部下がChatGPTを使わない…を解決する管理職のプロンプト指導『型10選』【製造業・事務職2026】

月曜朝9時、製造業の生産管理課の朝礼。45歳の課長・佐藤さんは、ホワイトボードの前に立ち、6人のメンバーを見渡しながら口を開いた。

「先月導入したChatGPT、みんな使ってますか？」

返事がない。6人全員が下を向く。会議室の蛍光灯の音だけが響く。

一番若手の25歳・新入社員の田中さんが、おずおずと手を上げた。「使ってみたんですが……いい答えが返ってこなくて。やめちゃいました」

佐藤課長は咄嗟に答えた。「ああ、それね。プロンプトを工夫すればいいんだよ」

すると田中さんが顔を上げて言った。「課長、その『工夫の仕方』を教えてもらえますか？」

佐藤課長は言葉に詰まった。自分も独学でChatGPTを覚えただけで、「型」として説明できない。「えーと、まあ、こう、具体的に書くんだよ」と曖昧に返したまま、朝礼は終わった。

机に戻ると、社長から内線がかかってきた。「佐藤、先月のAI研修、効果出てる？あの50万円、もったいなかったよな」

夕方17時、佐藤課長は窓の外を眺めながら考えた。「部下にAIを教えなければいけないのは分かってる。でも、自分の中に『教えられる型』がない――」

この記事は、そんな佐藤課長への提案だ。

部下がChatGPTを使わない／使えない問題を解決するために、管理職が持つべき「プロンプト指導の型10選」と、90日で部下のAI活用を定着させるプログラムを公開する。

本記事では、製造業・事務職の40-50歳の中間管理職（部下3-10名）を想定し、最新の統計データに基づく現状認識から、明日から部下に教えられる具体的なプロンプト指導の型、定着のための仕組みづくりまでを解説する。

研修後3ヶ月で9割が使わなくなる──部下のAI教育で失敗する3つのパターン

「うちの会社、AI研修やったのに誰も使ってない」――これは2026年の日本企業の典型的な状況だ。

統計が示す厳しい現実

まず数字を直視しよう。2025年12月23日、政府は日本初の「人工知能基本計画」を閣議決定した。「信頼できるAI」を打ち出し、5年間で約1兆円を投資、「世界で最もAIを開発・活用しやすい国を目指す」とした国家戦略だ。経済産業省の資料によれば、AI・ロボット等利活用人材は約340万人の不足が指摘されている。

一方で、現場の実態は厳しい。

指標	数値（2026年現在）
日本企業の生成AI導入率	64.4%（JIPDEC企業IT利活用動向調査2026）
AIを実践活用している企業	約35%
中小企業で「活用方針未定」	約50%
管理職で「使いこなせない層による業務支障」を感じている	約70%
研修後3ヶ月で日常業務で使わなくなる参加者	約9割（業界目安値）

最後の数字は、特定の公的統計に基づくものではなく、研修事業者・企業人事担当者向けの各種ヒアリングで広く共有されている目安値だ。それでも、研修後3ヶ月で大半の参加者がChatGPTを日常業務で使わなくなるとの実感は、現場で語る人事責任者ほぼ全員に共通する。50万円の研修費が、3ヶ月で実質的に蒸発するイメージだ。

失敗パターン1：一発研修で終わる「打ち上げ花火型」

最も多い失敗が、これだ。

「外部講師を呼んで半日研修」「全員に動画教材を視聴させる」――研修した時点では満足度アンケートが高い。しかし、3ヶ月後には9割が業務で使わない。

原因は明確で、研修と日常業務がつながっていないからだ。研修で学んだプロンプトは、自分の業務に当てはめる「翻訳作業」が必要。その翻訳を誰も支援しなければ、現場で使われない。

失敗パターン2：管理職自身が「型」を持っていない

冒頭の佐藤課長のように、管理職自身がプロンプトの「型」を言語化できていないケースが極めて多い。

「いい質問の仕方を教えてください」と部下に問われて、「具体的に書くんだよ」「もっと丁寧に指示するんだ」と答えてしまう。これでは部下は再現できない。

部下に教えるためには、自分の中で型として整理されている必要がある。本記事の核心がここにある。

失敗パターン3：成功事例の共有がない

3つ目の失敗が、社内で「うまく行ったプロンプト」が共有されないこと。

田中さんが「報告書のドラフト作成にChatGPTを使ったらすごく便利だった」と気づいても、その成功体験はチームに広がらない。本人のローカル知識のまま埋もれる。

結果として、社内全体のAI活用レベルが上がらない。「特定の部署・担当者しか使っていない」状態が続く。

プロンプト指導の型10選──明日から部下に教えられる

ここからが本記事の核心だ。プロンプトエンジニアリングの学術的な型（Zero-Shot / Few-Shot / Chain-of-Thought 等）を、管理職が部下に教えられる実務的な10の型として整理する。

型1：役割設定型（あなたは○○です）

最も基本的で効果が大きいのが、AIに「役割」を与える型。

【役割設定型 例】
あなたは経験20年の生産管理リーダーです。
新人の田中さんに、月次生産計画の立て方を
3ステップで説明してください。

部下に教える時の声かけ：
「まず、誰に教わるか決めようか。AIに『あなたは〇〇です』と役割を与えると、答えの専門性が一気に上がるよ」

型2：制約条件型（500字以内・敬体で）

出力に「縛り」を与える型。

【制約条件型 例】
取引先への謝罪メールを書いてください。
- 400字以内
- 敬体（です・ます）
- 言い訳をしない
- 次のアクションを1つ提案する

部下に教える時の声かけ：
「制約があった方が、いい答えが返ってくるんだ。長さ・文体・避けたい表現を最初に伝えよう」

型3：テンプレート提示型（出力フォーマットを示す）

期待する出力の「型」を見せる。

【テンプレート提示型 例】
週次報告書を作成してください。以下のフォーマットで：

## 今週の成果
- [箇条書き3点]

## 来週の予定
- [箇条書き3点]

## 課題・相談事項
- [箇条書き1-2点]

部下に教える時の声かけ：
「自分の頭の中にあるテンプレートを、最初に示してあげるんだ。そうすればAIはそのテンプレートに当てはめてくれる」

型4：段階分解型（ステップ1→2→3で実行）

複雑な依頼を、ステップに分解する型。

【段階分解型 例】
新製品のプレスリリースを作成してください。
ステップ1：ターゲット読者を3パターン提案
ステップ2：そのうち1つを選んで構成案
ステップ3：構成案に沿って本文ドラフト
各ステップごとに区切って出力してください。

部下に教える時の声かけ：
「一気に全部依頼すると、AIが迷う。ステップに分けると、各段階で確認できるからミスが減るよ」

型5：Few-Shot型（例示型）

具体例を見せてから依頼する型。

【Few-Shot型 例】
製品名を「業務効率化×ベネフィット」型のキャッチコピーに
変換してください。

例1：A製品 → 「3秒で発注、納期1日短縮」
例2：B製品 → 「工程削減、月10時間の余裕」

新製品：C製品（在庫管理アプリ）→

部下に教える時の声かけ：
「『こんな風に』って例を見せると、AIの精度が劇的に上がる。新人教育と同じ理屈だね」

型6：Chain-of-Thought型（思考連鎖型）

AIに「考えるプロセス」を明示させる型。

【Chain-of-Thought型 例】
来期の生産計画について、以下の前提から判断してください。

前提：受注見込み120%、人員横ばい、設備稼働率現状85%

【依頼】
1. まず、人員と設備の制約条件を整理してください
2. 次に、考えられる選択肢を3つ挙げてください
3. 各選択肢のメリット・デメリットを評価
4. 最後に、推奨案を理由つきで提示

部下に教える時の声かけ：
「答えだけを聞くんじゃなくて、『どう考えたか』を順番に出させると、判断ミスが見つけやすいよ」

型7：検証指示型（最後にチェック観点を伝える）

出力後の自己チェックを依頼する型。

【検証指示型 例】
取引先への提案メールを作成してください。

【検証観点】
作成後、以下をセルフチェックしてください：
- 敬語の使い方が適切か
- 数値や日付に誤りはないか
- 相手の負担になる依頼を含んでいないか
- 次のアクションが明確か

問題があれば、修正版を併せて出してください。

部下に教える時の声かけ：
「人間が後でチェックするポイントを、AIに先に伝えておくと、自分で直してくれる」

型8：反復改善型（出力を見て指示を変える）

1回で完成を求めず、対話で改善する型。

【反復改善型 例】
（1回目）来週の生産計画ドラフトを作って
（2回目）3行目の「在庫水準」をもう少し詳しく
（3回目）この部分を、新人にもわかる言葉に
（4回目）OK、最後に箇条書きで要点まとめて

部下に教える時の声かけ：
「1回で完成させようとしなくていいんだ。会話しながら磨いていくのがAIとの正しい付き合い方」

型9：メタ認知型（なぜそう書いたか説明を求める）

AIに自分の判断根拠を説明させる型。

【メタ認知型 例】
3つの選択肢の中で、なぜ「選択肢B」を推奨するのか、
判断根拠を3つ挙げて、それぞれの確度（高・中・低）も
教えてください。

部下に教える時の声かけ：
「答えに『なぜ？』を重ねると、AIの限界が見える。自信ない部分を補強する材料が見つかる」

型10：セキュリティ配慮型（情報の取り扱い）

入力前に情報を仮名化する型。

【セキュリティ配慮型 例】
顧客名→A社、担当者名→Bさん、金額→X円、日付→具体日伏せ
として、契約見直し交渉のシナリオを書いてください。

【絶対に入力しない情報】
- 実名（顧客名・担当者名）
- 具体的な金額
- 個人情報（住所・電話・メール）
- 機密文書の固有名詞

部下に教える時の声かけ：
「便利だからって何でも入れちゃダメ。仮名化のクセを最初につけよう。漏洩したら会社が傾く」

AIガバナンス規程のテンプレートが必要なら『中小企業向けAIガバナンス利用規程テンプレート』を参照してほしい。型10と併せて運用すれば、セキュリティ事故のリスクを大幅に下げられる。

各型を部下に教える「指導フレーズ」5パターン

10の型を知っただけでは、部下に教えられない。型を伝える時の言葉が決定的に重要だ。

パターン1：抽象→具体に降りる

NG：「もっと具体的に指示してごらん」
OK：「『資料を作って』じゃなくて『製造業の管理職向けに、A4 1枚で、3つの要点に絞って』って言ってみよう」

パターン2：失敗を一緒に振り返る

NG：「それじゃダメ、もう一回やって」
OK：「どこで期待と違った？AIに伝えそびれた前提があるかも。一緒に見てみよう」

パターン3：成功を言語化させる

NG：「お、いいじゃん」
OK：「今のプロンプト、どこが良かったと思う？型として残せそう？」

パターン4：レベル別の声かけ

部下のレベル	声かけ例
初級（使い始め）	「まず役割設定だけ意識しよう。それだけで30%変わる」
中級（業務で使っている）	「Few-Shot型を試してごらん。例示で精度が跳ねるよ」
上級（独自活用できる）	「Chain-of-Thought型で複雑判断もAIに考えさせよう」

パターン5：「教えること」を依頼する

「来月の課内ミーティングで、田中さんが見つけた『うまくいったプロンプト』を3つ共有してくれる？」

人は教える時に最も学ぶ。部下に「教える役」を任せると、自分の型も整理される。

部下評価・1on1面談・MBOの統合エージェント設計は『40代管理職の夜を返す部下評価×1on1面談統合AIエージェント設計図』でも紹介している。「教える」だけでなく「評価する」「面談する」までセットでAI化すると、管理職の負荷が劇的に下がる。

管理職が「教える」ための3つのアプローチ

型と指導フレーズが揃ったら、次は仕組み化だ。管理職が「教える」役を1人で抱えると続かない。3つのアプローチで仕組みに落とす。

アプローチ1：コーチング型コミュニケーション（質問で気づかせる）

部下のプロンプトを見て、答えを教えるのではなく、質問する。

NG：「ここはこう書くんだよ（直してあげる）」
OK：「このプロンプト、AIにとって何の前提が足りなかったと思う？」

質問のテンプレート：
– 「AIに何を期待していた？」
– 「出力のどこが期待と違った？」
– 「次に試すとしたら、どの型を入れる？」

質問されることで、部下は自分で型を発見する。再現性が生まれる。

アプローチ2：ナレッジ共有支援（社内Wikiに成功プロンプト集を作る）

「うまくいったプロンプト」をチームで蓄積する仕組みを作る。

項目	内容
場所	社内Wiki／Notion／Google Docs／kintone等、誰でも書ける場所
フォーマット	業務カテゴリ → 課題 → プロンプト全文 → 出力例 → コメント
投稿ルール	月1人2件投稿・他人の投稿に「いいね」必須
振り返り	月次ミーティングで人気プロンプトTOP3を発表

これだけで、属人化していたAI活用がチーム資産に変わる。

アプローチ3：成長進捗の可視化（スキルマップ・チェックリスト）

部下のAIスキルを「見える化」する。

簡易スキルマップ例：

スキル	田中	鈴木	山田	佐々木	高橋	伊藤
役割設定型	◎	○	○	△	○	×
制約条件型	○	○	△	△	△	×
Few-Shot型	△	×	△	×	×	×
Chain-of-Thought型	×	×	×	×	×	×
セキュリティ配慮型	◎	○	○	○	○	△

凡例：◎人に教えられる ○一人で使える △指導があればできる ×未習得

このスキルマップを月次で更新するだけで、誰に何を教えるべきか、研修テーマが何かが見える。

研修資料はイルシルで30分で作れる──管理職の腕の見せ所は別にある

ここで、ひとつ重要なことを伝えたい。

研修資料の作成自体は、もうAIに任せていい。

イルシルなどのAIスライド資料作成ツールを使えば、本記事の「型10選」を解説する社内研修用スライド30枚を、30分で作れる。

【イルシルへのプロンプト例】
プロンプト指導の型10選について、社内研修用のスライドを作成してください。
- 対象：製造業の事務職・管理職
- 30分研修用・20-30スライド
- 各型1スライド・例とともに
- 末尾に「90日定着プログラム」を1スライド
- デザイン：シンプル・印刷可能

AIスライド資料作成ツールは2026年で実用域に到達し、テンプレートも豊富。管理職が研修資料に費やしていた時間は、ほぼゼロにできる。

→ イルシルでAI研修資料を作る ※PR

管理職が時間をかけるべきは別のところ

研修資料作成から解放された時間で、管理職が本当にやるべきことは何か。

任せる（AI化する）	自分でやる（管理職の本領）
研修資料の作成	部下の質問への即興回答
一般的なプロンプト集の整理	自社業務に合わせたカスタマイズ事例の蓄積
マニュアル整備	部下が躓いた瞬間のフィードバック
スキルマップの集計	スキルマップを見て個別の声かけ

型を教えるのは管理職の仕事だが、型を整理するのはAIの仕事。役割分担を明確にすると、管理職の負荷が劇的に下がる。

月1回の「プロンプト共有会」の運営フォーマット

部下教育を仕組み化する切り札が、月次の「プロンプト共有会」だ。

【プロンプト共有会・30分フォーマット】
00:00-05:00 オープニング（前月のスキルマップ振り返り）
05:00-15:00 部下から「今月一番役立ったプロンプト」を1人2分発表
15:00-25:00 全員で1つのプロンプトを選び、改善案ディスカッション
25:00-30:00 来月の挑戦テーマ決定・スキルマップ更新

このフォーマットを月1回、30分だけ回すだけで、研修1発勝負では実現できない継続的な学習文化が育つ。

90日で部下のAI活用を定着させる管理職プログラム

研修後3ヶ月で9割が使わなくなる現実を覆すには、最初の90日が勝負だ。以下のプログラムを推奨する。

Day 1-30：基礎リテラシー + 型10選導入

Week	内容
Week 1	全員集合：本記事の型10選を1時間で講義（管理職が講師）
Week 2	各自が業務で型1・2・3を実践・振り返りメモを残す
Week 3	1on1で部下別の躓きを確認・型4-7をピンポイント指導
Week 4	第1回プロンプト共有会開催・スキルマップ初版作成

Day 31-60：業務別実践 + 月次共有会

Week	内容
Week 5-6	部下別の主要業務にAI活用を組み込む（メール・報告書・分析）
Week 7	スキルマップ更新・苦手領域の補強研修（イルシルで資料作成）
Week 8	第2回プロンプト共有会・社内Wiki蓄積数チェック

Day 61-90：スキルマップ更新 + 次期目標設定

Week	内容
Week 9-10	上級型（Chain-of-Thought・反復改善・メタ認知）の挑戦
Week 11	部下による「教える役」アサイン・後輩への型1指導を実施
Week 12	スキルマップ最終更新・次期90日プログラム設計

このプログラムを回せば、研修費の蒸発を止め、部下のAI活用を「組織の資産」に変えられる。

管理職自身のAIスキル強化

部下を教えながら、自分のAIスキルも磨きたいなら、Udemyの「AI × 管理職」「プロンプトエンジニアリング実践」関連講座が体系的に学べる。本記事の型10選を、もう一段専門化させる学習路線として活用できる。

→ UdemyでAI管理職・プロンプト講座を見る ※PR

AI教育で部下を育てた管理職こそ、転職市場で評価される時代

90日プログラムを回し終えた佐藤課長の机に、ある日、人材紹介会社からのスカウトメールが届く――それが2026年の製造業転職市場のリアルだ。

「部下にAIを教えられる」が職務経歴書の最強キーワードになった

2024年から2026年にかけて、製造業の中途採用市場で評価される管理職の条件は明らかに変わった。

〜2024年に評価された経験	2026年に評価される経験
売上目標達成・コスト削減実績	同左 + AI活用による工数削減実績
部下マネジメント年数	部下のAIスキル育成実績・社内Wiki構築実績
改善提案・5S活動リーダー経験	AI業務プロセス再設計の主導経験
MBA等の体系的学習	AIガバナンス規程整備・社内AI研修設計

経済産業省が指摘するように、AI・ロボット等利活用人材は約340万人不足しているとされる。人材を「育成できる」管理職は、人材そのものよりさらに希少だ。

「型10選を社内に展開した」実績は、職務経歴書のキラーパス

本記事の90日プログラムを回し、社内Wikiに成功プロンプトを蓄積し、月次共有会の文化を作った――この経験は、職務経歴書にこう書ける。

【AI活用による組織開発実績】
・生産管理課6名にプロンプト指導の型10選を展開
・90日で全員が中級以上のAI活用レベルに到達
・社内Wiki成功プロンプト集を主導構築（月次更新中）
・研修費50万円→月次共有会30分で同等以上の継続効果を実現

製造業のDX推進職・AI教育担当・現場改革リーダー枠の中途採用は、いま「実装した実績」を持つ管理職を強く求めている。年収面でも、前職比＋50〜200万円のレンジに収まる実例が確認できる事例として報告されており、詳細は『製造業の管理職が転職で年収UPに成功した実例』にまとめている。

選択肢を「持つ」だけで、今の職場での発言力も変わる

転職する／しないは別として、「自分には市場価値がある」と思える状態を作っておくことには、即効性がある。

社長への「AI推進にこの予算が必要」という交渉力が変わる
部下に対する「育成は会社のためだけじゃない、君たちのキャリアにも効く」という説得力が変わる
自分自身の「いざとなれば動ける」という心の余裕が、判断の質を上げる

製造業に特化した求人サイト「ものっぷ」では、AI活用推進・DX管理職・現場改革リーダー枠の求人を定期的に確認できる。登録は無料。3ヶ月に1回ログインし、「自分のポジションの市場価値」を定点観測するだけでも、社内での意思決定の質は変わる。

→ ものっぷで製造業のAI活用・DX推進ポジションを探す（無料登録） ※PR

部下を育てた90日の経験は、自分自身のキャリアの選択肢を増やす投資でもある。

部下が「AIを使う側」から「AIを設計する側」に育つ未来

ここまで、部下のAI教育を成功させる「型10選」と「90日定着プログラム」を解説してきた。最後に、未来の話をしたい。

管理職の役割が変わる

3年後、部下のAI活用が定着すると、管理職の役割は変わる。

現在の管理職	AI定着後の管理職
業務管理（誰が何を担当）	AI業務改革リーダー（業務プロセス自体の再設計）
個別指導（プロンプトの書き方を教える）	チーム全体のAIスキル戦略
評価業務（コメント作成に徹夜）	部下の「AI設計力」を評価する新指標

部下が「AIを使う側」から「AIを設計する側（自分用のエージェントを作る側）」に育てば、組織の生産性は2倍以上になる可能性がある。

次のステップ：自社のAIガバナンス規程整備

部下教育と並行して、自社のAIガバナンス規程も整備すべきだ。情報漏洩・著作権・ハルシネーション対応のルールが無いと、部下が安心して使えない。

中小企業向けのテンプレートは『中小企業向けAIガバナンス利用規程テンプレート』にまとめている。本記事の型10と併せて整備すれば、教育と統制が両輪で回る。

業種別エージェントの応用として、人材配置への展開も参考になる：
– 人材派遣・配置エージェント AIで実装する方法

月曜朝9時、佐藤課長へ。

「いい質問の仕方を教えてください」と問われた時、もう言葉に詰まらなくていい。あなたの中に10の型がある。

来月の朝礼で、田中さんに「役割設定型を試してごらん。AIに『あなたは経験20年の生産管理リーダーです』って付け足すだけで、答えが変わる」と伝えてみてほしい。

部下が顔を上げる瞬間を、想像しながら。

本記事の動作確認は、ChatGPTで2026年5月時点に行っています。プロンプトエンジニアリングの理論（Zero-Shot/Few-Shot/Chain-of-Thought）は、研究論文と業界の標準的な用法に基づいています。AIの仕様は変更される可能性があるため、最新情報は各サービスの公式ヘルプセンターで確認してください。

※本記事には一部、提携サービスへのリンクを含んでいます（PR）。

▼ このテーマをもっと深く知るには

AIで転職活動を完全攻略｜製造業・事務職のための自己分析から面接対策まで【2026年版】