ChatGPTのプロンプトとは？書き方のコツとコピペで使える業務別テンプレート【2026年版】

ChatGPTをはじめとする生成AIへの指示文を「プロンプト」と呼びます。同じ質問でも、プロンプトの書き方ひとつで返ってくる答えの質は大きく変わります。近年は少ない指示でも自動で深く考えるモデルが主流になりましたが、だからこそ、何を・どんな前提で・どの形式で求めるかを明確に渡せるかどうかが、成果の差になって表れるようになりました。

本記事では、空欄を埋めるだけで使えるプロンプトのテンプレートや業務シーン別の例文を中心に、書き方のコツ、画像・ファイルの活用などを整理しました。海外の研究や各社公式ガイドの見解も交えながら、個人の習熟から組織での標準化まで解説します。

※デロイト トーマツ ミック経済研究所「LLM（大規模言語モデル）を自律的に連携させ非定型業務を自動化するAIエージェント ソリューションサービスの市場動向 2025年度版
※富士キメラ総研「2026 生成AI／AIエージェントで飛躍するAI市場総調査」＜2024年度実績・サードパーティ対話型生成AIアプリケーション・ベンダーシェア＞

ChatGPTのプロンプトとは

ChatGPTは操作画面がシンプルなぶん、どんな指示を与えるかが結果を大きく左右します。まずは、プロンプトの書き方、質問でも答えの質が変わる理由と、2026年のモデルで前提がどう変わったのかを押さえます。

なぜ同じ質問でも回答の質が変わるのか？

ChatGPTの土台であるLLM（生成AIの基盤となる大規模言語モデル）は、入力された文脈に沿って、最も自然な続きを生成する仕組みです。そのため、あいまいな指示には一般的な答えが、前提や出力形式まで添えた指示には狙った形の答えが返ってきやすくなります。

たとえば「問い合わせへの返信を書いて」とだけ頼むと、当たり障りのない文面になりがちです。「配送遅延への謝罪。法人顧客向け。原因の説明と再発防止策を入れて、300字程度の丁寧なトーンで」と条件を足すと、軽い手直しでそのまま使える水準に近づきます。

プロンプトの基本は、何を・どんな前提で・どの形式で求めるかを明確にすることにあります。

プロンプトを工夫する効果は、次の3つに整理できます。

• 調べものや資料作成にかかる時間を短縮できる
• 指示の精度が上がり、出力の品質が安定する
• うまくいった指示をテンプレートとして共有すれば、チームや組織全体の底上げにつながる

GPT-5.5世代で変わったプロンプトの書き方

2026年4月に公開された最新モデル「GPT-5.5」をはじめ、現在のChatGPTでは、難しい質問に対して回答前に自動で深く考える推論モデルが標準になりました。これまで、広く使われてきた「ステップごとに考えて」といった、考え方そのものを指示する書き方は、毎回書く必要がなくなっています。

一方で、何をゴールとし、どんな前提と制約で答えてほしいかを示す重要性は、むしろ高まりました。モデルが自動で考えるぶん、考える方向を決める材料、つまり目的・前提・出力形式の明確さが結果を左右するためです。プロンプトで重視すべき点は、考え方そのものを細かく指示することから、判断材料を過不足なく渡すことへと移っています。

※モデル名や標準モデルの構成は更新が速いため、利用時にOpenAIの最新情報を確認してください。

出典：

OpenAI「GPT-5.5が登場（原題：Introducing GPT-5.5）」（2026）

OpenAI「ChatGPT リリースノート」

【2026年最新】研究と公式ガイドから読み解くプロンプト活用の現状

生成AIの最新モデルは難しい問いでも自動で深く考えることができるようになった結果、そのぶん「プロンプトの工夫はもう不要では」という声もあります。

結論として、プロンプトを工夫する効果は種類によって異なります。海外の実証研究と各社の公式ガイドはいずれも、「丁寧に頼む」「専門家になりきらせる」といった言い回し上の工夫は効果が安定しない一方、何を・どんな前提で・どの形式で求めるかを構造的に渡す基本は今も有効だと示しているのです。研究結果と公式ガイドの両面から、その中身を見ていきます。

海外研究が検証したプロンプトの工夫の効果

まずは、以下の研究結果を確認していきましょう。

米ペンシルベニア大学ウォートン校の研究シリーズ「Prompting Science Reports」は、同じ質問を繰り返し試す方法で代表的な工夫を検証し、「その多くは効果が安定せず万能とはいえない」と報告しています。研究で確かめられたことと実務での扱いを次の表にまとめました。

この表から読み取れるのは、効果が不安定なのは丁寧な言い回しやチップの提示といった文言上の工夫であって、何を・どんな前提で・どの形式で求めるかを構造的に伝える基本ではない、という点にあります。「プロンプトはもう古い」のではなく、各工夫の効果にばらつきがあり、効くものと効かないものの違いがはっきりしてきた、というのが研究から見えてきた現状です。

出典：

Wharton Generative AI Labs「Prompting Science Report 1: Prompt Engineering is Complicated and Contingent」（2025）

Wharton Generative AI Labs「Prompting Science Report 2: The Decreasing Value of Chain of Thought in Prompting」（2025）

Wharton Generative AI Labs「Prompting Science Report 3: I’ll pay you or I’ll kill you — but will you care?」（2025）

Wharton Generative AI Labs「Prompting Science Report 4: Playing Pretend: Expert Personas Don’t Improve Factual Accuracy」（2025）

各社の公式ガイドが勧める明確で構造的な指示

開発元の見解も、研究と一致します。OpenAIは開発者向けの公式プロンプトガイド（最新のGPT-5.5向けも公開）で、最新世代のモデルでもプロンプトへの感応性は残っており、明確で具体的な指示を与えることや、指示のあいまいさ・矛盾を取り除くことが成果を大きく左右すると説明しています。プロンプト構造の小さな改善が、正確さの大きな向上につながるとも述べており、賢いモデルだから書き方は問わない、という立場ではありません。

Googleも最新のGemini向けガイドで、簡潔で明確な指示が最適であり、旧世代向けの複雑なプロンプト技法はかえって過剰な分析を招くと案内しています。Claudeを開発するAnthropicも含め、各社が示す方向も同じです。役割を演じさせる・報酬をちらつかせるといった凝った工夫に頼るのではなく、目的・前提・出力形式を明確に渡すことが、ChatGPTに限らない生成AI全般の原則です。

出典：

OpenAI「GPT-5.2 Prompting Guide」（OpenAI Cookbook、2025年12月公開）

Google「Prompt design strategies」（Gemini API）

コンテキストとエージェントの時代もプロンプトが土台

設計の対象はいま、プロンプト単体から、AIに渡す情報全体（コンテキスト）へと広がっています。Claudeを開発するAnthropicは公式レポートで、この流れをプロンプト設計の自然な発展形と位置づけました。ChatGPTでも、複数の手順を自律的に進めるエージェント機能やDeep Researchの活用が進んでいます。

それでも、プロンプトが古くなったわけではありません。日常の調べものや文書作成といった単発の業務では今もプロンプトが主役です。実際、ハーバード・ビジネス・スクールとBCGによる758名規模の実験では、「プロンプトの概要説明を受けた群」が条件の一つとして設けられました。ただしこの実験は、AIが得意な範囲では成果が上がる一方、苦手な範囲では過信がかえって精度を下げうることも示しており、効果が出る場面を見極める必要があります。

プロンプトは、研究でも教育の対象になる業務スキルとして扱われています。目的・前提・出力形式を言語化する力は、エージェントに仕事を任せるときの指示にもそのまま活きてきます。考え方を深く知りたい場合は、関連記事のプロンプトエンジニアリングもあわせてご覧ください。

それでは、その「明確で構造的な指示」を誰でも再現できる形にした、基本のテンプレートから見ていきます。

出典：

Anthropic「Effective context engineering for AI agents」（2025）

OpenAI「ChatGPT エージェント」

Dell’Acqua et al.（Harvard Business School, 2023）

プロンプトの基本となる構造化テンプレート

思いつくまま書き足すより、決まった枠に当てはめるほうが、速く安定して質を上げやすくなります。ここでは、指示を5つのセクションに分けて渡す「構造化テンプレート」を基本の型とします。各社の公式ガイドが勧める「明確な指示」と「指示とデータの分離」を、そのまま形にしたものです。

役割・目的・出力形式・制約・データの5セクション

テンプレートは次の5つのセクションで構成します。役割（誰として答えるか）、目的（何のために何をするか）、出力形式（どんな形で出すか）、制約（守ってほしい条件）、データ（対象となる文章や資料）です。問い合わせメールへの返信を例に、実際の形を見てみましょう。

ポイント：指示（役割〜制約）とデータを分けて渡すと、指示の取り違えが減ります。5つすべてを毎回埋める必要はなく、目的と出力形式の2つだけでも効果を実感できます。

この5つのセクションは、型を覚えれば、どの業務にも同じ要領で応用できます。まずは目的と出力形式から埋めてみて、物足りなければ役割や制約を足していくとよいでしょう。

効果が低い例と効果的な例を比べる

テンプレートに当てはめると、指示がどう変わるのか。よくある書き方と、要素を足した書き方を比べてみましょう。右の列に、何を足したかを示しています。

足しているのは特別なテクニックではなく、人に仕事を頼むときに伝える情報と同じです。「これを相手に渡して、迷わず作業してもらえるか」を基準に見直すと、補うべき要素が見つけやすくなります。

業務シーン別のプロンプトテンプレート

ここからは、業務の場面ごとに使えるプロンプトの例文を紹介します。【 】の部分を自社の内容に置き換えれば、そのまま使えます。いずれも役割・目的・出力形式・制約・データを意識した形なので、自分の業務に合わせて書き換えられます。

例1. メール・案内文を作成する

ポイント：箇条書きのメモを渡すだけで文章化できます。トーンの指定（丁寧・カジュアル）を制約に足すと、宛先に合わせやすくなります。

例2. 議事録・長文を要約する

ポイント：「誰向けの要約か」を役割・目的で示すと、取捨選択の基準が定まり、的外れな要約になりにくくなります。

例3. 問い合わせ・自由記述を分類する

ポイント：出力を表で固定すると、毎回同じ形式で返ってくるため、繰り返しの業務に向きます。

例4. 企画・アイデアを出す

ポイント：アイデア出しは数を指定し、「意図も添えて」と頼むのがコツです。気になった案を起点に「3案目の方向でさらに5つ」と対話で広げられます。

例5. Excel関数・コードを作る

ポイント：列構成やエラー条件をデータとして渡すと、自分のシートに合った答えになりやすく、手戻りが減ります。

例6. 翻訳・校正する

ポイント：校正に使う場合は「誤字脱字を表形式で指摘して。修正理由も添えて」とすると、確認作業がしやすくなります。

例7. 資料レビュー・壁打ちに使う

ポイント：役割で視点を固定する使い方が効く場面です。複数の役割で順にレビューさせると、社内レビュー前の精度が上がります。

こうした業務向けプロンプトは、当社のエクサベース AIに150種類以上のテンプレートとして標準搭載されており、自社独自のテンプレートを追加して全社に展開することもできます。

※デロイト トーマツ ミック経済研究所「LLM（大規模言語モデル）を自律的に連携させ非定型業務を自動化するAIエージェント ソリューションサービスの市場動向 2025年度版
※富士キメラ総研「2026 生成AI／AIエージェントで飛躍するAI市場総調査」＜2024年度実績・サードパーティ対話型生成AIアプリケーション・ベンダーシェア＞

※デロイト トーマツ ミック経済研究所「LLM（大規模言語モデル）を自律的に連携させ非定型業務を自動化するAIエージェント ソリューションサービスの市場動向 2025年度版

※富士キメラ総研「2026 生成AI／AIエージェントで飛躍するAI市場総調査」＜2024年度実績・サードパーティ対話型生成AIアプリケーション・ベンダーシェア＞

出力の質を上げる書き方のコツと定番の型

ここでは、テンプレートを土台に場面へ応じて足し引きするためのコツを4つに絞り、あわせて日本語圏で広く知られる定番の型も取り上げます。

コツは数を増やすより、効く場面を見極めて使い分けるほうが成果につながります。それぞれのコツが向く場面と注意点を、次の表にまとめました。

コツ1. 目的・前提・出力形式を具体化する

最も効果が大きいのは、やはり指示の具体化です。「レポートをよくして」ではなく「このレポートの結論部分を、役員向けに3行で言い切る形に直して」のように、目的・対象・形を言葉にします。迷ったら、構造化テンプレートの5セクションのうち、埋まっていない項目がないかを確認してください。

なお、「順を追って考えて」「ステップごとに説明して」という促しは、推論モデルが標準となった現在のChatGPTでは効果が見込みにくく、場合によっては回答を不安定にすることもあると各社の公式ガイドは説明しています（2026年時点）。考え方の手順を細かく指定するよりも、目的と前提、求める出力の形を簡潔に伝えるほうが安定しやすくなります。

コツ2. 役割・立場の指定はトーンの調整に使う

「あなたはプロの編集者です」のように役割を与えると、答え方の視点や文体がそろいやすくなります。例7のレビューのように、見る観点を固定したい場面でも有効です。

ただし、先のウォートン校の検証が示したとおり、役割を与えるだけで回答の正確さが上がるわけではありません。役割の指定はトーンと観点を揃える道具と考え、精度を上げたいときはコツ1の具体化に立ち返るのが確実でしょう。

コツ3. 手本を2〜5件示す（Few-shot）

Few-shot（フューショット）は、手本をいくつか示してから依頼する型です。たとえば問い合わせの分類なら、「『画面が開かない』→不具合、『料金プランを変えたい』→契約変更」のように例を2〜3件添えると、分類基準が言葉で説明しにくい場合でも意図が伝わります。2〜3件の質の高い例から始め、効果が上がらなければ増やすのではなく例の質を見直すほうが安定します。

コツ4. 対話で掘り下げて出力を磨く

一度の指示で完成を狙う必要はありません。「他の案も3つ」「この部分の根拠は？」「もっと簡潔に」と重ねるたびに、出力の質は改善されていきます。大切なのは、良い結果につながった指示の流れを記録しておくことです。次に同じ業務が来たとき、その記録がそのままテンプレートになります。

ゴールシークプロンプト

ChatGPTに質問させ、ユーザーとのやり取りを繰り返しながら、最適なプロンプトをChatGPT自身に作らせる手法です。目的があいまいなときでも、対話しながら指示を磨けます。

ポイント：「何を頼めばいいか自体が固まっていない」段階で特に役立ちます。完成したプロンプトは保存しておくと、繰り返し使い回すことができます。

画像やファイルを活用するプロンプトの作り方

現在のChatGPTは画像・スクリーンショット・PDF・音声を入力に使え、画像の生成も業務で使える場面が増えています。まず2026年時点でできることを一覧で押さえ、そのうえで読み取り・生成それぞれの指示のポイントを見ていきましょう。

2026年時点で画像・ファイルを使ってできること

現在のChatGPTは、画像やファイルを使った業務を実用的な水準でこなせるようになっています。GPT-5.5が、テキスト・画像・音声をまとめて扱えるマルチモーダル（複数の種類のデータを一度に処理できる仕組み）なモデルとして設計され、読み取り・生成の双方で性能が上がったためです。業務でよく使われる場面を、次の表にまとめました。

出典：

OpenAI「GPT-5.5が登場（原題：Introducing GPT-5.5）」（2026）

読み取らせるときの指示のポイント

画像やファイルは「渡せば伝わる」わけではありません。見てほしい点と求める出力を言葉で補えるかどうかが、質にかかわってきます。依頼の形は、テキストのときと同じく目的・出力形式・制約を添えれば十分です。

ポイント：「どこを見て・何を作るか」を言葉で添えると、確認の手戻りが減ります。グラフや帳票を読み取らせた場合、数値は元データと突き合わせてください。

画像を生成するときの指示のポイント

画像生成も、考え方は文章の場合と変わりません。用途・構図・テイスト・含めたい要素・避けたい要素を言葉で指定します。たとえば「社内研修資料用に、AI活用の3ステップを示すシンプルな図解イメージ。横長、落ち着いた配色、文字は入れない」のように頼むと、たたき台として使える画像に近づきます。

なお、生成した画像が既存の著作物に似てしまう可能性はテキストと同様にあります。社外に出す素材として使う場合は、著作権の観点で問題がないかを人の目で確認してから使ってください。

プロンプト以外でChatGPTに文脈を与える方法

毎回プロンプトに前提を書いていると、指示が長くなるうえ、説明し切れずに精度が頭打ちになりがちです。そこで、前提や資料をChatGPT側に持たせておき、毎回書かずに文脈を渡す方法が役立ちます。AIに渡す情報全体を設計するという考え方を、標準機能で実践するものといえます。代表的な方法は、次の3つです。

カスタム指示で前提を常に伝える

カスタム指示は、あなたの職種や立場、回答してほしいトーンや形式といった前提を一度設定しておくと、以降のすべての会話に自動で反映される機能です。たとえば「BtoBマーケティングの担当者。回答は結論から述べ、専門用語には短い補足を付ける」と設定したとします。すると、毎回プロンプトにこの前提を書く必要がなくなります。指示が短くなるうえ、出力のトーンや粒度がそろい、複数の会話をまたいでも一貫した回答を得られる点がメリットです。会話ごとに前提が変わる場合は、その都度プロンプトで上書きすれば問題ありません。

プロジェクトで資料ごと渡す

プロジェクトは、関連するチャット・ファイル・指示を1か所にまとめられる機能です。要件定義書や競合資料を添付しておけば、同じ背景を説明し直さずに、複数の会話で横断的に参照させることができます。たとえば「新サービスの企画」というプロジェクトに資料を入れておけば、構成案づくりも想定問答の作成も、同じ文脈の上で取り組むことができます。数日から数週間にわたる業務や、長い資料を扱う作業で特に力を発揮し、チャットが増えても他の話題を混在させずに進められます。

メモリで好みや背景を引き継ぐ

メモリは、会話の中で共有した好みや背景をChatGPTが記憶し、以降の回答に反映する機能です。「報告書はです・ます調」「自社の主力商品は○○」といった情報を覚えさせておけば、毎回伝え直す手間が省けます。自分で明示的に設定するカスタム指示とは異なり、メモリは会話を通じて少しずつ蓄積される点が特徴です。覚えさせたくない内容は一時チャットを使う、不要になった記憶は設定画面から削除する、といった管理もできます。

出典：

OpenAI「ChatGPT カスタム指示」

OpenAI「ChatGPTのプロジェクト」

OpenAI「メモリとは？」

プロンプト活用を組織に広げる3つの方法

個人での活用が進んだら、次は組織全体で使いこなす段階です。これまで見てきたように、同じツールでも書き方しだいで成果は変わってきます。

だからこそ、優れた使い方を個人に任せきりにせず、仕組みと教育で広げることが、出力のばらつきとリスクを抑える近道になります。具体的な取り組みは次の3つです。

• テンプレートを社内で標準化・共有する
• カスタム指示・GPTsで全社の前提を揃える
• 研修・育成でプロンプト活用を底上げする

テンプレートを社内で標準化・共有する

成果につながったプロンプトは、個人の中に留めず、テンプレートとして部署やチームで共有することが有効です。議事録の要約、問い合わせの分類、提案書のたたき台づくりなど、繰り返し発生する業務ごとに「使えるプロンプト集」を用意しておくと役立ちます。

型をそろえれば、担当者によって出力の質がばらつくのを防げ、新しく使い始める人も同じ水準で活用できます。共有は新たな仕組みを作らず、社内wikiやチャットツールのピン留めなど、すでにある場所に載せると定着しやすいでしょう。

カスタム指示・GPTsで全社の前提を揃える

テンプレートの共有を一歩進めると、前提そのものを仕組みに組み込めます。自社の文体や禁止事項をカスタム指示に設定したり、よく使う型と必要な資料を組み込んだ専用アシスタント（GPTs）を作ったりする方法です。利用者がプロンプトを書かなくても、一定の品質の出力が得られます。たとえば「問い合わせの一次回答を作るGPTs」を用意すれば、担当者は質問を貼るだけで、社内ルールに沿った下書きが返ってきます。属人化を防ぎ、全社で前提を揃える土台になります。

研修・育成でプロンプト活用を底上げする

ツールを配るだけでは、現場での活用は定着しません。「AIを導入したのに使われない」という課題は、多くの企業で聞かれます。研修やeラーニングでプロンプトの基本をそろえ、自部署の業務に当てはめる演習まで行えば、学んだ内容が実務のスキルとして根づきます。さらに、活用状況を把握し、優れた使い方を社内で横展開する仕組みまで整えたいところです。

ChatGPTを業務で使う際の注意点

最後に、安全に使うための注意点を3つに整理します。モデルが賢くなった2026年でも、ここは人とルールが担う領域です。全体像を先に示します。

出力の正確性・著作権を確認する

ChatGPTの回答は、もっともらしく見えても事実と異なることがあり、こうした現象はハルシネーション（もっともらしい誤情報の生成）と呼ばれます。OpenAI自身も2025年の研究で、最新世代のモデルでは大幅に減ったものの、なお発生する根本的な課題だと説明しています。「賢くなったから確認は不要」とはならず、数値・固有名詞・引用は一次情報の裏どりをしてから使う必要があります。

また、ハーバード・ビジネス・スクールとBCGの実験（2023）では、AIが不得意な課題でAIに頼ったグループは、正答できた割合が19ポイント低くなりました。不得意な業務での過信は、かえって成果を下げかねません。生成した文章や画像が既存の著作物に似てしまう可能性もあるため、社外に出す資料ほど、人によるチェックを挟む意味は大きくなります。ChatGPTは素案づくりの支援役と位置づけ、最終的な判断は人が行うのが安全です。

出典：

OpenAI「Why language models hallucinate」（2025）

Dell’Acqua et al.（Harvard Business School, 2023）

入力してよい情報の線引きを決める

有料プランの標準設定では入力内容が学習に使われませんが、無料プランや設定によっては扱いが異なります。利用前に各プランの設定を確認してください。氏名や連絡先などの個人情報、未公開の経営数値、取引先から預かった機密は、原則として入力しないのが安全です。判断に迷うときは「社外に出して問題ない情報か」を基準に考えるとよいでしょう。どうしても扱う必要がある場合は、固有名詞を伏せる、数値を丸めるなど、内容を加工してから入力します。

入力してよい情報の線引きは、関連記事のChatGPTに入力してはいけない個人情報で詳しく整理しています。

社内ルールと利用環境を整える

個人の注意に頼るだけでは、運用は安定しません。入力してよい情報・用途、出力の確認手順、トラブル時の連絡先などを定めた利用ガイドラインを整え、全社で共有します。あわせて、入力データを学習に使わせない設定や、国内で処理が完結する環境を選べるかも、法人利用では重要な判断材料です。

なお、AIエージェントが外部のWebページや文書を読み込む使い方では、読み込み先に仕込まれた不正な指示で誤作動させる攻撃（間接プロンプトインジェクション）も報告されています。エージェント機能を業務で使う場合は、接続先と権限の管理までルールに含めてください（仕組みはプロンプトエンジニアリングのリスクの章で解説しています）。

具体的なリスクと対策はChatGPTの情報漏洩リスクと対策を、法人向けサービスの選び方は法人向け生成AIサービスもあわせて参考にしてください。

エクサベース AIでプロンプト活用を全社の標準に

本記事で紹介した取り組みを仕組みとして実装できるのが、当社の法人向け生成AIサービス「エクサベース AI」です。約1,700社の導入、利用IDは15万以上のが実績あり（※2026年7月時点）、記事の内容と対応づけると次のような機能を備えています。

プロンプトの習熟は個人のスキルですが、成果を組織のものにするには、テンプレートの標準化と安全な環境が土台になります。導入や全社展開を検討している場合は、お気軽にご相談ください。

※デロイト トーマツ ミック経済研究所「LLM（大規模言語モデル）を自律的に連携させ非定型業務を自動化するAIエージェント ソリューションサービスの市場動向 2025年度版
※富士キメラ総研「2026 生成AI／AIエージェントで飛躍するAI市場総調査」＜2024年度実績・サードパーティ対話型生成AIアプリケーション・ベンダーシェア＞

まとめ

2026年のChatGPTは、少ない指示でも自動で深く考えるようになりました。それでも、何を・どんな前提で・どの形式で求めるかを明確に渡せるかどうかで、成果には差がつきます。研究と各社の公式ガイドが一致して示すのは、この「渡し方」の重要性です。

まずは本記事の構造化テンプレートを自分の業務に当てはめて試し、うまくいった型をチームへ広げてみてください。個人の習熟を組織の仕組みに変えることが、生成AIへの投資を成果に結びつける確実な方法です。

※デロイト トーマツ ミック経済研究所「LLM（大規模言語モデル）を自律的に連携させ非定型業務を自動化するAIエージェント ソリューションサービスの市場動向 2025年度版
※富士キメラ総研「2026 生成AI／AIエージェントで飛躍するAI市場総調査」＜2024年度実績・サードパーティ対話型生成AIアプリケーション・ベンダーシェア＞