Persona Stackとは?AIに3つの役割を同時に持たせるプロンプト術

AI情報まとめ

AIに役割を与えるとき、「あなたはプロの〇〇です」の一文だけで終わっていませんか。

役割を与えること自体は定番のテクニックです。この１文は有名ですね笑。でも、1人の役割を与えただけだと、出力は「その役が一方的に書いたもの」になります。実際の良い文章は、書き手だけでなく編集者のチェックと、読み手の反応を経て仕上がっていくもの。この工程をまるごとAIに再現させるのが、今回の型です。

Persona Stack(ペルソナスタック)は、役割を1人ではなく3層で重ねて、執筆→添削→読み手チェックを1回のプロンプトで走らせる型です。

Persona Stackとは?

Persona Stackは、一言でいうと「執筆役・添削役・読み手役の3人格をAIに同時に持たせる」手法です。

たとえると、雑誌の編集部です。ライターが原稿を書き、編集長が赤を入れ、最後に読者モニターの反応を見て修正する。1つの文章に3つの視点が通ることで、独りよがりな文章が世に出るのを防いでいます。この編集部の体制を、1回のプロンプトでAIの中に作ります。

3層の役割はこう分かれます。

  1. 執筆役:まず文章を書く
  2. 添削役:書かれた文章に赤を入れる
  3. 読み手役:想定読者になりきって、伝わるかを判定する

Day 2で紹介したSelf-Refine(生成→批評→改稿)と似ていますが、違いは3層目の「読み手役」です。作り手側の視点だけでなく、受け取る側の視点が入る。ここがこの型の核心です。

なぜ効くのか

①「伝わらない箇所」は読み手役にしか見つけられない
執筆役と添削役は、どちらも「作り手」の視点です。文法や構成の粗は見つけられても、「この専門用語、読者は知らないのでは?」という指摘は読み手の立場からしか出てきません。3層目があることで、この種の指摘が拾えるようになります。

②読み手役を具体的にするほど、フィードバックが具体的になる
「読者」ではなく「新しいツールに懐疑的な40代の上司」のように具体化すると、その人が引っかかりそうなポイントを狙い撃ちで指摘してくれます。読み手役の解像度が、この型の効果を決めます。

コピペOKプロンプト

以下をそのままコピーして、役割と「［　　　］」を自分の用途に書き換えてください。

あなたは次の3人格を、1人で同時に持ってください。
①執筆役:この分野に詳しいプロの書き手
②添削役:論理の穴と冗長さを容赦なく指摘する編集者
③読み手役:［想定する読み手を具体的に］
執筆→添削→読み手視点での再修正、を1レスポンスで全部実行してください。
作成するもの:［　　　］

③の読み手役をどれだけ具体的に書けるかが勝負です。年齢・立場・その人の関心事や警戒心まで入れると、読み手チェックの精度が一気に上がります。

実践例:before / after

「職場に新しいチャットツールの導入を提案する文章」で試してみました。読み手は決裁権のある上司。提案が通るかどうかは、文章の説得力にかかっている場面です。

🔴 before:役割1つだけのプロンプト

「あなたはプロのビジネスライターです。職場に新しいチャットツールの導入を提案する文章を書いてください。」

→ 結果:「業務効率が向上します」「情報共有がスムーズになります」というメリットが並ぶ、きれいな提案文が返ってきました。ただ、読み返してみると「導入の手間」や「コスト」への言及がゼロ。いいことしか書いていない提案文は、決裁する側からすると逆に警戒されるタイプの文章です。

🟢 after:Persona Stackを使ったプロンプト

あなたは次の3人格を、1人で同時に持ってください。
①執筆役:社内提案に慣れたビジネスライター
②添削役:論理の穴と冗長さを容赦なく指摘する編集者
③読み手役:新しいツールの導入に懐疑的で、コストと移行の手間を
　真っ先に気にする40代の部長
執筆→添削→読み手視点での再修正、を1レスポンスで全部実行してください。
作成するもの:職場に新しいチャットツールの導入を提案する文章

→ 結果:読み手役のチェックで「費用対効果の数字がない。移行期間中の業務への影響に触れていない。この2点を聞かれたら答えられるのか」という指摘が入りました。最終版では月額コストと想定される移行スケジュール、懸念への先回りの回答が盛り込まれ、「提案が通ることを想定した文章」に変わりました。

使いどころと注意点

✅ こんな場面で使う

  • 読み手を説得する文章(提案・お願い・案内文)
  • 相手の反応が結果を左右する場面(依頼メール・交渉ごと)
  • 読み手の知識レベルに合わせたい説明文

❌ これには向いていない

  • 事実の調べもの・データ分析(ペルソナが精度を上げない領域)
  • 読み手が特定できない文章(読み手役が機能しない)

ここで1つ、正直に共有しておきたい研究があります。「専門家のペルソナを与えても、事実問題の正答率は上がらない」という報告が2024年に出ています。162種類のペルソナで2,410問の事実問題を検証した結果、ペルソナなしと比べて一貫した改善は見られなかった、という内容です。つまりペルソナは「知識の精度を上げる魔法」ではありません。効くのは今回のような「視点や文体をコントロールしたい場面」です。この使い分けはシリーズ終盤でもくわしく扱います。

📎 Zheng et al. (2024) “When ‘A Helpful Assistant’ Is Not Really Helpful: Personas in System Prompts Do Not Improve Performances of Large Language Models”, Findings of EMNLP 2024
　https://arxiv.org/abs/2311.10054

🔧 上級者向け:読み手役を2人にする

ここは応用の話なので、読み飛ばしてOKです。

読み手が複数いる文章(たとえば上司と現場メンバーの両方が読む案内文)では、読み手役を2人に増やす方法があります。

③読み手役A:コストを気にする決裁者
④読み手役B:操作を覚える手間を気にする現場メンバー

両方の視点でチェックが入るので、どちらか一方に偏った文章になるのを防げます。ただし人格を増やすほど出力は長くなるので、4人格までが実用的な上限です。

まとめ

  • Persona Stackは「執筆役・添削役・読み手役の3層をAIに同時に持たせる」型
  • 核心は3層目の読み手役。具体的にするほど指摘が鋭くなる
  • ペルソナは事実調査には効かない。説得・文体の場面で使う

誰かを説得する文章を書く予定があれば、読み手役に「その人」を設定して試してみてください。提出する前に、一番厳しい読者のチェックを済ませておける。それがこの型の実用的な価値です。

⚠️ この記事の情報は執筆時点(2026年6月)の内容です。AIツールの仕様・挙動はアップデートで変わることがあります。最終確認は各サービスの公式サイトや一次情報でお願いします。

📎 引用・参考

・Zheng, Pei, Logeswaran, Lee, Jurgens (2024) “When ‘A Helpful Assistant’ Is Not Really Helpful: Personas in System Prompts Do Not Improve Performances of Large Language Models”, Findings of EMNLP 2024
　https://arxiv.org/abs/2311.10054

次回予告

次回から第3章「AIを軍団で動かす」に入ります。1本目は「Routing Pattern(ルーティングパターン)」。依頼をまず分類役のAIに受けさせて、最適な専門役に振り分ける型です。

👉Routing Patternとは?AIに振り分け役を置いて回答の専門性を上げるプロンプト術

コメント

タイトルとURLをコピーしました