コア技法・役割・例・ステップバイステップ思考

4つの基本要素に加えて、経験豊富なAIユーザーが出力品質を確実に向上させる3つのテクニックがあります。これらはいずれも技術的な知識を必要とせず、リクエストの伝え方を少し変えるだけです。

テクニック1 — ロールプロンプト

AIに特定の役割や視点を持たせてから応答させることができます。これにより、出力全体のトーン、語彙、参照枠が変化します。

仕組み: プロンプトの冒頭に 「[役割]として振る舞って...」 または 「あなたは[役割]です...」 と記載します。

例:

• Act as an experienced HR manager and review this job description for any language that might discourage diverse candidates.
• You are a skeptical investor. Read this business proposal and list the three weakest points.
• Act as a plain-language editor. Rewrite the following paragraph so a 16-year-old could understand it.

役割は職業名である必要はなく、考え方やペルソナ、コミュニケーションスタイルでも構いません。

テクニック2 — Few-Shot（少数例）プロンプト

AIに特定のスタイル、トーン、またはフォーマットに合わせてほしい場合、 最も効果的なのは例を見せることです。

これはFew-Shotプロンプティングと呼ばれます。モデルに1つまたは2つの 出力例を提示し、その後で自分自身の出力を求める方法です。

仕組み： プロンプトにサンプルを含めます：「これが希望するスタイルの例です： [例]。同じスタイルで[X]を書いてください。」

例： Here's an example of how we write internal announcements at our company: "Team — quick update: the office will be closed on Friday, April 18th for a company offsite. If you have urgent client meetings, please flag them to your manager by Wednesday." Using this same tone and structure, write an announcement about our new quarterly planning process starting next month.

AIは例の長さ、フォーマルさ、文の構造、直接性を読み取り、 それを適用します。

テクニック3 — ステップバイステップ思考（Chain-of-Thought）

複雑なタスク（分析、意思決定、構造的な推論など）では、AIに問題を段階的に考えさせてから答えを出させることができます。これにより、表面的な回答を減らせます。

仕組み： 「ステップバイステップで考えてください」や 「答える前に主要なポイントを推論してください」などのフレーズを追加します。

なぜ有効か： 明示的な推論を求めることで、モデルはより構造的で熟慮された出力を生成し、 最初に思いついたもっともらしい結論に飛びつくことを防ぎます。

例：

• Think step by step: what are the main risks of launching a new product feature without user testing?;
• Before giving your answer, reason through the pros and cons. Should we host this event in-person or online?;
• Walk me through how you'd approach structuring this project plan, step by step.。

このテクニックは、AIに単なるテキスト生成ではなく分析を求める場合に特に有効です。