ベストプラクティス：効果的なプロンプトの書き方

MUSEで精度の高いロジックモデルを生成するためには、入力するプロンプトの構成が極めて重要です。評価データに基づいた、最も効率的で安定した生成結果を得るためのポイントを解説します。

1. 最も重要なルール：「困りごと」を具体的に書く

良いロジックモデルを作る最大のコツは、「何をしたいか（Activity）」よりも「何に困っているか（Problem）」を記述することです。

• 推奨（高精度）: 「〇〇という課題があり、それを解決するために△△したい」
  • LLMが「問題解決モード」になり、因果関係が論理的に収束した解を提案しやすくなります。
• 非推奨（低精度）: 「△△を実施したい」（手段のみ）
  • 文脈が消失し、一般的なテンプレートが出力される「テンプレ生成モード」になり、独自の文脈が失われます。

2. 推奨されるプロンプトの要素

精度評価において最も高いスコア（高精度）を記録したのは、以下の要素を組み合わせた構成です。

要素	内容の例
対象 (Target)	誰の課題なのか（例：OSS開発者、地域住民など）
課題 (Problem)	現在どのような困難があるか（例：持続的な開発が困難である）
目標 (Goal)	何を達成したいか（例：持続的な開発を可能にする）
活動 (Activity)	具体的に何をするか（例：助成金プログラムの実施）

💡 Tips

全ての要素を網羅しなくても、「Target + Problem」が含まれているだけで、生成されるロジックの構造は劇的に安定します。

3. 精度を高めるための3つのTips

① 因果の妥当性を確保する

「資金供給 → 開発時間の増加 → プロジェクトの持続性」のように、論理の飛躍がない構成を目指しましょう。課題（Problem）を明示することで、AIは「解決に直結する最小構成」を提案できるようになります。

② 「戦略の肥大化」を防ぐ

目標（Goal）だけを入力すると、AIは「良さそうなこと」を羅列する「戦略探索モード」に入り、メンタリングやイベントなど不要な要素が混入しやすくなります。内容を絞り込みたい時ほど、具体的な課題をセットで入力してください。

③ 文脈の一貫性を維持する

特定の業界（例：OSS、医療、教育など）に特化したモデルを作りたい場合、その用語や背景をプロンプトに含めることで、AIが途中で文脈を見失う（例：ITの話が地域支援の話に変換される等）のを防げます。

4. プロンプト比較例

プロンプト例	構成要素	精度評価
OSS開発者は現在持続的に開発を続けることができないという課題を抱えている。そのためOSSの持続的な開発を達成するために助成金プログラムを実施したい。	Target + Problem + Goal + Activity	高
OSS開発者は現在持続的に開発を続けることができないという課題を抱えている。	Target + Problem	高
OSSの持続的な開発を達成するために助成金プログラムを実施したい。	Goal + Activity	中
OSSの持続的な開発を達成したい。	Goal	中
助成金プログラムを実施したい。	Activity	低

追加のTips

生成されるロジックモデルの質は、介入内容をどれだけ明確に説明できるかにかかっています。以下のヒントを参考にしてください。

対象者を具体的に記述する：

• 改善前：「人々を支援する」
• 改善後：「農村部に住む18〜35歳の失業者を支援する」

介入の名称を明確にする：

• 改善前：「健康を改善するプログラム」
• 改善後：「地域保健ワーカーが訪問による母体ケアサービスを提供するプログラム」

目指す変化を含める：

• 改善前：「食料安全保障」
• 改善後：「低所得家庭を地域のフードバンクや栄養教育につなぐことで食料不安を軽減する」

関連するコンテキストを含める：

• 例：「サブサハラアフリカで」、「K-12の生徒向けに」、「モバイルテクノロジーを活用して」

💡Tips

詳しく書くほど良い結果が得られます。 AIは、何をしているのか・誰のためにしているのかが明確なほど、より優れた仕事をします。丁寧に書いた2〜3文の説明は、漠然とした5ワードのフレーズよりもはるかに豊かなロジックモデルを生み出します。

---

まとめ：クイックチェック

作成したプロンプトが以下の構成になっているか確認してみてください。

• 誰が (Target) 困っているか書かれていますか？
• 何に (Problem) 困っているか書かれていますか？
• 何をして (Activity) 解決したいか書かれていますか？

---