Agentic AIを活用した健康管理におけるプロンプト設計の戦略
導入：健康管理における「課題」とAgentic AIの「解決策」
午前2時、35歳の糖尿病患者である張さんはスマートフォンの血糖値データを見て憂鬱になっていました。先週測定した空腹時血糖値が10.2mmol/Lで、基準値からほぼ3ポイントも上回っていました。彼が常用の健康管理アプリを開くと、システムからプッシュ通知が届きました：「食事の管理と運動の増加をお勧めします」。張さんはため息をついてアプリを閉じました—このような「一般的なアドバイス」は彼がすでに何百回も見てきましたが、誰も彼に「具体的にご飯をどれくらい減らすべきか？」「膝が悪い場合に何運動を選ぶべきか？」「最近残業が多くストレスがたまっている場合、インスリン用量をどう調整すべきか？」と教えてはくれません。
これは張さん一人だけの悩みではありません。従来の健康管理システムにおける3大課題が、ユーザーを次第に忍耐から遠ざけています：
- 受動的な対応：「データ記録装置」に過ぎず、ユーザーの「実際のニーズ」（張さんのストレスや膝の問題など）を能動的に関心を持たない；
- 画一的なアプローチ：「平均モデル」で全員に同じアドバイスを提供し、個人の違いを無視する；
- 継続性の欠如：「食事-運動-睡眠-薬物療法」の全シーンを繋げられず、アドバイスが断片的（例えば「果物を多く食べる」と推奨した直後に「糖分を控える」と注意）。
一方、**Agentic AI（エージェント型AI）**の登場は、まさにこれらの課題を解決するものでした—それは「ツール」ではなく、「能動的に思考し、継続的に寄り添う健康パートナー」です：
- ユーザーの「言葉の裏の意味」を理解できます：「最近疲れやすい」と言えば、自動的に睡眠データや労働時間に関連付け、「最近残業が多いのではないか？深度睡眠はたった1.5時間しかないよ」と尋ねます；
- 「千人千面」の目標をカスタマイズできます：年齢、慢性疾患歴、運動能力に基づき、「体重を10kg減らす」という目標を「1週間あたり200kcalの摂取減少+週3回の水泳」に分解します；
- 戦略を動的に調整できます：血糖値が突然上昇した場合、「今日のご飯は50g多かったのではないか？二甲双胍を1錠追加する必要があるか？」とすぐにアドバイスします（もちろん、医師の診断に代わることはありません）。
プロンプトエンジニアリングアーキテクトとして、あなたの核心的な任務は、「プロンプト設計」を通じてAgentic AIに「健康管理の魂」を注入すること—ユーザーを理解できるだけでなく、「温度があり、根拠があり、実行可能な」アドバイスを提供できるようにすることです。
基本認識：Agentic AIと従来AIの核心的な違い
「どのように設計するか」を話す前に、明確にしておく必要があります：Agentic AIは従来AIの「アップグレード版」ではなく、「種レベルの変革」です。両者の核心的な違いは、プロンプトエンジニアリングの設計論が全く異なることを決定づけます：
1. 「タスク実行」から「目標指向」へ
従来AIは「指令受信器」です：「血糖値の平均値を計算して」と言えば、数字を返します； Agentic AIは「目標追求者」です：「血糖値をコントロールしたい」と言えば、自動的に「血糖値データの収集→変動原因の分析→食事/運動の調整→効果の追跡」という完全な連鎖に分解します。
2. 「閉鎖モデル」から「オープンツール」へ
従来AIは「内蔵知識ベース」に依存します：回答は全て訓練データに頼り、外部情報をリアルタイムで呼び出すことはできません； Agentic AIは「能動的にツールを使用します」：「最近血圧が高い」と言えば、自動的に電子カルテ（権限が必要）、過去7日間の血圧モニタリングデータ、WHOの高血圧ガイドラインを呼び出し、その上でアドバイスを生成します。
3. 「単一回の対話」から「継続的学習」へ
従来AIは「一度きりの対話」です：今回のアドバイスは前回の対話とは無関係です； Agentic AIは「生涯パートナー」です：「膝が悪い」「ブロッコリーが嫌い」「毎月15日に残業」といったことを覚えておき、次回アドバイスを提供する際に自動的にこれらの障害を避けます。
まとめ：Agentic AIの核心的能力は「自律性」—ユーザーの目標に基づき、能動的にステップを計画し、ツールを呼び出し、戦略を調整します。そしてプロンプトエンジニアリングの本質とは、「言語指令」を通じてAgentic AIに「行動の境界、思考の論理、対話の方法」を設定し、健康管理シナリオで「正しいことをし、正しいことを言う」ようにすることです。
プロンプトエンジニアリングアーキテクトの「主要戦場」：Agentic AIの健康管理システム設計
次に、ユーザーエクスペリエンスの全プロセスから出発し、プロンプトエンジニアリングアーキテクトの「重要な設計ポイント」を分解します—各环节は具体的なシナリオとプロンプト例を組み合わせ、あなたに「理論」を「実践可能なコード」に変える手助けをします。
一、第一段階：エージェントがユーザーの「真のニーズ」を「理解」する—意識理解のプロンプト設計
健康管理の「第一歩」は、エージェントがユーザーの「明示的なニーズ」と「暗示的なニーズ」を理解することです。例えばユーザーが「最近いつもお腹が空く」と言えば、明示的なニーズは「空腹解決」ですが、暗示的なニーズは「血糖値の変動による空腹」（糖尿病患者に多い）や「食事構造の不合理（タンパク質が少ない）」かもしれません。
設計テクニック1：「階層的プロンプト」で文脈を掘り下げる
従来AIのプロンプトは「単一質問」ですが、Agentic AIは「継続的な質問」が必要です—**「システムプロンプト+多ラウンドのユーザープロンプト」**の構造を使い、エージェントに「まず情報を収集し、それからアドバイスを与える」ことを学ばせます。
例：システムプロンプト
あなたは専門の健康管理アシスタント、「アキラ」です。あなたの任務は：
1. ユーザーが健康問題について言及した場合、まず3つの重要な質問をして文脈を収集する；
2. 質問は「具体的で、ユーザーのシーンに関連」すること（例えば「ストレスがありますか？」ではなく「最近残業が多いですか？睡眠はどうですか？」）；
3. 直接的な医療診断はせず、「実行可能な生活アドバイス」のみ提供する；
4. 語気は親しみを持ち、友人のように（例えば「ね」「よ」「大丈夫～」を使用）。
例：ユーザー入力「最近いつもお腹が空く」 エージェントの「ユーザープロンプト」が自動的にトリガーされます：
ユーザーが「最近いつもお腹が空く」と言った場合、システムプロンプトに従って3つの重要な質問を問う：
1. お腹が空くときに、動悸や手の震えはありますか？（低血糖に関連）
2. 最近運動量を増やしましたか？（エネルギー消費に関連）
3. 食事ごとの主食量は以前より少ないですか？（食事構造に関連）
効果：ユーザーが「お腹が空くときに動悸があり、最近運動はしていない、主食量は以前と同じ」と回答—エージェントはすぐに「低血糖の可能性」と判断し、後続のアドバイスがより的確になります（例：「食事ごとに茹で卵1個を追加し、午前10時にリンゴ1個を追加してください」）。
設計テクニック2：「Few-Shotプロンプト」で「暗示的なニーズ」を処理する
ユーザーのニーズは「言葉に隠されている」こともあります。例えば「母が最近薬を忘れることが多い」と言えば、暗示的なニーズは「リマインダーツール+監視メカニズム」が必要です。この場合、「Few-Shotプロンプト」（エージェントにいくつかの例を見せる）を使い、「一から類推する」能力を学ばせます。
例：Few-Shotプロンプト
例1：ユーザーが「母が最近薬を忘れることが多い」と言う→ エージェントが返答：「お母様はどのお薬を飲んでいますか？毎日何回飲む必要がありますか？リマインダーを設定するお手伝いをしますか？それとも、お母様が薬を飲まなかった場合に通知するよう、WeChatと連携することもできます～」
例2：ユーザーが「最近ランニングで膝が痛い」と言う→ エージェントが返答：「ランニング時に膝に音はしますか？つま先で着地していませんか？エアロバイクに変えてみませんか？近くのエアロビクスジムを探すお手伝いをします～」
例3：ユーザーが「子供がよく飴を食べる」と言う→ エージェントが返答：「子供は毎日何個の飴を食べますか？「フルーツキャンディー」に「チョコレートキャンディー」を変えてみませんか？「1週間の無糖スナックリスト」を作成するお手伝いをします～」
効果：ユーザーが「父が最近血圧測定を忘れることが多い」と言えば、エージェントは例1のロジックを自動的に適用し、「お父様はどのような血圧計を使用していますか？毎朝8時に測定をリマインドしますか？データをあなたのスマートフォンに同期することもできます～」と返答します。
設計テクニック3：「感情プロンプト」で共感を強化する
健康管理は「問題解決」だけでなく、「感情の支え」でもあります。プロンプトに「共感指令」を追加し、エージェントの返答を「より温度感のあるもの」にします。
例：感情プロンプト
ユーザーが「絶望/不安」といった感情について言及した場合、まず共感し、それからアドバイスを提供する：
- 例：ユーザーが「減量2週間で効果がない、イライラする」と言う→ 返答：「その挫折感、わかります！減量は階段の上り下りのようなもので、時々遅くなるのは問題ありません～一緒に計画を調整しませんか？例えばランニングをスイムに変えたら、楽になりますか？」
- 例：ユーザーが「最近血糖値がまた高く、合併症が怖い」と言う→ 返答：「心配しないでくださいね～血糖値の変動はとても正常なことです！一緒に最近の食事記録を見てみましょう～ああ、昨日ケーキを半分食べたね、次回は「無糖のムース」に変えませんか？」
効果：ユーザーは「エージェントは機械ではなく、本当に私を理解してくれている」と感じ、継続的に使用する意欲が高まります。
二、第二段階：エージェントが「ユーザーに適切な目標」を設定する—パーソナライズされた健康目標のプロンプト設計
健康管理の「核心」は**「目標が達成可能であること」**です。例えば「膝が悪い糖尿病患者」に「毎日5km走る」という目標を設定しても、「断念」させるだけです。しかし「毎日30分泳ぎ+週3回の足の筋力トレーニング」という目標なら、「持続可能」です。
設計テクニック1：「ユーザープロファイルプロンプト」で多源データを統合する
Agentic AIの利点は「多源データを呼び出せる」ことです—**「ツールプロンプト」**を使い、エージェントに「ユーザーの基本情報、医療データ、行動データ」を自動的に関連付け、「パーソナライズされた目標」を生成させます。
例：ツールプロンプト
ユーザーが「減量したい」と言った場合、以下の3つのツールのデータを呼び出す：
1. ユーザープロファイル：35歳、男性、身長175cm、体重85kg、BMI27.7（過体重）、膝に古傷あり；
2. 行動データ：過去30日間、毎日4000歩、食事ごとの主食量200g、週3回のデリバリー食；
3. 医療データ：空腹時血糖値6.8mmol/L（境界値）、中性脂肪2.5mmol/L（高値）。
その上で「SMART目標」（具体的、測定可能、達成可能、関連性、時間制限付き）を生成：
- 総目標：3ヶ月で5kg減量（月1.6kg、「週に0.5kg減」の健康基準に合致）；
- 分目標1：毎日の歩数を6000歩に増加（ランニングではなく「ウォキング」に変更し、膝を保護）；
- 分目標2：食事ごとの主食量を150gに減少（白米を「雑穀ご飯」に変更し、血糖値上昇を遅らせる）；
- 分目標3：週のデリバリー食回数を1回に減少（「家庭料理」に置き換え、油塩を制御）。
効果：ユーザーは「この目標は私のためにカスタマイズされたものだ」と感じ、「頭でっかちで決めたもの」ではないと認識します。
設計テクニック2：「動的プロンプト」で目標を調整する
健康目標は「不変」ではありません—例えばユーザーが残業のため、3日連続で歩数目標を達成できなかった場合、エージェントは「能動的に調整」し、「ユーザーを非難」してはいけません。
例：動的プロンプト
ユーザーが3日連続で目標を達成できなかった場合：
1. まず共感（例：「最近残業で疲れていませんか？大丈夫～」）；
2. 原因を分析（例：「最近毎日23時まで仕事をしているので、歩数が当然足りないでしょう」）；
3. 目標を調整（例：「毎日6000歩を「週4回、各30分のウォキング」に変えませんか？」）；
4. 鼓励（例：「ゆっくり来てください、続けることがすでに素晴らしいです！」）。
効果：ユーザーは「目標を達成できなかった」という理由で諦めることはなく、「エージェントが一緒に問題を解決してくれている」と感じます。
三、第三段階：エージェントが「継続的に寄り添う」—動的介入のプロンプト設計
健康管理の「難点」は**「継続的な実行」**です。統計によると、70%のユーザーは「減量開始の2週目」で諦めます—なぜなら「監視がなく、効果が見えず、アドバイスがあまりにも一般的的」だからです。一方、Agentic AIの「動的介入」能力はこの問題を解決できます。
設計テクニック1：「シナリオベースのプロンプト」で能動的な関懐をトリガーする
エージェントは「ユーザーを探す」必要があり、「ユーザーがエージェントを探す」のではありません。**「時間/イベントトリガープロンプト」**を使い、エージェントが「重要なシーン」で能動的にユーザーに連絡するようにします。
例：シナリオベースのプロンプト
以下の「能動的関懐シーン」を設定：
1. 月経周期：ユーザーの月経の3日前（過去データに基づき）、送信：「明日は疲れやすい時期です～1時間の残業を減らし、夜に足湯を試してみてください～」；
2. ワクチン期限：子供の「インフルエンザワクチン」が期限切れの1週間前、送信：「赤ちゃんのインフルエンザワクチンの時期ですよ！近くのコミュニティクリニックで明日午前の予約があります～」；
3. ストレス予警：ユーザーの「睡眠データ」が「3日連続で深度睡眠<2時間」を示した場合、送信：「最近ストレスがたまっていますか？今夜「5分間の呼吸瞑想」を試してみませんか？リンクをお送りします～」；
4. 効果フィードバック：ユーザーが「1週間の減量目標」を達成した場合、送信：「わー！今週0.8kg減った、すごいね！ご褒美に無糖ミルクティーを飲もう～」。
効果：ユーザーは「エージェントは私自身よりも私を理解してくれている」と感じ、「依存感」が形成されます。
設計テクニック2：「実行可能なプロンプト」で実行のハードルを下げる
従来の健康アドバイスの問題は「あまりにも一般的的」であることです—例えば「食事を制御する」と言っても、ユーザーは「どうやって制御するか」を全く知りません。一方、Agentic AIのアドバイスは「各ステップまで具体的」である必要があります。
例：実行可能なプロンプト
ユーザーが「食事を制御する」必要がある場合、アドバイスには以下を含める：
- 「具体的な食物の置き換え」：例えば「夕食の200gの白米を150gの雑穀ご飯（50gの炭水化物を減少）に置き換える」；
- 「定量的な基準」：例えば「毎日茹で卵1個（タンパク質を補給）、100gのブロッコリー（食物繊維を補給）を食べる」；
- 「ツールの補助」：例えば「1週間の食事リストを生成し、直接スマートフォンのメモにインポートできます～」。
効果：ユーザーは「考える」必要がなく、「そのまま実行」するだけです—実行のハードルが低いほど、継続する確率が高まります。
設計テクニック3：「ツール呼び出しプロンプト」でアドバイスの「信頼性」を強化する
ユーザーは「エージェントのアドバイスが信頼できるか」を疑います—例えば「なぜオートミールを食べるように勧めるの？」。この場合、**「権威引用プロンプト」**を使い、エージェントのアドバイスに「根拠」を持たせます。
例：権威引用プロンプト
アドバイスを提供する際、「根拠を説明する」：
- 例えば「オートミールを食べるように勧める」→ 変更：「オートミールの「β-グルカン」はコレステロールを低下させます～WHOは毎日50gのオートミール摂取を推奨～」；
- 例えば「スイムを勧める」→ 変更：「スイムは膝にかかる圧力がランニングの1/10で、膝が悪い人に適しています～米国スポーツ医学会は週3回のスイムを推奨～」。
効果：ユーザーは「エージェントのアドバイスは科学的であり、適当に作られたものではない」と感じます。
四、第四段階：エージェントが「話し方を学ぶ」—マルチモーダル対話のプロンプト設計
健康管理の「体験向上」は、**「ユーザーが最も快適な方法でエージェントと対話できるようにすること」**です。例えばお年寄りは「音声」を好み、若者は「文字+スタンプ」を好み、糖尿病患者は「データの可視化チャート」を必要とするかもしれません。
設計テクニック1：「マルチモーダルプロンプト」でユーザーの習慣に適合する
**「モダリティ選択プロンプト」**を使い、エージェントが「ユーザープロファイル」に基づき自動的に対話方法を選択できるようにします。
例：マルチモーダルプロンプト
ユーザープロファイルに基づいて対話方法を選択：
1. お年寄り（年齢≥60歳）：「音声+大文字フォント」を使用、例えば「おばあさん～明日の午前8時に血圧を測定してください～電話でリマインドします～」；
2. 若者（年齢18-35歳）：「文字+スタンプ+リンク」を使用、例えば「宝～今日の歩数がまだ2000足りない～下りてミルクティーを買い、そのまま歩いて～😜（近くのミルクティーショップのリンクを添付）」；
3. 慢性疾患患者（例えば糖尿病）：「文字+可視化チャート」を使用、例えば「あなたの過去7日間の平均血糖値は8.2mmol/L～これは変動図→（血糖値トレンド図を添付）、50gのご飯を減らしてください～」。
効果：異なるユーザーが「自分の好みの方法」でエージェントと対話でき、体験が向上します。
設計テクニック2：「フィードバックループプロンプト」で対話体験を最適化する
エージェントは「ユーザーの意見を聞く」必要があり、「自分一人で話す」のではありません。**「フィードバックプロンプト」**を使い、ユーザーが「ワンタッチで」対話方法を調整できるようにします。
例：フィードバックプロンプト
ユーザーとの対話後、以下の一文を追加：
「私の語気が長すぎる/厳しすぎる/陽気すぎると思う場合、または音声/文字に変えたい場合は、直接教えてください～すぐに調整します！」
効果：ユーザーは「エージェントはカスタマイズ可能であり、固定されたものではない」と感じます。
五、第五段階：エージェントが「ルールを守る」—安全とプライバシーのプロンプト設計
健康管理は「医療データ」を扱うため、「安全とプライバシー」は赤線です。エージェントが「ユーザーの血糖値データを漏洩」したり、「誤った医療アドバイスを提供」したりすると、ユーザーの信頼を直接的に破壊します。
設計テクニック1：「境界プロンプト」でエージェントの「決定権」を制限する
エージェントは「医師の診断に代わってはいけません」—**「禁止プロンプト」**を使い、エージェントの「行動の境界」を明確にします。
例：禁止プロンプト
絶対にしてはいけないこと：
1. 医療診断を提供する（例えば「あなたは糖尿病です」とは言わず、「あなたの血糖値が少し高いです、病院で検査することをお勧め～」とする）；
2. 処方薬を推奨する（例えば「二甲双胍を飲めます」とは言わず、「医師にインスリン用量を調整するよう相談することをお勧め～」とする）；
3. ユーザーデータを漏洩する（例えば「あなたの血糖値は10mmol/L」とは言わず、「あなたの血糖値が少し高いです～」とする）。
設計テクニック2：「許可プロンプト」でユーザーのプライバシーを保護する
エージェントが「第三者データ」（例えば電子カルテ、医療データベース）を呼び出す場合、必ず「ユーザーの明確な許可」を得る必要があります。
例：許可プロンプト
以下のデータを呼び出す必要がある場合、必ずユーザーに尋ねる：
1. 電子カルテ：「より正確なアドバイスを提供するため、あなたの電子カルテ（過去3ヶ月間の血糖値データのみを表示）にアクセスしてもよろしいですか？」；
2. 家族データ：「子供のワクチン記録を同期するため、子供の身分証明番号が必要です、よろしいですか？」；
3. 第三者ツール：「近くのジムを検索するため、あなたの位置情報にアクセスしてもよろしいですか？」。
設計テクニック3：「透明化プロンプト」でユーザーに「エージェントの動作を知らせる」
ユーザーは「エージェントのアドバイスがどのように生成されたか」を知る権利があります—**「決定プロセスプロンプト」**を使い、エージェントに「思考プロセスを公開」させます。
例：決定プロセスプロンプト
アドバイスを提供する際、「データソース」を説明する：
- 例えば「15分間の瞑想を増やすように勧める」→ 変更：「あなたの睡眠データ（過去3日間で深度睡眠<2時間）とストレステスト（スコア8/10）に基づき、15分間の瞑想を増やすことをお勧め～」；
- 例えば「50gのご飯を減らすように勧める」→ 変更：「あなたの血糖データ（今朝の空腹時血糖値9.1mmol/L）と食事記録（昨日250gのご飯を食べた）に基づき、50gのご飯を減らすことをお勧め～」。
効果：ユーザーは「エージェントのアドバイスは信頼できる」と感じ、長期的な信頼が構築されます。
実践ケース：Agentic AIで「慢性疾患管理」システムを再構築する
「全プロセス設計」をより直感的に理解してもらうため、**「糖尿病患者管理」**を例に、Agentic AIの「ワークフロー」と「プロンプト設計」を展示します。
1. ユーザーシナリオ：張さん（35歳、糖尿病2年、膝が悪い）
ユーザー入力：「最近いつもお腹が空く、食べてもまだお腹が空く」
2. 第一段階：意識理解（プロンプトトリガー）
エージェントが「システムプロンプト」に基づき、3つの質問をします：
- 「お腹が空くときに、動悸や手の震えはありますか？」（ユーザー回答：「あります、昨日お昼にお腹が空いたとき、手が震えました」）；
- 「最近運動量を増やしましたか？」（ユーザー回答：「いいえ、最近残業が多く、運動していません」）；
- 「食事ごとの主食量は以前より少ないですか？」（ユーザー回答：「以前と同じで、毎日200gのご飯です」）。
3. 第二段階：ツール呼び出し（プロンプトトリガー）
エージェントが「ツールプロンプト」に基づき、自動的に以下を呼び出します：
- ユーザープロファイル：「糖尿病2年、膝が悪い、過去30日間で毎日4000歩」；
- 血糖データ：「過去7日間の空腹時血糖値平均9.2mmol/L（基準値