Microsoft 365 Copilot プロンプト：Microsoft Copilot のプロンプトフローを解説

By Mirko Peters · 2026-03-15 · Updated 2026-03-24

Microsoft 365 Copilot のプロンプトを解説：プロンプトフローを使いこなしましょう。Microsoft 365 で AI アシスタントに効果的なプロンプトを書く方法を学びます。

Automatically translated with AI from the original post. Read the English original

Microsoft Copilot のプロンプトフローは、Copilot が日常的な質問や指示に対して、文脈を踏まえた的確な応答を返すための基盤です。簡単に言えば、プロンプトフローとは、ユーザーの入力、AI による解釈、出力、フィードバックが一連の構造として連なり、Copilot の対話機能を動かす仕組みのことです。

このガイドでは、プロンプトフローが何を意味するのか、その仕組みが舞台裏でどのように動いているのか、そしてなぜ技術担当者にもビジネスユーザーにも重要なのかを順に説明します。プロンプトフローが指示をどのように実際の作業へと変換し、Microsoft のエコシステム内でワークフローを強化するのかについても、わかりやすく見ていきます。

自動化を構築する場合でも、AI を使ってデータを分析する場合でも、Microsoft 365 でより賢くサポートを受けたい場合でも、プロンプトフローの理解は欠かせません。この複雑なプロセスを、実践しやすいシンプルな要素に分解し、Copilot を最大限に活用できるようにしていきましょう。

Microsoft Copilot の基本を理解する

Microsoft Copilot は、Microsoft の環境内で複雑な作業を簡素化し、日常的なプロセスを自動化するために設計された AI アシスタントです。Microsoft 365、Azure、Power Platform、そして新しいクラウドサービスの中核に位置し、Word、Excel、Outlook、Teams などのアプリにシームレスに組み込まれています。

Copilot の中核的な目的は、余計な手間をかけずに、より多くのことを成し遂げられるようにすることです。自然言語のプロンプトを解釈し、それを操作、分析、インサイトへと変換することでこれを実現します。コーディングや専門的な技術スキルは必要ありません。レポートの下書き、メールのやり取りの要約、複数段階の承認の自動化など、どのような場面でも Copilot はあなたの目的に合わせて動作します。

Copilot は、使い慣れた Microsoft のツールに AI 機能を直接統合します。組織にとっては、ワークフローの高速化、生産性の向上、部門を越えた一貫したユーザー体験を意味します。ビジネスアナリストから IT 担当者まで、あらゆるユーザーが情報を管理し、業務を効率化し、データに基づくインサイトを引き出す助けとなります。

結局のところ、Copilot の価値は、文脈を理解し、ニーズから学習し、日常的なタスクから、より複雑で専門的なプロセスまで支援できる点にあります。その魔法は舞台裏で起きており、プロンプトフローが、ユーザーの意図と AI の動的な応答との間のやり取りを調整しています。

Microsoft Copilot におけるプロンプトとは

Microsoft Copilot のプロンプトとは、AI に与える入力や質問のことです。たとえば「これらのドキュメントに基づいてプロジェクトの概要を作成して」と入力する場合や、「最新の売上実績を表示して」と話しかける場合が該当します。プロンプトは、平易な言葉で意図を伝えることで Copilot を導きます。

プロンプトの書き方は結果に大きく影響します。Copilot は、入力された言葉をもとに目的を読み取り、どのように動くかを決定します。明確で具体的なプロンプトは、AI が正確で関連性の高い結果を生成する助けになります。一方、曖昧なプロンプトでは、わかりにくい、あるいは役に立ちにくい出力につながりかねません。Copilot の AI 機能から最大限の価値を引き出すには、プロンプトを丁寧に設計することが不可欠です。

プロンプトフローが Copilot の知能を支える仕組み

プロンプトフローは、自由形式の質問や指示を、賢く実用的な結果へと変える役割を担っています。これは動的なループとして捉えるとわかりやすいでしょう。ユーザーがプロンプトを与えると、Copilot はその要求を AI エンジンで処理し、応答を返します。その際、追加の確認を求めたり、ユーザーに代わって操作を実行したりすることもあります。

プロンプトが出力につながり、フィードバックが改善につながる、この往復のやり取りこそが、Copilot が文脈を理解し、適切に応答し続けるための中核です。Copilot は単独で動くのではなく、プロンプトフローを使って会話の流れを追跡し、重要な文脈を記憶し、進行中の手がかりに基づいて動作を調整します。

やり取りを重ねるごとに、Copilot は以前の情報を活用し、新しい詳細に適応し、ユーザーのニーズへの理解を深めていきます。この反復的なアプローチにより、AI はユーザーのワークフローに根ざしたものとなり、どの結果も定型的な回答というよりも、こちらの求めていることを本当に理解している優秀な同僚と仕事をしているような感覚をもたらします。

Copilot プロンプトフローの主要コンポーネント

Copilot のプロンプトフローは、質問を受け取ってから回答を提供し、さらに改善するまでの過程を導く、相互に関連したいくつかのステップで構成されています。これらのステップそれぞれが、途切れのないインテリジェントなユーザー体験を形作る上で、固有の役割を果たしています。

まず、入力を通じて意図を伝える方法があります。入力とは、テキストの入力、音声での指示、選択肢からの選択などです。Copilot がその入力をどのように処理し、コンテキストを管理し、内部の AI タスクをどう統合するかによって、フローの品質と信頼性が決まります。出力を生成したあとは、フィードバックから学習し、今後の応答を継続的に改善することで、このループを完成させます。

これらの要素は連携して機能します。入力が舞台を整え、AI オーケストレーションが体験を形づくり、結果が価値をもたらし、そしてフィードバックがシステムを日々賢くしていきます。この概要が示すように、プロンプトフローは単発の回答を返すだけのものではなく、時間をかけて Copilot とのより適応性が高く効果的なやり取りを構築するための仕組みです。

ユーザーの意図と入力

プロンプトフローのすべては、ユーザーの意図と入力から始まります。Copilot で入力する内容、話す内容、選択する内容が、あなたの目的を AI に伝えます。「明日の 10 時に会議の招待を送って」のような単純な依頼であっても、複数のデータを含む複雑な指示であっても、明確さとコンテキストは非常に重要です。

Copilot は、自然言語のテキスト、音声、リッチデータ、さらには構造化されたテンプレートなど、さまざまな形式の入力に対応しています。システムには組み込みの言語理解機能があり、メッセージを解釈して、「何を」求めているのか、場合によっては「なぜ」それを求めているのかを読み取ります。入力が明確で具体的であるほど、Copilot はあなたの意図に合った、正確で実用的な出力を返しやすくなります。

AI オーケストレーションとコンテキストの処理

Copilot はプロンプトを受け取ると、AI オーケストレーションエンジンを使って、何を求めているのかを理解します。この処理では、入力を機械学習モデルで処理するとともに、現在使用中のアプリ、直近のやり取り、場合によっては関連するメールやドキュメントからコンテキストを取得します。

オーケストレーションレイヤーは、会話が的確な内容を保つよう制御します。どの AI タスクを起動するかを判断し、フォローアップの質問を管理し、ワークフローにとって何が最も重要かを追跡します。このコンテキストの処理により、応答は単に「賢い」だけでなく、タスクを取り巻く具体的な状況を深く理解したものになります。また、ニーズの変化に応じて動的に調整されます。

出力の生成とアクション

入力とコンテキストを処理した後、Copilot は適切な出力またはアクションを生成します。その内容は、テキストによる提案、そのまま使える下書き、より大きなワークフロー内の自動化された手順、あるいは視覚的な要約など、プラットフォーム（Microsoft 365、Power Platform、Azure など）によって異なります。

Copilot の出力は単なる回答ではなく、活用、共有、さらなる改善が可能な実用的な結果です。AI は Microsoft のツールとネイティブに統合されており、必要な場所に正確に出力を届けます。これにより、プロンプトがタスクの具体的な前進へと変わります。

フィードバックと反復的な改善

フィードバックは、Copilot のプロンプトフローを改善する原動力です。Copilot の応答を確認、修正、または補足することで、何がうまくいき、何がうまくいかないかをシステムに学習させることができます。このフィードバックのループにより、Copilot は適応し、賢くなり、利用を続けるほどより最適化された結果を返せるようになります。

提案を受け入れる、補足説明を加える、不一致を指摘するなど、反復のたびに、Copilot はあなたの好みと組織のコンテキストについての理解を深めていきます。フィードバックが多いほど、Copilot はあなたのニーズを予測して満たす精度が上がり、繰り返し発生するエラーや誤解も減っていきます。

Power Platform と Azure Machine Learning におけるプロンプトフロー

プロンプトフローはチャット形式の Copilot でのやり取りだけのものではありません。Power Platform や Azure Machine Learning において業務プロセスの自動化やモデルのトレーニングを行う際にも、中心的な役割を果たします。Power Platform では、プロンプトフローがローコードやノーコードの入力を段階的な自動化に変換します。たとえば、Power Automate のフローを設定し、プロンプトによって、どのメールが自動返信、ドキュメント生成、承認ワークフローのトリガーになるかを決めることができます。

Azure Machine Learning では、プロンプトフローによってデータサイエンティストや開発者が大規模言語モデル向けのより高度なプロンプトを作成し、実際の入力データでモデルをトレーニングし、ドキュメント要約、データ抽出、感情分析などのタスクに向けて出力を反復的に改善できます。プロンプトフローはコンテキストの再利用、モデル呼び出しの連結、フィードバックの収集を可能にし、これらはAIモデルを効率的にファインチューニングするうえで欠かせない要素です。

これらのプラットフォームでは、プロンプトフローを使って面倒で反復的な作業を効率化し、手作業のタスクを確実に自動化された結果へと置き換えます。ダッシュボードの作成、リクエストの処理、予測モデルの構築のいずれであっても、プロンプトフローは、ユーザーの意図と、その背後にある強力で適応性の高い機械知能とをつなぎます。

Prompt Flow の比較: Copilot Studio と Power Automate

Copilot Studio と Power Automate はどちらもプロンプトフローを多用しますが、異なるビジネスニーズに応えるために、それぞれ異なるアプローチを取っています。Copilot Studio は、一連のプロンプトと応答を処理できる、対話型で AI を活用したボットの構築に適しています。非常にインタラクティブで適応性の高いユーザー体験を提供します。Copilot Studio におけるプロンプトフローは、対話の順序制御、コンテキストの管理、動的な確認や分岐する会話の実現が中心です。

一方、Power Automate は、ユーザーが設定した入力と条件に基づいて、プロンプトフローで自動化ステップを開始し、順序立てて実行します。会話のコンテキストへの重点は小さいものの、Power Automate は、データのルーティング、通知、多段階の承認など、プロンプトとロジックゲートによって動かされる構造化されたワークフローの編成に優れています。

どちらのツールにもフィードバックと反復の仕組みが組み込まれていますが、Copilot Studio は対話の中での適応型学習を重視するのに対し、Power Automate は信頼性が高く再現性のあるプロセスの実行に重点を置いています。これらの違いを理解しておくと、組織はインテリジェントなチャットボット的な体験と堅牢なワークフロー自動化のどちらに適したプラットフォームを選ぶべきかを判断しやすくなります。

効果的なプロンプトを作成し、最適な結果を得る

1. 明確かつ具体的にする: 直接的で曖昧さのないプロンプトは、Copilot が求めている内容を正確に理解する助けになります。あいまいな表現は避けてください。「レポートを作成して」ではなく、「この Excel シートから第 2 四半期の売上を 1 段落で要約して」のように指示します。
2. 目的を定義する: 期待する結果を最初に明示します。「顧客への案内キャンペーン用のメール件名を 3 つ作成して」のように、Copilot に明確な目標を与えてください。
3. 関連する詳細を含める: 文脈が重要です。日付、ファイル名、その他の具体的な情報を含めてください。たとえば「金曜日の午前 9 時の予定に、チームメンバー全員を招待に追加して」のように指定します。
4. 平易な言葉を使う: 自然に書きつつ、Copilot が容易に解釈できる用語を使いましょう。複雑な専門用語よりも、シンプルで会話的な指示の方が通常はより良い結果になります。
5. 必要に応じて例を示す: 難しいタスクでは、求める結果の見本を示します。たとえば「要約は次のように整形して: 所見は箇条書き、提言は締めの段落で」のように指定します。
6. 確認して修正する: Copilot が一度で期待どおりの結果を出さなかった場合は、プロンプトを調整します。言い回しを変えたり、詳細を追加したりすると、より正確な応答が得られます。
7. 1 つのプロンプトに詰め込みすぎない: 大きな作業は分割しましょう。巨大なプロンプトを 1 つ用意する代わりに、Copilot が段階的に処理できる明確な指示を複数に分けて使用します。

Copilot Prompt Flow を活用する一般的なユースケース

• 文書とメールの下書き: Copilot は、簡単なプロンプトから、Word、Outlook、Teams で詳細なレポート、提案書、やり取りの文面を作成し、定型的な文章作成にかかる時間を大幅に削減します。
• 承認の自動化: プロンプトフローは、Power Platform 全体で多段階の承認チェーンと通知を開始でき、最小限の手作業で意思決定のスピードを高めます。
• 分析とダッシュボードの生成: Copilot はプロンプトを使って、Excel、Power BI、Azure から適切なデータを取得し、グラフ、要約、パフォーマンスの洞察をすぐに生成します。
• サポートリクエストの処理: Teams の IT チケットから Power Automate によるサービスデスクの自動化まで、プロンプトフローはケースの作成、振り分け、更新を効率化します。
• セキュリティとコンプライアンスの強化: Copilot は、ユーザーの問い合わせを監査、秘密度チェック、コンプライアンスワークフローに変換することで、ポリシーの適用や問題の検出を支援します。対象は Microsoft 365 全体です。

Copilot Prompt Flow におけるセキュリティとガバナンス

Copilot や他の AI エージェントがエンタープライズ プラットフォームにさらに深く組み込まれるにつれて、プロンプトフローを安全かつ適切にガバナンスすることが不可欠になります。AI 主導の自動化の柔軟性とスピードは、データ漏えい、不正な操作、コンプライアンスの欠落といった新たなリスクをもたらすため、堅牢な監督が求められます。

Copilotのプロンプトフローにおける適切なガバナンスは、組織とエンドユーザーの双方を守ります。機密データが不適切に扱われないようにし、アクセスを適切に制限し、AIの出力によって新たなセキュリティやプライバシーの問題が生じないようにします。全体像としては、明確な利用ポリシーの策定、継続的な監視、そして新たな脅威に対応する実施の仕組みを整えることを意味します。

以下のセクションでは、AIプロンプトフローに関連して想定される主なガバナンス上の課題を詳しく見ていきます。そのうえで、プロンプトフローのセキュリティとコンプライアンスを強化するために組織が活用できる実績のあるベストプラクティスを紹介します。これにより、安心して強力な自動化を取り入れられるようになります。

Microsoft Copilot Prompt Flow について、多くのユーザーや開発者が想定していない意外な事実を 7 つ紹介します。

1. プロンプトのビジュアルオーケストレーション: Prompt Flow は単なるテキストエディターではありません。プロンプトをつなぎ、分岐させ、デバッグするためのビジュアルキャンバスを提供します。プロンプトエンジニアリングをローコードのワークフローとして扱えるため、専門家でなくても複数ステップのやり取りを試行できます。
2. モデルの切り替え機能の標準搭載: 同じパイプライン内でフローの一部を別のモデルやモデルプロバイダーに振り分けられます。たとえば、前処理には高速で低コストなモデルを、最終出力には高品質なモデルを使うといったハイブリッドな戦略を、独自の統合コードなしで実現できます。
3. コネクタを利用したデータ連携プロンプト: Prompt Flow は、データソースや Azure サービスへのコネクタをサポートしています。そのため、静的なプロンプトのテキストだけでなく、ライブデータ、エンベディング、検索結果をプロンプトに直接組み込めます。
4. 可観測性と系譜管理: このプラットフォームは、入力、中間応答、出力を記録し、エンドツーエンドの系譜とメトリックを提供します。これにより、プロンプトのバージョンを時系列で監査、監視、比較できます。
5. パラメーター化と再利用可能なコンポーネント: フローでは、再利用可能なパラメーター化されたプロンプトコンポーネント（テンプレート、ガード、バリデーター）を定義できます。これにより重複を減らし、チームをまたいだガバナンスを向上できます。
6. 安全性とガードレールの統合: Prompt Flow は、モデルの前後など複数の段階で安全性チェックとフィルターを組み込めます。後付けではなくフローの一部として、ポリシーの適用、コンテンツモデレーション、バイアスチェックを実行できます。
7. エクスポート可能で本番運用に対応: 本番環境のライフサイクルを前提に設計されており、フローを配布可能な成果物としてエクスポートしたり、CI/CD や Azure のデプロイパイプラインに接続したりできます。これにより、試験段階から本番環境への移行が簡単になります。

AI エージェントに想定されるガバナンス上の課題

• 未承認の自動化: 厳格な監視がないと、AI エージェントはユーザーの役割を超えた操作を開始したり、データにアクセスしたりする可能性があります。その結果、シャドー IT やコンプライアンス違反を招くおそれがあります。詳しい考察は、AI エージェントがガバナンスをどのように上回るかをご覧ください。
• データの不正利用と露出: ガバナンスが不十分なプロンプトフローは、特に効果的な情報漏洩防止（DLP）や監査がない場合、意図せず機密データにアクセスしたり、配布したりするおそれがあります。
• プロンプトインジェクション攻撃: 入力の検証が不足している場合、悪意のある入力によって AI エージェントが操作され、想定外または有害な動作を実行させられるおそれがあります。
• 誤った権限設定: 広すぎる権限や誤った権限を割り当てると、目に見えないリスクが生じます。その例は、Microsoft 365 におけるガバナンスの幻想で取り上げています。標準の制御機能だけでは適切な監視が保証されないためです。

自動化と AI の導入が進むにつれて、制御と可視性を維持するには、継続的な監視と強制力のあるポリシーが不可欠です。

プロンプトフローを保護するためのベストプラクティス

• 最小特権アクセスの徹底: 詳細な制御と定期的な監査により、Copilot やその他の AI エージェントの権限を制限します。その方法は、Microsoft Graph の権限で Copilot を保護するガイドで解説しています。
• 堅牢な監査証跡の実装: Microsoft Purview や Sentinel などのツールを使って、プロンプトフローのアクションを追跡および確認し、ポリシー違反やデータ漏洩を迅速に検出します。
• データ管理の拡張と自動化: すべての AI 出力に対して DLP ルール、自動ラベル付け、秘密度メタデータを統合します。推奨事項については、こちらの Copilot ガバナンス チェックリストを参照してください。
• ユーザーと管理者への教育: 弱いプロンプト、予期しない自動化、プロンプト主導のシステム内でのデータ共有に伴うリスクを、全員が理解できるよう実践的なトレーニングを提供します。
• ガバナンス フレームワークの採用: 実施可能なポリシーを設計し、データとロールの責任者を割り当てます。また、法務、セキュリティ、テクノロジーの各チームにまたがるレビュー プロセスを設定し、持続可能でコンプライアンスに準拠した Copilot の利用を実現します。

Copilot プロンプト フローの今後の展開とトレンド

Copilot プロンプト フローは急速に進化しており、多言語サポートが最優先事項であることは間違いありません。Gartner は、2026 年までに会話型 AI の 70% が複数言語をサポートするようになると予測しており、これにより Copilot のテクノロジーはグローバルな組織全体でより包括的なものになります。世界中のチームは、AI が最初から地域特有のスラングやビジネス用語を理解できるようになれば、大きな価値を得られるでしょう。

高度な文脈学習も、大きな転換点となるでしょう。Microsoft は、Azure や Power Platform などのツールを組み合わせて、より広範な AI エコシステムとの統合を進めています。専門家は、より緊密な連携によって、Copilot が公開データだけでなく組織固有の知識も考慮できるようになると予測しています。その結果、より的確な回答と迅速なワークフローが実現し、お客様のビジネスの仕組みを本当に理解する AI が生まれます。

よくある質問: チャット フローとデータ フローで Copilot を使用する

Microsoft Copilot プロンプト フローとは何ですか？ Microsoft 365 Copilot とはどのように関係しますか？

プロンプト フローは、大規模言語モデル (LLM) や Microsoft 365 Copilot の機能とやり取りするプロンプトとフローを設計、テスト、反復改善するための開発ツールおよびワークフローです。プロンプトを使用してフローを作成し、ノードとサービスを連結できます。そのため、プロンプト フローは開発資産として、Microsoft 365 アプリ、Microsoft Teams、その他の Microsoft 365 サービスに統合できます。

Copilot を使ってフローを作成するにはどうすればよいですか？ または、作成したいflowの内容を説明するにはどうすればよいですか？

Copilot に目的の動作を説明してフローを作成するか、プロンプト フロー エディターでノードを手動で組み立てることができます。Copilot を使用する場合は、入力プロンプトまたは例を指定してフローを生成させ、生成されたフローを調整し、フロー名を編集して、サンプルのフロー入力 1 とフロー入力 2 を使ってチャット フローとフローの実行をテストします。

プロンプト フローにおけるフローの主要コンポーネント (ノード、入力、出力) は何ですか？

フローは通常、ノード (LLM へのプロンプト、データ検索、評価などの各ステップを表す)、フロー入力 1/フロー入力 2 の値、フロー出力 1/フロー出力 2 の結果で構成されます。フロー全体がフローの実行を定義し、各ノードが入力を処理して出力を次のノードに渡すことで、複雑なデータ フローとチャット フローのシナリオを実現します。

フローをテストして実行するにはどうすればよいですか。「チャット フローをテストする」とは何を意味しますか。

チャット フローをテストするには、フローをテストするための入力 (フローをテストするための入力) を指定し、フロー実行を開始して、中間ノードの出力と最終的なフロー出力を確認します。各ノードでフロー入力を参照したり、フロー全体を検証したりできます。期待どおりに動作するまで、プロンプトやノードを編集して反復的に調整します。

プロンプト フローは Azure Machine Learning Studio やその他のクラウド フローと統合できますか？

はい。プロンプト フローは、クラウド フローや Azure Machine Learning Studio と連携して、モデル、スコアリング エンドポイント、データ パイプラインを呼び出すことができます。外部サービスにデータを渡すクラウド フローの統合を作成でき、ハイブリッドなデータ フローのシナリオや、カスタム モデルの評価とデプロイに Azure Machine Learning Studio を活用することが可能です。

プロンプト フローは、セキュリティ更新プログラム、データ境界、Microsoft 365 のサービス境界に関する懸念をどのように扱いますか？

プロンプト フローは Microsoft のセキュリティ ガイダンスに準拠しており、Microsoft 365 サービスと統合した場合には Microsoft 365 のサービス境界を尊重します。管理者は、Copilot が処理するデータがコンプライアンスに準拠していることを確認するため、セキュリティ更新プログラム、ガバナンス設定、データ処理ポリシーを確認する必要があります。テナント レベルの制御を使用し、安全な構成については Microsoft Learn のリソースに従ってください。

Prompt Flow と Copilot のアーキテクチャを使用する AI アプリケーションの推奨開発サイクルは何ですか？

開発サイクルには、フローの設計（フローは開発ツールです）、プロンプトのバリエーションの開発、実際のフロー入力を使ったテスト、出力の評価（評価フロー）、Microsoft 365 Copilot または Copilot チャットへのデプロイ、パフォーマンスの監視、セキュリティ更新プログラムの適用が含まれます。このサイクルでは Copilot アーキテクチャを活用し、大規模言語モデルによって反復的な改善を進めます。

追加のリソース、テクニカルサポート、Microsoft Learn のガイダンスは、どこで確認できますか？

Microsoft Learn には、Microsoft Foundry の prompt flow と Microsoft Foundry ポータルの flow に関するチュートリアルやモジュールが用意されています。テクニカルサポートや追加のリソースについては、Microsoft のドキュメント、コミュニティフォーラム、公式のサポートチャネルを参照してください。フローの作成、フロー実行のトラブルシューティング、Microsoft 365 サービスとの統合に関するヘルプを得られます。

フローを評価してデバッグするにはどうすればよいですか？詳細なフローの概要情報はどのように表示されますか？

フローの概要を使うと、ノードレベルのログ、フローの入出力のスナップショット、実行トレースなど、詳細なフローの概要情報を確認できます。デバッグでは、各ノードで LLM に送られるプロンプトを確認し、中間出力をチェックします。そのうえで、入力プロンプトやノードのパラメーターを調整し、フローを再実行して修正内容を検証します。

Prompt Flow を使って、Microsoft Teams や他の Microsoft 365 アプリで会話型の体験を作成できますか？

はい。prompt flow を開発し、フローを Microsoft Teams や他の Microsoft 365 アプリに組み込むことができます。これにより、Copilot の応答やチャットフローの体験が可能になります。フローを開始するイベント（メッセージやボタンなど）を設定し、フローの出力 1/フローの出力 2 をユーザーに表示される応答に対応付けてください。そのうえで、対象のアプリのコンテキストでフローの実行をテストし、正しく動作することを確認します。