AIに『お願い』から『委譲』へ：エージェント時代のプロンプト設計ノート

2026年のLLM/エージェントは、単発リクエストより「段取り委譲」のほうが圧倒的にコスパが良くなっています。委譲プロンプトは Goal / Deliverable / Fallback の3点をひと固まりで渡すだけで成立します。社内で実測したところ、1セッションあたり人間の作業時間が38分から14分に短縮されました。Claude / ChatGPT / Gemini で共通して使えるテンプレを、この記事に置いておきます。

なぜ今「委譲（delegation）」設計なのか
2026年に入って、各社のLLMは「ツール呼び出し」「長文コンテキスト」「サブタスク分解」の品質が一段上がりました。OpenAI、Anthropic、Googleいずれも「エージェント的に動かす」前提の機能を矢継ぎ早に出しています。

ところがフィールドで見ていると、ユーザー側のプロンプトは2024年頃の単発依頼スタイルのまま止まっていることが多いです。

たとえば、こんな打ち方です。

「この資料を3行で要約して」
→結果を読む
「もう少し堅めに」
→結果を読む
「やっぱり最初の半分をもう一度説明して」

これだとモデル側が「段取りを立てる能力」をほぼ使えません。人間がオーケストレータをやっている状態です。

エージェント時代のLLMは、段取りを立てる側に回れたほうが性能を発揮します。Claude Sonnet 4.5系も、GPT-5系も、内部で計画→実行→自己レビューのループを回します。であれば、人間は「目的」と「完了条件」だけを渡して、ループは任せるほうが速い、というのが今年の感触です。

委譲プロンプトの3要素
私が社内のリサーチ・初稿生成タスクで使っているテンプレは、以下の3ブロックだけです。

Goal は、何のために、誰向けに、何を作るかを書く場所です。

Deliverable は、出力フォーマット（型）と完了条件を書く場所です。

Fallback は、詰まったとき・情報が足りないときの振る舞いを書く場所です。

このうち、ほとんどの人が抜けているのが Fallback です。委譲が怖い理由は「勝手にデタラメを書かれるのが嫌」だからで、Fallbackをひと言入れるだけで体感のコントロール感が一気に戻ります。

Before / After
Before（単発リクエスト連打）
業界Aの最新動向を教えて
→主要プレイヤーを5つ挙げて
→そのうち副業ワーカーに刺さるのは？
→3つの切り口で1500字書いて
→もう少し砕いて
→3段落目だけ書き直して

所要時間はおよそ45分で、人間が画面に張り付き続けることになります。

After（委譲プロンプト）
Goal
副業ワーカー向けに、業界Aの最新動向を踏まえたコラム初稿を作りたい。読後感は「明日の自分の動きが1個変わる」レベル。

Deliverable
1500字±10%、構成は「導入／動向3点／副業ワーカーへの示唆／行動提案」。見出しは h2 で、各セクション間に空行。出典が必要な数字には「TODO: 出典確認」を残す。

Fallback
情報が足りない箇所は推測せず「TODO: ヒアリング」と書いて飛ばす。切り口が思いつかない場合は、候補を3つ列挙だけして最終選択は私に投げ返す。

所要時間はおよそ12分で、人間はレビューと最終仕上げのみに専念できます。

差分は「指示が長くなった」ではなく、人間の役割が監督者から編集者に変わった点が本質です。

モデル別の細かな注意点
同じテンプレでも、モデルによって挙動の癖が違うので少しだけメモを残しておきます。

Claude（Sonnet 4.x / Opus 系）
Fallback指示をかなり律儀に守ってくれます。「TODO: 出典確認」をちゃんと残してくる印象です。

長文出力時は、末尾に自己レビューを依頼する一文を足すと質がもう一段上がります。たとえば「出力後、文字数・見出しレベル・TODO残数を自分でチェックして、それぞれにOKか要修正をつけてください」と添えるだけで、見直しの手間が半分くらいになります。

ChatGPT（GPT-5 系）
委譲しすぎると「やや行儀の良い無難な初稿」になりがちです。Goalの中に読後感の温度を一行入れると効きます（例：「読後に手が動く感じが欲しい」）。

Custom GPTs / Projects に委譲プロンプトをシステム側に置いておくと、毎回貼らなくて済みます。

Gemini（2.x 系）
長文の構成力は高いものの、Fallback指示への忠実度がやや低めです。出力後に「Fallback条件に違反していないか自己チェック」を別ターンで投げると安定します。

検索ツール呼び出しとの相性が良いので、「TODO: 出典確認」を残させたあと、続けて「自分で検索して埋めて」とお願いするのも有効です。

計測：実際にどれくらい効いたか
社内の副業案件サポート用Slackボットで、上のテンプレを組み込む前後を比較しました。

1リクエストあたりの人間側の所要時間は38分から14分に短縮されました。1セッション内のターン数も8.6回から2.3回まで減っています。「初稿を破棄してやり直し」が発生する割合も、19%から7%まで下がりました。ユーザー満足度（5段階）も3.4から4.2に上がっています。

サンプル数はn=42（2週間）なので統計的には参考値ですが、ターン数が約1/4に減ったのが一番大きな変化でした。これはトークン消費にもそのまま効いてきます。

再利用のコツ：テンプレ化して3秒で呼び出す
毎回手書きするのは面倒なので、私はGoal / Deliverable / Fallbackの3ブロックをスニペット化しています。

具体的にはこんな運用です。CursorやVSCodeのユーザースニペットに「delegate」というキーワードで登録しておき、入力すると3ブロックの空テンプレが展開されるようにしています。各項目を埋めるだけで完成するので、毎回のプロンプト作成が3秒で終わります。

仕組みは単純ですが、続けて使うと「考える順番」が体に染み込んで、スニペット無しでもこの型で書けるようになるのが副次的なメリットでした。

まとめ
2026年のLLMは、段取りを立てる仕事を自分でやりたがります。人間が単発リクエストを連打する設計では、エージェント時代の性能を引き出せません。

Goal / Deliverable / Fallback の3ブロックでひと固まりに委譲するだけで、ターン数が約1/4、人間の所要時間が1/3になりました。なかでもFallbackを言語化することが、委譲の怖さを一番下げる鍵だと感じています。

普段「ChatGPTって便利だけど結局自分で全部やってる気がする」と感じている方は、明日の1タスクだけでいいので、上のテンプレに置き換えてみてください。画面から目を離せる時間が思った以上に返ってきます。