---

GPT-5.2のプロンプト作成ガイドが公開されました。

GPT-5.2は精度、信頼性、複雑なワークフローでの実行能力を重視し、より慎重な構造化とデフォルトで冗長性の低い出力を実現します。この記事では、GPT-5.2の特性を最大限に活用するための具体的なプロンプト作成手法を詳しく解説します。

GPT-5.2の特徴と従来モデルとの違い

GPT-5.2は従来のGPTモデルと比較して、以下の重要な特性を持っています：

• より意図的な足場構築：段階的なアプローチで複雑なタスクを処理
• 一般的に冗長性が低い：無駄な情報を排除し、簡潔で的確な回答を提供
• 指示への準拠性向上：プロンプトの指示により忠実に従う
• 保守的な設置バイアス：正確性と明示的な推論を重視
• 曖昧さの処理改善：明確化プロンプトによって不明瞭な要求への対応が向上

これらの特性により、GPT-5.2は企業やエージェント型ワークフローに特に適しており、信頼性、評価可能性、一貫した動作を優先する本格的なエージェントに最適です。

処理スコープの明示：タスクの境界を明確に定義する

GPT-5.2で最も重要なのは、処理スコープを明確に定義することです。これにより「スコープドリフト」を防止し、AIが意図しない方向に逸脱することを防げます。

具体的な長さ制限の設定

GPT-5.2では、出力の長さを具体的に指定することが効果的です：

• 「3つの要点で要約してください」
• 「200文字以内で回答してください」
• 「5つのステップで手順を説明してください」

不要な要素の明確な除外

何を含めないかを明示的に指定することで、より精密な出力を得られます：

• 「技術的な詳細は除外してください」
• 「個人的な意見は含めず、事実のみを記載してください」
• 「冗長な説明は避け、要点のみを述べてください」

処理ステップの明示：段階的アプローチの実装

GPT-5.2は段階的な処理を得意とするため、複雑なタスクを明確なステップに分解することが重要です。

長文コンテクストでの強制要約と再設置

大量の情報を処理する際は、以下のアプローチが効果的です：

1. ショートアウトライン作成：まず簡潔な概要を作成
2. ユーザー要求の確認：回答前にユーザーの要求を再確認
3. セクション別回答：各セクションごとに段階的に回答

例えば、複雑な分析タスクでは以下のような指示が有効です：

「まず分析対象の概要を3行で述べ、次に主要な発見事項を5つのポイントで整理し、最後に結論と推奨事項を提示してください。各段階で私の確認を求めてください。」

曖昧性とハルシネーションの軽減

GPT-5.2では、曖昧な質問に対する過信的な回答を避けるため、以下の手法を活用します：

• 追加質問の促進：「質問が曖昧な場合は、追加の質問をしてください」
• 複数解釈の提示：「2つまたは3つの解釈を仮説として提示してください」
• 自己チェック機能：「回答前に自分の回答を確認してください」

出力方式の明示：構造化データ抽出の最適化

GPT-5.2は構造化データの抽出に優れており、適切な出力形式を指定することで精度が大幅に向上します。

出力フォーマットの指定

以下のように出力フォーマットを指定することで、欲しい回答を得ることができます。

• 一般的な回答は3～6文、または5項目以下の箇条書き。
• 情報量と簡潔さのバランスが取れた、明確で構造化された回答を提供する。
• 情報を消化しやすい塊に分解し、リスト・段落・表などの書式を必要に応じて活用する。
• 長文の叙述は避け、コンパクトな箇条書きと短いセクションを優先する。

スキーマとJSON形式の活用

構造化抽出を行う際は、常にスキーマまたはJSON形式を提供することが重要です：

データ種別	推奨形式	具体例
顧客情報	JSON	{“name”: “”, “email”: “”, “phone”: “”}
分析結果	構造化テキスト	## 結果 ### 主要発見 ### 推奨事項
リスト形式	番号付きリスト	1. 項目1 2. 項目2 3. 項目3

必須フィールドとオプションの区別

データ抽出時は、必須フィールドとオプションフィールドを明確に区別し、欠落フィールドの処理方法を指定します：

• 「必須フィールドが見つからない場合は、’データなし’と記載してください」
• 「オプションフィールドは空白のままにしてください」
• 「抽出の完全性を要求し、欠落フィールドを明確に処理してください」

実践的な活用のポイント

モデル設定の最適化

GPT-5.2を効果的に活用するための設定のポイント：

• デフォルトモデル：GPT-5.2 Thinkingを推奨（多段階処理に優れる）
• 検索機能：Thinkingモードで複数段階の検索を実行
• 言語設定：明示的に日本語での回答を指定

プロンプトの構造化

効果的なプロンプトの基本構造：

1. 役割の定義：AIの役割と専門性を明確に設定
2. タスクの詳細：具体的な作業内容と期待する成果物
3. 制約条件：守るべきルールと避けるべき行動
4. 出力形式：期待する回答の構造と形式
5. 品質基準：精度や信頼性の要求レベル

まとめ

GPT-5.2は従来のGPTモデルとは異なる特性を持ち、適切なプロンプト設計により大幅な性能向上を実現できます。重要なポイントを以下にまとめます：

• 処理スコープの明示：具体的な長さ制限と除外要素の指定でスコープドリフトを防止
• 処理ステップの明示：段階的アプローチと強制要約で複雑なタスクを効率的に処理
• 出力方式の明示：スキーマとJSON形式の活用で構造化データ抽出の精度を向上
• 曖昧性の管理：追加質問と複数解釈の提示でハルシネーションを軽減
• 段階的な移行：既存プロンプトの評価と継続的な改善で最適化を実現

GPT-5.2の特性を理解し、これらの手法を適用することで、より信頼性が高く、実用的なAIシステムを構築できます。特に企業環境やエージェント型ワークフローにおいて、その真価を発揮するでしょう。

参考リンク

本記事の作成にあたり、以下の情報源を参考にしています：

• GPT-5.2 Prompting Guide – OpenAI Cookbook
• Prompt Engineering – OpenAI Platform Documentation
• The Ultimate Guide to Prompt Engineering in 2025 – Lakera
• GPT-5: Benchmarks and Prompting tips – Vellum AI

---

---

■合わせて読みたい

■関連記事