チェーン・オブ・ソート — AIに段階的な推論を行わせる

単純なタスク（メッセージの作成、ドキュメントの要約、リストの生成など）では、モデルは迅速に応答を生成し、通常は十分な結果を出します。しかし、分析や構造的な推論、複数の要素を考慮した意思決定が必要なタスクでは、迅速な応答はしばしば浅いものとなります。

実践におけるChain-Of-Thoughtの例

特別な構文は必要ありません。推論を求めていることをモデルに示すフレーズが必要です。

• Think through this step by step before giving your answer（答えを出す前に段階的に考えてください）;
• Before responding, identify the key considerations involved（回答する前に重要な考慮事項を特定してください）;
• Walk me through your reasoning, then give your recommendation（推論の過程を説明し、その後に推奨を述べてください）;
• Break this problem down before drawing any conclusions（結論を出す前にこの問題を分解してください）。

Chain-of-thoughtなし: Should we launch this feature for all users or run a limited beta first?

モデルはすぐに推奨を提示しますが、その推論過程は明示されません。

Chain-of-thoughtあり: Should we launch this feature for all users or run a limited beta first? Before answering, reason through the key trade-offs involved — risk, speed of learning, support load, and rollout reversibility. Then give your recommendation.

モデルは推奨に至る前に、トレードオフを明確に示します。これにより、反論や議論の材料、チームディスカッションの基礎として活用できます。

チェーン・オブ・ソートが最も価値を発揮する場面

この手法が有効なのは次のような場合：

• モデルに複数の競合要素がある中で「推奨」や「意思決定」を求めるとき
• モデルに批判的な分析（提案、計画、文章などの評価）を求めるとき—単なる説明ではなく
• AIを使って会話や会議の準備をし、事前にさまざまな観点を検討したいとき
• トレードオフの検討が必要で、結論が要素のバランスに依存する場合
• 他者に提示するアウトプットが必要なとき—理由付けを示すことで、アウトプットの信頼性や議論のしやすさが向上する

有用なバリエーション：理由付けを分けて求める

最終的な答えを分かりやすい形式で欲しいが、その根拠となる理由付けも見たい場合があります。その両方を明示的に求めることができます：

Analyze the following proposal for potential risks. First, reason through each section and identify concerns. Then give me a summary of the top three risks in bullet points.

これにより、文書やプレゼンテーションに必要な構造化されたアウトプットと、確認や関係者と共有できる完全な理由付けの両方を得ることができます。