プロンプトエンジニアリングの学習ロードマップ
入門から評価・RAG・AIエージェントまで5段階で学ぶ。Dify Professionalは年$590、Zapier Agentsは月$20程度が目安。

結論
プロンプトエンジニアリングの学習ロードマップは、1. 入門、2. 業務応用、3. 評価、4. RAG、5. AIエージェント、の順で進めると実務に使いやすい。いきなり高度な自動化を学ぶより、まずはAIに渡す情報と評価基準を設計できるようになることが重要である。入門段階は無料教材で始められ、RAGやエージェントの実践段階に進むと、DifyのProfessionalプラン(年$590程度)やZapier Agents(月$20程度)のようなツール利用料が発生し始める。
学習のゴールは、きれいなプロンプトを書くことではない。自分の業務でAIを安全に使い、出力を確認し、改善できる状態を作ることである。
基礎固めのステップ
最初の3ステップは、ツール選びよりも思考の型を身につける段階である。
Step 1: 入門
最初は、目的、前提、材料、出力形式、評価基準を入れたプロンプトを書けるようにする。練習テーマは、要約、分類、メール下書き、表作成、チェックリスト化がよい。
| 学ぶこと | 到達目標 |
|---|---|
| 指示の分解 | 何をAIに頼むか言語化できる |
| 出力形式 | 表や箇条書きを指定できる |
| 制約条件 | 文字数、読者、禁止事項を入れられる |
| 修正 | 出力を見てプロンプトを直せる |
この段階では、プログラミングよりも業務理解が重要である。
Step 2: 業務応用
次に、実務の成果物へつなげる。営業、採用、CS、開発、管理部門など、部門別に使う。
| 部門 | 練習テーマ |
|---|---|
| 営業 | 商談準備、提案メール、失注分析 |
| CS | 問い合わせ分類、FAQ草案 |
| 人事 | 求人票、研修案、面談メモ |
| 開発 | 仕様整理、テスト観点、障害報告 |
| 管理 | 規程要約、チェックリスト作成 |
業務応用では、AIの出力をそのまま使わず、人間確認の観点をセットにする。
Step 3: 評価
AI活用で差がつくのは評価である。良い出力かどうかを感覚で判断するのではなく、基準を作る。
| 評価観点 | 例 |
|---|---|
| 正確性 | 根拠にないことを言っていないか |
| 完整性 | 必要な項目が漏れていないか |
| 読者適合 | 対象読者に分かる表現か |
| 安全性 | 個人情報や機密情報を含まないか |
| 再現性 | 同じ条件で安定して出るか |
評価を学ぶと、プロンプトを商品化したり、社内テンプレートとして配布したりしやすくなる。
応用領域へ進むステップ
評価の型が身についたら、検索や自動化を組み込む段階に進む。
Step 4: RAG
RAGは、社内文書や教材を検索し、根拠をもとに回答する仕組みである。プロンプトだけではなく、文書整理、分割、検索、根拠表示、評価が必要になる。RAGを学ぶ前に、基本プロンプトと評価を身につけると理解しやすい。RAGは「AIが何でも知っている」状態ではなく、「探す文書を整え、根拠を返す」設計である。
Step 5: AIエージェント
AIエージェントは、AIが複数の手順やツール操作を行う仕組みである。ここでは、権限、ログ、人間承認、停止条件が重要になる。外部送信やDB更新をAIに任せる場合は、誤実行の影響を考える必要がある。初学者は、いきなり完全自動化を目指さず、下書き、分類、要約、タスク候補作成から始める。実行権限を持たせるのは、評価と監査ログが整ってからでよい。
学習順序とマイルストーン
| 期間 | 学習内容 | 成果物 |
|---|---|---|
| 1週目 | 入門プロンプト | 要約・分類テンプレート |
| 2-3週目 | 業務応用 | 部門別テンプレート |
| 4週目 | 評価 | チェックリストと修正ログ |
| 2ヶ月目 | RAG基礎 | 小さなFAQ検索PoC |
| 3ヶ月目 | エージェント基礎 | 人間承認付きの下書き自動化 |
学習ツール・プラットフォームの選択肢
各段階で実際に手を動かす際に使えるツールと、料金の目安をまとめる。数値は2026年7月時点の公開情報に基づく。
| 段階 | ツール | 提供元 | 料金目安 | 用途 |
|---|---|---|---|---|
| 入門〜業務応用 | ChatGPT Prompt Engineering for Developers | DeepLearning.AI | 無料 | 要約・分類・出力形式の基礎練習 |
| RAG | Dify(Cloud) | LangGenius | Professional 年$590、Team 年$1,590 | ノーコードでRAGアプリを試作 |
| RAG | Amazon Bedrock Knowledge Bases | AWS | 個別のKB料金なし。embedding+ベクトルDB+LLMの従量課金 | クラウド上の文書を検索基盤化 |
| AIエージェント | Zapier Agents | Zapier | 基本プラン$19.99/月〜+Agentsアドオン約$20/月 | ノーコードでエージェントの自動化を体験 |
| AIエージェント | Microsoft Copilot Studio | Microsoft | プリペイドパック月29,985円/25,000クレジット(2026年4月時点) | 承認フロー付きエージェントを試作 |
無料〜低コストで到達できる範囲
入門から業務応用、評価までは、無料講座と手元のドキュメントだけで到達できる。RAGとAIエージェントの実践段階では、ノーコードツールの月額・年額利用料が発生し始めるが、いずれも個人検証の範囲であれば数千円〜数万円程度に収まる。
本格導入前に確認すること
学習用ツールでのPoCがうまくいったら、本番導入の前に権限設計、ログ管理、社内承認フローを別途整備する。AllAIでは、学習記事、ナレッジ販売、SaaS比較、開発相談をつなげ、学んだ内容を実務導入へ移しやすくする。
まとめ
プロンプトエンジニアリングは、入門、業務応用、評価、RAG、AIエージェントの順で学ぶ。最初に身につけるべきなのは、AIに渡す情報と評価基準を作る力である。高度な自動化へ進むほど、権限、ログ、人間承認、安全性の設計が重要になり、学習ツールの利用料も段階的に発生する。
FAQ
Q. プロンプトエンジニアリングはどの順番で学ぶべきですか? A. 入門、業務応用、評価、RAG、AIエージェントの順が実務につなげやすい。
Q. RAGやAIエージェントを先に学んでもよいですか? A. 可能だが、基本プロンプトと評価を先に学ぶと理解しやすい。高度な仕組みほど評価と安全設計が重要になる。
Q. 学習の成果物は何を作るとよいですか? A. 部門別テンプレート、評価チェックリスト、FAQ検索PoC、人間承認付きの下書き自動化がよい。
Q. 学習全体でどれくらい費用がかかりますか? A. 入門〜評価は無料講座で十分到達できる。RAGやエージェントの実践段階では、DifyのProfessionalプラン(年$590程度)やZapier Agents(月$20程度)のようなツール利用料が個人検証の範囲でかかることがある。
Q. 独学だけでAIエージェントまで到達できますか? A. 到達可能である。ただし本番の業務に組み込む段階では、権限設計や監査ログの整備が必要になるため、社内のセキュリティ担当や開発会社と連携する場面が出てくる。
Q. 学習でつまずきやすいポイントは何ですか? A. 評価の基準を作らないままRAGやエージェントに進む、権限やログの設計を後回しにする、の2つが多い。Step 3の評価を飛ばさずに進めることが遠回りに見えて近道になる。
出典:
- NIST AI Risk Management Framework: https://www.nist.gov/itl/ai-risk-management-framework (確認日: 2026-07-10)
- AI事業者ガイドライン: https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/20260331_report.html (確認日: 2026-07-10)
- Dify Pricing(公式): https://dify.ai/jp/pricing (確認日: 2026-07-10)
- Microsoft 365 Copilot Studio 料金(公式): https://www.microsoft.com/ja-jp/microsoft-365-copilot/pricing/copilot-studio (確認日: 2026-07-10)
次に見る
関連する記事・ガイド
- AI講座ガイド生成AI研修会社選定スコアカード
生成AI研修会社選定スコアカードでは、生成AI研修会社を、カリキュラム、演習、講師、管理者レポート、更新体制、費用で比較するスコアカードを整理します。
- AI講座ガイドAIリテラシー更新講座の年間計画
AIリテラシー更新講座の年間計画では、モデル更新、社内ルール変更、事故事例、業務適用事例を反映するAIリテラシー更新講座の年間計画を整理します。
- AI講座ガイドAI研修プロンプトライブラリ運用ワークショップ
AI研修プロンプトライブラリ運用ワークショップでは、研修で作ったプロンプトを、所有者、利用範囲、禁止データ、更新日、レビュー責任つきで管理する方法を整理します。
- AI講座ガイドAI研修後の生産性改善事例テンプレート
AI研修後の生産性改善事例テンプレートでは、研修後に、削減時間、品質改善、差戻し削減、リスク低減を事例化して社内展開する方法を整理します。