文脈と例示でAIの精度を上げる — Few-shotと前提の与え方

説明だけでは伝わらない基準がある

「丁寧に」「簡潔に」「緊急度が高いものを優先して」といった指示は、人間同士なら暗黙の了解で通じますが、AIにとっては解釈の幅が広い言葉です。役割・文脈・指示・出力形式の型を使っても、判断基準そのものが曖昧なままだと出力はぶれます。こうした場合、言葉で定義を積み重ねるより、実際の例を見せてしまうほうが早く正確に伝わることが少なくありません。

良い例・悪い例を提示する（Few-shot）

顧客からの問い合わせメールを「緊急」「通常」「情報共有のみ」の3段階に分類する作業を例にします。基準を文章で説明する代わりに、次のように具体例を添えます。

プロンプト例
「以下の分類基準に沿って、新しい問い合わせメールを分類してください。
例1:『請求金額が二重に引き落とされています、至急確認をお願いします』→ 緊急
例2:『来月の請求書の発行日を教えてください』→ 通常
例3:『先日ご案内いただいた資料、確認しました。ありがとうございます』→ 情報共有のみ
分類対象:『サービスが朝から利用できず、業務が止まっています』」

この形式は一般に「Few-shotプロンプティング」と呼ばれます。判断基準を言葉で長々と説明する代わりに、入力と出力のペアを複数示すことで、AIがパターンを読み取りやすくなります。

例を渡さない場合との違い

例を1つも渡さずに基準だけを言葉で説明する進め方は「ゼロショット」と呼ばれます。単純な作業であればゼロショットでも十分ですが、「緊急度」や「トーン」のように人によって判断が分かれやすい基準では、言葉の定義がどれだけ丁寧でも解釈のずれが残りがちです。境界線が曖昧な作業ほど、具体例を添えるFew-shotの効果が出やすくなります。

前提条件を明示する

例示と合わせて効果的なのが、前提条件の明示です。「この分類は一次対応チームが見る」「情報共有のみでも、担当者名が明記されている場合は通常扱いにする」といった運用上のルールは、例だけでは伝わりきらないことがあります。例示で「型」を、文章で「例外条件」を伝えると聞き手（AI）の理解が補完し合います。前提条件は箇条書きで2〜3行にまとめる程度で十分で、長い説明文にする必要はありません。

例が多すぎるとどうなるか

もっとも、例示は多いほど良いわけではありません。似たパターンの例を5個も6個も並べると、AIがその型を過剰に一般化し、例と少しでも違う入力に対して不自然に当てはめようとすることがあります。文章の分類であれば、極端に短い問い合わせや複数の要件が混在するメールに対して、無理に3択のどれかへ押し込めてしまうような硬直した出力が出やすくなります。目的に応じて、判断が分かれやすい境界線上の例を2〜4個程度に絞り、残りは前提条件の文章で補うほうが扱いやすいことが多いです。

こう使う

新しい分類や表記ゆれの統一など、基準を言葉で説明しづらい作業から着手するのがおすすめです。まず良い例と悪い例を1つずつ用意し、境界線が曖昧なケースを1〜2個加えて試します。出力が安定しない場合は、例を増やす前に前提条件の書き方を見直すと改善することがあります。複数の情報源を比較・分類する場面では複数の情報源を比較・分析するの手順とも相性が良く、あわせて確認しておくと応用がききます。

参考文献

1. Anthropic. "Use examples (multishot prompting) to guide Claude's behavior." Claude Docs, Prompt engineering.
2. OpenAI. "Prompt engineering — provide examples." OpenAI Platform Documentation.
3. Google. "Prompt design strategies — few-shot prompting." Gemini API Docs, Google AI for Developers.