TOP

>

AI活用事例

>

AI資料作成のデザイン統一術|Claude 4活用プロンプト徹底解説

AI活用事例

AI資料作成のデザイン統一術|Claude 4活用プロンプト徹底解説

最終更新日:

2025.10.14

監修者情報

岡田 徹

NOVEL株式会社 代表取締役

大阪大学在学中よりエンジニアとして活動し、複数のプロダクト立ち上げを経験。
2019年2月にNOVEL株式会社を設立。

2022年より生成AI領域に特化し、
AIライティングSaaS『SAKUBUN』(累計70万回利用・2万アカウント)を企画・開発。大手メディアや人材企業・出版企業への導入実績を持つ。

現在は中堅企業向けAIコンサルティングに注力し、製造業・小売業・金融機関など業種を問わず、生成AIの導入から定着までを一気通貫で支援している。

著書: 『2冊目に学ぶ ChatGPTプロンプト攻略術』(C&R研究所、2024年)

この記事に関連するお役立ち資料

AIを活用した業務自動化 事例BOOK

無料ダウンロード

AI時代の資料作成、そのクオリティを左右する「デザイン統一」という壁

生成AIの進化により、企画書やプレゼン資料、インフォグラフィックといったビジネスドキュメントの作成は、かつてないほど高速化しました。アイデアを投げかけるだけで、AIが瞬時に構成案やデザインを提案してくれる光景は、もはや当たり前のものとなりつつあります。しかし、その手軽さの裏で、多くの企業が新たな課題に直面しています。それは「デザインの不統一」です。

AIは指示のたびに異なるアウトプットを生成するため、作成する資料ごとにデザインのトーン&マナー(トンマナ)がバラバラになりがちです。これは、企業のブランドイメージを損なうだけでなく、資料の信頼性や説得力を低下させる要因にもなりかねません。毎回手動でデザインを修正していては、せっかくのAIによる効率化も半減してしまいます。

本記事では、この根深い課題を解決するため、既存の資料デザインをAIに学習させ、常に一貫したトンマナで新しい資料を生成させるための具体的なプロンプトテクニックを、専門家の対談形式で徹底解説します。特に、Claude 3のような高度なマルチモーダルAIを活用することで、これまで職人技が必要だったデザインの再現性を、誰でも簡単に実現する方法をご紹介します。この記事を読めば、あなたの会社の資料作成プロセスは、次のステージへと進化するはずです。

AIによる資料のデザインはなぜ安定しないのか?

岡田:AI、特にLLM(大規模言語モデル)を使って資料を作らせると、毎回少しずつ違うアウトプットが出てきてしまうのが難しい点ですよね。特に、企業として使う資料は、当然ながらデザインのトンマナが毎回一緒じゃないとおかしい。これをどうやって守らせるか、というのが一つの大きな壁だと感じています。

秋月:おっしゃる通りです。LLMは、その性質上、全く同じ入力をしても全く同じ出力を返すわけではないため、デザインのような繊細な要素を安定して再現させることが難しいんです。

岡田:そうなんです。そこで今回は、この課題を解決する一つの方法として、AI自身にデザイン要素を分析させて、それをプロンプト化してしまうテクニックについて解説したいと思います。

デザイン指示の難しさとマルチモーダルAIの可能性

これまでのテキストベースのAIでは、「スタイリッシュに」「青を基調に」といった曖昧な指示しかできず、具体的なデザインの再現は困難でした。しかし、Claude 4やGemini 2.5 Proのような、画像とテキストを同時に理解できる「マルチモーダルAI」の登場が、この状況を一変させました。

これらのAIは、既存の資料(PDFや画像)を直接読み込み、そこに含まれるデザイン要素を高い精度で分析・抽出できます。この能力を活用することが、デザインを統一するための鍵となります。

実践!既存資料のデザインをAIに学習させるプロンプト術

岡田:それでは、具体的な手順を解説します。今回は、マルチモーダル性能に定評のあるClaude 3 Opusを使うことを前提に進めます。

ステップ1:AIに既存資料を読み込ませ、デザインを分析させる

岡田:まず、基準となるデザインの資料(PDFファイル)をClaudeにアップロードします。そして、その資料を分析させるためのプロンプトを入力します。

与えられたPDFファイルの資料デザインについて、以下の要素を詳細に分析し、デザインの構成要素を抽出してください。

# 抽出してほしい要素
・カラーコード(主要カラー、アクセントカラーなど)
・フォント(種類、サイズ、太さなど)
・レイアウト(ヘッダー、フッター、余白のルールなど)
・使用されている図形やアイコンのスタイル
・その他、あなたが資料デザインのトンマナを定義する上で重要だと考える構成要素

# 分析結果の用途
この分析結果を基に、新しいテーマの資料を作成するためのプロンプト(デザインガイドライン)を作成します。そのため、誰が見ても再現可能な、詳細かつ明確な内容としてください。

プロンプトの4つの重要ポイント

岡田:このプロンプトには、AIの精度を最大限に引き出すためのいくつかのコツが詰まっています。

  1. 「与えられたPDFファイルの」と明示する

    AIがアップロードされたファイルを確実に参照するように、「与えられたPDFファイルの」と明確に指示します。プロンプト内のテキストとアップロードされたファイルはシステム的に別々に扱われる可能性があるため、この一文があるだけで、AIが迷わず対象ファイルを分析してくれる確度が格段に上がります。

  2. 抽出してほしい要素を具体的に指定する

    「カラーコード」や「レイアウト」のように、最低限抽出してほしい要素を具体的にリストアップします。これにより、分析の抜け漏れを防ぎます。

  3. AIに裁量権を与え、思考を促す

    こちらが思いつかないような重要な要素をAI自身に考えさせるため、「あなたが考える必要な構成要素を検討して抽出してください」という一文を加えます。これにより、フォントの種類など、人間が見落としがちな細かい要素まで網羅的に抽出してくれるようになります。

  4. 分析結果の「用途」を伝える

    「分析結果を基に資料作成時のプロンプトに反映する」と用途を明確に伝えることで、AIは後続のタスクで利用しやすい、より詳細で構造化されたアウトプットを生成しようとします。

秋月:なるほど。ただ「分析して」と投げるのではなく、目的と必要な要素を具体的に伝えることで、AIの性能を最大限に引き出すわけですね。

岡田:その通りです。実際にこのプロンプトで実行すると、PDFからでも高い精度でデザイン要素を抽出してくれます。

ステップ2:抽出したデザイン要素を「デザインガイドライン」として再利用する

岡田:AIがデザイン要素をテキストで出力してくれたら、次のステップに進みます。この分析結果を丸ごとコピーし、新しい資料を作成するためのプロンプトに組み込みます。

秋月:これが、いわばAI専用の「デザイン指示書」になるわけですね。

岡田:まさにその通りです。例えば、以下のようなプロンプトを作成します。

以下のデザインガイドラインを厳密に遵守して、指定されたテーマでプレゼンテーション資料を作成してください。
出力は、1枚のスライドが1つの完結したコードブロックになるように、マークダウン形式で記述してください。

# デザインガイドライン
(ここに、ステップ1でAIが生成した分析結果を貼り付ける)
---
例:
・主要カラー: #0A2E5E (濃紺)
・アクセントカラー: #FFD700 (ゴールド)
・フォント: メインは "Noto Sans JP", 見出しは太字 (Bold)
・レイアウト: 各スライド上部にタイトルを配置し、下部にはロゴとページ番号を記載。
...etc
---

# 作成する資料のテーマ
「2025年の企業向け生成AI導入ロードマップ」

岡田:このプロンプトを実行すると、Claudeは内蔵されている「Artifacts」という機能を起動させ、指定されたデザインガイドラインに基づいた資料を動的に生成し始めます。

生成結果とさらなるクオリティアップの秘訣

岡田:この方法を使えば、非常に簡単にデザインが統一された資料の初稿を作成できます。

秋月:素晴らしいですね。アイデア次第で応用範囲が広がりそうです。

クオリティを劇的に向上させる「SVG形式」での出力

岡田:生成された資料をさらに活用するために、一つ重要なテクニックがあります。それは出力形式を「SVG形式」で指定することです。

秋月:SVG形式ですか?HTMLやマークダウンとどう違うのでしょうか。

岡田:SVGは「スケーラブル・ベクター・グラフィックス」の略で、図形情報としてデータを保持します。SVG形式で出力させることの最大のメリットは、ダウンロードしたファイルをPowerPointやFigma、Illustratorといったデザインツールに直接貼り付け、図形として自由に編集できる点です。

秋月:なるほど!テキストや画像が一体化したものではなく、後からでも各要素を個別に動かしたり、色を変えたりできるわけですね。それは非常に便利です。Figmaに貼り付ければ、そのままWebデザインのパーツとしても使えそうですね。

岡田:その通りです。HTMLで出力させると、時々JavaScriptが壊れて表示が崩れることがありますが、SVGならその心配もありません。デザインの再利用性や編集の自由度を考えると、SVG形式での出力は非常に強力な選択肢になります。

以下の表に、主な出力形式とその特徴をまとめました。

出力形式

メリット

デメリット

おすすめの用途

マークダウン/HTML

・手軽に生成できる
・Webページとしてそのまま利用可能

・デザインの微調整がしにくい
・環境によって表示が崩れることがある

・素早いプレビュー
・ブログ記事やWebコンテンツ化

SVG

PowerPointやFigma等で自由に編集可能
・拡大・縮小しても画質が劣化しない
・デザインの再利用性が非常に高い

・AIが対応していない場合がある
・複雑な図形はデータが重くなることがある

プレゼン資料の作成
インフォグラフィック制作
・デザインパーツの作成

まとめ:AIとの「対話」でデザイン業務を革新する

今回は、AIで資料を作成する際に課題となる「デザインの統一性」を、プロンプトエンジニアリングによって解決するテクニックを解説しました。

【本記事のポイント】

  1. マルチモーダルAIの活用: Claude 4のような画像も理解できるAIを使い、既存資料を直接分析させる。

  2. 高精度な分析プロンプト: AIの能力を引き出すため、「対象の明示」「具体例」「裁量権」「用途の伝達」をプロンプトに盛り込む。

  3. デザインのプロンプト化: 抽出したデザイン要素を「デザインガイドライン」として次のプロンプトに組み込み、再利用する。

  4. SVG形式での出力: 生成物をPowerPointやFigmaで自由に編集できるよう、SVG形式での出力を指定する。

この手法は、単に資料作成を自動化するだけでなく、企業のブランドイメージを一貫して保ち、資料の品質を安定させるという、より高度なレベルでの業務改善を実現します。これまで営業事務やアシスタントの方が時間をかけて行っていたトンマナ調整やデザイン修正といった作業を、AIが肩代わりしてくれるのです。

AIは万能の魔法の杖ではありません。しかし、その特性を深く理解し、適切な「対話」の方法(プロンプト)を工夫することで、AIは人間の創造性を何倍にも増幅してくれる強力なパートナーとなります。ぜひ、本記事で紹介したテクニックを、貴社の業務効率化とクリエイティブ品質の向上にお役立てください。

その業務課題、AIで解決できるかもしれません

「AIエージェントで定型業務を効率化したい」

「社内に眠る膨大なデータをビジネスに活かしたい」

このような課題をお持ちではありませんか?

私たちは、お客様一人ひとりの状況を丁寧にヒアリングし、本記事でご紹介したような最新のAI技術を活用して、ビジネスを加速させるための最適なご提案をいたします。

AI戦略の策定から、具体的なシステム開発・導入、運用サポートまで、一気通貫でお任せください。

「何から始めれば良いかわからない」という段階でも全く問題ありません。 まずは貴社の状況を、お気軽にお聞かせください。

>> AI開発・コンサルティングの無料相談はこちら


FAQ

Q1. この手法に最も適しているAIモデルは何ですか?

A1. Claude 4 OpusやSonnet、GoogleのGemini 2.5 Proなど、PDFや画像を高い精度で理解できる最新のマルチモーダルAIが最適です。これらのモデルは、テキスト情報だけでなく、レイアウトや配色といった視覚的な要素を正確に分析する能力に長けています。

Q2. PDF以外のファイル形式(例:PowerPoint、Keynote)でも分析できますか?

A2. 多くのAIは、PowerPoint(.pptx)やKeynote(.key)ファイルを直接読み込むことはできません。その場合は、資料をPDF形式またはPNG/JPEGといった画像形式にエクスポートしてからアップロードすることで、同様の分析が可能です。各スライドを画像として書き出し、複数を一度にアップロードして分析させることも有効です。

Q3. 生成された資料をPowerPointで編集するには、具体的にどうすれば良いですか?

A3. AIにSVG形式でスライドを生成させ、そのコードをコピーします。テキストエディタ(メモ帳など)に貼り付け、「.svg」という拡張子でファイルを保存します。その後、PowerPointを開き、「挿入」タブから「図」を選択し、保存したSVGファイルを挿入します。挿入後、図形を右クリックして「グループ化の解除」を行うことで、各要素(テキストボックスや図形)を個別に編集できるようになります。

Q4. プロンプトを工夫しても、なかなか思った通りのデザイン要素を抽出してくれません。何かコツはありますか?

A4. まず、分析対象の資料がシンプルでデザインルールが明確かを確認してください。複雑すぎるデザインはAIも混乱しがちです。また、一度で完璧な結果を求めず、対話的に精度を上げていくのがコツです。「ヘッダー部分のレイアウトについて、もっと詳しく教えてください」「この青色のカラーコードは何ですか?」のように、追加の質問を投げかけて深掘りしていくと、より正確なデザインガイドラインを構築できます。


注釈と外部リンク

  • Claude 4 Opus/Sonnet: Anthropic社が開発した高性能な生成AIモデルファミリー。特にOpusは、高度な分析能力とマルチモーダル性能に定評がある。

  • Gemini 2.5 Pro: Googleが開発した生成AIモデル。巨大なコンテキストウィンドウ(一度に処理できる情報量)と高いマルチモーダル性能を持つ。

  • SVG (Scalable Vector Graphics): XMLベースのベクター画像形式。拡大・縮小しても画質が劣化しない特徴を持ち、Webやデザインツールで広く利用されている。

  • Figma: ブラウザ上で共同編集ができるデザインツール。UI/UXデザインやプロトタイピングに広く使われている。

  • Artifacts: Claude 3の一部の環境で利用できる機能。プロンプトに応じて、コードスニペットやWebサイト、プレゼン資料などをリアルタイムで生成・プレビューできる。

▌【一緒に働くメンバー募集】生成AIを活用し、顧客の課題解決をしませんか?

最後までお読みいただき、ありがとうございます。

NOVEL株式会社では、生成AIを活用して企業の業務改善や新規プロダクト開発を支援しています。

私たちは「現場に眠るデータをつなぎ人とAIが協働する社会を創る」というビジョンのもと、非IT業界が抱える複雑な課題に日々向き合っています。

もしあなたが、

  • 新しい技術の可能性にワクワクする方

  • 困難な課題解決を楽しめる方

  • 自分の手で「0から1」を創り出す経験をしたい方

であれば、私たちのチームで大きなやりがいを感じていただけるはずです。 まずは、私たちがどんな未来を描いているのか、採用ページで少し覗いてみませんか?

▶ 募集中のポジションを確認する

この記事に関連するお役立ち資料を無料ダウンロード

AIを活用した業務自動化 事例BOOK

AI技術を活用した社内業務効率化の基本から、実際の導入ステップまでをわかりやすく解説しています。

下記フォームにご記入下さい。(30秒)

氏名

*

貴社名

*

ご役職名

メールアドレス(企業ドメイン)

*

具体的なお悩みがあればご記入ください

テックユニットは、下記のような方におすすめできるサービスです。
お気軽にご相談ください。

・開発リソースの確保に困っている方
・企業の新規事業ご担当者様
・保守運用を移管したい方
・開発の引き継ぎを依頼したい方

おすすめの記事

関連する記事はこちら

OCRを導入したのに工数が変わらない理由──「一気通貫で自動化しないと意味ない」と断言できる根拠

OCRを導入して読み取りはできるのに、その後のExcel貼り付けや確認作業は人のまま。「一気通貫で自動化しないと全体工数は変わらない」という構造的な理由と、例外処理・辞書の育て方・ROIの出し方を解説します。この記事でわかること「読み取り部...

「3年前に試して無理だった書類」が今は99.9%で読み取れる──生成AIベースOCRが変えた精度の常識

3〜5年前に諦めたOCRを再度試したら99.9%の性能が出た、という現場が増えています。生成AIベースOCR(VLM)が旧来OCRと何が違うのか。精度99%の実態と、図面・手書き書類への対応力の変化を解説します。 この記事でわかる...

使うのは全体の3割だけ──ChatGPTが社内に定着しない「2つの壁」

大企業でも全社導入後に使っているのは2〜3割にとどまる背景と、社内に定着しない「2つの壁」、そして企業によって定着しやすさに差が出る理由を解説します。この記事で分かること・ChatGPTは3000人規模の大企業でも、全社導入後に使っているの...

「提案は立派なのに何も変わらない」を防ぐ──1問で分かるAI導入コンサルの本当の見極め方

AI導入コンサル選びの失敗パターン3つと、面談で使える見極め方を実務経験から解説。「論点整理だけ」「開発はできるがコンサルはできない」など現場で起きる地雷の正体とは?この記事でわかること-AI導入コンサル選びの失敗は「提案の華やかさ」で選ぶ...

AI外注 vs 内製 どっちが正解?3年やって出た答えは"どっちもコケる"

AI外注か内製かで悩む中小企業向けに、どちらを選んでもコケる理由と、成果が出るハイブリッドの分業モデルを実務経験から解説します。この記事でわかること- フル外注もフル内製も、どちらを選んでも失敗しやすい構造的な理由がある- AI導入の失敗は...

そのデータ、本当にAIに使えますか?活用前に整理したい2つのこと

「AIを使いたいけど、うちのデータって本当に使えるのかな……?」そんな不安を感じている企業は少なくありません。ChatGPTなどの生成AIを導入しても、社内データの状態が整っていなければ、期待した答えが返ってこないことはよくあります。そこで...

Excel・Accessがもう限界?移行を判断する10のサインと、中小企業の現実的な進め方

ある日突然、業務が止まる前に「受注管理のExcelを2人で同時に開いたら壊れた。バックアップがなく、1週間分のデータが消えた。」「Accessのデータベース、作った担当者が退職してから誰も触れていない。クラッシュしたら終わり。」「月末の集計...

AI時代に必要なデータ基盤とは?整理しないとAIは使えない

「AIを入れたのに使えない」の本当の原因「ChatGPTを社内に導入したけど、精度が出なくて結局使われていない」「AIで月次レポートを自動化したいのに、どこから手をつければいいかわからない」こうした声は、AI導入を検討している中小企業のあち...

DX推進室がなくても大丈夫!現場主導のAI活用スモールスタート術  

「AIの導入は、専門のDX推進室や優秀なAIエンジニアがいる大企業だけの話だ」 「我が社には推進できる人材がいないから…」企業の規模を問わず、多くのビジネスリーダーがAIの可能性を感じながらも、人材不足を理由に最初の一歩を踏み出せずにいます...

AIで営業の優先度付けを自動化|売れる3%に集中する方法

「なぜ、あの人だけが常に高い成果を上げ続けるのか?」 多くの営業組織では、一握りのトップセールスが全体の売上の大半を支えるという、いわゆる「属人化」が長年の課題となっています。彼らの持つ勘や経験を組織に共有するのは難しく、多くの営業担当者は...

方法から入るAI導入は失敗する|現場起点のAI定着設計術

「最新のAIツールを導入したが、現場では全く使われず、ライセンス費用だけが無駄になっている…」 これは、AI導入に取り組む多くの企業が直面する、決して珍しくない現実です。鳴り物入りで始まったプロジェクトが、なぜ現場に受け入れられず、静かに形...

AIは指示待ちから先回りへ。次世代AIエージェントとは  

これまで私たちが慣れ親しんできたChatGPTをはじめとする生成AIは、非常に賢いアシスタントでした。しかし、その基本はあくまで「指示待ち」。ユーザーがプロンプトを入力して初めて、その能力を発揮する受動的な存在でした。しかし今、その常識が大...