GPT-5.5への移行を検討する開発者の多くは、従来のプロンプトをそのまま持ち込もうとする。しかしOpenAIは公式ガイドで明確に警告している——GPT-5.5をGPT-5.2やGPT-5.4のドロップイン代替として扱うべきではなく、過去に磨き込んだ詳細なプロンプトはむしろ本来の性能を抑制する場合があるという。理由は、GPT-5.5の推論効率が前モデルより高くなったことで、過剰なプロセス指定がノイズとなり、モデルの探索空間を狭めるからだ。本記事では、7部品プロンプト設計、4段階effortの調整、preambleとRetrieval budget（取得予算）の活用を通じて、GPT-5.5移行時に何を捨て、何を作り直すべきかを整理してみたい
詳細な手順指定が推論候補を減らす理由
OpenAIがGPT-5.5の発表と同時に改めた公式ガイドでは、GPT-5.5をGPT-5.2やGPT-5.4の置き換えとしてそのまま差し替える運用を推奨していない。通常のモデル移行なら、モデル名を変え、ログで出力差分を確認し、必要な箇所だけ調整する流れになりやすい。だが今回のガイドでは、既存プロンプトを継承するより、最小限の指示から新しいベースラインを作る方向が示されている。
「必ず5段階で分析せよ」「各段階で3つの観点を列挙せよ」という指定は、タスクの難易度や入力量に関係なく同じ処理を要求する。GPT-5.5のように推論効率を高めたモデルでは、固定された手順が回答品質を支える足場ではなく、候補経路を減らす制約になりやすい。OpenAIはこうした過剰なプロセス指定を、ノイズを加え、探索空間を狭め、形式優先の回答を生む要因と説明している。短いFAQの要約でも複雑な仕様書の分析でも、同じ工程を強いる設計がGPT-5.5では裏目に出るのだ。
モデルはシステムプロンプトを高優先度の指示として扱い、古いテンプレートに含まれる定型的な手順にも従おうとする。成功条件が「正確な要約」でも、制約に「必ず10項目で出力」とあれば、短い資料でも10項目を埋める方向へ圧力がかかる。根拠の薄い項目を作るより3項目で終える方が適切な場面でも、テンプレートが出力の形を先に決めてしまう。失われるのは、モデルが入力に合わせて処理量と構成を調整する余地だ。
GPT-5系列は、前世代のGPT-4系列より推論能力を強めたモデル群として位置づけられてきた。GPT-5.5では前モデルより少ない推論トークン（reasoning token）で同等以上の結果を出すとされており、推論の効率が改善されている。人間が細かい経路を先回りして書くほど、モデルは改善された効率を経路選択に使えなくなる。プロンプトを長くする発想から、判定基準を明確にする発想への転換が求められている。
旧テンプレートと7部品プロンプトの違い
OpenAIがGPT-5.5向けに示した推奨構造は、Role、Personality、Goal、Success Criteria、Constraints、Output、Stop Rulesの7パーツだ。Roleはモデルの役割、Personalityは口調やふるまい、Goalは達成目的を定義する。Success Criteriaは成功の判定条件、Constraintsは守るべき制約、Outputは形式、Stop Rulesは中止条件や確認条件を担う。旧テンプレートで一体化しがちだった目的、禁止事項、出力形式を別々の欄に置く設計がGPT-5.5向け構造の核心だ。
過去のシステムプロンプトには「まずAを分析し、次にBを分類し、最後にCを400字でまとめる」といった工程固定型が目立った。GPT-5.5向けの構造では「開発者が移行時に注意すべき変更点を抽出する」とGoalに書き、「変更点、影響、推奨対応が対応関係で分かる」とSuccess Criteriaで判定軸を示す。手順そのものはモデルに選ばせ、出力形式や安全要件だけをConstraintsとOutputで固定する。思考順序を命令する設計から成果物の合格条件を渡す設計へ、この転換がBeforeとAfterの根本的な差だ。
OpenAIが今回示した推奨構造では、ロール定義（Role）が先頭パーツとして置かれている。Roleは長い職務記述にするのではなく「技術文書を要約するリサーチアシスタント」程度の短い定義が向く。後続のGoalやSuccess Criteriaと衝突する記述が混ざりにくいからだ。RoleとPersonalityはモデルの人格を飾る欄ではなく、視点と責任範囲を固定する欄として機能する。
「必ず推測して回答する」と「根拠のない情報を含めない」が同一プロンプト内に存在すれば、モデルはどちらを優先するかで揺れる。GPT-5.5向けガイドは「ALWAYS」「NEVER」のような絶対命令をセキュリティルール、法令順守、必須出力フィールドなど真の不変要件に限るよう求めている。品質改善の願望まで絶対命令にすると、制約同士の衝突が増える。絶対命令は数を増やすほど強くなる命令群ではなく、最小限に絞るほど意味が明確になる制約だ。
移行作業は削るより空文書から組み直す
既存プロンプトの編集画面を開く前に、空の文書へ7パーツの見出しだけを並べる方が安全だ。最初にRoleとGoalを1〜2文で書き、次にSuccess Criteriaを検証可能な条件として置く。そこへ法務、安全、必須フィールド、出力形式など変更できない条件だけをConstraintsとOutputへ移す。古い文章を削る作業から始めると、過去の手順指定を残す判断に寄りやすい。
既存プロンプトの中に「必ず次の順番で」「各段階で」「最後に必ず」といった文があれば、工程固定の候補として印を付ける。次に「網羅的に調べる」「深く分析する」のような努力目標を、Success criteriaへ移せるか確認する。「変更点、影響、推奨対応が1対1で対応している」と書けば、人間もモデルも評価しやすい。曖昧な品質要求を合否判定できる条件へ変換する作業がGPT-5.5移行の中心になる。
悪い例としては、調査アシスタントに「必ず5段階で問題を分解し、各段階で3つの仮説を出し、すべての仮説に反論を書き、最後に400字で結論を書く」と命じるプロンプトがある。短いFAQの要約でも複雑な仕様書の分析でも、同じ工程を強いる設計だ。さらに「不明点があっても必ず推測して回答する」と入れると、根拠のない補完を誘発する。GPT-5.5への移行では、この種の命令をSuccess CriteriaとStop Rulesへ分解する必要がある。
良い例では、Goalに「提供資料から開発者が移行時に注意すべき変更点を抽出する」と書き、Success Criteriaに「変更点、影響、推奨対応が対応関係で分かる」「根拠のない推測を含めない」と記述する。Constraintsで「セキュリティ要件と必須フィールドは省略しない」と定め、Stop Rulesで「資料に根拠がない要求は回答前に確認する」とする。手順を消しても、成果物の輪郭はむしろ明確になる。
Codexを使う開発者には、$openai-docs migrate this project to gpt-5.5という自動マイグレーション用コマンドも用意されている。既存プロジェクト全体を対象にGPT-5.5向けの移行作業を支援するコマンドだ。自動変換後に人間が見るべき箇所は、Success CriteriaとConstraintsの分離、絶対命令の削減、Stop Rulesの妥当性の3点に絞れる。責務を整理する作業として捉えると、移行で生じる失敗が減る。
4段階EffortとPreambleで体感待ち時間を変える
GPT-5.5の推論Effortは、low、medium、high、xhighの4段階で設定する。OpenAIはデフォルトをmediumにしており、効率と品質のバランスを取る推奨値として扱っている。lowは効率重視、highは複雑なエージェント、xhighは最難タスク向けという整理だ。mediumで基準を取り、失敗例の種類を見てから上下させる運用が現実的になる。
プロンプトが長い手順指定で埋まっていれば、Effortを上げても推論資源が形式維持に回りやすい。古い工程指定を外し、それでも計画力や検証力が足りないタスクだけhighやxhighを試す方が筋が通る。コストと品質の調整は、モデル設定とプロンプト設計を一体で見る必要がある。effortを上げる前にプロンプトを整理する順序が大切だ。
ストリーミングアプリでは、Preamble（プリアンブル）機能が体感レイテンシの対策になる。ツール呼び出しの前に短い状態更新を1〜2文送ることで、ユーザーは処理が止まっていないと分かる。長い検索やコード解析を伴うエージェントでは、最終回答の品質が高くても無音の待ち時間が離脱につながる。Preambleは回答を急がせる機能ではなく、待ち時間の不安を下げる運用部品だ。
画像入力を含むワークフローでは、autoまたは未設定の場合にデフォルトでoriginal動作になる。OpenAIの説明では、最大1,024万ピクセルまたは長辺6,000ピクセルの制限が適用される。モデル変更と別に入力サイズ、圧縮、前処理の想定を検証する必要がある。テキストプロンプトだけを直すと、画像側の前提変化による出力差分を見落としやすい。
検索エージェントは取得予算で止め時を決める
OpenAIのガイドは、検索を伴うエージェントにRetrieval budget（取得予算）の考え方を置いている。通常の質問応答は1回のブロード検索から始め、コア要求に十分な根拠があれば再検索しない。従来のプロンプトでは「徹底的に調べる」「可能な限り検索する」と書かれがちだった。GPT-5.5向けには、再検索の条件と停止条件を分けて書く方が扱いやすい。
社内ドキュメント検索ボットなら、最初の検索で仕様変更日、対象API、移行手順の3点が見つかれば回答へ進む条件を設定できる。3点のうち1点が欠ける場合だけ再検索し、それでも見つからない場合は「資料内に根拠がない」と返す。Retrieval budgetはコスト削減の設定であると同時に、回答の根拠密度を保つための停止ルールだ。モデルに延々と調べさせる命令より、十分条件と停止条件を明文化する設計がGPT-5.5では有効に機能する。
GPT-5.5移行で残すべきプロンプト資産は、長い工程表より、成果を判定するための条件だ。OpenAIの警告が示す逆説は明確で、モデル性能が上がるほど人間が細かい手順で縛る価値が下がる。Role、Goal、Success Criteria、Constraints、Output、Stop Rulesの7点を整え、Effort、Preamble、Retrieval budgetを運用設計へ落とすことで、GPT-5.5の性能を引き出す土台が整うというわけだ。