GeminiやChatGPT、ClaudeなどのDeepResearch、便利ですよね。 何か気になること、知りたいことがある時はDeep Researchにかければ数多くのWebサイトを調査して、自動でレポートをまとめてくれる。
私も詳しく知りたいことがあるとDeep Researchをよく活用しています。
ただ、1点問題があって、それは論文のように冗長で説明が長く、分かりづらいということ。 例えば以下は「2026年6月現在のAIの性能比較を教えて」と、あえて簡易的なプロンプトで投げかけた場合のリサーチ結果の一つです。
2026年6月における次世代基盤モデルの性能比較:ChatGPT、Claude、Geminiの包括的分析
序論:2026年のAIエコシステムにおける自律型エージェントへのパラダイムシフト
2026年6月現在、人工知能の基盤モデルを取り巻く競争環境は、単なるテキスト生成能力や対話の精度の向上から、長時間の自律的な推論、複雑なソフトウェアエンジニアリング、そして高度な文脈理解を伴うマルチエージェント・ワークフローの実行へとパラダイムシフトを遂げている。この新たな局面において市場の最前線を牽引しているのは、OpenAIの「ChatGPT(GPT-5.5シリーズおよびステルステスト中の次世代モデル)」、Anthropicの「Claude(MythosクラスおよびOpus 4.8)」、そしてGoogleの「Gemini(3.1 Pro、3.5 Flash)」という3つの主要なエコシステムである。
初期の大規模言語モデル(LLM)の性能評価基準であった一問一答形式のベンチマーク(旧来のMMLUや単純なコーディングテストなど)は、すでにモデルの真の能力を測定する指標としては機能しなくなっている。現在の評価軸は、実世界のコードベース全体を自律的にリファクタリングする能力、未解決の数学的命題や科学的仮説に対する論理的推論、数万トークンに及ぶ文脈の中から複数の制約条件を同時に満たす最適解を導き出す能力、そしてサイバーセキュリティや創薬といった専門領域における実社会への影響力へと移行している。
本報告書は、2026年6月時点における最新のベンチマークデータ、実際の運用環境での定性的評価、およびAPIの経済的コスト構造を統合し、これら3つの主要プラットフォームの性能を網羅的かつ多角的に分析する。単なる数値の羅列にとどまらず、それらのスコアがエンタープライズのシステム・アーキテクチャや社会インフラにどのような二次的・三次的影響を与えるかについての洞察を提供する。
よく読めばたしかに詳しい情報が書いてあり参考になるのですが、 デフォルトのDeepResearchはまるで論文のように長くて難しい文章で生成されることも多く、折角AIに調べてもらってるのに結局知りたいことを理解するためにこのレポートを読み込まないといけない、という状況になりやすいです。
これはDeep Researchに限ったことではないかもしれませんが、簡単なプロンプトだと間違ってはいないかもしれないけど使いづらい出力結果になりやすい。
そこで、今回の記事では、DeepResearchのプロンプトをコントロールすることで、読みやすい形式でリサーチ結果をまとめてもらうための指定方法をご紹介します。
出力フォーマットを指定する
まず、基本として出力の形式の指定が大切です。 文字数や見出しの書き方などのフォーマットを以下のように指定します。
- 各セクションの本文は300文字以内。一文は60文字以内を目安に短く切る
- すべての見出しは要点・結論がわかる具体的な文言にする(「概要」「分析」等の抽象見出しは禁止)
- レポートの冒頭に、調査全体の結論がひと目で分かる見出しを付け、その直下に総括サマリーを200〜300文字で書く
- 冒頭のサマリーの後に、調査結果の要点をまとめた比較表を置く
このような指定をすることで、冒頭の1セクションを見ただけでそのレポートの全容が理解でき、 さらに各セクション、見出しを流し読みするだけでも要点が分かるようになります。
出力サンプルは以下です。 https://method.u-i-apps.com/gallery/deep-research/536ef674e2/
構成を指定する
レポートの流れや項目を指定しておくのも分かりやすいレポートを生成する上で有効です。
例えば以下は指定したサービスを理解するためのDeep Researchを行うプロンプトを使い、Claude Designについて調査したレポートの例です。
https://method.u-i-apps.com/gallery/deep-research-service/
以下のような構成でLPのような構成で出力するよう指定をしており、 事実やサービス理解の上でポイントとなる特徴的な点、客観的な評価などを分かりやすくまとめてもらうことができます。
- サマリ
- 基本情報
- できること(機能・事実)
- なぜすごいのか(強み・特徴)
- 何を解決するのか
- 競合比較
- 向いている人
- ユーザーの評価
- 料金プラン
プロンプトとしては以下のような感じで、項目ごとにさらに出力形式も指定しています。
基本情報
公式URL・提供元企業・リリース時期・対応プラットフォーム・主要スペック・代表的な価格帯をテーブル形式で記載する。料金体系が複雑な場合はここでは代表的なプランのみ記載し、詳細は末尾の「料金プラン」セクションで扱う
何ができるのか(機能)
主要機能を箇条書きで列挙し、それぞれ1行で概要を添える
なぜすごいのか(強み)
このサービスならではの差別化ポイント・技術的優位性・独自の設計思想を具体的に書く。どのサービスにも当てはまる抽象的な表現(高品質・使いやすい等)は避け、固有の事実で裏付ける
何を解決するのか
このサービスが解決する課題・ペインを、導入前後のBefore/After形式で書く
他の類似サービスとの比較
主要な競合・代替サービスを3〜5つ挙げ、比較表(機能・価格・特徴)で整理する。各サービスの最も大きな違いを1行で添える
どんな人に向いているか
最適なユーザー像を2〜4パターン挙げ、「〇〇な人には△△の理由でおすすめ」の形で書く。逆に向いていない人も1〜2パターン添える
ユーザーレビュー
高評価の声と低評価の声をそれぞれ3〜5件引用し、出典を付ける。最後に「全体的な評判」として高評価と低評価のどちらが優勢かを根拠付きで1〜3行でまとめる
料金プラン
全プランの価格・含まれる機能・制限をテーブル形式で記載する。無料プランや無料トライアルがあれば明記する。年払い・月払いの差額も書く
主要機能を箇条書きで列挙し、それぞれ1行で概要を添える このサービスが解決する課題・ペインを、導入前後のBefore/After形式で書く のように各構成ごとに見やすい形式、気になる点が強調されやすい形式になるような指定もしています。
まとめ
いかがでしたでしょうか? 詳細なリサーチができる一方で少し分かりづらい出力になりやすいDeep Researchですが、こういった点を意識してプロンプト設計することで見やすいレポート出力が可能になります。
以下プロンプトセットを使えば、Methodアプリ内でいくつかの項目を埋めるだけで 様々な用途に応じたDeep Researchを実現できます。 よければご覧ください。
サービスの特徴が分かりやすいDeep Researchプロンプト