プロンプティングの基礎

生成AIに指示を出すとき、「なかなか思った通りの回答が返ってこない…」と悩んだことはありませんか？

実は、プロンプト（指示文）には「型」があります。

この型を知っているだけで、AIの回答精度は劇的に向上します。

この記事では、プロンプトを構成する4つの要素と、最も基本的かつ重要なテクニックである「Zero-Shot（ゼロショット）」と「Few-Shot（フューショット）」の違いについて、具体例を交えて解説します。

プロンプトの4つの構成要素

効果的なプロンプトを作るためには、以下の4つの要素を含めると良いとされています。

• Instruction（命令）：AIにやってほしい具体的なタスク。「要約してください」「翻訳してください」など。
• Context（文脈）：AIに与える背景情報や役割。「あなたはプロのライターです」「小学生向けに説明して」など。
• Input Data（入力データ）：処理してほしい具体的な内容。「以下の文章を〜」「このデータを〜」など。
• Output Indicator（出力形式）：どのような形式で答えてほしいか。「箇条書きで」「表形式で」「100文字以内で」など。

これらが揃っているほど、AIは迷わずに的確な回答を生成できます。

Zero-Shot プロンプティング

Zero-Shot（ゼロショット）プロンプティングとは、「例題（見本）」を一つも与えずに、いきなり本番のタスクを依頼する方法です。

「Shot」は「例（Example）」のことだと考えてください。

つまり、「例がゼロ」の状態です。

具体例

このように、やり方を教えなくても、現在の高性能なLLM（大規模言語モデル）であれば、一般的なタスク（翻訳、要約、感情分析など）はZero-Shotでも十分にこなせます。

Few-Shot プロンプティング

Few-Shot（フューショット）プロンプティングとは、「いくつかの例題（見本）」を与えてから、本番のタスクを依頼する方法です。

「Few（少数）」の例を見せることで、AIに「あ、こういう風に答えればいいんだな」と空気（パターン）を読ませることができます。

具体例

Few-Shotのメリット

Few-Shotを使うと、Zero-Shotでは難しかった複雑なタスクや、特定のフォーマット（書き方）を守らせたい場合に、劇的に精度が上がります。

これを「文脈内学習（In-Context Learning）」と呼びます。AIを再学習させなくても、プロンプトの中でその場限りの学習をさせているような状態です。

まとめ

今回の記事では、プロンプトの基礎について解説しました。

• プロンプトは「命令・文脈・入力データ・出力形式」の4要素で構成すると良い。
• Zero-Shot：例なしで質問する。簡単なタスク向け。
• Few-Shot：例（パターン）を見せてから質問する。複雑なタスクや、回答形式を固定したい時に有効。

試験では「例を提示して回答精度を高める手法はどれか？」といった問題が出ます。「Shot＝例」と覚えておけば、迷わずFew-Shotを選べるはずです！