2-8　Few-Shot：お手本を見せて学ばせる

外注ライターには渡せるトンマナ資料が、AIには渡せない。「こういう感じ」を説明する言葉が、どうしても見つからない——その歯がゆさ、ありませんか。

言語化できないのは表現力の限界ではありません。そもそも、言語化しなくていいのです。

これ、仕組みで解決できます。

答えはシンプルで、説明せずに、お手本を見せることです。Few-Shotプロンプティング——例を2〜3個見せるだけで、AIは分類基準も形式もトーンも一括で読み取ります。ただし、例の質が悪いと、その悪さも忠実に再現されます。

二つ目の応用テクニックはFew-Shotプロンプティング——お手本（例）を見せてから本番のタスクをさせる技法です。

例の数によって呼び名が変わります。例なしがZero-Shot、1つ見せるのがOne-Shot、複数見せるのがFew-Shot。たとえば商品レビューの感情分類なら、「レビュー：配送が早かった→ポジティブ」「レビュー：説明と違う商品が届いた→ネガティブ」と2〜3例見せてから、本番のレビューを分類させるのがFew-Shotです。

なぜ効くのか。例は、言葉で説明しづらい暗黙のルールを一括で伝えるからです。分類の基準、出力の形式、粒度、トーン——これらを文章で完全に指定するのは大変ですが、例を2つ3つ見せれば、AIはパターンとして一気に読み取ります。「百聞は一見にしかず」はAIにも当てはまるのです。

効果を決めるのは例の質です。良い例が満たすべき条件は4つ。明確性——入力と出力の対応が一目で分かる。一貫性——例同士でルールがブレていない（1例目は丁寧語、2例目はタメ口、では混乱します）。代表性——本番で出てきそうなケースをカバーしている。適切な難度——簡単すぎる例だけでは、際どいケースの判断基準が伝わりません。逆に悪い例は積極的に害を及ぼします。ルールの矛盾した例はAIを混乱させ、偏った例は出力を偏らせ、誤った例はその誤りを忠実に再現させます。

例を作る手順は5ステップです。タスクの判断基準を言語化する→典型ケースを選ぶ→際どいケースを1つ混ぜる→入力と出力のペアを揃った形式で書く→例同士の一貫性を確認する。議事録からの要点抽出、問い合わせの仕分け、文体の統一など、「ルールを言葉にしづらいが、見れば分かる」タスクでFew-Shotは絶大な効果を発揮します。

保存版・良い例の4条件

• 例示は、言語化しづらい暗黙のルール（基準・形式・トーン）を一括で伝える

• 良い例の条件は明確性・一貫性・代表性・適切な難度

• 矛盾した例・誤った例は忠実に害を再現する。例の品質管理が命

これで、冒頭の"言語化できないトンマナ"が例だけで渡せます。

やってみよう: 繰り返し発生する定型タスクを1つ選び、良い例を2つ作ってFew-Shotで依頼してみましょう。型はこちらです。

📍 番号や読む順に迷ったら講座マップへ。目的別ルートと全84レクチャーの対応表があります。