avoid overuse of 'ALWAYS,' 'NEVER,' 'must,' 'only' unless true invariants are involved."

日本語訳：「真に不変の条件でない限り、『ALWAYS』『NEVER』『must』『only』の多用を避けよ」

（出典：OpenAI Developers「Prompt guidance」https://developers.openai.com/api/docs/guides/prompt-guidance 2026/04）

真の不変条件（法令、安全要件など）にだけ使うべきです。「感じよく対応する」「断らない」という類の指定は、過剰な制約として出力をぼかします。

⚠️ 危険パターン4：過剰なロールプレイ足場

「あなたは20年の経験を持つ伝説的なマーケターです」という書き方です。

The Decoder（Matthias Bastian記者）はOpenAI公式ガイドをこうまとめています。過剰な設定は「ノイズを生成し、検索空間を狭め、機械的な回答を産出する」とのこと。

旧モデルの指示遵守の弱さを補うために発達した手法です。GPT-5.5は指示をより精密に守るため、過剰な設定は本来の意図をかえってぼかします。「あなたはカスタマーサポート責任者として、解約問い合わせを処理する」くらいの短い指定で十分です。

⚠️ 危険パターン5：Step細分化（手順を事細かに書く）

公式が実際に「やってはいけない」として挙げた例がこれです。

💬 公式の悪い例（原文）："First inspect A, then inspect B, then compare every field, then think through all possible exceptions, then decide which tool to call"

日本語訳：「まずAを点検し、次にBを点検し、すべてのフィールドを比較し、考えうる例外をすべて検討してから、どのツールを呼び出すかを決めよ」

手順を細かく書くほど、モデルの 考える力 を制限します。「何を達成すればいいか」だけ書いて、手段はモデルに任せる。それが新しい考え方です。

💬 公式の良い例（原文）："Resolve the customer's issue end to end"

日本語訳：「顧客の問題をエンドツーエンドで解決せよ」

「顧客の問題をエンドツーエンドで解決する」の一言で十分です。

4️⃣ 7パーツ構造の中身｜良い例・悪い例

ここで重要な前提を1つ。OpenAI公式が示しているのは 「7パーツの空の枠組み」 と各パーツの 断片的な良い例・悪い例だけ です。完成形のプロンプトは公式サイトには掲載されていません（コピペ可能な完成形は公式 Cookbook に別途あります）。ですので、自分のタスクに合わせて中身を埋めるのは 読者自身の作業 になります。本記事ではそれを EC 業務向けに具体化していきます（後編で 10 個公開予定）。

では、7つの要素をどう書けばいいのか。OpenAI公式の設計指針をもとに、一つずつ確認します。

◆ Role（役割）

AIに担当させる機能を1〜2文で定義します。

• 良い例：「あなたはECサイトのカスタマーサポート責任者として、解約問い合わせを処理する」

• 悪い例：「優秀なAIとして最善を尽くせ」

「優秀な」は何も情報を持っていません。何をする担当者なのかを具体的に書くことが大事です。

押さえるポイント：「何をする人か」を職種＋タスクで1文に

◆ Personality（ふるまい方）

回答のトーン・口調・協働スタイルを指定します。ここは短くまとめるのが正解です。

• 良い例：「丁寧かつ簡潔。曖昧な質問にだけ確認する」

• 悪い例：「フレンドリーで賢く、ユーモアもあり、深く考え、何でも答える」

悪い例は情報過多で、どれを優先すればいいかモデルが迷います。Personalityは「ゴールや制約の代わりにはならない」と公式も明示しています。

押さえるポイント：口調の指定は1〜2語。省略してもGoal・Constraintsで補える

◆ Goal（ゴール）

ユーザーが最終的に得たい成果を1文で書きます。

• 良い例：「顧客の解約理由を聞き出し、慰留できる提案を1つ返す」

• 悪い例：「いい感じに対応する」

「いい感じ」は主観的すぎます。何が「いい」のか、モデルには判断できません。

押さえるポイント：「動詞＋対象＋成果の形」で1文。曖昧な形容詞は使わない

◆ Success criteria（成功の条件）

何をもって「完了」とみなすかを客観的に書きます。正直、ここが一番差が出るパーツです。

公式の具体例を見てください。

💬 "The eligibility decision is made from available policy and account data. Any allowed action is completed before responding. Final answer includes completed_actions, customer_message, and blockers."

日本語訳：「適格性の判定は、利用可能なポリシーとアカウント情報から行われていること。許可されたアクションは応答前に完了していること。最終回答には completed_actions（実行済みの対応）、customer_message（顧客向けメッセージ）、blockers（障害事項）を含むこと」

「適格性判定が完了し、許可された対応が実行され、最終回答に必要な情報が含まれている」という明確な完了条件です。

• 良い例：「顧客の核心的な要求が1〜2行で要約されている。返信案は400字以内で、丁寧語を使っている」

• 悪い例：「問題が解決すれば終了」

「解決した」かどうかの基準が曖昧だと、モデルはどこで止めていいかわかりません。

押さえるポイント：「何が出力に含まれていれば完了か」を箇条書きで列挙する

◆ Constraints（制約）

触れてはいけない領域、守るべきルールを書きます。法令・安全・業務上の境界線です。

• 良い例：「事実主張には出典を付ける。根拠がないときは最小限の追加情報を依頼する。価格や在庫を約束しない」

• 悪い例：「ALWAYS お客様を満足させる。NEVER 拒否しない」

良い例は「何をしてはいけないか」が具体的に書かれています。悪い例は曖昧な全般指示で、ALWAYSとNEVERの乱用がモデルの判断を縛ります。

押さえるポイント：「〜しない」「〜を使わない」など否定形で具体的に書く

◆ Output（出力形式）

出力の長さ・構成・対象読者レベルを指定します。

• 良い例：「経営層向け・400字以内・プレーンテキスト」

• 悪い例：「いい感じのフォーマットで」

「いい感じ」はPersonalityと同じ問題です。読み手は誰か、何字で、どんな形式かを書きます。

押さえるポイント：「読み手の属性＋字数上限＋フォーマット」の3点セットで指定する

◆ Stop rules（打ち切り条件）

「どこで止めるか」「わからないときはどうするか」を書きます。エージェント運用では、特に外せないパーツです。

公式の具体例です。

💬 "Use minimum evidence sufficient to answer correctly, cite it precisely, then stop."

日本語訳：「正しく答えるのに十分な最小限の根拠だけを使い、それを正確に引用したら止めよ」

💬 "After each result, ask: 'Can I answer the core request now?' If yes, answer."

日本語訳：「各結果のあとに自問せよ。『今、本来の要求に答えられるか？』 答えられるなら、回答せよ」

• 良い例：「不明点があれば返信案の冒頭に【要確認】を付け、推測で埋めない。3回ループしても答えが出なければ blockerを返す」

• 悪い例：（Stop rulesなし）

Stop rulesがないと、モデルは止まり方がわからず余計な情報を探し続けます。「いつ止めるか」を書いておくと、無駄なトークン消費も防げます。

押さえるポイント：「不明なときの処理」と「ループの打ち切り条件」の2点を書けば最低限OK

5️⃣ reasoning_effort 5段階のEC実務使い分け

GPT-5.5では、推論の強さを `reasoning_effort` で5段階に設定できます。既定値は `medium` に変更されました。

「全タスクをGPT-5.5の最大出力で回す」は現実的ではありません。コストが持ちません。EC業務での使い分けを、下記にまとめます。

◆ none（推論なし）

OpenAI公式の説明："Fast, cost-sensitive tasks where the model doesn't need to think"

日本語訳：「高速・低コストが優先で、モデルが思考する必要のないタスク」

EC実務での用途：

• 定型フォームの入力チェック

• SKUコード・品番の変換処理

• 箇条書きの並び替え

深く考えなくていいタスクの担当です。

◆ low（推論最小）

OpenAI公式の説明："Latency-sensitive work with small accuracy gains"

日本語訳：「応答速度が重要で、精度向上はわずかでよい作業」

EC実務での用途：

• 商品名の最適化（楽天127字制約など）

• キャッチコピー案の生成

• メルマガ件名のA/B案作成

スピード重視で、正確さよりも量を出したいタスクに向いています。

◆ medium（既定値・標準）

OpenAI公式の説明："Default; most teams should stay in the none, low, or medium range."

日本語訳：「既定値。ほとんどのチームは none・low・medium の範囲に留まるのが望ましい」

EC実務での用途：

• 商品説明文（300字・景表法配慮が必要な場合）

• レビュー返信テンプレート

• Q&A構造化

公式は「ほとんどのチームはnone・low・mediumで十分」と言っています。mediumが基本の選択肢です。

◆ high（推論強め）

OpenAI公式の説明："Use only when correctness benefits clearly outweigh latency and cost—e.g., complex agentic reasoning, multi-step research, or hard correctness-critical tasks."

日本語訳：「正確さのメリットが、遅延・コストを明らかに上回る場合にのみ使え。例：複雑なエージェント推論、多段階リサーチ、または正確性が絶対条件のタスク」

EC実務での用途：

• 競合分析の構造化レポート

• 商品ページの改善診断（問題特定と施策提案）

• 複数部門にまたがる戦略立案

根拠が複雑に絡み合う場面で力を発揮します。コストが medium の数倍になるため、「これは本当に high が必要か」と一度問い直してから使うのが賢明です。

◆ xhigh（最大推論・限定使用）

OpenAI公式の説明："Avoid as default; use only for long agentic reasoning tasks where maximum intelligence outweighs speed/cost."

日本語訳：「既定値としては避けよ。最大の知性が速度・コストを上回る長時間のエージェント的推論タスクにのみ使え」

EC実務での用途：

• 24時間ループのエージェント運用（在庫補充・価格調整の自動化）

• 多段階の意思決定が必要な長時間タスク

「速度よりも最大の知性」が必要な場合のみ。コストが跳ね上がるため、常用は避けます。

💡 コスト感覚の補足：GPT-5.5は入力$5.00・出力$30.00（100万トークン単位）と、GPT-5.4の約2倍です（OpenAI公式 GPT-5.5ページ：developers.openai.com/api/docs/models/gpt-5.5、2026/04 時点）。全タスクを切り替える必要はありません。mediumからスタートして、結果を見ながら上下させるのが公式推奨の進め方です。

※ただし全タスクで7パーツ構造が最適とは限りません。向かない場面が3つあります（§7で解説）。

6️⃣ 【Before/After】商品説明文タスクで体感する

実際に比べてみます。題材は「だしパック（かつお・昆布ブレンド）」の商品説明文生成です。

この比較で、旧スタイルと新スタイルがどう違うか体感してください。

◎ Before（旧スタイル：GPT-3/4世代の書き方）

あなたは優秀なコピーライターAIです。
以下の手順で商品説明文を作成してください。

1. まず商品の特徴を分析する
2. ステップ・バイ・ステップで訴求ポイントを検討する
3. 必ず5つのアピールポイントを列挙する
4. 各ポイントについて詳しく考察する
5. 最後に300字の説明文を作る
6. ALWAYS 読者が購買意欲を持つような表現にする
7. NEVER 難しい言葉を使わない

【商品情報】
商品名：だしパック（かつお・昆布ブレンド）30包入り
原材料：かつお節、昆布、いわし節
特徴：手軽に本格だしが取れる

何が問題か

• 手順1〜5がプロセス管理になっていて、モデルが考えられる選択肢の幅を狭めている

• 「必ず5つ」という固定数縛りが形式的な制約になっている

• 「ALWAYS」「NEVER」が本当の不変条件でないのに使われている

• CoT促し（ステップ・バイ・ステップ）がGPT-5.5ではノイズになる

◎ After（新スタイル：7パーツ構造）

Role: あなたはECサイトの商品担当者として、
商品説明文の初稿を作成する。

# Goal
カタログ情報をもとに、購入意欲を引き出す商品説明文を作る。

# Success criteria
- 商品の具体的な特徴（原材料・使い方の手軽さ）が明示されている
- 効能・健康への作用に関する表現は含まない
- 300字以内に収まっている

# Constraints
- 「保存料不使用」「人工着色料不使用」などの表現は、対象成分を具体的に明示する
- 「天然」「自然」「健康にいい」などの曖昧な表現は使わない
- 「日本一」「No.1」「最高」などの根拠のない最上級表現は使わない

# Output
- 商品説明文1本（300字以内）
- です・ます調

# Stop rules
- 商品情報に記載のない成分・産地・効果は推測で書かない
- 不明な点があれば【要確認】を付けて止める

【商品情報】
商品名：だしパック（かつお・昆布ブレンド）30包入り
原材料：かつお節、昆布、いわし節
特徴：手軽に本格だしが取れる
・保存料、人工着色料、化学調味料は使用していません

何が変わったか

• Goalで「何を達成したいか」を一文で明示している

• Success criteriaで「何が入っていれば完了か」を書いている

• Constraintsに景表法・薬機法上の注意点を具体的に組み込んでいる

• Stop rulesで「知らないことは推測で埋めない」と指定している

• プロセス指定がなく、モデルに手段を委ねている

※体感の差は個別タスクによって異なります。

◆ サンプルアンサー（出力例）

かつお節・昆布・いわし節をブレンドした本格だしパックです。
お鍋に水と一緒に入れるだけで、素材本来のうまみが溶け出します。
一包で2〜3人分のだし汁が取れるので、毎日の味噌汁やおひたしに
手間なく使えます。30包入りでたっぷりストックでき、
忙しい日の一品に重宝します。保存料・人工着色料・化学調味料は
使用していません。

（文字数：約145字）

💡 補足：このサンプルアンサーは執筆時点（2026/04）のClaudeを使用した出力例です。GPT-5.5での実行結果は異なる場合があります。

※対象：GPT-5.5（2026/04 発表モデル）／reasoning_effort: medium 推奨
※Claude Sonnet 4.6 / Gemini 3.1 Pro でも 7 パーツ構造は同じように機能します。ただし各 AI には独自の設計思想（Claude の Constitutional AI、Gemini のマルチモーダル指定など）があるため、本格運用時は各社の公式ガイドも合わせて参照することを推奨します。GPT-5.4以前はStop rulesを省略しても動作します。

7️⃣ 7パーツ設計が「そのままでは向かない」3つの場面

新しい設計指針は強力です。ただ、場面によっては追加の注意が要ります。「GPT-5.5＋7パーツで何でもうまくいく」と思い込むと、この3つで失敗します。

◆ 場面1：GPT-5.4-miniなど小型モデルへの転用

GPT-5.5向けに書いたプロンプトを、小型モデルにそのまま使うと出力が崩れることがあります。

OpenAI公式は小型モデルについて明確に区別しています。

💬 公式より："For GPT-5.4-mini, be more explicit: rules first, full execution order, numbered steps, and no reliance on implicit inference."

日本語訳：「GPT-5.4-mini では、より明示的に書け。ルールを先に置き、実行順序を完全に示し、ステップに番号を付け、暗黙の推論に頼るな」

GPT-5.4-miniでは、古いやり方（手順を明示する、番号を付ける）が依然として有効です。モデルによって最適な書き方が違う、という点は意外と見落としやすいので気をつけてください。

◆ 場面2：規約や法令の厳密遵守が必要な処理

医療・金融・法務関連の文書生成や、ECサイトの利用規約チェックなど、「絶対に外せない不変条件」が多いタスクでは、7パーツ構造そのものは使えますが、ここはConstraintsを丁寧に組んでおく場面です。

「シンプルにしよう」と意識しすぎると、本当に守らなければいけない条件を抜かしてしまいます。

アウトカム指向で書きつつも、Constraintsだけは省略しないのが安全です。「シンプルさ」より「正確さ」を取る場面です。

◆ 場面3：既存ワークフローへの一斉切り替え

日次レポートの生成、定型メール返信の自動化など、既存の業務フローに組み込まれているプロンプトを一度に書き換えると危険です。

出力形式が変わると、後工程の処理（Excel整形、メール送信テンプレート、API連携）が壊れる可能性があります。

The Decoderが「ゼロから開始する」と書いていましたが、それは「新しいタスクから小さく試す」という意味です。既存フローはA/B並走で少しずつ移行するのが安全です。

8️⃣ まとめ＋後編予告

GPT-5.5のような推論モデルを使う前提で、今回の内容を1行でまとめます。

「手順を書くな。達成条件と打ち切り条件を書け」

これがGPT-5.5時代のプロンプト設計の核心です（モデル・タスクによって最適な書き方は異なります）。

思い当たるプロンプトが1つでもあった方は、ぜひ次のアクションを試してみてください。

自分が一番よく使うプロンプトを1つ開いて、「ステップ・バイ・ステップで」「必ずN個」「ALWAYS/NEVER」が入っていないか確認してください。

入っていたら、そこが書き直しの起点です。（§4）の7パーツ構造に沿って書き直してみてください。Personalityは省略しても動きますが、Goal・Constraints・Outputは外せません。

後編（公開後追記）では、この7パーツ構造を使って EC運営者向けのプロンプト10個 を公開します。商品名最適化・キャッチコピー・レビュー返信・メルマガ件名など、楽天市場やAmazonの実務ですぐコピペできる形で公開します。

関連記事もあわせてどうぞ。

関連記事：プロンプト改善の基礎はこちら：
【2026年版】EC運営者のAIプロンプト10個｜「あなたはプロ」やめて精度UP（効果は使用環境・タスクにより異なります）

AI検索・LLMO対策に興味のある方は：
【前編】楽天・Amazon・本店のAI検索対応7ステップ｜2026年勢力図

📚 出典

一次情報（OpenAI公式）

• OpenAI Developers「Prompt guidance」https://developers.openai.com/api/docs/guides/prompt-guidance（2026/04）

• OpenAI Developers「Using GPT-5.5」https://developers.openai.com/api/docs/guides/latest-model（2026/04）

• OpenAI公式ブログ「Introducing GPT-5.5」https://openai.com/index/introducing-gpt-5-5/（2026/04/23）

• OpenAI Cookbook「Prompt Personalities（完成形サンプル集）」https://cookbook.openai.com/examples/gpt-5/prompt_personalities（2026/04）

解説・報道

• Simon Willison「GPT-5.5 prompting guide」https://simonwillison.net/2026/apr/25/gpt-5-5-prompting-guide/（2026/04/25）

• The Decoder（Matthias Bastian）「OpenAI says old prompts are holding GPT-5.5 back」https://the-decoder.com/openai-says-old-prompts-are-holding-gpt-5-5-back-and-developers-need-a-fresh-baseline/（2026/04/26）

• gihyo.jp「OpenAI、GPT-5.5の利用法とプロンプトガイドを公開」https://gihyo.jp/article/2026/04/gpt5.5-prompt-guide（2026/04/27）

#GPT5 #ChatGPT #OpenAI #プロンプトエンジニアリング #プロンプト設計 #推論モデル #生成AI #AI活用 #LLMO #AI業務効率化 #AIツール活用術 #EC運営 #楽天市場 #ネットショップ運営 #楽天出店者 #Amazon出品者 #2026年AI #AI最新情報 #GPT最新 #プロンプト最新基準 #note最新AI記事 #業務効率化 #EC担当者