「AIに相談しても、毎回同じようなアイデアしか出てこない」「重要な意思決定をAIに手伝わせたいけれど、答えが一面的で物足りない」――そう感じる場面が増えていませんか。
その原因の多くは、プロンプトの設計にあります。AIは特に指示がなければ「最初に思いついた1つの答え」へ向かって一直線に推論します。これを根本から変える手法が、Tree of Thoughts（ToT）プロンプトです。
ToTを使うと、AIが複数の思考経路を同時に展開し、それぞれを自ら評価・比較して最善策を選び出す、という高度なプロセスを再現できます。この記事では、ToTの仕組みをわかりやすく解説し、コピペで使えるテンプレートと実務の活用例を紹介します。プロンプトの基本（Few-shotプロンプトやZero-shotプロンプト）を知っていれば、今日からすぐに実践できます。
Tree of Thoughtsとは？Chain of Thoughtとの違い
ToT（Tree of Thoughts）は、2023年にPrinceton大学とGoogle DeepMindの研究チームが発表した推論手法です。名前の通り、「思考を木の枝のように広げる」イメージです。
通常のAIの回答は、1本道の思考（Chain of Thought）に近いものです。「この問いに対して→こう考えて→この結論」という一方向の推論で、最初の方向が間違っていても修正されにくいという弱点があります。
ToTはこの弱点を克服します。複数の「思考の枝（ブランチ）」を並列で生成させ、それぞれを評価・比較したうえで最良の経路を選ばせるのが核心です。
| 手法 | 思考の流れ | 得意な場面 | 弱点 |
|---|---|---|---|
| Chain of Thought（CoT） | 1本道で順番に推論 | 計算・手順説明・論理展開 | 最初の方向が誤ると修正されにくい |
| Tree of Thoughts（ToT） | 複数経路を並列探索→評価→選択 | 多案比較・創造的問題解決・意思決定支援 | プロンプトがやや長くなる |
ToTが特に力を発揮するのは「答えが1つに決まらない問題」や「いくつかのアプローチを検討したい場面」です。新サービスの企画、クレーム対応の方針選定、採用基準の設計など、ビジネスの現場には絶好の用途が多くあります。
Tree of Thoughtsプロンプトの基本的な使い方
ToTプロンプトは「探索→評価→選択」の3フェーズで構成されます。一度覚えると、あらゆる業務課題に応用できます。
1. 問題が「探索型」かを確認する
ToTはすべての問いに向いているわけではありません。まず問いのタイプを確認しましょう。
・向いている問い: 「新商品の名前を考えたい」「社員研修の構成案を複数出してほしい」「顧客対応のアプローチを比較したい」
・向いていない問い: 「この数式の答えは?」「〇〇の定義は?」（唯一の正解が存在する問い）
探索型かどうかの判断基準は、「正解が複数ある可能性があるか」です。迷う余地のある問いであれば、ToTが機能します。
2. 「専門家N人」プロンプトで複数経路を生成する
ToTの基本パターンは「3人の専門家に異なる視点から考えさせる」という指示です。以下のテンプレートをそのままコピーして、カスタマイズしてください。
# ToT 基本テンプレート（コピペ可） あなたは3人の専門家としてこの問題を検討してください。 各専門家は異なる視点とアプローチで思考を展開し、 それぞれの結論と根拠を示します。 【問題】 （ここに検討したいテーマを入力する） 【専門家A: （例: コスト削減担当CFO / 顧客目線の営業担当 / リスク管理専門家）】 思考ステップを3段階で展開し、提案と根拠を300字以内で示してください。 【専門家B: （例: マーケティング戦略担当 / 現場オペレーション担当 / ユーザー体験専門家）】 思考ステップを3段階で展開し、提案と根拠を300字以内で示してください。 【専門家C: （例: 長期成長担当CEO / データドリブン分析担当 / ブランド戦略家）】 思考ステップを3段階で展開し、提案と根拠を300字以内で示してください。 最後に、3つの案を比較して最も有効な提案を1つ選び、選んだ理由も示してください。
3. 評価基準を明示して精度を高める
「良い案の基準」をプロンプトに書き込むと、AIの評価精度が格段に上がります。
# 評価基準を追加した ToT テンプレート（基本テンプレートの末尾に追記） 各提案を以下の基準でスコアリング（各1～5点）してください: - 実現可能性: 現在の予算・人員で3ヶ月以内に実行できるか - 効果の大きさ: 顧客への価値提供という観点での期待インパクト - リスクの低さ: 失敗したときの損失の小ささ スコア合計が最も高い案を「推奨案」として最後に明示してください。 また、推奨案に反論があれば「懸念点」として1つだけ挙げてください。
4. 選ばれた経路を深掘りする（ターン2）
最初の回答で「推奨案」が決まったら、2ターン目で実行計画に落とし込みます。
# 深掘りプロンプト（ターン2に追加） 「専門家Bの提案」を採用します。 この案の実行計画を以下の形式で作成してください: - フェーズ1（1ヶ月目）: やること・担当・成果指標 - フェーズ2（2ヶ月目）: やること・担当・成果指標 - フェーズ3（3ヶ月目）: やること・担当・成果指標 また、この案が失敗するリスクを2つ挙げ、それぞれの対策も示してください。
実務での活用例（Before/After）
【活用例1】新サービスのネーミング検討
中小企業の経営者が新しいAI研修サービスのブランド名を決める場面です。
| プロンプトの設計 | AIの出力 | |
|---|---|---|
| Before | 「非エンジニア向けAI研修サービスの名前を10個考えて」 | 「AIアカデミー」「AI道場」「スマートAI塾」など似たようなカタカナ名が並ぶ。どれを選ぶか判断できない。 |
| After（ToT） | ブランド戦略家・SEO担当・ターゲット顧客の3視点でネーミングを検討。実現可能性・検索ニーズ・親しみやすさの3軸でスコアリング。 | 「実務AI塾」が「検索需要×非エンジニアへの親しみやすさ×競合差別化」でトップスコア。理由つきで推奨案が1本に絞られた。 |
【活用例2】クレーム対応の方針選定
顧客から「先月の研修は内容が薄くて期待外れだった」というメールが届いた場面で、ToTで返答方針を検討します。
【問題】 顧客Aから「先月の研修は内容が薄く、期待外れだった」というメールが届いた。 返答と今後の対応方針を検討したい。 【専門家A: 顧客維持重視の営業担当】 → 即座に誠実な謝罪メールを送り、無償フォロー研修の提供を最優先で申し出る。 スコア: 実現可能性5 / 効果4 / リスク3 = 計12点 【専門家B: 事実確認重視の品質管理担当】 → まず詳細ヒアリング。「どの部分が期待外れだったか」を確認してから解決策を提示。 スコア: 実現可能性4 / 効果5 / リスク4 = 計13点 【専門家C: 再発防止重視のオペレーション担当】 → 謝罪しつつ、社内のフィードバック収集プロセスを見直して改善策を同時提案。 スコア: 実現可能性3 / 効果4 / リスク5 = 計12点 【推奨案】 専門家Bのヒアリングを先行し、詳細を把握した後に専門家Aの無償フォロー研修を提供するハイブリッド対応が最高スコア。即時謝罪しつつ「詳細を聞かせてください」と返信するのが最善。
このToT出力を使って、「翌日中にヒアリング依頼メールを送り、内容確認後にフォロー研修日程を提案する」という具体的なアクションプランが30分以内に決まりました。
【活用例3】採用面接の評価基準設計
中途採用でマーケティング担当者を採用する際、面接での評価項目を決める場面です。
・専門家A（現場マーケティング責任者）: 実務スキル・ツール経験・ポートフォリオを重視する評価軸を提案
・専門家B（経営者視点）: 事業貢献意識・数値管理能力・会社フィットを重視
・専門家C（人事担当）: チームワーク・学習意欲・長期定着リスクを重視
3つを比較することで「実務スキル（40%）＋事業貢献意識（35%）＋長期定着リスク（25%）」という重みづけの評価シートが完成しました。1人で考えていたら実務スキル偏重の基準になっていたところを、多角的な視点でバランスの取れた設計にできました。
うまくいかない時の対処法
ToTプロンプトを使い始めて「思い通りにいかない」と感じたときは、以下のポイントを確認してください。プロンプトの一般的な改善手順についてはプロンプトがうまくいかない原因と改善法もあわせて参考にしてください。
問題1: 3つの視点が似たり寄ったりになる
原因: 専門家の肩書が抽象的すぎる（「専門家A・B・C」と番号だけ振った場合など）。
対策: 「コスト削減担当CFO」「現場ユーザー体験専門家」「競合分析担当マーケター」のように、役職・立場・優先軸を具体的に書きます。名前・立場が明確になるほど、出力の多様性が上がります。
問題2: AIが推奨案を1つに絞れない
原因: 評価基準が曖昧で、重みづけがない。
対策: 「最重要: 実現スピード（重み50%）、次点: コスト（30%）、最後: リスク（20%）」のように優先順位を数値で示します。また、「必ず1つだけ選んでください」と最後に明示的に指示することも有効です。
問題3: 回答が長すぎて読みにくい
原因: ToTは構造が複雑なため、出力が長くなりがちです。
対策: 各専門家の提案に「300字以内で要約」と文字数制限を加えます。制約付きプロンプトの技術をToTに組み合わせることで、読みやすい出力長をコントロールできます。
問題4: 評価スコアが全案横並びになる
原因: 評価軸が似た内容を重複して設定している（例: 「コスト」と「予算」を別項目にしてしまうなど）。
対策: 評価軸は「速さ・安さ・安全さ」のように直交（重複しない）するものを選ぶと差が出やすくなります。各軸の定義を1文で明記するとさらに効果的です。
ToTプロンプトを使う際の注意点
ToTは強力な手法ですが、過信は禁物です。AIが選んだ「推奨案」はあくまで与えられた情報と評価基準に基づく提案であり、現場の実情・社内政治・経営判断を完全に反映しているわけではありません。
特に次の点は人間が必ず確認してください。
・事実の正確さ: 数値・業界慣行・法令などはAIが誤って認識している場合があります。ハルシネーション（AIの誤情報）には常に注意が必要です。
・文脈の特殊性: 自社の独自事情（顧客との関係、社内の力学）はAIには伝わりません。最終判断は必ず人間が行ってください。
・評価基準の妥当性: 入力した評価軸が自社の実情に合っているかを、出力前に再確認してください。
AIを業務のDX推進全体に組み込む戦略については、姉妹サイトDXマスターズ.TOKYOでも実践的なフレームワークを解説しています。
本記事のまとめ
Tree of Thoughts（ToT）プロンプトは、AIに複数の思考経路を並列で探索させ、最善策を選び出す高度な手法です。一本道の推論（CoT）を超えて、多角的な比較検討をAIに任せられるのが最大の強みです。
| やりたいこと | ToTで解決できること | 難易度 |
|---|---|---|
| 多角的な案出し | 3つ以上の視点からアイデアを生成・比較 | 低（テンプレートをコピペ） |
| 意思決定の補助 | 評価基準つきで最善案を自動選択 | 中（評価軸の設定が必要） |
| 複雑な問題解決 | 2ターンで深掘りして実行計画まで落とし込む | 中（2ターン以上の対話が必要） |
| チームでの活用 | 専門家の視点を組織内の役割に対応させて会議の代替に | 低（視点の名称を変えるだけ） |
実践ステップをまとめます。
・Step 1: 取り組む問題が「探索型」かどうかを確認する
・Step 2: 専門家の視点を具体的な役職・立場で設定したToTプロンプトを作る
・Step 3: 評価基準と優先順位を数値で明示する
・Step 4: 推奨案が選ばれたら、2ターン目で実行計画に落とし込む
まずは「今週の業務で迷っている判断」を1つ選び、本記事のテンプレートをそのままコピペして試してみてください。AIの回答の「深さ」が今までとまったく変わります。
PR
ChatGPTをはじめとする生成AIを仕事で使い倒すための実践的なテクニックをまとめた一冊。ToTプロンプトを含む高度な活用手法を実務に定着させたい方にとって、理論と応用の橋渡しになります。
