【生成AI】ChatGPTで例なしの指示で結果がぶれる時のFew-shotプロンプト書き方

ChatGPTやClaudeに指示を出しても、毎回違う書式・違う温度感の答えが返ってきて困った経験はありませんか。同じ依頼でも出力がぶれる原因の多くは、「期待する形式の例を見せていない」プロンプト構造にあります。

本記事ではFew-shotプロンプトの書き方と、回答品質を安定させるための具体的なテンプレート、よくある失敗パターンを解説します。

結果がぶれる仕組みとFew-shotで安定する理由

ChatGPTやClaudeなど主要な生成AIサービスは、確率的に次の単語を予測する仕組みで動作しています。同じ指示でも、内部のtemperatureパラメータや文脈解釈の揺らぎで出力が毎回変わります。

Few-shotプロンプトでは、期待する入出力の例を文脈に含めることで「このパターンに従ってください」と暗黙の制約を与えます。例えば「商品レビューを3行で要約する」というZero-shot指示より、3つのサンプル要約を提示する方がフォーマットが安定します。

これは生成AIが「文脈内学習(In-context learning)」と呼ばれる能力を持つためで、追加の学習なしに文脈の例だけで挙動を調整できます。

安定した出力を得るFew-shotプロンプトの書き方

1. タスクの目的を1文で明示する
   「以下の商品レビューを30字以内で1行に要約してください」のように、出力の目的と制約を冒頭で示します。
2. 入出力の例を2〜5個並べる
   「入力: 例文1 / 出力: 要約例1」のように対応関係を明確にして、2〜5個の例を続けて記載します。多すぎるとトークン消費が増えるため5個までを目安にします。
3. 例同士のスタイルを一致させる
   例によって長さや語尾がバラバラだと、AIが「自由に書いてよい」と解釈して結果がぶれます。例の文体は徹底的に揃えます。
4. 本番の入力を「入力:」の形式で続ける
   例の後に空行を空けて「入力: 実際の依頼内容 / 出力: 」と置くと、ChatGPTやClaudeは例のパターンに従って出力します。
5. 必要に応じてシステムプロンプトに移す
   APIで使う場合は、例の部分をsystemロールに置くと毎回のリクエストで同じ前提を渡せます。

Few-shotで起きやすい失敗パターン

例が多すぎて本題を見失う

10個以上の例を入れると、AIは例自体を出力対象と誤認することがあります。5個までに絞り、それでも不十分なら例の質を上げる方が効果的です。

例の出力に矛盾がある

「30字以内で要約」と指示しているのに例の1つが35字あると、AIは制約を緩く解釈します。例は指示通りに作り直す必要があります。

本番入力の前後にコメントを入れすぎる

「以下を要約してください、丁寧にお願いします、よろしく」のような前置きが多いと、AIがメタ情報と入力を区別しにくくなります。「入力: 〇〇 / 出力:」のシンプルな形が最も安定します。

サービスごとの違いを無視する

ChatGPTは短めの例、Claudeは詳細な例、Geminiはコンパクトな例を好む傾向があります。同じプロンプトで全サービス使うと、ぶれる原因になります。

Zero-shot/Few-shot/Chain of Thoughtの使い分け

まとめ

ChatGPTやClaudeで結果がぶれる時の最有力対策は、Few-shotプロンプトで2〜5個の入出力例を示すことです。例は数より一貫性が重要で、文体や長さを完全に揃えると安定度が劇的に上がります。サービスごとの最適な例の個数は試しながら見つけるのがよく、temperatureパラメータの調整も並行して検討すると、業務での再現性を高められます。プロンプトエンジニアリングの基本テクニックとして、社内ガイドラインにも組み込みやすい手法です。