ChatGPTやClaudeに質問しても「期待した回答が返ってこない」と感じた経験はありませんか？実は質問文の最初に「あなたは〇〇の専門家です」と一文を加えるだけで、AIの回答が変わることが研究で示されています。これは「ロールプロンプト（役割設定）」と呼ばれるテクニックです。ただし、最新研究では「効きやすい場面」と「効きにくい場面」があることもわかってきました。この記事では、NAACL 2024（自然言語処理の国際会議）で発表された論文の検証結果と、近年の慎重な研究結果の両方をもとに、役割設定の効果と上手な使い分けを解説します。
1. 役割設定（ロールプロンプト）とは何か
役割設定（ロールプロンプト）とは、AIに質問する前に「あなたは〇〇です」という一文を加えて、AIに特定の専門家や立場の役割を与える指示の出し方です。
使い方の例
例えば、文章を改善したいとき、こんな違いが出ます。
【役割設定なし】
「この文章を改善してください。（文章を入力）」
【役割設定あり】
「あなたはベテランの編集者です。この文章を改善してください。（文章を入力）」
たった一文加えるだけで、AIは「ベテランの編集者なら、どんな視点で文章を見るか」を踏まえて回答を組み立てるようになります。専門用語の選び方、構成の指摘の仕方、文体の調整のニュアンスなどが、一般的な回答とは違ったものになります。
2. なぜ役割を与えると回答が変わるのか
ChatGPTやClaudeなどの大規模言語モデル（LLM）は、入力された文脈に応じてもっとも適切と判断される単語の続きを予測しながら回答を生成しています。つまり、入力文の最初に「役割」というコンテキスト（文脈）が与えられると、その役割に関連する語彙・話し方・視点を優先して回答するようになります。
役割設定で変わる3つの要素
- 使う語彙・専門用語:医師なら医学用語、経営コンサルタントならビジネス用語が選ばれやすくなる
- 視点・着眼点:同じ事象でも、立場によって何を重要視するかが変わる
- 文体・トーン:子ども向けの先生なら平易な言葉、専門家向けなら詳細な解説になる
3. 推論タスクで効果が確認された研究
役割設定の効果を体系的に検証した研究として、自然言語処理の国際会議「NAACL 2024」で発表された論文「Better Zero-Shot Reasoning with Role-Play Prompting」（Kong et al., 2024）があります。
研究の概要
研究チームは、ChatGPTやLlama 2などのモデルに対して、12種類の推論タスク（算数・常識推論・記号推論など）でロールプロンプトの効果を検証しました。結果は以下の通りです。
- AQuA（算数文章題）:正答率が53.5%から63.8%に向上
- Last Letter（記号推論）:正答率が23.8%から84.2%に向上
- 多くのデータセットで、役割設定なしの場合より精度が向上
論文では、役割設定が「暗黙的なChain-of-Thought（思考の連鎖）のトリガー」として働き、AIが段階的に考える流れを引き出す可能性が指摘されています。
4. ⚠️ ただし「万能ではない」最新研究の指摘
一方で、近年の研究では役割設定が常に効果をもたらすわけではないことも明らかになっています。記事を読む方には、効果と限界の両方を知っていただきたいので、慎重な研究結果も合わせて紹介します。
研究1:162の役割で検証した結果
EMNLP 2024で発表された論文「When ‘A Helpful Assistant’ Is Not Really Helpful」（Zheng et al., 2024）では、162種類の役割と2,410問の事実質問を使って、4種類のLLMでロールプロンプトの効果を検証しました。結論は「役割を加えても、加えない場合と比べて性能は改善しない」というものでした。役割によっては、むしろ性能が下がるケースもあったと報告されています。
研究2:ペンシルベニア大学ウォートン校の検証
ペンシルベニア大学ウォートン校のEthan Mollick教授らが2025年12月に発表したレポート「Playing Pretend: Expert Personas Don’t Improve Factual Accuracy」では、専門家の役割設定について次のように述べられています。
- 専門家ペルソナは、事実問題の正答率を一貫して改善するわけではない
- 分野違いの専門家ペルソナ（例:数学を聞いているのに「あなたは歴史家」と設定する）は、性能を悪化させることがある
- 知識の少ない人物ペルソナを設定すると、正答率が下がる傾向がある
研究3:タスクの種類によって効果が変わる
南カリフォルニア大学（USC）の2026年3月の研究では、役割設定の効果はタスクの種類によって分かれると指摘されています。文章のトーンやスタイルが重要なタスクでは効果がある一方、数学やプログラミングなど、事前学習に依存する事実ベースのタスクでは性能が下がる傾向があるとの結果が示されました。
5. 役割設定が効きやすい場面
これまでの研究を踏まえると、以下のような場面では役割設定が効果を発揮しやすいと言えます。
効果が見込める場面
- 文章執筆・記事作成:編集者・ライター・コピーライターなどの役割を与えると、文体や構成が整う
- トーン・文体の調整:友人風、ビジネス風、丁寧な敬語など、求める文体に近づけられる
- アイデア出し・ブレインストーミング:マーケター・起業家・デザイナーなどの視点でアイデアを広げられる
- 視点を変えた検討:経営者・現場担当・顧客など立場別の意見を引き出せる
- ロールプレイ・対話練習:面接官役・顧客役・相談相手役など、対話練習の相手として機能する
- 専門分野の解説依頼:子ども向け・初心者向けなど、説明レベルの調整がしやすい
これらに共通するのは「文体・視点・スタイルが回答の質に大きく影響するタスク」だという点です。
6. 役割設定が効きにくい・逆効果になる場面
逆に、以下のような場面では役割設定の効果が薄い、あるいは性能を下げる可能性があります。
効果が見込みにくい場面
- 数学・計算問題:「あなたは数学者です」と設定しても、計算ミスは減らないことが多い
- プログラミング・コーディング:「あなたは熟練のエンジニアです」と設定しても、技術的な正確性は変わりにくい
- 事実確認・知識問題:役割を与えても、AIが知らない事実は答えられない
- 分野違いの専門家設定:数学を聞いているのに「あなたは歴史家です」など、分野が合わない役割は性能を下げる
- 翻訳・要約などの単純タスク:役割設定の影響が出にくい
これらに共通するのは「事実の正確性や論理的計算が求められるタスク」です。AIに「専門家です」と伝えても、訓練データに含まれていない事実は出てこないため、役割設定だけでは限界があります。
7. すぐ使える役割設定プロンプト6選
効果が見込める場面で使える、コピペで試せる役割設定プロンプトを紹介します。
① 文章を改善する
「あなたは経験豊富な編集者です。以下の文章をより伝わりやすく改善してください。読者層は40代〜50代のビジネスパーソンです。
（文章を入力）」
② アイデア出し・ブレスト
「あなたは新規事業の立ち上げに10年以上関わってきたマーケターです。以下のテーマで、現実的に実行可能なアイデアを5つ挙げてください。
（テーマを入力）」
③ 専門用語をやさしく解説してもらう
「あなたは中学生にもわかるように説明するのが得意な先生です。以下の用語を、専門用語を使わずに3行で説明してください。
（用語を入力）」
④ ビジネスメールの作成
「あなたはマナーに詳しいビジネス文書のプロです。以下の状況で、社外向けの丁寧なメールを作成してください。
（状況・伝えたい内容を入力）」
⑤ 視点を変えた検討
「あなたは厳しい目で計画を見るベテラン経営コンサルタントです。以下の事業計画について、見落としているリスクを5つ指摘してください。
（計画を入力）」
⑥ 面接・スピーチの練習相手
「あなたは大手企業の人事担当として20年経験のある面接官です。以下の職種に応募する想定で、想定質問を5つ出して、私の回答に対するフィードバックをしてください。
（職種・自己PRを入力）」
8. 役割設定の精度を上げる3つのコツ
同じ役割設定でも、書き方によって効果に差が出ます。次の3点を意識すると、回答の質が上がります。
コツ1:具体的に書く
単に「あなたは編集者です」と書くより、「あなたは20年の経験を持つビジネス書の編集者です」のように、経験年数や専門領域を具体的に書くと、回答の解像度が上がります。
コツ2:タスクと役割を一致させる
役割は、依頼するタスクと関連のあるものにします。文章の改善を頼むなら編集者、ビジネス相談なら経営コンサルタント、健康相談なら医療従事者など、分野が一致した専門家を選びます。分野違いの専門家設定は、効果が薄いどころか逆効果になることもあります。
コツ3:読者・前提を明示する
「誰に向けて、どんな状況で使うか」を伝えると、AIはその前提に合わせた回答を出します。「読者は40代〜50代のビジネスパーソン」「初心者向けに」「子どもに伝える前提で」など、文脈を加えるだけで質が変わります。
9. やってはいけない3つのこと
役割設定を使う際に、効果を下げてしまう典型的なパターンがあります。
注意1:事実問題で過信しない
「あなたは医師です」と設定しても、AIは医師ではありません。専門的な医学情報や薬の情報は、必ず公式の医療機関や医師に確認することが必要です。役割設定はAIに「ふり」をさせる仕組みであって、本物の専門知識を追加するものではありません。
注意2:分野違いの役割を設定しない
「あなたは数学者です」と設定して歴史を質問したり、「あなたは小説家です」と設定してプログラミングを依頼したりすると、回答の質が下がる傾向があります。役割は、依頼内容と関連したものを選びましょう。
注意3:過剰な人物設定をしない
「あなたは○○年生まれの△△大学卒業の□□です」など、過剰に細かい人物設定を付けると、回答が脱線しやすくなります。役割は職種や立場のレベルでシンプルに設定するのが効果的です。
まとめ:役割設定は「使い分け」が大切
AIに「あなたは〇〇の専門家です」と役割を与えるロールプロンプトは、文体・視点・トーンが重要なタスクで効果を発揮します。NAACL 2024の論文では推論タスクでの精度向上が示されている一方、近年の研究では「事実問題や数学・コーディングなどでは効果が薄い、または逆効果になる場合がある」ことも指摘されています。
覚えておきたい3つのポイント
- 効きやすい場面で使う:文章執筆・アイデア出し・トーン調整・視点を変えた検討
- 効きにくい場面では他の工夫を:数学・コーディング・事実確認では、具体例を出す・段階的に考えさせるなど別のテクニックを併用する
- 役割は依頼内容に合わせて選ぶ:分野違いの専門家設定は逆効果になることがある
役割設定は「魔法のように何でも改善する」ものではなく、タスクの性質に合わせて使い分ける道具です。試してみて、自分の用途に合うかどうかを確かめながら使うのが、いちばんの上達方法です。
この記事を家族や同僚のLINEに送って、AIをもっと上手に使うコツを共有してください。たった一文の工夫で、AIとの対話が変わるきっかけになります。
情報源:
Aobo Kong et al.「Better Zero-Shot Reasoning with Role-Play Prompting」（NAACL 2024）、Mingqian Zheng et al.「When ‘A Helpful Assistant’ Is Not Really Helpful: Personas in System Prompts Do Not Improve Performances of Large Language Models」（EMNLP 2024 Findings）、Savir Basil, Ethan Mollick et al.「Playing Pretend: Expert Personas Don’t Improve Factual Accuracy」（Wharton, 2025年12月）、AWS「プロンプトエンジニアリングとは」、USC「Expert Personas Improve LLM Alignment but Damage Accuracy」（2026年）、リコー・SMS DataTech・Prompt Engineering Guide等のプロンプト解説資料
コメントを残す