Few-shotとは？プロンプトに例を添えて、AIの回答形式をそろえる方法

説明に「こう答えてほしい」という見本を足す

Fewは少数、shotはこの文脈では例を指します。Few-shot promptingは、AIへの依頼に少数の例を含める方法です。例を添えない場合はZero-shot、一つだけならOne-shotと呼ぶことがあります。呼び名より、どんな違いを例で伝えるかが大切です。

これは、モデルの内部を追加学習で更新するファインチューニングとは別です。今回渡した例を、その返答の材料として使います。次の会話でも使いたいなら、テンプレートやプロジェクトの指示などに保存し、実際に読み込まれる形にしておきます。

• 出典：IBM / zero-shot（新しいタブ）
• 出典：Google / prompt strategies（新しいタブ）

問い合わせを「納期・請求・その他」へ分ける例

架空の問い合わせを三つに分類します。「納期」は到着時期、「請求」は料金や請求書、それ以外は「その他」です。ただし、到着前の返金など複数の話が混ざる場合は、勝手に一つへ決めず「要確認」にします。

「分類して」と書くだけでなく、「いつ届きますか→納期」「請求書の宛名を変えたい→請求」という見本を置くと、ラベルの表記を示せます。さらに、複数の話がある見本を足すことで、迷う場面の扱いも伝えられます。以下は架空データによる記入例です。

この入力で確かめたい完成形

「領収書を再発行できますか」に対する確認用の答えは「請求｜支払い書類の再発行です」です。これはモデルを動かした実測回答ではなく、編集部が作った採点用の正解例です。理由の言葉まで完全一致する必要はありませんが、指定ラベルが守られ、根拠にない事情を付け足していないかを見ます。

同じ見本をそのまま再入力して正しく分類できても、新しい問い合わせに対応できる証拠にはなりません。「明日までに届かないなら請求を止めたい」のように、表現を変えた境界例も確認します。見本を増やすときは、分類したい現実の迷いに合わせて選びます。

見本は、典型・境界・例外をそろえる

似た例を十個並べるより、どの場面で判断が分かれるかを示す方が役立つことがあります。たとえば納期の例が全部「いつ届く」なら、「発送予定」「到着見込み」という言い換えが出たときも分類できるかを確かめます。

個人情報や実在の取引先情報を、そのまま共通テンプレートへ残さないようにします。住所や注文番号を架空の値へ置き換えても分類に必要な意味を保てるなら、その形で用意してください。

例を増やす前に、分類ルールが矛盾していないか

「すべて三分類にする」と「分からないものは要確認にする」が混ざっていると、例を増やしても指示がぶつかります。出力のラベル一覧と見本で使っているラベルをそろえましょう。判断保留を認めるかも、先に決めます。

確認には、見本と別の入力を少なくとも数件用意します。正しく分類できた数だけでなく、誤って自動処理へ回した件数を記録します。請求の変更を実行するような業務なら、「要確認」が増えることより、間違った処理が通ることの方が問題です。

改善は一度に一つずつ行います。見本の追加、ルールの変更、モデルの変更を同時にすると、何が効いたか分かりません。入力と結果を残し、変更前の例でも再確認してください。

うまくいった見本を、毎回の仕事へ戻す

完成したテンプレートには、目的、ラベル、見本、判断保留の条件、確認日を残します。別の担当者へ渡すときは、「この例の外では判断を確認する」という使い方も一緒に伝えます。例を増やし続けて読みにくくなったら、重複を減らして代表例へ整理しましょう。

定型業務の依頼文はChatGPTの仕事用テンプレートへ。毎回同じ方針を使うならシステムプロンプトの考え方で、固定の指示と今回の入力を分けられます。