Thinkingモデル時代のプロンプト術｜2026年は「手順書」から「職務定義書」へ

こんにちは、生成AIで高品質な記事を書く方法を研究している ぽけご です。

生成AI活用に熱心に取り組んできた方ほど、Thinkingモデルの登場で、

「その能力を最大限活かすには、どんなプロンプトにすれば…」
「プロンプトはもう要らないって聞くけど、本当かな…」

このような疑問や不安を感じているかもしれませんね。

去年の12月に、OpenAI が初のThinkingモデルとして o1 をリリース。

そこからわずか1年で、すっかりスタンダードなモデルになりましたよね。

私自身も、この間ずっと各社のモデルを研究しながら、最適なプロンプトの形を模索してきました。

そして、GPT-5.2 などの最新Thinkingモデルにおいては、プロンプトの刺さり方が変わってきているなと感じています。

具体的に言うと、AIへの指示を「手順を細かく指示する」発想から、「判断基準を共有する」発想へシフトさせる必要があるということです。

例えるなら、新卒の新入社員向けの「手順書（How）」だったものを、自ら最適解を導ける経験者（転職者）向けの「職務定義書（What）」に書き換える感じでしょうか。

マネジメントの仕方を変えなきゃいけないってことですね。

では具体的にどうすればいいのか。

今回は、私がAIとの試行錯誤で感じている、Thinkingモデル時代のプロンプト術についてお話ししたいと思います。

ぜひ参考にしてください。

Thinkingモデルの登場で、プロンプトの常識が揺れ始めた

「Thinkingモデルには、細かすぎる指示（プロンプト）は逆効果である」

様々な研究でこのように言われておりますが、私自身も最新のThinkingモデルで、その影響を体感するようになりました。

なぜ細かすぎる指示がダメなのか、まずはその変化の本質について確認しておきましょう。

優秀な転職者に「新卒向けマニュアル」を押し付けるリスク

これまでのAIモデルとThinkingモデルの違いを、「新卒入社」と「中途採用」の違いに例えると分かりやすいかもしれません。

従来のモデルは、いわば社会人経験のない「新入社員」のような存在でした。

彼らに仕事を頼むときは、

「まずAをやって、次にBを確認して、その結果をもとにCを作成してください」

こんな感じで、手取り足取り手順（ワークフロー）を教える必要があったのです。

これをプロンプトエンジニアリングでは、「Chain of Thought（思考の連鎖）を与える」と表現したりします。

しかし、最新のThinkingモデルは違います。

彼らは、自ら最適解を導き出す思考力を持った、優秀な「経験者採用」の社員なのです。

自分なりの仕事の進め方を持ち、最適なアプローチを自ら導き出せる力を備えています。

そんな優秀な経験者に対して、新卒向けの詳細マニュアルを押し付けたらどうなるでしょうか。

「このやり方でお願いします」と細かく縛ることで、自分なりの仕事の進め方と干渉し、本来の能力を発揮できない可能性があるのです。

細かすぎるプロンプトが招く「推論の邪魔」と情報の埋没

Thinkingモデルの最大の特徴は、答えを導き出す前に内部で「推論（Thinking）」を行うこと。

彼らは与えられた課題に対して、「どう解くのがベストか？」を自ら試行錯誤し、検証するプロセスを持っています。

ここに、ユーザー側からガチガチの「手順（ワークフロー）」を指示してしまうと、何が起きるでしょうか。

AIの内部で起きている「自律的な推論」と、プロンプトで指示された「強制的な手順」が衝突してしまうのです。

この衝突によって、以下のような問題を引き起こす原因となります。

• 思考の分断：
  AIが本来持っている効率的な解法が、指示された手順によって中断されてしまう。

• 情報の埋没（中盤ロスト）：
  手順を守ることにリソースが割かれ、肝心の「目的」や重要な「文脈情報」が抜け落ちてしまう。

• 指示の無視：
  AIが「自分の推論の方が正しい」と判断した場合、プロンプトの指示がスキップされることがある。

「一生懸命プロンプトを書いたのに、結果がイマイチだった…」

そんな経験がある方は、もしかすると「優秀な部下」の邪魔をしてしまっているのかもしれません。

「線（ワークフロー）」を太くするよりも、管理する発想へ

では、これからの時代、プロンプト技術は不要になってしまうのでしょうか？

SNSなどでは、そういう言説を見かけることが多くなりました。

しかし、私の感覚でいえば、答えは「No」です。

むしろAIへの指示出しはより高度で、より「マネジメント能力」が問われるフェーズに入ったと感じています。

これまでは、AIを動かすための「手順書作り」に必死になっていたかもしれません。

しかしこれからは、AIが自律的に動けるような「環境」を整え、彼らの成果物を評価・修正する「管理（ディレクション）」の発想へのシフトが求められているのです。

必要な時に、必要な情報だけを繋ぐ「推論環境の管理」

Thinkingモデルに対しては、「情報の総量」よりも「情報の質と渡し方」が重要になります。

必要な時に必要な情報だけを繋ぐ、「推論環境の管理」という視点が求められているのです。

記事作成を例にすると、従来は「構成案を作り、次に見出しを出し…」と工程そのものを指示していました。

しかしThinkingモデルに対しては、

「読者が抱える不安は何か」
「読了後にどう感情を動かしたいか」
「絶対に避けるべき表現は何か」

こういった『判断基準（コンテキスト）』のみを伝える方が、良い結果を得られる可能性が高くなります。

「全部入り」で太くするプロンプトから、「必要十分」を管理するプロンプトへ。

この発想の転換が、Thinkingモデル活用の第一歩となるのです。

「判断基準」と「呼び出す部品」に分けて扱う

プロンプトの要素を整理する際には、「判断基準」と「呼び出す部品」の2つに分けて考えると効果的です。

• 判断基準（コンテキスト）：
  「誰に向けた記事か」「読了後にどんな感情になってほしいか」「自社のブランドとして絶対に避けるべき表現は何か」といった、意思決定の核となる指針。

• 呼び出す部品（リソース）：
  「参考にするデータ」「過去の成功事例」「使用すべきキーワードリスト」など、必要に応じて参照する情報。

判断基準は、プロンプトの中核として常に含めるべき情報。

一方、呼び出す部品は、タスクの性質に応じて取捨選択すべき情報です。

この区別を意識するだけで、プロンプトの見通しが格段によくなります。

「何を常に伝えるべきか」
「何をオプションとして用意しておくか」

これらを整理することで、Thinkingモデルに対して明確な判断の軸を渡せるようになります。

プロンプトを「手順書」から「職務定義書」に進化させよう

ここまでの話をまとめると、私たちが作成すべきプロンプトは、「作業手順書（マニュアル）」から「職務定義書（ジョブディスクリプション）」へと進化する必要があるということです。

職務定義書とは、その仕事の「目的」「責任範囲」「期待される成果」「評価基準」を明確に定義したもの。

ジョブ型雇用でよく使われる概念ですが、これからのAI活用においては、まさにこの発想が鍵になります。

あなたの頭の中にある「こだわり」を、いかにしてAIに伝わる「定義」へと翻訳できるか。

これは、私たち使い手の「言語化能力」がより深く問われる変化でもあります。

言語化しにくい「暗黙知」を、再現できる「定義」に変換する

職務定義書型のプロンプトで最も重要なのが、あなたの中にある「暗黙知」を言語化することです。

「なんとなくこうしたい」「これは避けたい」という感覚。

そこまで意識していないけれど、仕事の良し悪しを左右している判断基準。

これらを明確な言葉にしてAIに渡すことが、Thinkingモデル時代における『プロンプト設計の核心』となります。

記事作成を例に挙げると、以下のような観点で暗黙知を言語化してみてください。

• 読者の状態：どんな不安や疑問を抱えて検索してきたか

• 読了後のゴール：記事を読み終えた後、どんな気持ちになってほしいか

• 絶対に避けること：読者を不快にさせる表現、信頼を損なう書き方

「構成案を作って、見出しを出して…」といった手順ではなく、こうした判断基準を伝えることが、Thinkingモデルの能力をより引き出せます。

目指すべきは「毎回ぶれない」ビジネス品質の安定運用

AIの推論能力が進化したからといって、毎回出力の品質がバラバラではビジネスには使えませんよね。

目指すべきは、いつ誰がやっても一定以上の品質が出る「安定運用」です。

Thinkingモデルに「職務定義書」としてのプロンプトを与える最大のメリットは、この再現性にあります。

手順ではなく「判断基準」と「ゴールの定義」を共有する。

すると、AIは毎回異なるアプローチを試しながらも、最終的には私たちが求める品質基準（クオリティライン）に着地してくれるようになるのです。

これは、信頼できる部下・外注さんに、

「やり方は任せるけど、この品質だけは守ってね」

と言って、仕事を依頼する感覚に近いものがあります。

手順の管理から、品質の管理へ。

AIの進化（部下の成長）によって、私たちのマネジメントスタイルも変える時期が来たということでしょう。

まとめ：Thinkingモデルには「手順」ではなく「判断基準」を渡そう

今回は、Thinkingモデル時代のプロンプト設計に迷う方に向けて、

• 優秀なAIに「細かすぎる指示」を出すリスク

• 「暗黙知」を判断基準に変える新しい指示の作法

上記について、AI活用に試行錯誤してきた私の実感と気づきを交えながらお話してきました。

情報を詰め込むほど良いというこれまでの常識は、過去のものとなりつつあります。

Thinkingモデルという「優秀な経験者」に必要なのは、手取り足取りの手順書ではなく、仕事の品質を決める「判断基準」なのです。

あなたの中にある「言葉にしにくいこだわり（暗黙知）」を言語化して、「判断基準」のヒントとして盛り込みましょう。

コンパクトな記述でも、驚くほどの品質が得られるようになるはずですよ。

私自身も、最新のThinkingモデルになって、その効果を確実に体感できるようになったので、自身のプロンプト構造を大きく変えようと試行錯誤しているところです。

これまで積み上げてきたプロンプト知識は、決して無駄にはなりません。

ぜひこの機会に、AIへの接し方を「操作指示」から「ディレクション」へと進化させてみてくださいね！

具体的なプロンプト設計については、以下の記事でお話ししています。
ぜひこちらもご確認ください。

最後まで読んでくださり、ありがとうございました😇

✅ ぽけごのコンテンツはこちら