AI への頼み方、もう 1 段階 ── 「例を見せる」だけで返答が変わる理由

指示の書き方を変えてみました。丁寧に長くしてみました。でも何度やっても、返ってくる答えがズレます。

この「ズレ」の多くは、指示の長さや丁寧さとは関係がありません。試してほしいのは、説明のかわりに 「例を 1〜2 個見せる」 ことです。人に仕事を引き継ぐとき、口頭で手順を説明するより、過去の成果物を 1 枚見せた方が早く伝わる ── AI への頼み方も、同じ感覚です。

この記事では、なぜ例を見せると AI の返答が変わるのか、その理由と、メール下書き・議事録整形・分類作業で使える具体的な例の作り方を整理します。

---

1. 「何度直しても、なんかズレる」── 指示が長くなるほど迷子になる

AI 活用研修で何百人もの方と一緒にプロンプトを書いてきて、繰り返し目にする光景があります。返答がズレたとき、次に起こることはほぼ同じです。指示をもっと細かく書こうとする。説明を足す。注意書きを加える。プロンプトがどんどん長くなって、今度は何が要点なのか、自分でも分からなくなります。

ところが、たった 2 行の指示で狙い通りの返答を引き出している方がいます。共通点は一つ。短い「例」を指示の中に入れているのです。

言葉で条件を並べた指示は、「何を」と「どのように」の両方を AI が自分で解釈しなければなりません。例を一つ見せると、「どのように」の部分が形として伝わります。解釈の余地が一気に狭まります。この「例を見せる」渡し方に、研究者たちは フューショット（お手本見せ） という名前を付けました。

---

2. 「ただ頼む」「1 つ見せる」「2〜3 個見せる」── 3 段階の違い

AI への依頼は、例の数で 3 段階に分けられます。2020 年の研究¹ が、この 3 段階を正式に定義しています。

ゼロショット：例なし。指示だけで頼む方法です。「このメールを丁寧な文体で直してください」のような形がこれにあたります。

ワンショット：例を 1 つだけ見せる方法です。「これを見本にして、同じ文体で書いてください」と 1 例を添えます。

フューショット：例を 2〜3 個（場合によってはそれ以上）見せる方法です。複数の例を並べることで、AI が「このタスクの型」をより正確につかめます。

シンプルな依頼はゼロショットで十分です。「この文章を要約してください」のような、出力の形が一通りしかない頼み方は指示だけで通ります。返答がズレたとき、次に試すのがワンショットです。「こういう文体で」と見本を一つ添えるだけで、返答の方向性が落ち着くことが多いです。さらにズレが続く場合、もしくは出力の一貫性が必要な場合にフューショットを使います。

---

3. なぜ例を見せると AI の返答が変わるのか

AI は、基本的に「次に来る言葉を確率で選ぶ」処理を繰り返して文章を作ります。何を手がかりに選ぶかというと、プロンプト全体の流れです（LLM が文脈から次の言葉を選ぶ仕組み）。

例が「パターンの絞り込み」を起こす

AI は事前の学習段階で、あらゆる文脈のパターンを身につけています。2020 年の研究¹ はこの点を整理しています。学習を通じて身につけた幅広いスキルとパターン認識の力を、実際の質問に答えるときに素早く当てはめる ── そういう仕組みです。

指示だけのゼロショットでは、AI は「このタスクはどのパターンで答えればいいか」を広い候補の中から選ばなければなりません。例を 1〜2 個添えると、その例が「答え方の型」を示す手がかりになり、候補が絞られます。返答の方向性が安定するのはこのためです。

「例の正しさ」より「例の形」が効く

結論から言うと、例の「形（型）」の方が内容の正確さより大事です。入力と出力の対応が一貫していれば、答えの内容が多少ズレていても AI の返答はブレません。

2022 年の研究² が、この仕組みを深く掘り下げました。「例の答えの部分をランダムに入れ替えても、精度がほとんど変わらない」という結果は、研究者たちを驚かせました。

この研究は、フューショットが機能する要素として 3 点を挙げています²：

1. どんな種類の答えを返すか：返答のカテゴリや形式を示すこと
2. どんな形の質問が来るか：入力のパターンを見せること
3. 質問と答えの組み合わせ方：「この形の質問にはこの形で答える」という対応を示すこと

例を見せることは、「こういう形で入力したら、こういう形で返してほしい」という型紙（テンプレート）を AI に渡す感覚に近いものです。型が合っていれば、返答の方向性は崩れません。

この 3 つの要素は、業務の場面に当てはめると具体的に見えてきます。議事録整形でいえば「決定事項と課題を分けて返す（どんな種類の答えか）」「田中さん：〜という話し言葉のメモが来る（どんな形の質問か）」「■決定事項の形式で返す（組み合わせ方）」がそれぞれ対応します。

---

4. 業務で使える「例」の組み立て方 ── 3 つの場面で試す

フューショットの構造は「指示文 ＋ 例（入力→出力のペア）＋ 今回の入力」の順です。例を増やすなら、このペアを 2〜3 組繰り返します。

Anthropic（Claude を作っている会社）の公式ドキュメントは「3〜5 例が最も効果的」と推奨していますが³、まず 1 例から試して、ズレが残るなら増やすやり方が現実的です⁴。最初から多数の例を用意する必要はありません。

4-1. メール下書き

例を一つ添えるだけで「丁寧さの程度」が形として伝わります。同じ例文を使いながら、依頼内容だけ変えるだけで別の場面にも流用できます。

例あり（ワンショット）

次のようなトーンでメールの下書きを作ってください。

【例】
依頼内容：打ち合わせ日程の確認
書いたメール：「お世話になっております。先日ご連絡いただいた打ち合わせの件ですが、〇月〇日（〇）午後 2 時はいかがでしょうか。ご都合をお聞かせいただけますでしょうか。よろしくお願いいたします。」

今回の依頼内容：提案資料の送付を報告したい

別の例（承認依頼メール）

次のようなトーンでメールの下書きを作ってください。

【例】
依頼内容：打ち合わせ日程の確認
書いたメール：「お世話になっております。先日ご連絡いただいた打ち合わせの件ですが、〇月〇日（〇）午後 2 時はいかがでしょうか。ご都合をお聞かせいただけますでしょうか。よろしくお願いいたします。」

今回の依頼内容：提出した企画書への承認をお願いしたい

例なしの場合、「丁寧」の程度が AI 任せになります。「とても丁寧」「ほどほどに丁寧」「簡潔だが丁寧」のいずれが返るかは分かりません。例を一つ見せると「この程度の丁寧さで」という情報が形として伝わります。

4-2. 議事録整形

出力の「形式」があらかじめ決まっているタスクは、フューショットが特に効きやすい場面です。

会議メモを以下の形式に整形してください。

【整形例】
入力メモ：「田中さん：次の企画の予算は 30 万で。山田さん：スケジュール的に 6 月末が厳しい。田中さん：じゃあ 7 月頭で。」
整形後：
■ 決定事項
・次の企画予算：30 万円
・完了目標：7 月初旬
■ 課題
・6 月末は工数的に困難（山田）

今回整形するメモ：（ここにメモを貼る）

この形式なら、議事録を担当する人が毎回「箇条書きで」「決定事項と課題を分けて」と説明しなくて済みます。

4-3. 分類タグ付け

「このパターンの入力にはこのカテゴリ」という判断を繰り返すタスクにフューショットが向いています。問い合わせの分類だけでなく、メールの優先度分け・社内資料へのタグ付け・議事録からのアクションアイテム抽出など、幅広い場面で使えます。

次のお問い合わせ内容を、【請求・契約・操作方法・その他】のいずれかに分類してください。

例 1：「先月の請求金額が昨月と異なるのはなぜですか？」→ 請求
例 2：「契約の更新日はいつですか？」→ 契約

今回の問い合わせ：「ファイルのアップロードができないのですが、どうすればよいですか？」

分類カテゴリが多い場合は、例を 1 カテゴリ 1 例ずつ揃えると精度が安定します。

---

5. フューショットが効きにくいケース

フューショットはすべての場面で万能ではありません。「タスクの性質」「使うモデル」「例の品質」の 3 軸で、効きにくいケースがあります。

5-1. タスク依存 ── 「正解の形」がないタスク

2020 年の研究¹ は、フューショットが弱いタスクを具体的に挙げています。「2 つの文が同じ意味かを判定する」タスクや「英語から他の言語へ翻訳する」タスクでは、フューショットの効果が限られました。

「アイデアを自由に出してほしい」「この文章の印象を教えてほしい」といった自由な発想を求めるタスクは、例を見せることで逆に発想が狭まることがあります。例に引きずられた答えになりやすいためです。例が力を発揮するのは、「この形の入力には、この形で返す」というパターンが存在するタスクに限られます。

5-2. モデル依存 ── 推論モデルでは事情が変わる

普段 ChatGPT の無料プランを使っている方は、§5-1 だけ確認すれば十分です。この節は「考えるタイプの AI」── 答えを出す前に内部で思考を組み立てる推論モデル（ChatGPT の o1 など）を使う方向けの補足です。読み飛ばして OK です。

ChatGPT や Claude の通常モデルでは、フューショットが広く有効です。一方で、推論モデル（ChatGPT の o1 など、答えを出す前に内部でじっくり考えるタイプ）では、話が変わります。

OpenAI は推論モデルの公式ガイドで「推論モデルは例がなくても良い結果を出せることが多いため、まず例なしで試してください」と記しています⁵。

これは「フューショットを使ってはいけない」という意味ではなく、「まずゼロショットで試して、足りなければ例を加える」という順序の推奨です。3 社の方針をまとめると、以下の通りです。

3 社の方針に差があるのは、「モデルが内部でどれだけ考えられるか」の設計思想が違うためです。

5-3. 例の品質依存 ── 量より一貫性

例を増やすほど返答が安定するわけではありません。Google 公式は「例が多すぎるとモデルが例に過学習する」と明示しています⁶。過学習とは、お手本に引っ張られすぎて応用が利かなくなる現象です。AI が例の癖を拾いすぎて、少し違う入力が来た瞬間に精度が下がります。

実際に起きがちな失敗は、最初から大量の例を用意してしまうことです。例の数よりも、型（入力→出力の対応）の一貫性 の方が返答の安定に効きます。これは 2022 年の研究² の知見とも重なります。「例のフォーマットを揃える」ことを優先して、まず 1〜2 例から試すのが確実です。

---

6. 「例を見せる」を日常の習慣にする

「指示より例が伝わる」という感覚は、AI を使い続けた人が自然に気づくことです。ただ、意識的に練習しないと「いい例が思い浮かばない」という壁にぶつかります。

手軽なのは、AI の返答を例として再利用する 方法です。一度 AI に自由に書かせて、返ってきた文章の中で「これはいい」と感じた部分を次のプロンプトの「例」として貼り直す。それだけで、二回目以降の返答の質が落ち着きます。§4 のメールテンプレートも、最初はこの方法で「AI に一度書かせた文章」を例として拾い直しながら育てています。

プロンプトのひな形が少しずつ手元に溜まっていく感覚で続けると、同じ依頼を毎回ゼロから説明しなくて済むようになります。たとえば 1 回 5 分でひな形を整えておくだけで、次回からの作業が 10 分以上省けることも珍しくありません。「指示を書く時間が減った」と気づく瞬間が、フューショットが自分のものになったサインです。

---

プロンプトを書く感覚をもう少し体系的に整理したい方には、プロンプトの書き方 ── 目的・状況・出力形式を伝えて、欲しい答えを引き出す 5 つの型が起点になります。どの業務に AI を使えるか迷っている方は、AI 活用の見つけ方 ── ニュースの事例を、自分の仕事に翻訳する 6 つの型から当てはめてみてください。

出典・参考文献

1. Language Models are Few-Shot Learners | Brown et al., 2020 (arXiv:2005.14165) ↩ ↩² ↩³

2. Rethinking the Role of Demonstrations: What Makes In-Context Learning Work? | Min et al., 2022 (arXiv:2202.12837) ↩ ↩² ↩³

3. Use examples (multishot prompting) | Anthropic Claude Docs ↩ ↩²

4. Best practices for prompt engineering | claude.com blog ↩

5. Reasoning best practices | OpenAI API ↩ ↩²

6. Prompt design strategies | Gemini API Google AI ↩ ↩²