人事評価コメントをAIで作るプロンプトテンプレート　事実ベースで書きやすくする実務向けガイド

人事評価コメントをAIで作るなら、いちばん大事なのは抽象的な指示を避けて、評価期間・事実・期待役割・出力形式を最初に固定することです。ここが曖昧だと、無難だが使えない文や、根拠の薄い持ち上げ表現が増えます。

このテンプレートは、評価シートのコメント欄を整えたい人事担当者、一次評価者、部門マネージャー向けです。長文の所見だけでなく、短評、箇条書き、JSON形式の下書きにも流用できます。

• 使い道: 人事評価シート、昇給・昇格判定前のコメント下書き、評価面談メモの整理
• 向いている人: 人事担当者、評価コメントに時間がかかる管理職、表現のばらつきを減らしたいチーム
• ねらう出力: 200〜300字の評価コメント、短い要約、項目別の整理、JSON化
• 先に結論: 実績の事実、期待役割、改善点、文体、禁止事項まで指定すると安定しやすいです

ここがポイント: 「褒める文章を書いて」ではなく、「誰を、どの期間で、どの事実を根拠に、何文字で、どの観点で評価するか」を先に渡すと、コメントの質が大きく変わります。

このプロンプトは何に使えるか

人事評価コメントで困りやすいのは、材料はあるのに文章にまとまらない場面です。たとえば、案件数や改善実績はあるのに、コメント欄では毎回「主体的に取り組んだ」「周囲と連携した」に寄ってしまうケースです。

この用途では、AIに自由作文をさせるより、次の3つを固定して下書きを作らせるほうが実務向きです。

• 評価対象者の役割と評価期間
• 事実として確認できる実績、行動、課題
• 出力形式と禁止事項

特に人事評価では、推測で性格や資質を断定しないことが重要です。観察できた行動と成果に寄せて書かせるだけで、コメントのブレが減ります。

完成イメージ

同じテンプレートでも、出力のさせ方でかなり使い勝手が変わります。

1. 評価シート向けの標準コメント

• 文字数: 200〜300字
• 用途: そのままコメント欄に貼りやすい
• 特徴: 成果、行動、今後の期待を1本にまとめる

2. 面談準備向けの箇条書き

• 形式: 強み、改善点、次期期待の3項目
• 用途: 上司とのすり合わせ前に論点を整理したいとき
• 特徴: 文章化する前の材料確認に向く

3. システム連携向けのJSON

• 形式: strengths issues next_actions など
• 用途: 人事システムや社内ワークフローに流し込みたいとき
• 特徴: 再利用しやすく、レビューもしやすい

コピペ用プロンプトテンプレート

まずは標準版です。評価コメントの下書き用途なら、この形から始めるのが使いやすいです。

あなたは人事評価コメントの下書きを支援するアシスタントです。
以下の情報だけを根拠に、評価コメントを日本語で作成してください。
推測や創作は避け、確認できる事実に基づいて書いてください。

[目的]
人事評価シートに記載するコメント案を作る

[対象者情報]
氏名: {氏名または匿名ID}
職種・役割: {職種・役割}
等級: {等級}
評価期間: {評価期間}

[期待役割]
{この等級や役割で期待される行動・成果}

[事実情報]
- 主な成果: {成果1}
- 数字で確認できる実績: {数値実績}
- 良かった行動: {行動1}
- 周囲への影響: {影響1}
- 課題: {課題1}
- 改善の取り組み: {改善行動}

[出力条件]
- 200〜300字
- 丁寧体
- 事実→評価→今後の期待 の順で構成
- 抽象表現だけで終えない
- 過度に断定的・感情的な表現は避ける
- 性格診断のような表現は使わない
- 根拠のない称賛や批判はしない

[出力形式]
次の見出しで出力してください。
評価コメント:

[最終確認観点]
- 評価期間外の情報を混ぜない
- 事実として読める文にする
- 読み手が次の育成方針をイメージできる内容にする

短評を複数人分まとめて作りたいときは、こちらも使えます。

以下の各社員について、評価コメントの短評を1人あたり120〜160字で作成してください。
出力は番号付きリストにしてください。

評価観点:
- 成果
- 行動
- 今後の期待

禁止事項:
- 推測の補完
- 同じ表現の繰り返し
- 「頑張った」「良かった」だけの曖昧な表現

社員データ:
{複数人分の情報を箇条書きで入力}

入力時に変える部分と、固定したほうがいい部分

テンプレートをそのまま使うより、どこを毎回変えるかを決めておくと運用しやすくなります。

毎回変える部分

• {職種・役割}: 営業、エンジニア、バックオフィスなどで期待役割が変わるため
• {評価期間}: 半期か通期かで書き方が変わるため
• {数値実績}: コメントの説得力を左右するため
• {課題1}: 強みだけでなく、改善点も事実で置くため
• {改善行動}: 次の育成方針につながるため

できるだけ固定したい部分

• 出力順: 事実→評価→今後の期待
• 文体: 丁寧体か常体か
• 文字数: 120字、200字、300字など
• 禁止事項: 推測禁止、性格断定禁止、誇張禁止

この固定部分が毎回ぶれると、同じ部署でも評価コメントの基準が揃いません。

NG例と改善例

曖昧な依頼は、曖昧な文章を返しやすくします。

NG例

部下の評価コメントをいい感じに書いて。

この指示だと、AIは次の点を判断できません。

• 何を根拠に評価するのか
• どのくらいの長さで書くのか
• 改善点を含めるのか
• 文体や評価基準をどう合わせるのか

改善例

以下の事実情報を根拠に、評価シート向けコメントを220字前後で作成してください。
事実→評価→今後の期待の順で、丁寧体で書いてください。
推測や性格の断定は避けてください。

事実情報:
- 目標達成率: {数値}
- 改善施策: {内容}
- 他部署連携: {内容}
- 課題: {内容}

改善後は、AIが迷う部分を先回りして消しています。「何を使って」「どんな順で」「どこまで書くか」が見えているので、下書きの再現性が上がります。

出力を安定させるコツ

評価コメントは、少しの揺れでも印象が変わります。安定させたいなら、次の3点を押さえるのが近道です。

1. 先にフォーマットを決める

OpenAIは、出力形式を具体的に示すこと、必要なら例を添えることを推奨しています。Anthropicも、明確で直接的な指示や例示、応答の書式指定を重視しています。GoogleのGemini向けガイドでも、具体的な指示と few-shot の例が有効だと案内されています。

実務では、次のように書式を先に固定すると扱いやすいです。

• コメント文1本
• 箇条書き3点
• JSON

2. 禁止事項を入れる

評価コメントでは、書いてほしいことより書いてほしくないことが重要な場面があります。

• 根拠のない断定
• 性格や人格の決めつけ
• 評価期間外の情報の混入
• 抽象的な美辞麗句だけの文章

この禁止事項をテンプレートに入れるだけで、レビュー工数が減りやすくなります。

3. アプリ連携ならJSON指定も有効

2026年4月25日時点で、OpenAIとGoogleは公式ドキュメントでJSON Schemaベースの構造化出力を案内しています。Claude系でも、AnthropicはJSONやテンプレート、応答のプレフィル、例示で一貫性を高める方法を案内しています。

人事システムやスプレッドシート連携を意識するなら、最初から次のように指定できます。

以下をJSONで出力してください。
キーは comment, strengths, issues, next_actions の4つに固定してください。
comment は180〜220字、strengths/issues/next_actions は各2件までにしてください。

モデル別に見る使い分けの目安

モデルごとの差はありますが、評価コメント用途では「どれが最強か」より、どの形式で安定させるかのほうが重要です。

ChatGPT系

• 向く場面: コメント文、箇条書き、JSONの切り替えをしたいとき
• 強み: 出力形式の指定がしやすい
• 意識したい点: 指示を先頭に置き、文字数や構成を具体化する

Claude系

• 向く場面: 事実情報が長く、文面を落ち着いて整理したいとき
• 強み: 明確な役割指定、例示、プレフィルとの相性が良い
• 意識したい点: 期待する書式を見本つきで渡す

Gemini系

• 向く場面: 入力項目を整理して、決まった形式で返してほしいとき
• 強み: 具体的な指示、例示、JSON Schemaによる構造化出力
• 意識したい点: 書式と制約をはっきり書く

活用例

実務では、いきなり完成文を出させるより、2段階に分けるとミスが減ります。

使い方1: 先に材料整理、後で文章化

1回目のプロンプトで整理します。

以下の情報を、成果・行動・課題・次期期待の4項目に整理してください。
不足情報があれば「不足」と明記してください。

入力:
{評価メモや面談記録}

2回目で文章化します。

整理済みの4項目をもとに、評価シート向けコメントを240字前後で作成してください。
事実→評価→今後の期待の順で、丁寧体で書いてください。

この分け方は、情報不足のまま作文に入る失敗を防ぎやすいです。

使い方2: 評価者コメントの表現をそろえる

複数の管理職が書く組織では、文体の差が出やすくなります。そんなときは、共通ルールを一文足します。

• 冒頭は成果事実から始める
• 最後は次期期待で締める
• 「非常に」「大変」などの強い副詞を多用しない
• 同じ評価語を繰り返さない

最後に確認したいチェックリスト

提出前に、この4点だけ見れば十分です。

• 事実の裏付けがない文を入れていないか
• 強みだけ、または課題だけに偏っていないか
• 評価期間と役割に合ったコメントになっているか
• そのまま貼る前に、人が最終確認したか

人事評価コメントのAI活用は、文章を丸投げするためではなく、事実を整理して、読みやすく、ぶれにくい下書きを早く作るために使うと効果が出やすいです。次に試すなら、まず自社の評価項目に合わせて {期待役割} と {禁止事項} を固定し、コメントの型を1つ決めるところから始めるのが実務的です。

参照リンク

• OpenAI Help Center: Best practices for prompt engineering with the OpenAI API
• OpenAI API: Prompting
• OpenAI API: Structured model outputs
• Anthropic Docs: Prompt engineering overview
• Anthropic Docs: Increase output consistency (JSON mode)
• Google AI for Developers: Prompt design strategies
• Google AI for Developers: Structured Outputs