Few-shotプロンプトの書き方｜AIにお手本を見せて回答精度を上げる実践テクニック

「ChatGPTに指示を出しても、毎回違うフォーマットで返ってくる」「自社のトーンに合った文章をAIに書かせたいのに、一般的な文体になってしまう」――こんな悩みを持つ方は多いのではないでしょうか。

その問題を解決するのが「Few-shotプロンプト」というテクニックです。簡単に言えば、「こういう入力にはこういう出力を返して」というお手本を2〜3個見せてからAIに指示する方法です。言葉で説明するより、実例を見せた方がAIは正確に意図を理解します。

この記事では、Few-shotプロンプトの基本から実務での活用方法まで、コピペですぐ使えるテンプレート付きで解説します。特別な知識は不要で、ChatGPT・Claude・Geminiなどどの生成AIでも使えるテクニックです。

Few-shotプロンプトとは？ — お手本を見せるだけで精度が変わる

Few-shotプロンプトとは、AIに「入力→出力」のお手本を数個見せてから本題の指示を出すテクニックです。「few（少数）」の「shot（試行）」で、少数の例示からパターンを学ばせるという意味です。

普段のプロンプト（Zero-shot）との違いを見てみましょう。

Zero-shot（お手本なし）:

以下の顧客レビューの感情を「ポジティブ」「ネガティブ」「中立」で分類してください。
「注文から届くまで3日で、梱包も丁寧でした。」

この指示でもAIは回答できますが、出力フォーマットがバラつきます。「ポジティブです」と一言で返ることもあれば、長い説明が付くこともあります。

Few-shot（お手本あり）:

以下の顧客レビューの感情を分類してください。

## お手本
レビュー: 「商品の品質が良く、リピートしたいです。」
分類: ポジティブ
理由: 品質への満足とリピート意向が示されている

レビュー: 「届いた商品が写真と違っていてがっかりしました。」
分類: ネガティブ
理由: 期待と実物の乖離に対する不満が表明されている

レビュー: 「普通に使えます。可もなく不可もなく。」
分類: 中立
理由: 明確な満足・不満のどちらも示されていない

## 本題
レビュー: 「注文から届くまで3日で、梱包も丁寧でした。」

出力例:

分類: ポジティブ
理由: 配送スピードと梱包品質への満足が示されている

お手本を見せることで、「分類: ○○ / 理由: ○○」というフォーマットが固定され、毎回安定した出力が得られます。これがFew-shotプロンプトの威力です。

Few-shotプロンプトが特に効果的な場面は次の通りです。

・出力フォーマットを統一したいとき: 毎回同じ形式で出力させたい場合
・自社独自のトーンやルールがあるとき: 言葉で説明しにくい「うちの会社っぽさ」を伝える場合
・分類・判定タスク: カテゴリ分け、感情分析、優先度判定など
・データの変換・整形: 入力データを特定のフォーマットに変換する場合

具体的な使い方 — Few-shotプロンプト5つのステップ

ここからは、実務でFew-shotプロンプトを使うための具体的な手順を紹介します。

1. まずZero-shotで試す — 基準を知る

いきなりFew-shotで書き始める前に、まずはお手本なしの普通のプロンプトで試してみてください。目的は「AIがデフォルトでどんな出力をするか」を確認することです。

プロンプト例:

以下の社内問い合わせメールを読んで、対応カテゴリと優先度を判定してください。

「経費精算システムにログインできません。明日が申請締め切りなので急いでいます。」

出力例:

この問い合わせは「システムトラブル」のカテゴリに該当し、締め切りが迫っているため優先度は高いと考えられます。パスワードリセットの案内を送るか、システム管理者にエスカレーションすることをお勧めします。

悪い回答ではありませんが、フォーマットが統一されていません。100件の問い合わせを処理するとき、毎回違う形式で返ってきたら後で集計できません。この「ズレ」を直すのがFew-shotの役割です。

2. 理想の出力を「お手本」として書く

Zero-shotの結果を見て、「本当はこう返してほしかった」という理想の形を1つ書きます。これがお手本（例示）になります。

お手本を書くときのポイントは3つです。

・フォーマットを明確にする: 項目名、区切り、順番を統一する
・判断基準を含める: なぜその分類にしたか、理由も入れる
・実際の業務データに近い例を使う: 架空すぎる例ではAIが応用しにくい

プロンプト例（One-shot）:

以下の社内問い合わせメールを読んで、対応カテゴリと優先度を判定してください。
下記のフォーマットで出力してください。

## お手本
問い合わせ: 「共有フォルダにアクセスできなくなりました。昨日までは使えていました。」
カテゴリ: ネットワーク・アクセス権限
優先度: 中
理由: 業務に支障があるが、緊急の締め切りは示されていない
対応案: アクセス権限の確認、VPN接続状況の確認

## 本題
問い合わせ: 「経費精算システムにログインできません。明日が申請締め切りなので急いでいます。」

出力例:

カテゴリ: システムログイン
優先度: 高
理由: 申請締め切りが翌日に迫っており、業務遅延のリスクがある
対応案: パスワードリセットの案内、システム管理者へのエスカレーション

お手本を1つ見せるだけで、「カテゴリ / 優先度 / 理由 / 対応案」という4項目のフォーマットが固定されました。

3. お手本を2〜3個に増やして精度を安定させる

One-shot（1つの例示）でもかなり効果がありますが、2〜3個のお手本を見せると精度がさらに安定します。特に重要なのは、異なるパターンのお手本を見せることです。

プロンプト例（Few-shot: 3つの例示）:

以下の社内問い合わせメールを読んで、対応カテゴリと優先度を判定してください。

## お手本1（優先度: 高）
問い合わせ: 「全社メールが送受信できません。顧客への見積もり回答が止まっています。」
カテゴリ: メールシステム
優先度: 高
理由: 顧客対応に直接影響しており、売上機会の損失リスクがある
対応案: メールサーバーの稼働確認、代替連絡手段の案内

## お手本2（優先度: 中）
問い合わせ: 「勤怠管理システムの表示が崩れています。入力はできるのですが見づらいです。」
カテゴリ: 表示・UI
優先度: 中
理由: 業務自体は継続可能だが、操作効率に影響がある
対応案: ブラウザのキャッシュクリア案内、対応ブラウザの確認

## お手本3（優先度: 低）
問い合わせ: 「社内ポータルのお知らせ欄に古い情報が残っています。削除してもらえますか。」
カテゴリ: コンテンツ管理
優先度: 低
理由: 業務への直接的な影響はなく、整理の依頼
対応案: 該当コンテンツの確認と削除、更新フローの見直し提案

## 本題
問い合わせ: 「経費精算システムにログインできません。明日が申請締め切りなので急いでいます。」

3つのお手本で「高・中・低」の判断基準をAIに教えています。これにより、本題の優先度を「高」と正しく判定できる確率がぐっと上がります。

4. 「良い例」と「悪い例」を両方見せる

さらに精度を上げたい場合は、「こう書いてほしい」だけでなく「こう書かないでほしい」も一緒に見せると効果的です。

プロンプト例:

以下の製品説明文を、当社のWebサイト用に書き直してください。

## 良い例
Before: 「高性能プロセッサを搭載し、マルチタスク処理に優れています。」
After: 「複数のアプリを同時に開いても、もたつきません。朝のメールチェックをしながらExcelを開いて、さらにWeb会議に参加しても快適です。」

## 悪い例（こう書かないでください）
Before: 「高性能プロセッサを搭載し、マルチタスク処理に優れています。」
NG: 「最先端テクノロジーを駆使した革新的なプロセッサにより、かつてないパフォーマンスを実現します。」
→ 理由: 具体性がなく、煽り文句になっている

## 本題
以下の製品説明文を書き直してください。
「256GBのSSDストレージにより、高速なデータアクセスが可能です。」

出力例:

パソコンの電源を入れてから作業を始められるまで、約15秒。保存したファイルも一瞬で開きます。「待つ時間」が減るだけで、1日の仕事のリズムが変わります。

「良い例」だけでは「何がOKか」しか伝わりませんが、「悪い例」を加えることで「具体性がない煽り文句はNG」という境界線をAIに理解させられます。

5. テンプレートとして保存して使い回す

一度効果を確認したFew-shotプロンプトは、テンプレートとして保存しておきましょう。毎回お手本を作り直す必要はありません。

保存する際のポイントは次の3つです。

・「## お手本」と「## 本題」を明確に区切る: AIが「ここからが処理対象」と判別しやすくなる
・お手本は3個が上限の目安: 多すぎるとプロンプトが長くなり、かえってAIの注意が散漫になる
・定期的にお手本を更新する: 業務内容やルールが変わったら、お手本もそれに合わせて入れ替える

ChatGPTの「カスタム指示」やClaudeの「プロジェクト」機能を使えば、お手本部分を毎回コピー&ペーストしなくても自動的に読み込ませることもできます。

実務での活用例 — Before/After

Few-shotプロンプトが特に効果を発揮する3つの業務シーンを紹介します。

活用例1: 問い合わせメールの自動分類

活用例2: 社内報・ブログ記事のトーン統一

自社の過去記事から2〜3本をお手本として見せれば、「うちの会社らしい文体」をAIに覚えさせられます。新入社員が書いた文章を「社内の標準トーン」に修正する作業も、Few-shotで効率化できます。

プロンプト例:

以下の文章を、当社の社内報のトーンに書き直してください。

## 当社トーンのお手本
お手本1: 「先月から導入したペーパーレス会議、実際に使ってみた感想を聞いてみました。『最初は戸惑ったけど、慣れたら紙に戻れない』という声が大半でした。」
お手本2: 「夏のインターン生が3名やってきます。配属先はまだ調整中ですが、見かけたら気軽に声をかけてあげてください。」

## 本題
以下の文章を書き直してください。
「弊社は本年度よりDX推進委員会を設置し、全社的なデジタルトランスフォーメーション戦略の策定に着手いたします。」

出力例:

今年度から「DX推進委員会」が立ち上がりました。まずは各部門の業務を棚卸しして、デジタルで効率化できるところから手をつけていく予定です。「うちの部署もなんとかしてほしい」というリクエスト、大歓迎です。

堅い公式文書のトーンが、お手本に合わせた親しみやすいトーンに変換されました。

活用例3: データ変換・整形

「入力: こういう形式 → 出力: こういう形式」のお手本を見せれば、AIをデータ変換ツールとして使えます。

プロンプト例:

以下の名刺情報をCSV形式に変換してください。

## お手本
入力:
山田太郎
株式会社テスト　営業部 部長
東京都渋谷区1-2-3
03-1234-5678
yamada@test.co.jp

出力:
山田太郎,株式会社テスト,営業部,部長,東京都渋谷区1-2-3,03-1234-5678,yamada@test.co.jp

## 本題
入力:
鈴木花子
ABCソリューションズ株式会社　技術部 主任
大阪府大阪市北区4-5-6
06-9876-5432
suzuki@abc-sol.co.jp

出力例:

鈴木花子,ABCソリューションズ株式会社,技術部,主任,大阪府大阪市北区4-5-6,06-9876-5432,suzuki@abc-sol.co.jp

会社名と部署の区切り方、役職の扱いなど、お手本があるからこそAIが迷わずに正しく変換できます。

プロンプト活用を含むAI導入の全体戦略については、姉妹サイトDXマスター.JPで詳しく解説しています。

うまくいかない時の対処法

Few-shotプロンプトを使っても思い通りにならない場合は、次の4つを確認してください。

対処法1: お手本同士に矛盾がないか確認する
お手本Aでは「ですます調」なのにお手本Bでは「である調」になっている、といった矛盾があると、AIはどちらに合わせるべきか迷います。お手本のトーン、フォーマット、判断基準は統一してください。

対処法2: お手本の数を調整する
お手本が多すぎると、プロンプトが長くなってAIの注意が分散します。基本は2〜3個で十分です。5個以上になる場合は、本当に必要なパターンだけに絞りましょう。逆に1個（One-shot）で精度が足りないときは、異なるパターンのお手本を1〜2個追加してみてください。

対処法3: お手本と本題の難易度を合わせる
お手本が簡単すぎて本題が複雑だと、AIがお手本のパターンをうまく適用できないことがあります。お手本は本題と同程度の複雑さのものを選びましょう。

対処法4: 「お手本」と「本題」の境界を明確にする
AIがお手本の内容を本題の回答に混ぜてしまうことがあります。「## お手本」「## 本題」のように見出しで明確に区切るか、「以下が処理対象です:」と一文を入れると改善されます。

なお、Few-shotプロンプトでもAIが事実と異なる情報を生成する可能性はあります。特に数値や固有名詞を含む出力は、必ず原典で確認してください。

本記事のまとめ

この記事では、AIに「お手本」を見せて回答精度を上げるFew-shotプロンプトの書き方を解説しました。

Few-shotプロンプトは、言葉で説明しにくい「こういう感じで」を伝える最も確実な方法です。まずは日常業務のメール分類やレポート作成で、お手本を1つ追加するところから試してみてください。「お手本を見せるだけでこんなに変わるのか」という効果を実感できるはずです。