Few-shot prompting：AIに例を示してより良く指導する

Few-shot promptingは、質問の前にAIに2～5つの例を示す技法です。初心者向けの実践ガイドと具体例を紹介します。

投稿者: Jérémie Chiari

2026年7月7日読了時間 10 分

ChatGPTに仕事用メールを書かせたけど、トーンがいつも気に入らない？Claudeに魅力的なタイトルを生成させたいけど、結果が平凡すぎる？Few-shot promptingはこの問題を解決します。単に説明するのではなく、AIに正確に何をしてほしいのかを示すのです。この技法は、実際の質問をする前に2～5つの具体的な例を提供することです。AIはこれらの例を分析し、パターンを特定し、あなたのケースに対して同じスタイルを再現します。シャツの畳み方を言葉で説明するのではなく、実際に示すようなものです。結果は即座で正確です。このガイドでは、few-shot promptingを使って、期待に正確に合った回答を得る方法を学びます。技術用語も必要なく、プログラミングスキルも不要です。

Few-shot promptingとは何か、そしてどのように機能するのか

Few-shot promptingは、実際の質問や依頼をする前に、AIに複数の例を提供する技法です。 単に何をしてほしいのかを説明するゼロショット（例なし）とは異なり、few-shotは期待される形式、トーン、構造を具体的に示します。

「Few-shot」という言葉は文字通り「いくつかの例」を意味します。通常は2～5個です。それ以上だと、コンテキストに過負荷をかけるリスクがあり、効率の向上がありません。それ以下だと、AIが完全なパターンを理解できない可能性があります。

具体的には、few-shotプロンプトの構造は次のようになります：

期待される結果の2～5つの例を提供します
実際のケースを提示します
AIは同じパターンに従う回答を生成します

簡単な例を見てみましょう。AIに製品の説明をInstagramの魅力的なフレーズに変換させたいとします：

Few-shotなし（ランダムな結果）： 「このInstagramの製品について魅力的なフレーズを書いてください：軽いランニングシューズ。」

Few-shotあり（一貫した結果）： 「これらの説明をInstagramのフレーズに変換してください：

製品：防水バックパックフレーズ：あなたの冒険は決して止まりません。雨の中でも。🎒

製品：保温ボトルフレーズ：24時間の冷たさ。妥協なし。あなたの新しい相棒。💧

製品：充電式ヘッドライトフレーズ：夜があなたの遊び場になります。道を照らしてください。🔦

では、これと同じことをしてください：製品：軽いランニングシューズ」

Few-shotを使うと、AIはすぐにトーン（ダイナミック、短い）、構造（3つの短い文）、スタイル（カジュアルな呼びかけ、最後に絵文字）を理解します。結果はあなたの例と一貫性があります。

Few-shot promptingが説明より効果的な理由

Few-shot promptingがより効果的なのは、例があなたが本当に何を期待しているのかについてのすべての曖昧さを排除するからです。 「プロフェッショナル」「クリエイティブ」「簡潔」といった言葉は、人によって異なる意味を持ちます。1つの例は千の言葉に値します。

Claudeの開発元であるAnthropicの公式ドキュメントによると、few-shot promptingは構造化されたタスクの回答精度を30～50％向上させます。OpenAIはGPT-4でも同様の結果を確認しています。

この技法がこれほど強力な理由は以下の通りです：

即座の時間節約 「プロフェッショナルだけどアクセスしやすい」トーンが何を意味するのかを説明するために5回繰り返すのではなく、2つの例を示して、最初から正しい結果を得ます。

保証された一貫性 20個の製品説明を生成する必要がある場合、few-shotはすべてが正確に同じ形式に従うことを保証します。繰り返しのタスクに最適です。

スタイルの学習 AIは微妙なニュアンスをキャッチします：文の長さ、特定の語彙、段落の構造、形式のレベル。言葉で説明するのが難しい要素です。

エラーの削減 正しいものを示すことで、正しくないものも示します。AIは不適切な形式やトーンを避けます。

具体的な例：請求書から情報を抽出したいとします。Few-shotなしでは、各フィールド、その形式、特殊なケースの処理方法を正確に説明する必要があります。Few-shotなら、処理済みの請求書の3つの例を示すだけで、AIは後続のものに対して正確に同じ処理を再現します。

良いfew-shotプロンプトを構築する方法：ステップバイステップガイド

効果的なfew-shotプロンプトは常に同じ構造に従います：コンテキスト＋例＋指示＋あなたのケース。 このシーケンスはAIがあなたが正確に何を期待しているのかを理解することを保証します。

完全な方法は以下の通りです：

ステップ1：コンテキストを定義する

タスク全体を説明する1文で始めます。これはAIが全体的な目的を理解するのに役立ちます。

例：「顧客レビューを短いテスティモニアルにウェブサイト用に変換する必要があります。」

ステップ2：2～5つの例を提供する

あなたが遭遇する様々なケースをよく表す例を選択してください。長いテキストと短いテキストの両方を処理する場合は、両方を示してください。複雑なケースがある場合は、1つ含めてください。

推奨される形式：

入力：[あなたの例の入力]
出力：[期待される結果]

各例を明確に分離してください。改行またはセパレーター「---」を使用してください。

ステップ3：最終的な指示を与える

実際のケースを紹介する簡単な文：「では、この新しいレビューについても同じことをしてください：」または「同じ変換を適用してください：」。

ステップ4：あなたのケースを提示する

出力が必要な入力を、例と同じ形式で提供してください。

技術的な説明を簡単な言葉に変換する完全な例を以下に示します：

これらの技術的な説明を誰もが理解できるフレーズに変換してください：

技術的：8コアプロセッサ、2.8 GHzで動作、ARM Cortex-A78アーキテクチャ
シンプル：超高速8コアプロセッサで、すべてのアプリケーションをスムーズに処理します。

技術的：リチウムポリマー電池5000 mAh、65W高速充電対応
シンプル：1日中持つ電池で、45分で完全に充電できます。

技術的：6.7インチAMOLEDスクリーン、2400x1080ピクセル解像度、120 Hzリフレッシュレート
シンプル：大きく明るく滑らかなスクリーンで、ビデオやゲームに最適です。

では、この説明を簡潔にしてください：
技術的：5000万画素カメラ、光学手ぶれ補正OIS、f/1.8開口部

AIは自然にパターンに従います：専門用語を避け、具体的な利点を説明し、短い文を保ちます。

Few-shot promptingで避けるべき一般的なエラー

最も一般的なエラーは、互いに矛盾した例を提供することです。これはAIをガイドするのではなく、混乱させます。 例が異なる形式に従う場合、AIはどのパターンに従うべきかわかりません。

ここに典型的な落とし穴とそれを避ける方法があります：

互いに異なりすぎる例

最初の例が2行、2番目が10行、3番目が1文の場合、AIはどの長さを採用すべきかわかりません。構造の一貫性を保ってください。

悪い例：

質問：VPNとは何ですか？
回答：VPNはあなたの接続を暗号化します。

質問：Bluetoothはどのように機能しますか？
回答：Bluetoothは、通常10メートルまでの短距離で、2.4 GHz周波数帯を使用した無線波を使用してデバイスを接続できる無線通信技術です。

良い例：

質問：VPNとは何ですか？
回答：VPNはあなたのインターネット接続を暗号化して、データを保護し、IPアドレスを隠します。

質問：Bluetoothはどのように機能しますか？
回答：Bluetoothは安全な無線波を使用して、短距離でデバイスを接続します。

多すぎる例（5以上）

5つ以上の例を超えると、品質を改善することなくトークンを無駄にしています。AIはすでにパターンを理解しています。8つの平均的な例よりも、3つの厳選された例を優先してください。

限界的なケースをカバーしていない例

データが欠落または不完全である可能性がある場合は、これらのケースを処理する方法を示してください。そうしないと、AIは即興で対応します。

例を明確に分離するのを忘れる

明確な分離がないと、AIは1つの例がどこで終わり、次の例がどこで始まるかを混同する可能性があります。ダブルラインブレークまたはセパレーターを使用してください。

Few-shotと長い指示を混ぜる

3つの例を提供してから2段落の詳細な指示を与える場合、few-shotの利点をキャンセルしてしまいます。例に語らせてください。短い最終的な指示で十分です。

良いテスト：例を読み直してください。人間として、すぐにパターンを理解できますか？理解できれば、AIも理解できます。躊躇する場合は、例を明確にしてください。

初心者向けのfew-shot promptingの具体的なユースケース

Few-shot promptingは、形式やスタイルを一貫させたいすべての繰り返しタスクで優れています。 ここに、経験がなくても今日から使える実践的なアプリケーションがあります。

プロフェッショナルメールの作成

クライアントへのフォローアップメールを送信する必要があります。望むトーン（親切だが簡潔）の2つの例を示すと、AIは同じスタイルで後続のメールを生成します。

ソーシャルメディアの投稿作成

あなたのビジネスのInstagramアカウントを管理しています。うまくいった3つの投稿の例を提供すると、AIはあなたのトーンと構造を尊重する新しい投稿を作成します。

データ変換

100個のアドレスを一貫した方法でフォーマットする必要があります。最終形式の3つの例を示すと、AIは残りを自動的に処理します。

会議のサマリー

会議中にメモを取り、それを構造化されたレポートに変換したいとします。2つの良いレポートの例を提供すると、AIは次のメモを同じ形式で変換します。

特定のスタイルでの翻訳

英語からフランス語へマーケティングコンテンツを翻訳しています。文字通りの翻訳は機能しません。適応された翻訳の3つの例を示す（インパクトを保つ）と、AIはこのアプローチに従います。

顧客コメントの分類

数百のレビューを受け取ります。すでに分類されたレビューの4つの例を示す（ポジティブ/ニュートラル/ネガティブ＋テーマ）と、AIは新しいレビューを自動的に分類します。

要約表：

タスク	例の数	時間節約
テンプレートメール	2-3	70%
ソーシャルメディア投稿	3-4	60%
データフォーマット	2-3	85%
構造化サマリー	2-3	50%
適応翻訳	3-5	65%
分類	4-5	80%

Few-shot promptingは、数時間かかるタスクを数分に変えます。初期投資（良い例を作成する）はすぐに回収されます。

Few-shot対ゼロショット対ワンショット：どの技法を選ぶか

Few-shot（2～5例）は形式やスタイルが正確に必要なタスク向け、ゼロショット（0例）は簡単な質問向け、ワンショット（1例）はパターンが明らかな場合に適しています。各アプローチには強みがあります。

ゼロショット：いつ使うか

ゼロショットは、例なしで指示を与えることを意味します。以下の場合に使用してください：

簡単な事実上の質問（「ポルトガルの首都は何ですか？」）
明らかなタスク（「このテキストを英語に翻訳してください」）
形式の制約のないブレインストーミング

利点：速い、準備不要欠点：結果が変わりやすい、制御が少ない

ワンショット：中間地点

パターンがシンプルで繰り返しの場合、1つの例で十分です。例えば、日付をフォーマットする場合：

この日付をフォーマットしてください：15/03/2024 → 2024年3月15日
では：22/07/2024

利点：トークンを節約、書くのが速い欠点：パターンが複雑な場合、曖昧さのリスク

Few-shot：いつ使うか

Few-shotは以下に最適です：

スタイルやトーンのニュアンスがあるタスク
複数の要素を持つ複雑な形式
一貫性が重要な状況
例外や特殊なケースがある状況

利点：最大精度、一貫した結果欠点：より多くのトークンを消費、良い例が必要

どのように選ぶか

自問してください：「このタスクを同僚に説明する場合、例を示す必要がありますか？」

はいの場合、few-shotを使用してください
1つの例で十分な場合、ワンショットを使用してください
口頭の指示で十分な場合、ゼロショットを使用してください

疑わしい場合は、ゼロショットから始めてください。結果が満足できない場合は、few-shotに切り替えてください。品質の違いはすぐにわかります。

プロンプトエンジニアリングのスキルをさらに向上させるには、実際に機能する10の技法に関する完全ガイドをご覧ください。そこで、few-shotをAIにステップバイステップで推論させるchain-of-thoughtなどの他の方法と組み合わせる方法を学びます。

結論

Few-shot promptingは、AIから一貫性のある正確な結果を得るための最も簡単な技法です。何をしてほしいのかを説明するのではなく、2～5つの具体的な例を示すことで、すべての曖昧さを排除し、かなりの時間を節約できます。このアプローチは、すべての繰り返しタスクで機能します：メール、ソーシャルメディア投稿、データ変換、構造化サマリー。頻繁に繰り返すタスクを特定し、理想的な結果の3つの例を作成し、AIにこのパターンを再現させてください。最初の使用から結果に驚くでしょう。

AIを初めて使う場合は、初心者向けChatGPTの使い方を発見し、毎日使える50のプロンプトを探索してインスピレーションを得てください。

よくある質問

Few-shot promptingでは何個の例を提供する必要がありますか？

ほとんどの場合、2～5個の例で十分です。2個未満だと、AIが完全なパターンを理解できない可能性があります。5個を超えると、品質を大幅に改善することなくトークンを消費します。シンプルなパターンで明らかなタスクの場合、2～3個の例が完璧に機能します。複雑な形式やスタイルのニュアンスの場合は、異なるケースをカバーする4～5個の例を目指してください。

Few-shot promptingはすべてのAIモデルで機能しますか？

はい、few-shot promptingはChatGPT（GPT-3.5、GPT-4）、Claude（すべてのバージョン）、Gemini、Mistralおよび実質的にすべての最新言語モデルで機能します。これはこれらのモデルがパターンを特定する自然な能力を活用する普遍的な技法です。GPT-4やClaude 3などのより高度なモデルは通常、より少ない例でより良い結果を提供しますが、原則は同じです。

Few-shotとファインチューニングの違いは何ですか？

Few-shot promptingは、モデルを変更することなく、プロンプトに直接例を提供することです。これは即座で技術スキルを必要としません。一方、ファインチューニングは、モデルの基本的な動作を変更するために、数千の例でモデルを再トレーニングすることです。ファインチューニングはより強力ですが、プログラミングスキル、時間、多くの場合予算が必要です。ユースケースの99％では、few-shotで十分です。

例は実際のものである必要がありますか、それとも作成できますか？

例は、期待する結果を忠実に表す限り、作成できます。重要なのは、例が互いに一貫性があり、従うべきパターンを明確に示すことです。機密データを処理する場合、匿名化された作成例の使用は実際に推奨されます。ただし、作成した例が、実際に遭遇するケースの多様性をよくカバーしていることを確認してください。

Few-shot promptingは多くのトークンを消費しますか？

はい、few-shot promptingはゼロショットより多くのトークンを消費します。各プロンプトに複数の例を含めるためです。ただし、このコストは2つの要因によって大幅に相殺されます：最初から正しい結果を得られるため（5回再生成する必要がない）、繰り返しタスクの場合、例を1回作成してから何百回も再利用できます。定期的に繰り返すタスクの場合、投資対効果は優れています。

Few-shotを他のプロンプティング技法と組み合わせることができますか？

もちろんです。Few-shotは他の技法と非常にうまく組み合わせられます。例えば、AIがステップバイステップで推論する例を示すことで、few-shot＋chain-of-thoughtを使用できます。または、AIに専門家として行動するよう求めながら、期待されるスタイルの例を示すことで、few-shot＋ロールを組み合わせることができます。これらの組み合わせは、複雑なタスクに特に強力です。まずfew-shotだけをマスターしてから、組み合わせを試してください。