よんなーハウス

AIをプログラミングにどう活用すればよいか悩ましいところです。

プログラミングに活用できるAIとして現在、自動補完型AI・対話型AI・エージェント型AIの3種類があります。

それぞれの役割と使用場面の違い、またプロンプトと言う人間がAIに投げかける指令書がそれぞれでどう違ってくるかについて、GeminiのDeeepResearchにネットを検索してもらいレポートにまとめてもらいました。

=== 以下がそのレポートです ===

はじめに：プログラミング支援AIが変革するソフトウェア開発

本報告書は、今日のソフトウェア開発を根底から変革しつつあるAI技術に焦点を当て、特にプログラミング支援に特化した三つの主要なAIタイプ――自動補完型AI、対話型AI、そしてエージェント型AI――について、その特徴、開発プロセスにおける役割、効果的な活用法、そして内在するリスクと対策を包括的に分析することを目的としています。対象読者は、日々の開発業務にAIを組み込む開発者、チームの生産性向上を目指すプロジェクトマネージャー、および組織全体の技術戦略を策定する意思決定者です。

AIは、単なるツールの域を超え、要件定義からデバッグ、ドキュメント作成に至るまで、ソフトウェア開発のあらゆるフェーズに深く統合され始めています。本報告は、表面的な機能紹介に留まらず、各AIがどのように開発ワークフローを再構築し、人間の役割をどのように変え、どのような新たな課題をもたらしているのかについて、深い洞察を提供します。この分析を通じて、読者がAIを戦略的に活用し、未来のソフトウェア開発環境に適応するための確固たる知見を得られることを目指します。

第1部：プロンプトの基礎理論とエンジニアリング

1.1. プロンプトとは何か：AIとの対話を規定する「命令書」

プロンプト（Prompt）とは、AI、特に生成AIとの対話やコマンドラインインターフェース（CLI）などの対話形式のシステムにおいて、ユーザーが入力する指示や質問のことを指します 1。これはAIがユーザーの要求や問いに対して、適切で望ましい応答や結果を生成するための基盤となるものです 1。プロンプトの役割は、単に命令を伝えることだけではありません。それはAIに対して具体的なタスクを示し、求めるアウトプットの方向を導く「ガイド」としての機能を果たします 2。不適切で曖昧なプロンプトは、AIに望ましくない結果や誤った情報を生成させる可能性があるため、AIを効果的に利用するには、プロンプトの設計が極めて重要となります 1。

このプロンプトを設計し、最適化する技術は「プロンプトエンジニアリング」と呼ばれます 3。これは単なる指示の書き方というより、AIの挙動を深く理解した上で、その能力を最大限に引き出すための科学的な手法と位置付けられます 5。生成AIは、命令の出し方によって出力されるコンテンツの質が大きく異なるため、より適切なプロンプトを入力するスキルが強く求められています 4。プロンプトエンジニアリングは、生成AIを使いこなす上で不可欠な技術であり、この分野に特化した技術者は「プロンプトエンジニア」という新しい職種として注目を集めています 4。

1.2. プロンプトの基本要素とベストプラクティス

効果的なプロンプトを作成するためには、いくつかの主要な要素を意識的に含めることが不可欠です 4。

• 命令・指示（Instruction）: AIに実行してほしいタスクを明確に記述する部分です 6。例えば、「以下の文章を要約してください」といった具体的な要求を最初に明示することが、AIがタスクを正確に理解する上で効果的です 6。
• 背景・文脈（Context）: 出力の質を高めるために、AIに考慮してもらいたい背景情報や関連情報を提供します 4。例えば、「以下の文章を日本語から英語に翻訳してください」という文脈を与えることで、AIはより正確な翻訳結果を生成できます 1。
• 入力データ（Input Data）: AIに回答を生成させたい具体的な質問や、処理させたい元のデータです 4。
• 出力形式（Output Indicator）: 期待する回答の形式や、守ってほしい制約事項を明示します 4。例えば、「最大500文字までの要約を生成してください」といった文字数制限や、「箇条書きで」「表形式で」といったフォーマットの指定が含まれます 1。

これらの要素を踏まえた上で、より質の高い出力を得るための実践的な作成手法が確立されています。一つは「役割設定（Role-playing）」です 9。AIに「あなたはプロのクリエイターです」といった特定の役割を与えることで、AIの思考プロセスや回答のトーンを調整し、目的に沿った専門的なアウトプットを導くことができます 6。

また、プロンプトには、望ましくない内容（NGワードや避けるべきトーンなど）を「制約条件」として明確に記述することも重要です 10。これにより、出力の一貫性や精度を向上させることができます。さらに、複雑なタスクを一度に指示するのではなく、小さなステップに分割して段階的に指示を出す方法も有効です 4。この手法により、AIは各ステップを確実に完了させ、最終的なアウトプットの精度を高めることができます 9。

プロンプトの作成は、単なる命令文の記述を超えた、人間の思考プロセスを外部化する行為と捉えられます。頭の中にある曖昧な内容を整理し、質問文に書き下す過程で、問題が自己解決することさえあります 12。この事実は、プロンプトが単なる指示ツールではなく、開発者自身の思考を体系化し、言語化する「認知の補助ツール」として機能していることを示唆しています。したがって、AIへの「質問する力」を鍛えることは、同時に自身の論理的思考力やコミュニケーション能力を向上させることにも繋がります。

プロンプト作成は本質的に「反復的な作業」であり 1、試行錯誤が不可欠です 9。このプロセスは、ソフトウェア開発におけるデバッグやテストのサイクルと共通しています。この知見は、個人レベルの改善に留まらず、組織的な知識管理の重要性を示唆しています。効果的なプロンプトをライブラリとして構築し、チーム内で共有する文化を醸成することで 14、個々の生産性向上だけでなく、組織全体のAI活用能力を高め、技術的な負債を減らす戦略的資産となり得ます 15。

第2部：プログラミング支援AIの類型別分析と活用ガイド

プログラミングを支援するAIは、その機能と開発プロセスにおける役割に応じて大きく三つのタイプに分類できます。以下に、各タイプの特徴、役割、およびプロンプト作成の要点を比較します。

2.1. 自動補完型AI

自動補完型AIは、統合開発環境（IDE）にシームレスに連携し、開発者がコードを書いている最中に、リアルタイムでコードの補完や関数、アルゴリズムの提案を行います 17。このAIは、自然言語で書かれたコメントを解析し、それに合致するコードを自動生成する機能も備えています 16。また、文法ミスや構文エラーを即座に検出して修正案を提示することで、品質向上にも寄与します 16。代表的なツールには、GitHub CopilotやAmazon CodeWhisperer、Tabnineなどがあります 29。

開発プロセスにおいて、自動補完型AIの主要な役割は、日常的なコーディング作業の高速化にあります 16。特に、反復的なタスクや単純なコード生成において、AIは迅速かつ正確に作業をこなし、開発者がより創造的な設計や複雑な問題解決に時間を集中できるようにします 16。また、複雑な構文やフレームワークに不慣れな初学者にとっては、学習のハードルを大幅に下げる効果も期待できます 16。

プロンプト作成の手順は、対話型AIとは異なり、主にコード内の「暗黙の文脈」と「コメント」をプロンプトとして活用します 13。AIは、ユーザーが記述した変数名、関数名、周囲のコード、およびコメントの内容を解析することで、次に書くべきコードを予測します 27。したがって、プロンプトの精度を高めるためには、意味の分かりやすい変数名や関数名を使用し、簡潔で明確なコメントを記述することが重要です 27。複雑な機能は一度に指示するのではなく、基本構造から段階的に詳細化していくことで、AIはより管理しやすいコードを生成します 13。

2.2. 対話型AI

対話型AIは、汎用的な大規模言語モデル（LLM）をベースとし、チャット形式で多岐にわたるタスクを支援します 12。その活用範囲は、要件定義から設計、コーディング、テスト、デバッグ、そしてドキュメント生成に至るまで、ソフトウェア開発のあらゆるフェーズに及びます 11。代表的なツールには、ChatGPT、Claude、Geminiなどがあり、これらは特定のIDEに縛られず、幅広い用途に利用できます 12。

このタイプのAIは、開発プロセスにおいて、開発者の「思考の壁打ち相手」や「学習パートナー」としての役割を担います 12。例えば、新しい技術やフレームワークの概念を質問したり、エラーの原因を追究したりする際に、人間のように対話を繰り返しながら不明点を掘り下げることが可能です 12。これにより、学習者は自らの疑問をリアルタイムで解決し、モチベーションを維持しながらスムーズに学習を進めることができます 24。

対話型AIへのプロンプト作成においては、単に質問するだけでなく、「文脈情報の共有」が最も重要となります 12。AIは人間の目に見えない状況を理解できないため、作業の目的、経緯、自身の理解度など、必要な情報を冒頭で正確に伝える必要があります 12。また、一度のプロンプトで完結させるのではなく、得られた回答に対してさらに質問を重ねて掘り下げる「段階的指示」や「思考連鎖型プロンプト」の手法が効果的です 11。このプロセスは、リモートワークの同僚に質問するような感覚で、明確な目的とペルソナを設定することで、より質の高い回答を得られることが知られています 12。

2.3. エージェント型AI

エージェント型AIは、従来のAIの受け身的な応答とは一線を画し、ユーザーが設定した最終的な目標に向けて、自律的に計画を立て、タスクを分解し、外部ツール（Webブラウザ、IDE、APIなど）を操作して実行するシステムです 20。これは単なる情報生成を超え、判断と実行を自律的に行うシステムであり 20、あたかも優秀なアシスタントのように目的を達成するために動きます 38。DevinやJITERA、またDifyのようなプラットフォームもこの概念に基づいています 25。

エージェント型AIの究極的な役割は、ソフトウェア開発プロセス全体を自律的に実行することです 25。これにより、要件定義、コーディング、テスト、デプロイといった一連の工程をAIが自動で担い、人間のエンジニアはより高次の創造的タスク（アーキテクチャ設計、戦略立案など）に集中できる環境を構築することを目指します 22。

エージェント型AIへのプロンプト作成は、他のAIタイプとは根本的に異なります。開発者は具体的な実装方法を指示するのではなく、達成すべき最終目標を明確かつ簡潔に定義することが求められます 9。例えば、「ECサイトのユーザー認証機能を実装する」といった粒度の大きな目標を与えることで、AIは自律的に必要なサブタスク（データベース設計、APIエンドポイントの作成、UIコンポーネントの実装など）に分解し、実行します 20。この際、使用する言語やフレームワーク、セキュリティ要件などの「制約条件」を箇条書きで明確に指定することが重要です 9。エージェントの自律的な判断に任せすぎず、適切なディレクション（指示・制御）を行う能力が、このタイプのAIを使いこなす上で不可めて重要となります 41。

AIの進化は、局所的な「自動化」から、全体的な「オーケストレーション」へと役割をシフトさせています。自動補完型AIがコードの1行1行という局所的なタスクを自動化するのに対し、対話型AIは個別の思考や学習プロセスを支援します 12。そして、エージェント型AIは、プロジェクト全体という複雑なワークフローを自律的に設計し、実行する段階へと移行しています 20。この変化は、AIが人間の作業を代替するだけでなく、業務プロセス全体を再構築する力を持つことを意味します 38。このトレンドは、開発者の役割をより高次の思考や戦略立案へとシフトさせ、単なるコーディングスキルを超えた新たな能力を求めることになります。

また、各AIタイプは、それぞれの能力と設計思想に応じてプロンプトの形が根本的に異なります。自動補完型AIは「暗黙の文脈」とコメント 13、対話型AIは「人間との会話」 12、そしてエージェント型AIは「最終目標の定義」 28 がプロンプトとなります。この違いを理解し、AIのタイプに応じて思考法を切り替えることが、AIを効果的に活用するための鍵となります。

第3部：プログラミングAIの共通課題とリスク管理

プログラミング支援AIは多大なメリットをもたらす一方で、いくつかの共通した技術的、法的、倫理的な課題も存在します。これらのリスクを理解し、適切に対処することが、AIを安全に運用する上で不可欠です。以下に、主要なリスクとその対策を対比させて詳述します。

3.1. ハルシネーション：もっともらしい「嘘」への対処

ハルシネーションは、AIが事実に基づかない情報を自信を持って生成する現象であり 44、プログラミング分野でも例外ではありません。例えば、存在しないライブラリや関数を生成したり 46、複雑な計算で誤った結果を出力したりする事例が報告されています 47。この現象の主な原因は、AIが学習したデータの偏りや不足 49、そして曖昧な指示に対して「知らない」と答える代わりに「もっともらしい嘘」を創作しようとする性質にあります 44。

プログラミングにおけるハルシネーションは、文章生成におけるそれと比較して、比較的対処しやすいという見方があります 46。これは、コードには「実行」という強力なファクトチェック機能が存在するためです。AIが生成したコードに誤りがあっても、実行すればすぐにエラーが表示され、問題を特定できます 46。しかし、この事実には落とし穴も存在します。AIが生成するコードは、変数名が適切でコメントも充実していることが多く、その「見た目の良さ」が開発者に「偽りの安心感」を与え、厳密な検証を怠らせるリスクがあるのです 46。したがって、AIの能力を過信することなく、常に批判的思考を保ち、生成されたコードを実行・テストするという人間側のリテラシーが不可欠です。

ハルシネーション対策は、プロンプトの改善と技術的アプローチの組み合わせが鍵となります。プロンプトを具体的かつ明確にする 51、AIに「情報が不確かな場合は『わかりません』と回答する」よう指示する 50、特定の役割を与える 51 といったプロンプト設計の工夫は、ハルシネーションの発生を抑制します。さらに、信頼性の高い社内ドキュメントやデータベースをAIに参照させるRAG（検索拡張生成）システムを構築することで、ハルシネーションを劇的に抑制できるという技術的解決策が提示されています 38。これは、AIを閉じた知識空間で運用するのではなく、信頼できる外部情報と連携させる「ハイブリッドなアーキテクチャ」が不可欠であることを示唆しています。

3.2. プロンプトインジェクション：巧妙なサイバー攻撃の脅威

プロンプトインジェクションは、悪意のある指示をAIのプロンプトに紛れ込ませることで、システムプロンプトを上書きし、AIに意図しない挙動を引き起こさせたり、機密情報を盗み出したりするサイバー攻撃です 52。この攻撃には、ユーザーが直接悪意のあるプロンプトを入力する「直接攻撃」と、AIが参照する外部ソース（Webサイト、ドキュメントなど）に悪性プロンプトを仕込む「間接攻撃」があります 56。

プロンプトインジェクションによるリスクは多岐にわたります。例えば、「機密情報を教えて」といったプロンプトで、本来アクセスできない情報を引き出そうとする機密情報漏洩 53 や、「このコードを実行して」といった指示で悪意のあるプログラムを実行させるケースが報告されています 53。また、AIを騙して不正確な情報を外部に拡散させるリスクも存在します 53。

プロンプトインジェクションへの対策は、単一の防御策では不十分であり、複数の対策を組み合わせる「多層防御」が不可欠です 57。

第一に、プロンプトの「分離」が重要です 58。システムプロンプト（AIの基本ルール）とユーザープロンプト（ユーザーの入力）を明確に区別し、ユーザー入力によってシステム指示が上書きされないようにする必要があります 58。

第二に、入力・出力の「フィルタリング」が挙げられます 57。ユーザー入力を事前に検証し、「無視して」「管理者モードを有効にして」といった危険なフレーズを排除するとともに、AIが出力した情報に機密情報や不適切なコンテンツが含まれていないかチェックします 58。

第三に、セキュリティ原則である「最小権限の原則」を適用し、AIに必要最低限の権限のみを与えます 57。さらに、AIが生成したコードや、機密情報へのアクセスを隔離された環境で行う「サンドボックス化」の検討も有効な対策となります 59。

3.3. その他の法的・倫理的課題と対策

プログラミング支援AIの利用には、ハルシネーションやプロンプトインジェクション以外にも、法的・倫理的な課題が存在します。

一つは「著作権侵害リスク」です 62。AIが生成したコードやテキストが、学習元となった既存の著作物と酷似している場合、意図せず著作権を侵害する可能性があります 45。特に、コピーレフト型のOSS（オープンソースソフトウェア）ライセンスとの互換性には慎重な確認が必要です 62。

もう一つは「情報漏洩リスク」です 63。ユーザーが機密情報や個人情報をAIに入力した場合、その情報がAIの学習データとして利用され、意図せず外部に流出するリスクがあります 45。これは、サムスン電子が従業員による生成AIの利用を禁止するに至った一因ともなりました 64。

これらのリスクを管理するためには、組織的な対策が求められます。著作権侵害リスクを軽減するには、生成物の商用利用に関する利用規約を事前に確認し、必要に応じて類似性チェックツールを活用することが重要です 62。情報漏洩リスクへの対策としては、機密情報をAIに入力しないことが最も基本的な原則です 63。さらに、入力データを学習に利用しないことが明記されたサービスを選択し、従業員向けの明確な利用ガイドラインを策定してセキュリティ教育を徹底することが、企業としての責任ある運用を支える基盤となります 65。

結論：人間とAIの協働が築く未来のソフトウェア開発

本報告書では、プログラミング支援AIを「自動補完型」「対話型」「エージェント型」の三つの類型に分類し、それぞれの特性と開発プロセスにおける役割を詳細に分析しました。自動補完型AIは日常的なコーディングの効率化を、対話型AIは思考や学習の補助を、そしてエージェント型AIは開発ワークフロー全体の自律的なオーケストレーションを担う存在であることが明らかになりました。これらのAIは、単に人間を代替するのではなく、それぞれの強みを活かして人間の能力を拡張する「協働者」として機能します。

AIがソフトウェア開発に深く統合されるにつれ、開発者に求められるスキルセットも変化しています。単にコードを記述する能力だけでなく、AIの挙動を理解し、目的を正確に言語化する「プロンプトエンジニアリング」のスキル、そしてAIが生成した情報の真偽を検証し、リスクを管理する「批判的思考」と「ガバナンス」の能力が不可欠となります。これからの時代、AIを適切に「ディレクション」し、その能力を最大限に引き出すことができる開発者が、最も価値ある存在となるでしょう。

未来のソフトウェア開発は、これらのAIタイプを組み合わせたハイブリッドなワークフローによって再構築されていくと考えられます。例えば、要件定義や設計の初期段階で対話型AIに思考の壁打ちを行い、実装フェーズでは自動補完型AIでコーディング速度を上げ、デバッグやリファクタリングでは対話型AIを活用し、そして最終的なデプロイやテストはエージェント型AIに任せるといった、各AIの特性を活かしたシームレスな協働体制が構築されることでしょう。人間とAIがそれぞれの得意分野を分担することで、創造性は高まり、生産性は飛躍的に向上し、より複雑かつ高品質なソフトウェアを迅速に開発できる時代が到来しています。

引用文献

1. プロンプト｜分かりやすく解説｜AI用語集 - ソフトバンク, 8月 18, 2025にアクセス、 https://www.softbank.jp/biz/solutions/generative-ai/ai-glossary/prompt/
2. 生成AIプロンプト活用術：使いこなすためのベストプラクティス｜サービス - NTT東日本, 8月 18, 2025にアクセス、 https://business.ntt-east.co.jp/content/cloudsolution/municipality/column-33.html
3. 生成AI初心者必見！プロンプトの基本と上手な作り方を徹底解説 - AIRealizeオフィシャル, 8月 18, 2025にアクセス、 https://airealize.ai/column/prompt/
4. プロンプトエンジニアリング | 用語解説 | 野村総合研究所(NRI), 8月 18, 2025にアクセス、 https://www.nri.com/jp/knowledge/glossary/prompt_engineering.html
5. cloud.google.com, 8月 18, 2025にアクセス、 https://cloud.google.com/discover/what-is-prompt-engineering?hl=ja#:~:text=%E3%83%97%E3%83%AD%E3%83%B3%E3%83%97%E3%83%88%20%E3%82%A8%E3%83%B3%E3%82%B8%E3%83%8B%E3%82%A2%E3%83%AA%E3%83%B3%E3%82%B0%E3%81%A8%E3%81%AF%E3%80%81AI,%E5%BF%9C%E7%AD%94%E3%81%A7%E3%81%8D%E3%82%8B%E3%82%88%E3%81%86%E3%81%AB%E3%81%97%E3%81%BE%E3%81%99%E3%80%82
6. 生成AIの性能を引き出すポイントは「プロンプト」！ | 活文 - 日立ソリューションズ, 8月 18, 2025にアクセス、 https://www.hitachi-solutions.co.jp/katsubun/column/generative_ai001/
7. 【使えるプロンプト30選】生成AIのプロンプト作成のコツと実例を解説 | DEKIRU.AI(デキルエーアイ), 8月 18, 2025にアクセス、 https://dekiru.ai/590/
8. AI のプロンプト エンジニアリング ガイド - Google Cloud, 8月 18, 2025にアクセス、 https://cloud.google.com/discover/what-is-prompt-engineering?hl=ja
9. 【完全保存版】AIエージェントに効果的なプロンプトを書くコツとは？業務で使える実践テクニック集, 8月 18, 2025にアクセス、 https://aiagent-navi.com/ai-agent/ai-agent-prompt-tips/
10. 生成AIのプロンプトとは？LLMをうまく操るコツやビジネス向け事例、注意点を解説！ - Nextremer, 8月 18, 2025にアクセス、 https://www.nextremer.com/data-annotation/blog/generative-ai-prompts
11. プログラミングを効率化するChatGPTの活用法まとめ【言語別のコード例あり】 - 侍エンジニア, 8月 18, 2025にアクセス、 https://generative-ai.sejuku.net/blog/411/
12. プログラミング初心者のためのチャット型AI活用ガイド【ChatGPT入門】, 8月 18, 2025にアクセス、 https://prota-p.com/ai_chatai_beginers_guid/
13. プロンプトエンジニアリングfor Github Copilot #LLM - Qiita, 8月 18, 2025にアクセス、 https://qiita.com/hokutoh/items/4a5447833721fe8390d9
14. AIコーディングエージェントを使いこなす：経験豊富な開発者が実践する3つの戦略 - Zenn, 8月 18, 2025にアクセス、 https://zenn.dev/calico923/articles/4c99dc925a13cc
15. Ai開発ツールスタック：エンジニアリングチームのai活用法 - CodeRabbit, 8月 18, 2025にアクセス、 https://www.coderabbit.ai/blog/ai-adoption-how-developers-are-using-ai-dev-tools-ja
16. コード生成AIのメリットとデメリットの詳細解説 - 株式会社一創, 8月 18, 2025にアクセス、 https://www.issoh.co.jp/tech/details/4206/
17. GitHub CopilotはどのようにしてAIでコードを理解できるようになったのか？ 事例詳細 - つなweB, 8月 18, 2025にアクセス、 https://tsunaweb.book.mynavi.jp/tsunaweb/tsuna/detail/id=6695
18. Visual Studio での GitHub Copilot Completions について - Microsoft Learn, 8月 18, 2025にアクセス、 https://learn.microsoft.com/ja-jp/visualstudio/ide/visual-studio-github-copilot-extension?view=vs-2022
19. コード開発に最適な生成AIとは。コーディング特化型と汎用型を徹底比較 | オージス総研, 8月 18, 2025にアクセス、 https://www.ogis-ri.co.jp/column/bizai/c107998.html
20. AIエージェントとは？次世代技術の活用と未来展望をわかりやすく解説 - WOR(L)D ワード, 8月 18, 2025にアクセス、 https://www.dir.co.jp/world/entry/solution/agentic-ai
21. AIエージェントとは - IBM, 8月 18, 2025にアクセス、 https://www.ibm.com/jp-ja/think/topics/ai-agents
22. SDS技術コラム：AIエージェント | 社会・産業のデジタル変革 - IPA, 8月 18, 2025にアクセス、 https://www.ipa.go.jp/digital/kaihatsu/sds-column/ai-agent.html
23. AIエージェントとAIアシスタントの違い - IBM, 8月 18, 2025にアクセス、 https://www.ibm.com/jp-ja/think/topics/ai-agents-vs-ai-assistants
24. なぜプログラミング学習にChatGPTを使うべきなのか？ 実際どう使えばいい？ - note, 8月 18, 2025にアクセス、 https://note.com/shoeisha_bizit/n/n7be206a046ec
25. Devinとは？自立型AIの始め方と使い方！料金や日本語の対応状況 ..., 8月 18, 2025にアクセス、 https://miralab.co.jp/media/devin/
26. 自律的に動くAIエージェント(LLMエージェント)入門｜えんぞう - note, 8月 18, 2025にアクセス、 https://note.com/en2enzo/n/n2ad501e1fd3e
27. Amazon CodeWhispererを使ったプロンプトエンジニアリングのベストプラクティス - AWS, 8月 18, 2025にアクセス、 https://aws.amazon.com/jp/blogs/news/best-practices-for-prompt-engineering-with-amazon-codewhisperer/
28. AI エージェントを使用した自動化のガイドラインとベスト プラクティス - Webex Help Center, 8月 18, 2025にアクセス、 https://help.webex.com/ja-jp/article/nelkmxk/Guidelines-for-defining-goals-and-instructions-for-AI-Agent
29. コード生成AIとは？おすすめツール7選を徹底比較！プログラミングやコーディングを自動生成！, 8月 18, 2025にアクセス、 https://jitera.com/ja/insights/11873
30. 生成AIサービス一覧【主要12種の性能・料金を徹底比較】 - 侍エンジニア, 8月 18, 2025にアクセス、 https://generative-ai.sejuku.net/blog/3732/
31. 【2025年版】生成AIランキング徹底比較｜料金と用途で選ぶ最強ツール | 株式会社メイカヒット, 8月 18, 2025にアクセス、 https://make-a-hit.co.jp/column/ai2025/
32. GitHub Copilotのコード補完とチャット機能の精度を高める使い方 - OpenWork Tech Blog, 8月 18, 2025にアクセス、 https://techblog.openwork.co.jp/entry/best-practice-github-copilot
33. プログラミングの「コメント」とは？書くときのポイント5つや参考書も紹介 - DMM WEBCAMP, 8月 18, 2025にアクセス、 https://web-camp.io/magazine/archives/62627/
34. 2025年最新！GitHub Copilot完全導入ガイド【初心者向け】 - note, 8月 18, 2025にアクセス、 https://note.com/hide6631/n/n38c8a9d14af2
35. ソフトウェア開発のユースケースに ChatGPT を活用する - Visure Solutions, 8月 18, 2025にアクセス、 https://visuresolutions.com/ja/%E3%83%96%E3%83%AD%E3%82%B0/%E3%82%BD%E3%83%95%E3%83%88%E3%82%A6%E3%82%A7%E3%82%A2%E9%96%8B%E7%99%BA%E3%81%AE%E3%83%A6%E3%83%BC%E3%82%B9%E3%82%B1%E3%83%BC%E3%82%B9%E3%81%AB-AI-%E3%82%92%E6%B4%BB%E7%94%A8%E3%81%99%E3%82%8B/
36. 生成AIから、使える回答を得るために必要な「プロンプトエンジニアリング」 - Salesforce, 8月 18, 2025にアクセス、 https://www.salesforce.com/jp/blog/generative-ai-prompts/
37. ChatGPTの深津式プロンプトとは？特徴から例文まで詳しく解説 - AIsmiley, 8月 18, 2025にアクセス、 https://aismiley.co.jp/ai_news/what-is-fukatsu-prompt/
38. AIワークフローとは？エージェントの違いや作り方、おすすめツールを解説, 8月 18, 2025にアクセス、 https://www.ai-souken.com/article/ai-workflow-overview
39. AIエージェントツール16選。どんなタイプが登場しているか ..., 8月 18, 2025にアクセス、 https://www.aspicjapan.org/asu/article/48649
40. LLMエージェントのデザインパターン、Agentic Design Patternsを理解する - Zenn, 8月 18, 2025にアクセス、 https://zenn.dev/loglass/articles/b9ee37737deb85
41. 【2025年版】AIエージェントとは？仕組みと活用事例を徹底解説 - 経営デジタル株式会社, 8月 18, 2025にアクセス、 https://keiei-digital.com/column/ai-agent/what-is-ai-agent/
42. AIエージェント「Devin」はジュニアエンジニアの域を超えていた ..., 8月 18, 2025にアクセス、 https://forest.watch.impress.co.jp/docs/serial/aidev/1671331.html
43. 【2025年最新】AIエージェント事例10選｜業務への活用シーンを一挙公開 - 経営デジタル株式会社, 8月 18, 2025にアクセス、 https://keiei-digital.com/column/ai-agent/ai-agent-use-cases/
44. AIの嘘を見破れ！「ハルシネーション」の核心に迫る：原因、防止策、RAG・プロンプト術まで, 8月 18, 2025にアクセス、 https://www.profuture.co.jp/mk/column/how-to-prevent-hallucination
45. 生成AIの誤引用に備える｜LLMとハルシネーションのリスク管理 - シンギ株式会社, 8月 18, 2025にアクセス、 https://sng.co.jp/blog/seisei-ai-goinyou-harushine-syon-risuku/
46. AIにプログラミングさせる時に幻覚が発生しても大した問題にはならないという主張 - GIGAZINE, 8月 18, 2025にアクセス、 https://gigazine.net/news/20250304-llm-coding-hallucinations/
47. ChatGPTによるプログラム生成の可能性と限界（前編） - Qiita, 8月 18, 2025にアクセス、 https://qiita.com/autotaker1984/items/5b5ac8c01d11fbbbc4a7
48. 生成AIのハルシネーションとは？種類や事例、発生の原因と対策方法について解説 | WEEL, 8月 18, 2025にアクセス、 https://weel.co.jp/media/hallucination
49. AIが出す「もっともらしい嘘」にご用心！ ハルシネーションの仕組みと対策を学ぼう, 8月 18, 2025にアクセス、 https://bc.at-s.com/kiji/column_029
50. ChatGPTでハルシネーションを抑制する対策は？すぐ使えるプロンプト例・最新機能を活用した対策方法を徹底解説！ - AI Market, 8月 18, 2025にアクセス、 https://ai-market.jp/howto/chatgpt-hallucination/
51. ハルシネーションって何？発生を抑制するプロンプトの書き方７つのポイント｜大澤真介 - note, 8月 18, 2025にアクセス、 https://note.com/genial_canna9391/n/neafb6ae5dc1d
52. AIチャットボットが狙われる？プロンプトインジェクションの脅威と対策 | OPTiM お役立ち情報, 8月 18, 2025にアクセス、 https://www.optim.co.jp/media/cat-guide/aires-ai_250415-01
53. プロンプトインジェクションとは？ 攻撃の仕組みや対策など, 8月 18, 2025にアクセス、 https://www.hitachi-solutions-create.co.jp/column/technology/prompt-injection.html
54. LLM CTF @ SaTML 2024 から学ぶ プロンプトインジェクション - Qiita, 8月 18, 2025にアクセス、 https://qiita.com/nodananodanado/items/3c9b75a848c56fe12b73
55. プロンプトインジェクション攻撃とは? [Prompt Injection Attack] - Wiz, 8月 18, 2025にアクセス、 https://www.wiz.io/ja-jp/academy/prompt-injection-attack
56. RAG（検索拡張生成）への攻撃手法｜社内利用のLLMが社外から狙 ..., 8月 18, 2025にアクセス、 https://www.nri-secure.co.jp/blog/indirect-prompt-injection
57. プロンプトインジェクションとは？生成AIを狙う最新の脅威 - wiz LANSCOPE ブログ, 8月 18, 2025にアクセス、 https://www.lanscope.jp/blogs/it_asset_management_emcloud_blog/20250326_25764/
58. 【2025年最新版】プロンプトインジェクションの対策をAI専門業者が解説 - スパイクスタジオ, 8月 18, 2025にアクセス、 https://spikestudio.jp/blog/bdyIJQMI
59. サンドボックスとは？意味・定義 | IT用語集 | docomo business Watch - NTTドコモビジネス, 8月 18, 2025にアクセス、 https://www.ntt.com/bizon/glossary/j-s/sandbox.html
60. ハルシネーションを制する者がAIを制する：幻覚対策の最新テクニック集 - Zenn, 8月 18, 2025にアクセス、 https://zenn.dev/taku_sid/articles/20250402_hallucination_countermeasures
61. プロンプトインジェクション対策の完全ガイド：LLMシステムを守るための実践的アプローチ - note, 8月 18, 2025にアクセス、 https://note.com/nekonyannko222/n/nc7b3a5d82b45
62. OSS開発利用時は要注意。GitHub Copilot使用の2つの法律リスクを弁護士が解説 - レバテック, 8月 18, 2025にアクセス、 https://levtech.jp/media/article/column/detail_340/
63. 生成AIによって生じるセキュリティリスクとは？対策も解説 - インターコム, 8月 18, 2025にアクセス、 https://www.intercom.co.jp/malion/column/generative-ai-security/
64. 【2024年最新】生成AIによる事件5選｜情報漏洩〜詐欺事件まで - メタバース総研, 8月 18, 2025にアクセス、 https://metaversesouken.com/ai/generative_ai/incident/
65. 生成AIのセキュリティリスクとは？具体的な対策方法をわかりやすく解説 - LANSCOPE, 8月 18, 2025にアクセス、 https://www.lanscope.jp/blogs/it_asset_management_emcloud_blog/20250625_27928/
66. LLMとは？生成AIやChatGPTとの違い・導入の注意点をわかりやすく解説 - 大和総研, 8月 18, 2025にアクセス、 https://www.dir.co.jp/world/entry/solution/llm