MENU

Few-shot Promptingのやり方|生成AIを使った業務で使う手順をステップで解説

Few-shot Promptingは、生成AIへ複数の入力例と望ましい出力例を示し、そのパターンを参考に新しい入力へ回答させるプロンプト手法です。

実務で使うときは、単に例を2〜3個並べればよいわけではありません。どの判断パターンを学ばせたいのか、例同士の粒度はそろっているか、入力と出力の対応が一貫しているか、例が偏っていないかを確認する必要があります。

この記事では、Few-shot Promptingを「目的を決める→例を選ぶ→入力と出力をそろえる→プロンプトへ組み込む→初回出力を確認する→例を修正する」の順に、業務メールの分類を題材にした通し例付きで解説します。

Few-shot Promptingの意味や基本構造から確認したい場合は、Few-shot Promptingとは?を参照してください。

目次

Few-shot Promptingの全体像

実務では、次の流れで使うと整理しやすくなります。

  1. 何を判断・生成させたいかを決める
  2. 良い例を複数選ぶ
  3. 入力形式と出力形式をそろえる
  4. 例をプロンプトへ並べる
  5. 新しい入力を最後に置く
  6. 初回出力を人が確認する
  7. 失敗例に合わせて例を追加・修正する

Few-shot Promptingの価値は、AIにルールを長文で説明する代わりに、「こういう入力にはこう返す」という見本を示せることです。

ステップ1|まず目的を1つに絞る

最初に、生成AIへ何をしてほしいかを決めます。

悪い例

メールを分類して、要約して、優先順位もつけて、返信案も作ってください。

これでは、何をFew-shot例でそろえるべきかが曖昧です。

良い例

受信メールを「要対応」「情報共有」「返信不要」の3分類に振り分ける。

入力

  • 対象業務
  • 欲しい判断
  • 分類や出力の候補
  • 最終利用方法

出力

Few-shot Promptingで学習させたい1つのパターン。

判断基準

「例を見たとき、何を真似してほしいのか」が一文で説明できるかを確認します。

ステップ2|代表的な良い例を選ぶ

Few-shot Promptingでは、例の数より質が重要です。

例選びの基準

  • 実務で頻出するパターンを含む
  • 境界が異なる例を入れる
  • 入力と出力の関係が明確
  • 誤った判断を誘導する曖昧な例を避ける
  • 例同士の粒度をそろえる

業務メール分類なら、3分類それぞれを少なくとも1例ずつ入れます。

例1|要対応

入力:

本日17時までに、A社見積書の金額確認をお願いします。

出力:

要対応

例2|情報共有

入力:

来月の組織変更について、人事部から正式発表がありました。詳細は添付資料をご確認ください。

出力:

情報共有

例3|返信不要

入力:

先ほどの資料、受領しました。ありがとうございます。

出力:

返信不要

判断基準

各例が、「その分類になる理由」を人が説明できるか確認します。

ステップ3|入力形式をそろえる

Few-shot例の入力形式がばらばらだと、AIが何を基準にすべきか分かりにくくなります。

悪い例

  • 例1はメール本文だけ
  • 例2は件名+本文
  • 例3は送信者情報まで含む

改善例

すべて、

  • 件名
  • 本文

の2項目で統一します。

入力テンプレート

件名: 本文:

判断基準

本番入力と例の入力構造が同じかを確認します。

ステップ4|出力形式をそろえる

入力だけでなく、出力も統一します。

たとえば分類名だけ返してほしいなら、すべての例を、

要対応

情報共有

返信不要

のようにします。

一部の例だけ理由付きにすると、本番でも理由を付けたり付けなかったりしやすくなります。

出力を理由付きにする場合

出力形式を、

  • 分類:
  • 理由:

に統一します。

判断基準

本番でそのまま後工程へ渡せる形式になっているかを確認します。

ステップ5|例をプロンプトへ組み込む

ここまでを1つのプロンプトへまとめます。

Few-shotプロンプト例

以下の例を参考に、受信メールを「要対応」「情報共有」「返信不要」のいずれかに分類してください。

例1

件名:A社見積確認 本文:本日17時までに、A社見積書の金額確認をお願いします。 出力:要対応

例2

件名:来月の組織変更 本文:来月の組織変更について、人事部から正式発表がありました。詳細は添付資料をご確認ください。 出力:情報共有

例3

件名:資料受領 本文:先ほどの資料、受領しました。ありがとうございます。 出力:返信不要

新しい入力

件名:会議資料の修正依頼 本文:明日の会議までに、3ページ目の数値を最新版へ修正してください。

出力は分類名だけ返してください。

期待する出力

要対応

ステップ6|境界例を追加する

実務では、典型例だけでは判断がぶれることがあります。

たとえば、

明日の会議資料を共有します。修正が必要なら本日中に連絡してください。

というメールは、情報共有にも要対応にも見えます。

このような場合は、組織内の判断ルールを決めます。

今回、

受信者自身が必ず何かを行う必要がある場合のみ「要対応」。任意確認なら「情報共有」。

と決めたなら、その境界を示す例を追加します。

境界例

件名:明日の会議資料共有 本文:明日の会議資料を共有します。修正が必要なら本日中に連絡してください。 出力:情報共有

判断基準

迷いやすいケースほど、説明文を増やすだけでなく具体例として追加します。

ステップ7|初回出力を人が確認する

Few-shot Promptingを使っても、生成AIの判断が必ず正しいわけではありません。

確認する観点は、

  • 例と同じ基準で分類しているか
  • 特定の単語だけに引っ張られていないか
  • 境界例を誤っていないか
  • 本番データに新しいパターンがないか

です。

特に、分類や判断結果を自動で業務処理へつなげる場合は、人の確認や例外処理を設けます。

ステップ8|失敗例をもとに例を修正する

初回運用で誤りが出たら、プロンプト全体を作り直す必要はありません。

まず、誤ったケースを確認します。

たとえば、

ご参考までに、来週の更新予定を共有します。対応は不要です。

を「要対応」と分類したなら、「対応不要」と明示された情報共有の例が不足している可能性があります。

そこで、

件名:来週の更新予定 本文:ご参考までに、来週の更新予定を共有します。対応は不要です。 出力:情報共有

という例を追加します。

判断基準

失敗した理由を、「例が足りない」「例が曖昧」「分類ルール自体が曖昧」に分けて考えます。

通し例|営業部の受信メールを分類する

営業部では、共有アドレスに1日100件以上のメールが届きます。

担当者は、まず、

  • 要対応
  • 情報共有
  • 返信不要

の3分類に分ける作業を生成AIで補助したいと考えました。

1. 最初のゼロショット指示

最初は、

次のメールを「要対応」「情報共有」「返信不要」に分類してください。

とだけ指示しました。

しかし、

明日の会議資料を共有します。修正が必要なら本日中に連絡してください。

のようなメールを「要対応」と判定することがありました。

チームとしては、確認が任意なら「情報共有」としたい運用です。

2. 代表例を3件追加

そこで、各分類1件ずつ典型例を入れました。

これにより、明確な依頼、単純な共有、受領通知は安定しやすくなりました。

3. 境界例を追加

それでも「修正が必要なら連絡」という任意条件で判断がぶれました。

そこで、任意確認は「情報共有」とする境界例を追加しました。

4. 出力形式を固定

当初は、

要対応です。理由は、修正依頼があるためです。

のように文章で返ることがありました。

後工程で分類名だけ使いたいため、

出力は「要対応」「情報共有」「返信不要」のいずれか1語のみ。

と指定しました。

5. 人が50件を確認

実運用前に50件を人が確認しました。

結果、典型的な依頼や受領連絡は安定していましたが、

  • 任意確認
  • CCで届いた依頼
  • 期限はあるが受信者の対応不要

で誤りが見つかりました。

そこで、これら3種類の例を追加しました。

6. 改善後

最終的なFew-shot例は、典型例3件+境界例4件の合計7件になりました。

重要なのは、最初から大量の例を入れなかったことです。

誤りが出たパターンを確認し、必要な例だけ追加しました。

例を増やしすぎない

Few-shot Promptingでは、例を増やせば必ず良くなるわけではありません。

例が多すぎると、

  • 重要なパターンが埋もれる
  • 矛盾する例が混ざる
  • プロンプトが長くなる
  • 更新しづらくなる

ことがあります。

まず3〜5件程度の代表例から始め、誤りが出た境界だけ追加する方法が実務では扱いやすいです。

良い例を選ぶ基準

代表性がある

実務で頻出するケースを優先します。

違いがはっきりしている

各分類の境界が見える例を入れます。

出力が正しい

誤った例を入れると、その誤りを再現する可能性があります。

情報量がそろっている

一部の例だけ極端に詳しい状態を避けます。

本番と形式が近い

本番が件名+本文なら、例も同じ形式にします。

Few-shot Promptingでつまずきやすいポイント

例の数だけ増やす

例を増やす前に、何を区別したいかを決めます。

良い例だけで境界例がない

典型例だけでは、実務の迷いやすいケースでぶれます。

入力形式がばらばら

本番と同じ形式へそろえます。

出力形式が例ごとに違う

分類名だけか、理由付きかを統一します。

誤った例を入れる

Few-shot例はAIにとって見本です。人が正しさを確認します。

例に機密情報を入れる

顧客名、個人情報、契約情報などは、自社の情報管理ルールに従い、必要に応じて匿名化します。

よくある失敗と改善策は、Few-shot Promptingで失敗しやすいポイントで詳しく確認できます。

関連記事で実践を深める

そのまま使える例示フォーマットが必要なら、Few-shot Promptingテンプレートが役立ちます。

別の業務適用をケースで追いたい場合は、Few-shot Promptingの具体例を参照してください。

生成AIを補助的に使って例候補の整理や失敗例の分類を行う方法は、生成AIでFew-shot Promptingを使う方法で確認できます。

他の生成AI手法との使い分け

Few-shot Promptingは、入力例と望ましい出力例を示して、出力パターンをそろえたいときに向いています。

一方、社内資料や外部情報を検索・参照して答えさせたい場合は、RAGとFew-shot Promptingの違いが参考になります。

背景、目的、読み手、出力形式など、プロンプト条件そのものを整理したい場合は、CO-STARとFew-shot Promptingの違いを確認すると役割を分けやすくなります。

RAG・CO-STAR・Few-shot Promptingの3つをまとめて使い分けたい場合は、RAG・CO-STAR・Few-shot Promptingの使い分けも参照してください。

実務で使うためのチェックリスト

  • Few-shotで学ばせたい判断を1つに絞ったか
  • 各分類の代表例を用意したか
  • 境界例を必要に応じて入れたか
  • 入力形式をそろえたか
  • 出力形式をそろえたか
  • 本番入力と例の形式が近いか
  • 例の正しさを人が確認したか
  • 例同士に矛盾がないか
  • 初回出力を人が確認したか
  • 誤りが出たパターンだけ例を追加したか
  • 例を増やしすぎていないか
  • 機密情報の入力可否を確認したか

まとめ

Few-shot Promptingを実務で使うときは、まず何を判断・生成させたいかを1つに絞り、代表的な入力例と望ましい出力例を複数用意します。

そのうえで、入力形式と出力形式をそろえ、本番と同じ形で例を提示し、初回出力を人が確認します。誤りが出た場合は、例の数をむやみに増やすのではなく、どの境界で判断がぶれたかを確認し、そのケースを補う例を追加します。

Few-shot Promptingの価値は、例を大量に入れることではありません。実務で繰り返したい判断や書き方のパターンを、少数の良い見本で明確に示し、出力のばらつきを減らすことにあります。

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!
目次