プロンプトエンジニアとは、AIから狙った結果を安定して引き出すための指示と、その良し悪しの測り方を設計する仕事です。 ただし先に正直なところを書きます。「プロンプトエンジニア」という肩書きを目標にするのは、あまりおすすめしません。 この記事は特定の職種や講座を勧める立場ではなく、目指す価値がある人と、そうでない人を分けて整理します。

この記事の要点

  • スキルの本体は指示文の書き方ではなく、評価設計（何をもって良い出力とするかを決めること）
  • 独立した職種として続くかは見方が分かれる。肩書きを目的にすると足元をすくわれる
  • ただし「AIから安定して結果を引き出す力」自体の価値は、名前が変わっても残る

まず、目指さなくていい人

  • 肩書きが目的になっている人：職種名が定着するかは不確実です。名前ではなく、できることで身を立てるほうが安全です
  • いまの仕事にAIを使う余地が十分ある人：自分の職種の中でAIを使いこなすほうが、これまでの経験を捨てずに済みます
  • 「文章がうまい仕事」だと思っている人：実際の中心は検証と改善であり、文章力の勝負ではありません
  • 転職の近道として見ている人：実績がないまま肩書きだけを求めると、評価される材料が残りません

この4つに当てはまるなら、この職種を目標に据える必要はありません。 それでも読む価値があるとすれば、ここで扱う力は、どの職種でAIを使う場合にも効くからです。

では、どんな仕事なのか

実務でやっていることは、おおむね次の4つです。

仕事中身
要件の翻訳「いい感じにまとめて」という曖昧な依頼を、AIが実行できる条件に翻訳する
指示の設計出力の形式・制約・禁止事項を決め、再現性のある指示にする
評価の設計何をもって「良い出力」とするかの基準を作り、測れる形にする
改善の反復失敗例を集め、指示を直し、また測る

注目してほしいのは3つ目です。 ここが、この仕事の本体です。

スキルの本体は「評価設計」にある

指示文をうまく書ける人は、たくさんいます。差がつくのは、「その指示が本当に良いのか」を測れるかどうかです。

たとえば、問い合わせの返信文をAIに作らせる仕組みを組むとします。「いい返信」とは何でしょうか。

  • 敬語が正しい？
  • 必要な情報が漏れていない？
  • 長すぎない？
  • 断るべきときに断れている？

これを言葉で決めて、20件のテストケースで測れる形にするのが評価設計です。 ここが決まっていないと、指示を変えても良くなったのか分かりません。「なんとなく良くなった気がする」で終わります。

実際には、この程度の粗さで十分です。

見る点判定
必要な項目（受付日・担当・回答期限）が入っているか3点満点で何点入っているか
断るべき依頼を、断れているかできている／いない
200字を超えていないか文字数を数える
そのまま送れるか手直しが必要なら、何箇所か

大事なのは精密さではなく、同じ基準で前後を比べられることです。 20件を2回測れば、指示を変えた効果が数字で見えます。ここまで来て初めて、改善が「作業」になります。

逆に言えば、評価設計ができる人は、AIの性能が変わっても仕事が続きます。 測り方は、モデルが変わっても使えるからです。指示文そのものは、モデルが変われば書き直しになります。

🔍 編集部の本音 「プロンプトが上手い人」を採用したい会社は、実はそれほど多くありません。会社が欲しいのは、AIを使った仕組みを作り、それが機能していることを説明できる人です。だから、指示文の技巧を磨くより、「どう測るか」を語れるようになるほうが、評価につながります。

求められるスキル

  • 言語化力：曖昧な依頼を、条件として書き下ろす力
  • 評価設計力：良し悪しの基準を決め、測れる形にする力（中核）
  • 検証と改善：失敗例を集めて、原因を切り分ける力
  • 対象分野の理解：業務を知らないと、そもそも良い出力の定義ができません
  • AIの性質の理解：どこで間違えるかを知っていること

プログラミングは必須ではありませんが、仕組みとして組み込む段階では、簡単なコードが書けると仕事の範囲が広がります。基本的な指示の型はプロンプトの基本、体系的な学び方はプロンプトエンジニアリングの学び方で扱っています。

PR・おすすめstrategy career自分らしく働けるエンジニア転職エージェント。公式サイトを見る

肩書きではなく、実績で示す

この仕事に関心があるなら、いま所属している場所で成果を作るのがいちばん確実です。転職してから学ぶより、いまの業務で実績を作ってから動くほうが、示せるものが増えます。

残しておくべきなのは、次の形式の記録です。

残すもの具体例
対象業務と、その前の状態「問い合わせ返信の下書きに1件15分」
何を「良い」と定義したか「必要項目5点を満たし、200字以内」
どう測ったか「過去の問い合わせ20件で検証、担当者2名が判定」
結果「1件4分に短縮、差し戻し率は導入前と同水準」

4つ目に「差し戻し率」を入れるのが要点です。 速くなっても品質が落ちていれば、成果とは言えません。ここまで書ける人は多くないので、そのまま差別化になります。

AIスキルが実際にどう評価されるかはAIスキルは転職市場で本当に価値がある？、収入面の考え方はAI人材の年収は？で扱っています。新しく生まれている職種の全体像はAIで生まれる新しい職業へ。

職種として続くのか：両方の見方

断定できないので、両論を並べます。

続かない、という見方 AIが賢くなるほど、細かい指示なしで意図を汲むようになります。実際、初期に有効だった小手先の指示は、すでに不要になったものが少なくありません。専門職ではなく、誰もが持つ基礎スキルに溶けるという予測です。

続く、という見方 業務にAIを組み込む場面では、要件を条件に翻訳し、品質を測り、改善する作業が残ります。これは指示文の技巧ではなく設計の仕事なので、名前を変えて残るという見方です。

どちらに転んでも困らない立ち方があります。肩書きに寄りかからず、「AIを使った仕組みを作り、効果を測って改善した実績」を持っておくことです。この実績は、職種名が消えても価値を失いません。

学ぶなら、どこまで独学で足りるか

指示の型と評価の考え方は、独学で十分に身につきます。 実務で試せる環境があるなら、講座に頼る必要はほとんどありません。

講座を検討する価値があるのは、次のような場合です。

  • 業務でAIを試せる場がなく、練習の題材がない
  • 仕組みとして組み込む部分（開発側）まで踏み込みたい
  • 独学で始めたが、何を測ればいいかが分からず止まっている

判断の枠組みは生成AIは独学で足りる？にまとめています。比較する場合の材料として生成AIスクールおすすめ比較を用意していますが、まず手元の業務で1つ、測れる形の改善を作ってみることをおすすめします。

FAQ

Q. プログラミングは必要ですか？ A. 必須ではありません。ただし、AIを業務システムに組み込む段階では、簡単なコードが書けると担当できる範囲が広がります。まずは言語化と評価設計から始めて構いません。

Q. 未経験でもなれますか？ A. 「なる」ことより、いまの仕事で成果を出すほうが先です。対象業務・良さの定義・測り方・結果の4点を記録できれば、それが実績になります。

Q. 将来性はありますか？ A. 職種名として定着するかは見方が分かれます。ただし、要件を条件に翻訳し、品質を測って改善する力は、名前が変わっても必要とされます。肩書きではなく力に投資するのが安全です。

Q. 中立を掲げているのに「目指さなくていい」と言い切って大丈夫ですか？ A. 言い切っているのは「肩書きを目的にすること」についてであり、スキルを学ぶこと自体は否定していません。むしろ、どの職種の人にも役立つ力だと考えています。特定の講座や職種に誘導しないために、まずネガ側から書いています。

Q. 何から始めればいいですか？ A. 自分の業務から1つ、AIに任せられそうな作業を選んでください。そして「何をもって良い出力とするか」を先に文章で決めてから、指示を作ってみてください。順番が逆だと、改善しているのか分からなくなります。

まとめ

  • 肩書きを目標にするのはおすすめしない。職種名が続くかは不確実
  • 仕事の本体は指示文の技巧ではなく、評価設計（良し悪しを測れる形にすること）
  • 実績は「対象業務・良さの定義・測り方・結果（差し戻し率を含む）」の4点で残す
  • 職種が消えても、要件の翻訳と品質の測定という力は残る
  • 学ぶ順番は「良い出力の定義 → 指示づくり → 測る → 直す」。定義が先

次に読む：プロンプトエンジニアリングの学び方／AIスキルは転職市場で本当に価値がある？

※本記事は職種に関する一般的な論点の整理であり、将来性や収入を保証するものではありません。

出典

  • 本記事は制度・料金・統計を扱わないため、外部の数値出典は用いていません

最終更新：2026年7月25日／fondantAI編集部