Проблематика. Починаючи з 2021 року, інженерія запитів (prompt engineering) стала наріжним каменем штучного інтелекту (ШІ), а до 2023 року здійснила революцію в галузі телекомунікацій шляхом оптимізації великих мовних моделей (LLMs). Мета. Цей огляд узагальнює наявні дослідження з метою оцінки трансформаційної ролі інженерії запитів у телекомунікаціях, з акцентом на практичні застосування, технічні виклики та майбутні напрями розвитку. Методи. Аналіз базується на літературі за 2021–2025 роки із 31 джерела, включаючи журнали IEEE, транзакції ACM з інформаційних систем, матеріали конференції NeurIPS, а також препринти arXiv. Розглядаються техніки інженерії запитів, такі як навчання за кількома прикладами (few-shot learning), ланцюжкове мислення (chain-of-thought prompting), багатокрокові запити (multi-step prompting), розпізнавання іменованих сутностей (NER), генерація з доповненням через пошук (RAG) та інші, із фокусом на телекомунікаційні застосування (6G та гіпотетичні застосування для 5G) у контексті розвитку обробки природної мови (NLP). Результати. Хоча досліджень із застосування інженерії запитів у сфері телекомунікацій 5G наразі небагато, ця галузь відкриває значні можливості для оптимізації роботи мереж, діагностики, обробки документації, покращення обслуговування клієнтів та стимулювання інновацій як у 5G, так і у майбутніх мережах 6G. Висновки. Інженерія запитів поєднує можливості ШІ з потребами телекомунікацій, а такі техніки, як NER і RAG, сприяють вдосконаленню мобільних комунікацій. Недостатність досліджень, специфічних для 5G, підкреслює нагальну потребу у спеціалізованих LLM для телекомунікацій та автоматизованих стратегіях формування запитів для розвитку рішень для 5G та 6G.

Background. Since 2021, prompt engineering has emerged as a cornerstone of artificial intelligence (AI), revolutionising telecommunications by 2023 through optimised large language models (LLMs). Objective. This review synthesises existing research to evaluate prompt engineering’s transformative role in telecommunications, emphasising practical applications, technical challenges, and future directions. Methods. This analysis draws on 2021–2025 literature from 31 sources, including IEEE journals, ACM Transactions on Information Systems, NeurIPS proceedings, and arXiv preprints, examining prompt engineering techniques like few-shot learning, chain-of-thought prompting, multi-step prompting, Named Entity Recognition (NER), Retrieval-Augmented Generation (RAG) and more, with a telecom focus (6G and hypothesised 5G applications) contextualized within Natural Language Processing (NLP) advancements. Results. Although research on prompt engineering specifically for 5G telecommunications is currently limited, it presents substantial opportunities for optimising network performance, diagnostics, documentation handling, enhancing customer support, and driving innovation across both 5G and future 6G networks. Conclusions. Prompt engineering bridges AI capabilities with telecommunications needs, with techniques like NER and RAG contributing to the enhancement of mobile communications. The dearth of 5G-specific research highlights the urgent need for specialised LLMs in telecommunications and automated prompting to advance solutions for 5G and 6G.