ハルシネーションを防ぐプロンプトの書き方！AIの嘘を防止して正確性を高める3つの秘訣

AIが自信満々に間違いを返してくる「ハルシネーション」は、プロンプトの書き方で9割防げます。この記事では、今日から即使えるコピペ用プロンプトと、発生率を下げる3つのコツを解説します。

【コピペOK】ハルシネーション対策プロンプト例
AIの嘘を9割防ぐ！ハルシネーションを防止するプロンプトのコツ3選
より正確性を高めるハルシネーション防止の高度なプロンプトテクニック
- 専門家の役割を与えて回答の視点を定める役割付与プロンプト
- 自身で回答を客観的に見直す自己検証（セルフチェック）プロンプト
プロンプト以外でハルシネーションを防ぐ効果的な対策

最短ルートで
生成AIを使いこなしたい方へ

生成AIを使ってみたが、思うような
結果が出ない
生成AIの活用方法がわからない
AIを使って業務を効率化したい

生成AIコース無料体験してみませんか？

無料で120以上の教材を学び放題！
理解度を記録して進捗管理できる！
テキストの重要箇所にハイライトを
残せる！

1分で簡単！無料！

無料体験して特典を受け取る

【コピペOK】ハルシネーション対策プロンプト例

4種類を用意しました。自分の用途に近いものをコピーして、そのまま貼り付けて使ってください。

まず、今日から即使えるプロンプトを紹介します。各プロンプトはコピーしてそのままChatGPT・Claude・Geminiに貼り付けて使えます。

ハルシネーションを防ぐ万能型ベースプロンプト

あらゆるタスクの基盤として使える汎用テンプレートです。プロンプトの末尾に追加するだけで、ハルシネーションのリスクを大幅に下げられます。

# ハルシネーション防止ルール（必ず守ること）

以下のルールを絶対に遵守して回答してください。

1. 【情報源の制限】
   私が提供した情報・資料のみを根拠に回答してください。
   提供された情報の外に根拠を求めないでください。

2. 【不確実情報の扱い】
   確信が持てない情報は「不明」「確認が必要」と明記してください。
   「おそらく」「〜と考えられます」と推測が含まれる場合は
   括弧内に必ず（推測）と明記してください。

3. 【根拠の明示】
   重要な主張には「（根拠：〇〇より）」の形式で根拠を示してください。

4. 【情報の補完禁止】
   資料に書かれていない内容を補って回答しないでください。
   空白は空白のまま、不明は不明のままにしてください。

5. 【確認のプロセス】
   回答を作成したあと、上記ルールに違反していないか
   自分でチェックしてから出力してください。

社内資料の要約・情報抽出用プロンプト

社内ドキュメント・会議資料・仕様書などを貼り付けて要約させる場合に使います。AIが資料にない情報を補完することを構造的に防ぎます。

# 役割
あなたは正確な情報整理を専門とするビジネスアナリストです。

# タスク
以下の【資料】の内容のみを根拠に、指定の形式で情報を整理してください。

# 厳守事項
・【資料】に記載されていない情報は一切追加しないこと
・不明な情報は「記載なし」と出力すること
・推測・解釈・補足は行わないこと
・要約ではなく「事実の抽出」として処理すること

# 出力形式
【要点】（箇条書き・5点以内）
【決定事項】（明示されているもののみ）
【未確認・要確認事項】（資料で不明確な点）
【資料に記載されていない重要項目】（記載なければ「なし」）

# 資料
（ここに資料を貼り付ける）

議事録・ヒアリング内容の整理用プロンプト

会議の文字起こしや顧客ヒアリングのメモを整理する際に使います。発言と解釈を明確に分離することで、ハルシネーションが生まれる余地を最小化します。

# 役割
あなたは事実の記録に特化した議事録専門アシスタントです。

# タスク
以下の【会議メモ・文字起こし】を整理して議事録を作成してください。

# 厳守事項
・発言された内容のみを記録し、発言にない推測は加えないこと
・推測や解釈が必要な場合は（解釈）と明記すること
・発言者が明確でない場合は「発言者不明」と記録すること
・「〜と思われる」「〜だろう」の表現は使わないこと
・数値・日付・固有名詞は原文のまま記録し、言い換えをしないこと

# 出力形式
【開催情報】日時・参加者（記載がある場合のみ）
【決定事項】（番号付きリスト）
【アクションアイテム】担当者｜内容｜期日（記載がある場合のみ）
【保留・未解決事項】
【発言記録】（重要な発言のみ抜粋・原文に近い形で）

# 会議メモ・文字起こし
（ここに貼り付ける）

競合調査・市場動向のリサーチ用プロンプト

Web検索が可能なAIツール（Perplexity・BingChat・Geminiのグラウンディング機能など）でリサーチする際に使います。情報源を明示させることで、ハルシネーションかどうかの判断を後から行えます。

# 役割
あなたは市場調査の専門家です。
正確な情報のみを取り扱い、根拠不明の情報は提示しません。

# タスク
以下のテーマについてリサーチしてください。

# テーマ
（調査したい内容を記入）

# 厳守事項
・各情報に「（出典：〇〇）」の形式で情報源を明示すること
・情報源が確認できない情報は「要確認」とフラグを立てること
・「一般的に」「よく言われる」などの曖昧な表現は使わないこと
・数値は必ず出典を添えること。出典がない推計値は（推計）と明記すること
・2023年以降に変化している可能性が高い情報には（要最新確認）を付けること

# 出力形式
【確認済み情報】（出典付き）
【要確認情報】（情報源不明・要最新確認のもの）
【調査できなかった項目】

AIの嘘を9割防ぐ！ハルシネーションを防止するプロンプトのコツ3選

上のプロンプトに共通する設計思想が、この3つのコツです。仕組みを理解しておくと、自分でプロンプトをカスタマイズするときにも役立ちます。

カンニングペーパーを渡し情報源を限定する

ハルシネーションが発生する最大の原因は、「AIが知らない情報について答えようとする」ことです。知らないなら「知らない」と言えばよいのですが、AIは「それらしい回答を作る」ように設計されているため、自信満々に間違いを返してしまいます。

最も効果的な対策は、AIが参照すべき情報源を事前に渡すことです。

学校のカンニングペーパーと同じイメージです。カンニングペーパーに書いてあることについては正確に答えられますが、書いていないことは「カンニングペーパーには載っていない」と答えさせる。この仕組みをプロンプトで作ります。

情報源を限定するプロンプトの書き方

以下の【資料】に記載されている情報のみを根拠に質問に答えてください。
【資料】に記載されていない内容については
「提供された資料には記載がありません」と回答してください。

【資料】
（ここに資料・ドキュメントを貼り付ける）

【質問】
（ここに質問を記入）

情報源限定の効果が高い場面

社内規程・就業規則の照会
契約書・仕様書の内容確認
議事録・報告書の情報抽出
マニュアル・FAQ対応の文案作成

情報源を限定すると、AIはプロンプトに含まれたテキストの範囲でのみ回答を組み立てます。独自の知識から情報を補完しなくなるため、ハルシネーションの発生率が大幅に下がります。

注意点：情報源を限定しても、貼り付けたテキストの解釈・要約の段階でハルシネーションが起きることがあります。数値・固有名詞・日付などは必ず原文と照合する習慣をつけましょう。

推測を禁止し「分からない」と答えさせる

AIのハルシネーションが厄介な理由のひとつは、間違いを自信満々に語ることです。「おそらく〜」「一般的には〜」という言葉が含まれていれば推測だとわかりますが、AIは推測を断言として表現することがあります。

これを防ぐには、プロンプトに「わからない場合は『不明』と答えてください」と明示する方法が効果的です。

推測禁止プロンプトの書き方

回答する際は以下のルールを守ってください。

・確実に正しいと言える情報のみ回答してください
・確信が持てない場合は「不明です」「確認が必要です」と回答してください
・「おそらく」「〜と思われます」「一般的に」などの推測表現は使わないでください
・推測せざるを得ない場合は、推測であることを必ず（推測）と明記してください
・情報源が特定できない情報は「出典不明のため要確認」とフラグを立ててください

「分からない」と答えさせることの重要性

多くの人は「AIが正直に『分からない』と答えてくれれば問題ない」と思っていますが、デフォルトの状態では生成AIは「分からない」と答えることより「それらしい回答を作る」ことを優先します。これはAIが「役に立とう」とする性質から生まれます。

推測を禁止するプロンプトはこの性質に明示的に制約をかけます。「分からないことは分からないと言う」というルールを設定することで、AIが不確かな情報を断言するリスクが下がります。

推測禁止の限界：長い会話の中で推測禁止の指示が薄れてくることがあります。重要な情報の確認では、都度「この情報は確実ですか？情報源はありますか？」と追加確認する習慣が有効です。

「ステップバイステップ」で思考のプロセスを段階的に記述させる

Chain-of-Thought（思考の連鎖）プロンプティングは、AIに「答えを一発で出す」のではなく「考える過程を順番に示してから結論を出す」よう指示する手法です。

AIが複雑な質問に対して即座に答えを出そうとすると、推論の途中で飛躍が生まれ、ハルシネーションが起きやすくなります。ステップバイステップで考えさせることで、推論の各段階が可視化され、間違いが生まれる箇所を特定しやすくなります。

ステップバイステップ・プロンプトの書き方

以下の問題について、段階を踏んで考えてから回答してください。

【考え方のステップ】
ステップ1：問題・質問の核心を1文で整理する
ステップ2：回答に必要な事実・前提を列挙する
ステップ3：各事実の確実性を「確実」「推測」「不明」の3段階で評価する
ステップ4：確実な事実のみを根拠に結論を導く
ステップ5：結論に「確認が必要な点」があれば明記する

各ステップの結果を出力したうえで、最終的な回答を提示してください。

【質問】
（ここに質問を記入）

ステップバイステップが効果を発揮する場面

複雑な事実関係の整理・分析
複数の条件が絡み合うビジネス上の判断
数値計算が含まれる問いの検証
因果関係の分析や原因究明

思考プロセスが可視化されると、AIが「なぜそう結論づけたか」を確認できます。途中のステップに誤りがあれば「ステップ2の前提が間違っています。〇〇が正しい情報です」と指摘することで、最終回答の精度を高められます。

より正確性を高めるハルシネーション防止の高度なプロンプトテクニック

3つのコツを組み合わせたうえで、さらに精度を上げたい場合に使える上級テクニックです。

専門家の役割を与えて回答の視点を定める役割付与プロンプト

役割付与（Role Prompting）は、AIに「誰として答えるか」を設定するテクニックです。ハルシネーション防止という観点では、「正確性にこだわる専門家」の役割を与えることが有効です。

役割付与の書き方（ハルシネーション防止特化）

あなたは「事実確認の専門家」です。
以下の特徴を持ちます。

・確認できない情報は絶対に提示しない
・すべての主張に根拠を求め、根拠が不明な情報は「要確認」と分類する
・「一般的に言われている」「よく知られている」などの曖昧な表現は使わない
・情報の信頼性を「高（一次情報）」「中（二次情報）」「低（根拠不明）」で評価する
・誤情報を伝えることは、情報を与えないことより有害だと考えている

役割付与の注意点

役割付与は文体・視点・回答の方向性を変えるには有効ですが、「この役割を与えれば正確性が保証される」わけではありません。医療・法律・財務など実害につながる情報については、役割付与プロンプトに関わらず必ず一次情報源での確認が必要です。

役割付与の本来の価値は、「ハルシネーションを完全に防ぐ」ことではなく、「AIが正確性を優先して回答しようとする傾向を強化する」ことにあります。

自身で回答を客観的に見直す自己検証（セルフチェック）プロンプト

自己検証プロンプトは、AIに回答を出させた後、AIに自分の回答を批判的に見直させるテクニックです。「別の視点から見て、先ほどの回答に問題はないか」を確認させることで、ハルシネーションの二次チェックが実現します。

自己検証プロンプトの書き方

先ほどの回答について、以下の観点で自己検証してください。

【検証項目】
1. 根拠が不明確な主張はあるか？（ある場合は具体的に指摘）
2. 「一般的に」「よく言われる」などの曖昧な表現を使っているか？
3. 数値・日付・固有名詞に誤りがある可能性はあるか？
4. 提供された情報の範囲を超えた内容が含まれているか？
5. 「確認が必要」としてフラグを立てるべき情報はあるか？

【検証結果の出力形式】
問題なし：（問題ない場合）
要確認：（要確認の項目と理由を箇条書き）
修正案：（修正が必要な箇所と改訂版）

自己検証プロンプトの使い方

最初のプロンプトで回答を生成させた後、続けて自己検証プロンプトを入力します。AIが自分の回答を批判的に分析することで、見落としていたハルシネーションや不確かな記述が浮き上がることがあります。

2回のやり取りで精度を高める2段階プロセスとして日常業務に組み込むと効果的です。

自己検証の限界：AIが「自分の回答は正しい」と判断しやすい傾向があります。自己検証プロンプトは精度を向上させますが、人間による最終確認を代替するものではありません。

プロンプト以外でハルシネーションを防ぐ効果的な対策

プロンプトの工夫と並行して取り組むと、さらにリスクを下げられる3つの対策です。ツール選択・設計・体制づくりの観点で整理しました。

NotebookLMなど特定の情報源のみを参照するツールを使い分ける

NotebookLM（Google提供）は、ユーザーがアップロードした資料だけを情報源として回答するAIツールです。通常の生成AIと根本的に異なる点は「アップロードした資料の外の情報を参照しない」という設計にあります。

NotebookLMが特に効果的な場面

社内規程・マニュアルへの問い合わせ対応
長い仕様書・契約書の特定箇所の確認
複数の過去議事録を横断した情報の検索・照合
研究論文・レポートの要約と質疑応答

通常の生成AIに「社内規程に基づいて回答して」と指示しても、AIは社内規程の内容を知りません。プロンプトにテキストを貼り付けることで対応できますが、文書量が多い場合は限界があります。NotebookLMを使えば、大量の資料をアップロードして「資料にのみ基づく回答」を安定して得られます。

注意点：NotebookLMもアップロードされた資料の解釈・要約の段階でハルシネーションが起きることがあります。数値・固有名詞・日付は原文と照合する習慣を維持してください。

RAG（検索拡張生成）を活用して外部の正確な情報を参照する

RAG（Retrieval-Augmented Generation：検索拡張生成）は、AIが回答を生成する際に外部のデータベースや文書を検索して根拠情報を取得し、その情報をもとに回答を生成するアーキテクチャです。

通常の生成AIは学習データに基づいて回答します。学習データに含まれていない情報・最新情報・非公開の社内情報については、AIが「それらしい回答を作る」しかなく、ハルシネーションが起きやすくなります。RAGを使うことで、AIは「回答する前に正確な情報を検索して参照する」プロセスを踏むため、ハルシネーションのリスクが大幅に低減します。

RAGの主な活用例

社内ナレッジベースとの連携（社内FAQの自動回答）
最新の法令・規制情報との照合
商品データベースと連携した正確な仕様の案内
顧客情報・取引履歴を参照した個別対応

RAGの構築にはエンジニアの関与が必要なケースが多いですが、ノーコードで構築できるサービス（Dify・LlamaIndex・Azure AI Searchなど）も増えています。技術的なリソースがない場合は、NotebookLMを活用しながら段階的にRAGの導入を検討するアプローチが現実的です。

最終的な判断は人間が行うファクトチェック体制（ヒューマンインザループ）を構築する

どんなに優れたプロンプト技術・ツール・アーキテクチャを使っても、AIのハルシネーションをゼロにすることは現時点では不可能です。これを前提として、「人間が最終確認を行う体制（ヒューマンインザループ）」を構築することが、ハルシネーション対策の最終的な防衛線になります。

ヒューマンインザループの基本原則

AIは下書き・素材を作るツールと位置づける：AIの出力はゼロから自分で作るよりはるかに速い「素材」です。素材を人間が検証・修正してから使う体制を作ることで、速度と正確性を両立できます
ハルシネーションが起きやすい情報を把握する：数値（統計・価格・日付）・固有名詞（人名・企業名・商品名）・法律・最新情報は特にリスクが高いです。これらの情報は必ず一次情報源で確認する習慣を組織に浸透させましょう
チェック項目を標準化する：「AIの出力を確認する際は必ずこのチェックリストを使う」という標準手順を作ることで、担当者によるバラつきなく品質を維持できます

業務別のファクトチェックチェックリスト

□ 数値（金額・割合・日時）を一次情報源と照合したか？
□ 固有名詞（企業名・人名・製品名）のスペルと表記を確認したか？
□ 法律・規制・ガイドラインは最新版を参照したか？
□ 「出典：〇〇」と記されている情報源は実在するか確認したか？
□ 「一般的に」「よく言われる」など根拠の薄い表現が残っていないか？
□ AIが補完して追加した情報はないか（資料に記載がない内容）？

ファクトチェック体制の現実的な構築方法

AIの出力すべてを同じ精度でチェックしようとすると、コストが莫大になります。現実的なアプローチは「情報の重要度・リスクに応じてチェックの深さを変える」ことです。