MIT、Stanford、UC Berkeleyなどの研究者が、1,891人から集めた1万8,000件以上のプロンプトを分析した実験があります。
その結果、新しい高性能モデルに変えたことで生まれた性能向上のうち、モデル自体の進化によるものは53％。残りの47％は、ユーザーが新しいモデルの能力に合わせて、指示の出し方を変えたことで生まれていました。
つまり、AIの性能は「どのモデルを選んだか」だけでは決まりません。
高性能なモデルを選ぶことと、その知能を自分の仕事に接続できることは、まったく別の技術です。
これは、GPT-5.6 Solを使ううえで特に重要です。
OpenAIはSolを、複雑な調査、設計、意思決定などに対応する旗艦推論モデルとして位置づけています。ですが、どれだけ推論能力が高くても、あなたの目的や前提、判断基準までは読み取れません。
「いい感じに考えて」と頼めば、Solは膨大な可能性の中から、もっとも無難そうな答えを選びます。
反対に、
・自分が何者なのか
・何を達成したいのか
・どんな条件を守ってほしいのか
・何を良い成果とみなすのか
が設定されていれば、同じモデルでも回答の解像度は大きく変わります。
多くの人は、毎月もっとも賢いAIに課金しながら、カスタム指示は空欄、メモリは未整理、依頼は一文だけ。
これは、優秀なコンサルタントを雇っておきながら、自社の状況を何も共有せずに「売上を伸ばしてください」と頼んでいるようなものです。
この記事では、GPT-5.6 Solの知能を「自分専用」に近づけるために、最初に見直したい3つの設定と、回答の質を変える依頼方法をまとめます。
難しいプロンプトテクニックは使いません。
一度設定すれば、その後のほぼすべての会話に効く内容です。あとで設定画面を開きながら試せるよう、この記事は保存しておくことをおすすめします。
記事の最後で、Claudeで高品質なスライドをを作れるデザインキットを配布しています。
なぜ「モデルを選ぶ」だけでは性能が出ないのか
まず、賢さがどこで決まるのかを揃えておきます。
GPT-Sol は、いま選べるいちばん賢い、じっくり考えるタイプのモデルです。でも、どれだけ賢い人でも「なんかいい感じにやっといて」と丸投げされたら、当たり障りのない答えしか返せません。地頭の良さと、引き出し方は別ものです。
僕がいろんな人の使い方を見ていて思うのは、差がつくのはモデルではなく、この「引き出し方」の側だ、ということです。
性能を決めるのは、次の3つを先に整えることです。ChatGPT に前提を覚えさせる（設定）。タスクに合わせてモデルを選ぶ。そして、頼み方に型を持つ。順にいきます。
初期設定①：カスタム指示は「自己紹介欄」ではなく、常設の業務マニュアル
最初に見直したいのが、カスタム指示です。
多くの人は、ここに「丁寧に答えてください」「簡潔に説明してください」とだけ書いています。
ですが、これは優秀な社員を採用した初日に、
「いい感じに仕事してください」
と伝えているのと、ほとんど変わりません。
OpenAIの公式ガイドでは、AIへの指示を設計するときに、
・Identity：どんな役割を担うのか
・Instructions：何を守るのか
・Examples：良い回答とは何か
・Context：判断に必要な前提情報
を分けて与える方法が紹介されています。
つまり、カスタム指示に入れるべきなのは、単なるプロフィールではありません。
ChatGPTに毎回適用する「仕事のルール」です。
たとえば、同じように、
「このX投稿を改善して」
と頼んでも、ChatGPTが知らないことは大量にあります。
・誰に読んでほしいのか
・何を売っているのか
・煽る表現は許されるのか
・投稿の目的は認知か、LINE登録か
・本人らしい文章とは何か
これらが分からなければ、ChatGPTは一般的なSNSノウハウをもとに、もっとも無難な投稿を返すしかありません。
反対に、次の前提をカスタム指示に入れておくと、同じ一文でも回答の方向性が変わります。
【そのまま使える設定例】
私は会社員として働きながら、XとnoteでAI活用について発信しています。
主な読者は、AIに興味はあるものの、仕事への取り入れ方が分からない会社員・個人事業主です。
回答では、次のルールを守ってください。
・最初に結論を伝える
・抽象論だけで終わらず、具体例を最低1つ入れる
・専門用語を使う場合は、初出時に短く説明する
・過度な煽りや、根拠のない断定は避ける
・X投稿では、冒頭のフックと読みやすい改行を重視する
・note記事では、主張→理由→事例→実践方法の順で構成する
・依頼内容が曖昧な場合は、勝手に埋めず、重要な前提を先に質問する
OpenAIの公式情報によると、カスタム指示は一度設定すると、既存の会話を含むすべてのチャットに反映されます。
さらに、PlusやProなどの対象プランでは、最大5,000文字まで登録できます。
毎回使う文章を長く書くための場所ではありません。
毎回起こる小さな認識のズレを、最初から消しておく場所です。
僕自身も、文章のトーンや発信テーマ、回答の構成を設定してから、「もう少し僕らしくして」「結論から書いて」という修正が減りました。
1回あたり数分の差でも、100回使えば大きな差になります。
カスタム指示は、ChatGPTの性能を一度だけ上げる設定ではありません。
これから行う、すべての会話の最低品質を引き上げる設定です。
初期設定②：メモリは「倉庫」ではなく、AIが参照する顧客カルテ
次に見直したいのが、メモリです。
ここで意外なのは、ChatGPTのメモリは、単に過去の会話を丸ごと保存している機能ではないことです。
OpenAIの説明では、現在のメモリは、過去のチャットなどから有用な情報を継続的に整理し、回答をパーソナライズするための「文脈」として使われます。
つまり、メモリは会話の保管庫というより、
ChatGPTがあなたについて参照する顧客カルテ
に近いものです。
カルテに正しい情報が入っていれば、毎回細かく説明しなくても話が通じます。
一方で、古い情報や、その場限りの情報が残っていると、まったく別の相談にまで影響することがあります。
たとえば、以前は会社員向けの商品を販売していた人が、現在は法人向けのAI支援に事業を変えたとします。
ところが、メモリに、
「会社員向けに副業ノウハウを発信している」
という古い前提が残っていれば、法人向けの提案資料を頼んでも、個人向けの柔らかい表現や、副業目線の提案が混ざる可能性があります。
AIの回答が微妙なとき、原因がプロンプトではなく、過去の自分の情報にあることもあります。
だから、メモリには何でも入れればよいわけではありません。
僕は、次の基準で分けるのがおすすめです。
メモリに残したい情報
・現在の職業や事業
・扱っている商品やサービス
・主な顧客層
・長期的な目標
・文章や回答の好み
・繰り返し使う判断基準
メモリに残さなくてよい情報
・今日だけ行う作業
・一時的なキャンペーン
・頻繁に変わる売上やフォロワー数
・締め切りや予定
・その場で思いついた仮説
・一時的な感情や迷い
たとえば、
「私はAI研修を法人向けに提供している」
は、しばらく変わらないならメモリ向きです。
一方で、
「今週金曜日までに研修資料を完成させる」
は、その会話やプロジェクト内だけで扱う方が適しています。
覚え方の基準は、シンプルです。
3か月後も前提として使ってほしいか。
YESならメモリ。
NOなら、そのチャットやプロジェクトだけに置く。
そして、定期的に次のように聞いてください。
「現在、私について記憶している内容を確認してください。古くなっている可能性がある情報と、重複している情報を分けて教えてください」
OpenAIの公式情報でも、メモリは設定画面から確認・修正・削除でき、Temporary Chatを使えば、既存のメモリを参照せず、新しいメモリも作らずに会話できます。
重要な商談前や、普段とはまったく違う役割で相談するときは、Temporary Chatを使うのも一つの方法です。
AIを賢くするために、情報を大量に覚えさせる。
これは半分正しく、半分間違っています。
必要なのは情報量ではありません。
現在の自分と一致した、正しい前提だけを残すことです。
初期設定③：モデルは「賢い順」ではなく、失敗したときの損失で選ぶ
設定を整えたら、次はモデルの選び方です。
ここで多くの人が勘違いしています。
もっとも高性能なモデルを常に選ぶことが、もっとも効率的な使い方とは限りません。
これは、社内のすべての仕事を、毎回役員会で決めるようなものです。
メールの件名を変えるために、経営陣を集める必要はありません。
一方で、新規事業に数百万円を投資するか決める場面を、担当者一人の即答で済ませるのも危険です。
モデル選びも同じです。
OpenAIは、GPT-5.5 Instantを日常的な質問に対する高速なモデル、GPT-5.6 Solを複雑な業務・調査・設計などに対応する推論モデルとして位置づけています。
GPT-5.6 Solには、Medium、High、Extra Highなど、考える深さを変える選択肢も用意されています。利用できる選択肢はプランによって異なります。
では、何を基準に選べばよいのか。
僕は、モデルの性能ではなく、
「この回答を間違えたら、どれくらい痛いか」
で選ぶのがおすすめです。
Instantで十分な仕事
・文章の言い換え
・誤字脱字の確認
・会議メモの要約
・アイデアのたたき台
・メール件名の候補出し
・既に決まっている内容の整形
たとえば、
「この文章を、意味を変えずに30％短くして」
という仕事です。
答えが少し違っても、すぐ確認して修正できます。
SolのMediumやHighを使いたい仕事
・事業戦略の比較
・複数の条件が絡む企画設計
・重要な営業資料の構成
・長い資料を読んだうえでの判断
・契約や制度に関する調査
・システムや業務フローの設計
・失敗した原因の分析
たとえば、
「この新規事業に投資すべきか、競合、市場性、自社の強み、初期費用、撤退条件の5つから評価して」
という仕事です。
単純な文章生成ではなく、複数の情報を同時に比較し、矛盾なく判断する必要があります。
Sol Proや深い推論を検討したい仕事
・長時間かかる複雑な調査 ・大量の資料を横断した分析 ・重要な経営判断のセカンドオピニオン ・複雑なコードベースの調査や修正 ・何度も検証が必要な設計
ただし、ここでもAIの回答をそのまま採用するのではなく、意思決定材料の一つとして使います。
モデル選びを迷ったときは、次の3問で判断できます。
- 間違った回答を採用した場合、損失は大きいか
- 複数の条件を同時に考える必要があるか
- 出力を自分ですぐ検証できないか
2つ以上当てはまるなら、Solを使う価値があります。
逆に、ほとんど当てはまらないなら、Instantで十分です。
おすすめは、すべてをSolに任せることではありません。
まずInstantで、
・論点を洗い出す ・下書きを作る ・選択肢を増やす
その後、重要な部分だけをSolに渡して、
・見落としを探す ・矛盾を検証する ・最終案を詰める
という二段構えです。
たとえば、ウェビナーの企画を作る場合。
最初にInstantで10案を出す。
その中から3案を選び、Solに、
「この3案を、集客力、権威性、成約へのつながり、実施難易度の4項目で比較してください。弱点も隠さず指摘してください」
と頼む。
こうすると、速さと深さの両方を取れます。
毎回もっとも賢いモデルを選ぶのではなく、
発散は速いモデル、判断は深く考えるモデル。
この役割分担ができると、待ち時間を減らしながら、重要な場面の回答品質を上げられます。
頼み方①：丸投げをやめて「型」で頼む
ここが本丸です。設定を整えても、頼み方が丸投げのままだと性能は出ません。
賢いモデルほど、前提が足りないと「それっぽいけど的外れ」を返します。だから、頼み方に型を持ちます。型は4つだけ。「誰として・私の前提・守ってほしい制約・どんな形で出すか」。
- ✗「副業でブログを始めるにはどうすればいい？」
- ◯（4つを埋める）:
あなたは副業ブログの編集者です。私は会社員で、平日に使えるのは1日1時間。まだ何を書くか決めていません。AIと副業に興味があります。 この条件で、最初の1ヶ月にやることを、週ごとの ToDo にしてください。各週3つまで、専門用語は避けて。
返ってくる密度がまるで変わります。もう一例、仕事寄りで出します。
- ✗「この商品の紹介文を書いて」
- ◯:
あなたはコピーライターです。商品は、机の上が片付く木製のスマホスタンド、3,000円。買うのは在宅ワークの30代です。 「机が片付く」を軸に、120字の商品説明を3案。煽らず、誇張しない。それぞれ狙いを1行だけ添えて。
同じ商品でも、後者からしか「使える3案」は出てきません。
頼み方②：一発で完成を狙わず「先に質問させる」
型で頼んでも、まだ前提が足りないことがあります。そこで、もうひと手間。
賢いモデルには、着手する前に質問させます。これが Sol のような「考える」モデルで、とくに効きます。
このあと、採用面接で使う逆質問リストを作ってほしいです。いい成果にするために、先に私へ質問を5つしてください。答えたら着手して。
Sol は、足りない前提を的確に聞いてきます。応募先の業界は、面接の相手は役員か現場か、あなたが重視するのは何か。埋めてから作らせると、手戻りが目に見えて減ります。丸投げの一発勝負より、質問1往復を挟んだ方が、結局は速いです。
実演：ゼロから完成まで、Solで一本通す
言葉だけだと腹に落ちないので、ここまでを1本の流れにします。架空ですが、打つ言葉まで実物で書きます。
お題は「副業で始めた木製スマホスタンドを、X で告知する投稿を作る」。
- カスタム指示は設定済み（副業の前提と体裁が入っている）。だから毎回の説明は要りません。
- モデルは GPT-5.6 Sol を選ぶ。告知の一発目は外したくないからです。
- まず質問させる。
X で商品の告知投稿を作りたいです。まず私に5つ質問してください。答えたら着手して。
- Sol が聞いてくる。価格は、写真はあるか、狙う相手は、リンクは付けるか、トーンは真面目か砕けるか。答えます。
- 前提が揃ったので、本番を頼む。
今の回答を前提に、告知投稿を3案。各140字以内、改行で読みやすく、最後に一言フックを。煽らないで。
- 気に入った1案を、さらに詰める。
2案目を採用します。もっと「机が片付く」情景が浮かぶ言い回しに。絵文字は使わないで。
思いつきの丸投げでは出てこない、そのまま貼れる投稿まで、一本で辿り着きます。断片的な「こう頼むといい」の寄せ集めではなく、この流れをそのまま真似れば動きます。
まとめ
- Sol の性能は「モデル選び」より「設定と頼み方」で決まる
- カスタム指示に前提を一度書く。メモリには変わりにくい事実だけ貯める
- 何でも Sol にしない。外したくない一手にだけ Sol を使う
- 丸投げをやめ、「誰として・前提・制約・出力形式」の型で頼む
- 賢いモデルほど、着手前に質問させると外さない
この設定を知らないままだと、いちばん賢いモデルに毎月課金しながら、初対面の相手に丸投げし続けることになります。設定を一度整えて頼み方を変えるか、今日も「いい感じにやっといて」で薄い答えをもらうか。分かれ目は、ここです。
今日からできる1ステップ：ChatGPT の設定を開いて、カスタム指示に「あなたの副業の前提」と「曖昧なときは先に質問して」の2つを入れる。次の1往復から、返ってくる中身が変わります。
Claudeでスライド作成を、劇的に変えるデザインシステムキットを配布中
▼LINE登録で「Claude Design デザインシステムキット」を受け取る
https://t.co/90omRA4UQ7
オプチャ（LINE のオープンチャット）に参加いただき、その後ノートに記載の公式LINEから
デザインシステム
と送っていただけると、特典を受け取ることができます。
