Claude・Gemini・GPT、同じ要約タスクでもプロンプト設計をどう変えるか

生成AIを業務で使っていると、「同じプロンプトを複数のモデルに投げても、出力の品質がバラバラだ」という経験に誰もがぶつかる。それは多くの場合、モデルそのものの性能差ではなく、そのモデルの特性に合わせてプロンプトを書き直していないせいだ。実際に障害報告書の要約というシンプルなタスクをClaudeとGemini、GPTで実行させると、全く違う出力が返ってくる。Claudeは非エンジニア向けに専門用語を平易な言葉に「翻訳」する。Geminiは指定した見出し構成に正確に従い、ビジネス文書らしいトーンを自発的に補う。GPTは感情や敬語を一切排除し、後続処理を前提にした機械的なJSON形式で整形する。同じ「要約」という指示なのに、プロンプト設計によってここまで性質が変わるわけだ。実は業界はずっと「どのモデルが優れているか」という問いに憑かれてきたが、本当の問題はそこではない。大切なのは「何のために要約するのか」を決めてから、そこに合わせてプロンプトの書き方をモデルごとに変えることだ。営業に説明するための要約ならClaudeの「翻訳」スタイル、顧客への公式文書ならGeminiのトーン、次のシステムに流すデータならGPTの構造化形式──というふうに、用途が駆動する。中小企業が生成AIを実務で使い始めるとき、モデル選定に時間をかけるより、よく使うタスク（要約、メール返信、指示書作成）それぞれについて「このモデルに、こう書く」というテンプレートを1つ持つことから始めたほうが、確実に使い込みが深くなる。同じモデルでも、目的に応じた「型」があると、試行錯誤が減って、結果の再現性も上がるからだ。