AIへの指示の出し方：プロンプト入門
Few-shotプロンプティング入門：AIに具体例を与えて精度を上げるコツ
このレッスンで分かること
- この記事では「Few-shotプロンプティング入門：AIに具体例を与えて精度を上げるコツ」を プロンプト設計 の現場で使える形で整理します
- Few-shotプロンプティングとは？具体例でAIを導く基本 をおさえれば、現場で迷ったときに立ち戻れる
- Few-shotが効果を発揮するシーン をおさえれば、現場で迷ったときに立ち戻れる
- Few-shotプロンプティングで精度が劇的に上がる理由 をおさえれば、現場で迷ったときに立ち戻れる
- 【比較】良いプロンプトと悪いプロンプトの具体例 をおさえれば、現場で迷ったときに立ち戻れる
Few-shotプロンプティング入門 とは
AIへの指示に具体例を加える「Few-shotプロンプティング」を解説。Zero-shotとの違いや、精度の高い回答を引き出すための例の作り方、一貫性を保つコツを具体的なプロンプト例と共に学びます。
「AIに指示を出しても、なかなか思い通りの形式やトーンで返ってこない……」そんな悩みを持っていませんか？AIへの指示（プロンプト）の精度を劇的に高めるための最も効果的な手法の一つが、今回学ぶFew-shot（フューショット）プロンプティングです。このレッスンでは、具体例をいくつか提示するだけでAIの回答をプロ級のクオリティに引き上げるテクニックをマスターしましょう。
言葉で説明するよりお手本を見せる方が圧倒的に速くて正確です。Few-shotは「指示」ではなく「実例による学習」をプロンプト内で再現する手法だと捉えましょう。
Few-shotプロンプティングとは？具体例でAIを導く基本
プロンプトエンジニアリングにおける「ショット（Shot）」とは、AIに与える「例」のことを指します。前回のレッスンで触れた、例を一つも与えない指示を「Zero-shot」と呼ぶのに対し、数個（Few）の例を与える手法をFew-shotプロンプティングと呼びます。
人間でも、「これをやっておいて」とだけ言われるよりも、「例えばAの時はこう、Bの時はこうして。じゃあ、Cの場合は？」と具体例を交えて説明された方が、何をすべきか明確に理解できますよね。AIも同じです。いくつかの入力と出力のペアを提示することで、AIは文章のトーン、出力のフォーマット、ロジックのパターンを学習し、より期待に近い回答を出力できるようになります。
Few-shotが効果を発揮するシーン
- 特殊なフォーマット（
JSONや特定の記号区切り）で出力してほしいとき - 独特な口調や企業の
ブランドボイスを再現したいとき 感情分析や分類など、判断基準を明確に伝えたいとき- 複雑な推論が必要なタスクを実行させるとき
Few-shotプロンプティングで精度が劇的に上がる理由
なぜ例を与えるだけで、AIの回答精度は上がるのでしょうか。それは、生成AIが持つ「インコンテキスト学習（In-context Learning）」という能力のおかげです。AIは提供されたプロンプトの枠内（コンテキスト）にあるパターンを読み取り、そのルールに従って次の言葉を予測します。
例えば、キャッチコピーを作らせる場合、単に「キャッチコピーを考えて」と言うだけでは、一般的で退屈な案が出てきがちです。しかし、「高級感のある短文」という例を3つほど提示すれば、AIはその「短さ」や「言葉選びの傾向」を瞬時に理解し、4つ目の案も同じトーンで生成してくれます。
| 手法 | 例の数 | 特徴 |
|---|---|---|
| Zero-shot | 0個 | 手軽だが、出力が不安定になりやすい |
| One-shot | 1個 | 形式を伝えるには有効だが、多様なパターンには弱い |
| Few-shot | 2〜5個程度 | 精度が非常に安定し、複雑な指示も伝わりやすい |
経験則として「2-5個」が黄金比です。1個ではブレ、6個以上はトークンが膨らむわりに精度向上が頭打ちになります。難易度が高いタスクほど例の数を増やすと安定します。
【比較】良いプロンプトと悪いプロンプトの具体例
それでは、実際にどのようにFew-shotを使うべきか、悪い例と良い例を比較してみましょう。今回は「ユーザーのレビューを【ポジティブ】か【ネガティブ】に分類し、一言で要約する」というタスクを想定します。
避けたい例 悪いプロンプトの例（Zero-shot）
以下のカスタマーレビューを、ポジティブかネガティブで判定して要約してください。
レビュー → 注文してから届くまでが非常に早く、梱包も丁寧でした。また利用したいです。
この「悪い例」では、AIが勝手に「判定：ポジティブ、要約：配送が早くて丁寧」という形式で返してくることもあれば、「このレビューは非常に良い内容ですね。判定はポジティブです。」と雑談を交えて返してくることもあります。出力形式が安定しないため、システムに組み込む際などに困ってしまいます。
良い例 良いプロンプトの例（Few-shot）
あなたは優秀なカスタマーサポート担当です。以下の例に従って、ユーザーレビューの分類と要約を行ってください。
例
入力 → 画面が割れて届きました。最悪です。 出力 → 【ネガティブ】商品の破損あり
入力 → 使い勝手が良く、デザインも気に入っています。 出力 → 【ポジティブ】操作性とデザインを高評価
入力 → 機能は良いのですが、少し価格が高いと感じました。 出力 → 【ネガティブ】価格設定に不満あり
本番
入力 → 注文してから届くまでが非常に早く、梱包も丁寧でした。また利用したいです。 出力：
このように複数の例（ショット）を与えることで、AIは「【判定】要約」というフォーマットを完璧に理解します。余計な解説を省き、必要な情報だけをピンポイントで得られるようになるのです。
Few-shotプロンプティングを成功させる3つのコツ
単に例を並べるだけでなく、以下の3つのポイントを意識するとさらに精度が向上します。
1. ラベルのバランスを整える
例えば「ポジティブ」な例ばかりを5つ並べて、最後に「ネガティブ」な内容を判定させようとすると、AIが「ポジティブ」という回答に引きずられてしまう（バイアスがかかる）ことがあります。例を提示する際は、肯定的な例と否定的な例を均等に混ぜるなど、バランスを意識しましょう。
2. フォーマットを統一する
「入力は」「出力は」や「Q:」「A:」など、例として提示する際のラベルや区切り文字はすべて統一してください。構造の一貫性が、AIにとっての「ルールの分かりやすさ」に直結します。
3. 多様なパターンを含める
似たような例ばかりではなく、少し毛色の違う例を混ぜるのも効果的です。短い文章の例、少し長い文章の例など、バリエーションを持たせることで、未知の入力に対しても柔軟に対応できる「賢い指示書」になります。
やってみよう 練習問題：Few-shotプロンプトを作ってみよう
あなたは「日本語のタイトルを英語のスラング風のタイトルに変換するAI」を作りたいと考えています。以下の要件でFew-shotプロンプトを作成してみてください。
- 「こんにちは」→「What's up?」のような例を3つ考える
- 最後に「最高に楽しい時間」という入力を与える
- AIがどんな出力をするか予想してみる
まとめ：具体例は最高の指示になる
Few-shotプロンプティングは、AIに「空気を読ませる」ための最も強力な武器です。言葉で長々と説明するよりも、2〜3個の「お手本」を見せる方が、AIには確実に伝わります。指示がうまく伝わらないと感じたら、まずは「例えば……」と例を追加する習慣をつけてみましょう。
次のレッスンでは、AIに特定の役割を与えて回答の質を変える「ペルソナ設定」の技術について詳しく学んでいきます。
「百聞は一見に如かず」はAIの世界でも同じです。適切な例を3つ用意するだけで、あなたのAI活用スキルは中級者へとステップアップしますよ！
現場でよくある具体例
- 業務ケース 1 — 商品説明文の生成。「役割・読者・トーン・制約・出力例」の 5 ブロックを徹底したら、編集工数が 3 分の 1 に
- 業務ケース 2 — 議事録要約で「アクションアイテムは担当者と期限を明記」と一文足したらタスク漏れが激減
- 業務ケース 3 — 顧客対応の Chain-of-Thought 設定で「まず分類、次に回答候補、最後に確認質問」と段階指示にし、誤回答が 4 割減
次にとるべきアクション
- 自分の現業務プロンプトを 1 つ取り出す — 「Few-shotプロンプティング入門：AIに具体例を与えて精度を上げるコツ」の観点で 3 箇所書き換え、変更前後を比較する
- プロンプトをテンプレ化する — 役割・入力・出力フォーマット・制約の 4 ブロックで定型化する
- 評価セットを 5 件作る — 自分のユースケースで「期待出力」を 5 件用意し、プロンプト改善のたびに回帰確認する
次のレッスン
次は ペルソナ設定の技術：AIを専門家にするプロンプトの書き方 で、ペルソナ設定の技術：AIを専門家にするプロンプトの書き方 を学びます。
事前確認 — 進む前に次の 3 つができることを確認しましょう。
- Few-shot指示 の要点を自分の言葉で説明できる
- このレッスンの最小コード (または操作手順) を見ずに書ける
- 練習問題やクイズで間違えた箇所を読み直して理解した
理解度チェック (30 秒)
Q. Few-shot指示 とは何か、1 文で説明してください。
A. 本文の「このレッスンで分かること」または冒頭の説明文を見直し、自分の言葉で要約できれば OK。詰まったら本レッスンの最初の H2 セクションを読み返してみましょう。
関連レッスン
参考にした出典
- OpenAI「Prompt engineering best practices」 — モデル別の推奨プロンプト構造とアンチパターン（出典: OpenAI, https://platform.openai.com/docs/guides/prompt-engineering）
- Anthropic「Prompting overview」 — Claude を効果的に活用するための公式ガイド（出典: Anthropic, https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview）
- Google「Prompt design strategies」 — Gemini 系モデルでのプロンプト設計指針（出典: Google AI, https://ai.google.dev/gemini-api/docs/prompting-intro）
学習を加速したい方へ
プロンプトエンジニアリング実践ガイドを体系的にマスターするなら、chotdekiru の無料学習ポータル で実際に手を動かして学習を始めるのがおすすめです。質問・つまずきも現役エンジニアが伴走します。
復習ミニクイズ
Few-shotプロンプティングを用いて、AIに期待通りの形式で回答させたい場合に、精度をより高めるためのコツとして最も適切なものはどれですか？