コワーキングスペース 代表 鶴田 賢太 こんにちは、春日井コワーキングスペースRoom8オーナーの鶴田です。
最近はAIコンサル的な仕事も増えてきて、「プロンプト設計ってどうやるんですか？」と聞かれる機会がグッと増えました。
さて、今回も前回に引き続き、Claude公式プロンプトガイドを読み解くシリーズの第4回。
これまでの回では、「明確さ」と「ロール指定」、そして「データと指示の分離」といった、AIに的確に働いてもらうための基本動作を見てきました。
で、今日はその続きとして、「ステップバイステップで考えさせる（Chain-of-Thought）」がテーマです。
ネットでもよく見かけますよね。「Let’s think step by step. って打つと、AIが賢くなる！」みたいな魔法の呪文っぽい紹介。
でも実際には、そんな簡単な話じゃない。
ちゃんと使えば強力だけど、使いどころ間違えると、AIが“丁寧にズレたこと”を出力してくるという落とし穴もあります。
今日はそのあたりを、“AIを地図なしで登山させるとどうなるか”という視点で解き明かしていきます。
Claude使ってなくても、ChatGPTやGeminiユーザーにもめちゃくちゃ役立つ話なので、ぜひ最後までお付き合いください。
なぜ「ステップバイステップ」が必要なのか？
AIに何かを聞いてみたら、
「それっぽいこと言ってるけど、なんかフワッとしてる…」
そんな経験、ありませんか？
これはAIが最終的な“答えっぽさ”に全振りしてるせいです。
要するに、「途中の考え方をスキップして、最終アウトプットだけ出す」というパターンですね。
まあ人間で言えば、テストで“とりあえずそれっぽく書いておく”みたいなもんです。
🤖 AIは“思考過程”をサボる生き物
AIは、言われた通りには動くけど、言われてないことはやらない。
なので「ちゃんと考えて答えてね」と伝えなければ、
「なんかそれっぽい答え」を脊髄反射的に出すこともザラ。
実はこれ、Claude公式ガイドでもしっかり明言されています。
Without guidance, language models may skip steps or guess prematurely. Explicitly requesting step-by-step reasoning often improves performance.
（指示がないと、言語モデルはステップを飛ばしたり、早まって推測することがあります。段階的な推論を求めることで性能が向上します。）
つまり、「思考の順序を言語化させることで、精度が上がる」のは、言語モデルにとって思考＝出力の流れだから。
💡「考えさせる」のではなく「考える手順を出力させる」
ここが大事なんですが、
AIに「ちゃんと考えてね」というのは、実際には「考える手順を言語で吐き出して」と言っているのと同じです。
そしてこのとき、「順番にやれ」と指示するだけで、
驚くほど推論の精度が上がる。
これがいわゆるChain-of-Thought（思考の連鎖）と呼ばれる技法です。
次のセクションでは、その中身と本当の意味について、少し深堀りしてみましょう。
Chain-of-Thoughtとは何か？
Chain-of-Thought（略してCoT）とは、AIに「思考の過程」を段階的に出力させるためのテクニックです。
いきなり「答えを出して」と言うのではなく、その答えに至るまでの“考える順番”をちゃんと辿らせる、という発想です。
たとえば、こういうふうに順番を指定するのが王道です：
まず前提条件を整理してください。
次に問題文から得られる数値を抽出し、
最後に条件に従って計算して答えを出してください。`
こう書くことで、AIは「どの順番で考えればよいか」を理解し、
ステップごとに処理を進めるようになります。
この「思考の構造を人間が明示する」アプローチこそが、Chain-of-Thoughtの本質です。
Let’s think step by step. は、その簡易版
一方で、「考える順番をいちいち書くのはめんどう」という場面もあるでしょう。
そこでよく使われるのが、いわゆるおまじない的フレーズ：
Let’s think step by step.この一言だけで、AIは「今からは段階的に考えるモードに入ればいいんだな」と判断し、
自分なりに思考の流れを組み立ててくれます。
ただし、思考の順番を“AIに任せる”というリスク
このやり方、うまくハマれば強力です。
でも裏を返せば、これは**“考える順番そのもの”をAIに丸投げしている**ということでもあります。
たとえば「〇〇についてブログを書きたい。Let’s think step by step.」と指示したとき、
AIは「では導入から結論まで、構成を自分で考えて順番に出力すればいいんだな」と勝手に判断します。
ここに“ズレ”が生まれます。
AIが賢ければ、それっぽい構成で書いてくれるかもしれません。
でも、あなたが思い描いていた構成とは違う方向へ話が展開することも多々ある。
これは、賢い人にざっくり指示を出したときと同じで、 「勝手に気を利かせてズレてくる」問題に近いんです。
揺れが少ないのは「定型的なタスク」
逆に、「数式を解く」「比較して結論を出す」など、
思考のステップがある程度定型化されている問いであれば、
Let’s〜だけでもそこそこ正確に処理してくれます。
つまり、Let’s think step by step. が効果的なのは“思考フローが一般化しやすい問い”に限るということ。
日本語でも効くけど、安定性は英語が上
ちなみにこのフレーズ、英語がめんどくさい人のために補足すると、
以下のような日本語でもある程度は効きます：
- 「順を追って考えてください」
- 「段階的に検討してください」
Claudeなど日本語理解が強いモデルなら特に問題ありません。
ただ、確実にトリガーとして認識させたいなら英語の方が安定します。
よく使う人は「Let’s think step by step.」を辞書登録してしまいましょう（僕は「lts」で変換してます）。
まとめ
- CoTの本質は“考え方の順番を明示すること”（＝王道）
- Let’s think step by step. は、それをAIに丸投げする“補助技術”
- 問いの構造が曖昧な場合は揺れが出る。定型的なタスクには有効
- 日本語でもある程度効くが、英語の方が確実に通る
次は、そんなCoTを「うまく使えてる場合」と「うまくいってない場合」で比較してみましょう。
CoTの進化レベル：あなたの思考、どの段階？
Chain-of-Thought（思考の連鎖）といっても、
その“深さ”や“つながり方”にはレベルがあります。
一概に「これは良い／これは悪い」と切って捨てるよりも、
思考の成熟度として捉えた方が実務的です。
レベル0：いきなり結論（CoTなし）
何も考えていない。
問われたことにいきなり結論だけ返すタイプ。
Q：「AIについてどう思う？」
A：「とても便利だと思います。」`
レベル1：ステップの羅列（最低限のCoT）
思考の順序はあるが、各ステップが独立していて関連が見えない。
いわゆる“作業のToDoリスト”に近い。
1. テーマを決める
2. 構成を考える
3. 導入を書く
4. 本文を書く
5. まとめを書く→ 思考の形式としては最低限。ないよりはマシ。
レベル2：各ステップに判断や理由がある
各ステップに「なぜそうするのか？」という判断や根拠が含まれている。
1. 読者が初心者なら、導入で“わかりやすさ”を優先する必要がある。
2. 導入では定義から入り、次に日常的な具体例を挟むことで自分ごと化させる。
3. 本文では具体的なメリット→注意点の順で展開した方が自然。→ 一つひとつのステップに思考の厚みがある。
レベル3：ステップ同士が論理的につながっている（＝フロー）
判断があるだけでなく、前のステップの結果を受けて次のステップが導かれている。
思考が“線”になっている。
1. テーマを決める
2. テーマから検索意図を想定する
3. 検索意図に合う構成を考える
4. 構成に沿って導入と見出しを組み立てる
5. 本文を書く→ これはもはや思考のストーリー。
AIにここまでのCoTを書かせるには、それ相応のプロンプト設計が必要です。
補足：Let’s think step by step. は“補完モード”のスイッチになる
ここまでで、CoTは「構造の深さと流れが大事」だという話をしてきました。
実際にレベル2〜3のような流れをプロンプトで指定するのが理想ですが、
「流れまでは作ったけど、各ステップの中身までは書き込んでない」ことも多いはず。
そんなときに便利なのが、Let’s think step by step. を末尾に添える使い方です。
1. テーマを決める
2. ターゲットと検索意図を想定する
3. 検索意図に応じた構成を作る
Let’s think step by step.こうすると、AIは「なるほど、これに沿って順を追って考えればいいんだな」と解釈して、
各ステップの思考過程を“自動補完”してくれる可能性が高まります。
王道の“構造指定”に、この補助的なおまじないを添えることで、
設計者の意図を保ちつつ、細部の思考展開をAIに任せるというハイブリッド運用が可能になります。
まとめ
- CoTは「書いてるかどうか」ではなく「どう書いてるか」でレベルが分かれる
- レベル1でも有効な場面はあるが、深みを持たせたいならレベル3を目指す
- レベル3は“つながった思考”＝人間らしい判断の痕跡を言語化している
次は、AIにこうした高レベルのCoTを引き出すためのプロンプト設計について解説します。
CoTを効果的に書かせるプロンプト技術
前のセクションでは、Chain-of-Thought（思考の連鎖）にもレベルがあることを紹介しました。
単なるステップの羅列（レベル1）と、前の思考から次が自然に導かれるフロー型（レベル3）では、同じ「段階的」でも中身の濃さがまったく違います。
では、AIにその“レベルの高いCoT”を書かせるには、どうプロンプトを設計すればいいのか？
ここではその具体的な方法を紹介していきます。
順番だけじゃダメ。「どう考えるか」まで書く
AIに「段階的に考えて」と言うだけでは、
たいてい ToDoリストのような“やることの順番”しか返ってきません。
必要なのは、“どういう視点でその順番を考えるか”まで含めて伝えることです。
たとえば：
1. 前提となる条件を整理してください
2. 条件に基づいて発生しうる選択肢を挙げてください
3. 各選択肢についてメリットとデメリットを比較し、
4. 最終的に最も合理的な選択肢を結論として導いてください`
このように、「順番」「思考の型」「判断基準」をセットにして渡すと、
AIの出力がただの箇条書きから**“論理展開のある思考”に変わります。**
「理由も添えてください」の一言で変わる
CoTの質を一段階引き上げる魔法の一文がこれです：
各ステップで、なぜそう考えたのか理由も添えてください。この一言があるだけで、AIは“説明責任があるモード”に入り、
ただの手順ではなく**「判断と根拠がセットになった思考」**を返してくれるようになります。
汎用プロンプトテンプレート（保存推奨）
次のタスクについて、段階的に考えてください。
1. 問題の背景や前提条件を整理する
2. どのような選択肢があるかを列挙する
3. 各選択肢のメリットとデメリットを比較する
4. 理由を添えて、最適な選択肢を選ぶ
→ 各ステップで、なぜそう考えたのかも説明してください。このテンプレは、企画・戦略・要件整理など幅広く応用できます。
思考フローの枠を与えることで、CoTは“書かせるもの”から“引き出すもの”になります。
曖昧な問いには「問いの構造」を与えよ
「ブログ書いて」でいきなりCoTを求めるのは無茶です。
その前にまず、問いの構造を整理してから渡すべきです。
・誰に向けたブログか？
・どんなキーワードで検索してくるか？
・読者は何を知りたがっていて、何を得たいのか？
・読んだあとにどう行動してほしいのか？これらを先に整理するだけで、AIは“考える対象と目的”を理解しやすくなり、 結果として自然なCoTを生成できるようになります。
まとめ
- 順番だけでなく、どう考えるか・なぜそうするかを指示するのがCoTプロンプトの基本
- 「理由も述べてください」の一言でCoTの深みが変わる
- 曖昧なタスクは、まず問いの構造化から
- 高度な出力は、構造化された入力からしか生まれない
次は、Claude公式ガイドの中で実際に使われているCoTプロンプトが、
この考え方とどう一致しているかを見ていきます。
Claude公式ガイドの事例と再現実験
ここまで、「CoTとは何か」「どう書かせるべきか」という話をしてきましたが、
じゃあClaude公式プロンプトガイドでは、実際にどういうふうに書かれているのか？
Anthropicが出しているガイドの中でも、Chain-of-Thoughtは非常に重視されており、
明確に「思考の手順を明示することで精度が上がる」と断言されています。
公式ガイドにある典型的な例
たとえばこんな感じのプロンプトが紹介されています：
Q: アメリカの独立記念日はいつですか？
A: この質問に答えるために、アメリカの歴史における独立のタイミングを考えます。
アメリカは1776年に独立を宣言しました。
その出来事は7月4日に起こりました。
したがって、独立記念日は7月4日です。`
→ 一見当たり前のことを言っているようですが、“質問→思考→結論”という流れが明確になっている点がポイントです。
CoTは、考える過程を「敢えて書かせる」ことで、答えの信頼性と納得性を引き上げる技術です。
これをChatGPTで再現すると？
では、同じ問いに対してChatGPT（GPT-4）に聞いてみましょう：
Q: アメリカの独立記念日はいつですか？
A: アメリカの独立記念日は7月4日です。…はい。一瞬で終わりました。
正しいけど、思考の過程がない。納得も説明もない。
でも、Let’s think step by step. をつけると？
Q: アメリカの独立記念日はいつですか？
Let’s think step by step. A: アメリカが独立したのは1776年。
その年の7月4日に独立宣言が発表された。
よって、独立記念日は7月4日である。→ 急に“考えた風”になります。これがCoTスイッチとしてのLet’s〜の効果。
ただし、思考の質にはモデル差が出る
Claudeは、Let’s〜を使わずともすでに「推論を展開するスタイル」が組み込まれているため、
質問だけでも「なぜそうなるか？」を勝手に展開してくれる傾向があります。
一方、ChatGPT（特にGPT-3.5など）は、Let’s〜がないと即答型になりやすく、
推論モードに入るにはプロンプト設計が必須です。
Claude公式の特徴：思考に“余白”をつくる設計
Claudeガイドでは、問い方そのものにも特徴があります：
- 「どのように考えるか」をあらかじめ指定する
- 「いくつかの可能性を列挙し、それぞれを検討してから結論を出す」と明言している
- 回答の形式（理由→結論）をプロンプトで構造化している
つまり、「考えるな感じろ」ではなく、「こう考えて」と明示している。
このスタイルこそ、実はこれまで紹介してきたCoTプロンプト設計の王道パターンそのものなんです。
まとめ
- Claude公式ガイドのCoT例は「思考の過程を明示して出力させる」設計
- GPT系は即答しがちなので、Let’s〜などでモード切り替えが必要な場合もある
- どのモデルでも再現性を高めたいなら、「順番＋思考の視点＋理由」の構造をプロンプトで書くのが鉄則
次のセクションでは、ここまでの内容をふまえて、
実務でCoTを使うときの落とし穴と精度の揺れについて触れていきます。
CoTの“揺れ”と限界：それでもAIは完璧じゃない
ここまで、Chain-of-Thought（CoT）を活用することで、
AIの出力がどれだけ論理的で、納得感のあるものになるかを見てきました。
でも実際に使ってみると、「なんか微妙にズレてる…」「その流れじゃないんだよな…」という違和感、ありますよね？
それ、気のせいじゃありません。
CoTは“思考プロセスを出力させる”だけで、“意図の理解”ではない
これは本質的な問題ですが、CoTはあくまで「考える過程を“それっぽく”書かせる技法」です。
あなたの意図を理解して、最適な流れを導き出してくれるわけではない。
たとえば、こんなプロンプトを出したとします：
〇〇についてブログを書きたい。Let’s think step by step.するとAIは、自分なりに“ブログの書き方ステップ”を組み立てて答えてくれます。
1. テーマを明確にする
2. 読者ターゲットを設定する
3. 導入を書く
4. 本文を書く
5. まとめを書くこれ、一見まともです。でも、あなたの狙っていた構成と一致してますか？
ズレる理由：AIが“考え方の流派”を勝手に選んでくる
CoTは、考える順番を言語化するプロセスなので、
その順番をAIに丸投げすると、当然“AIなりの正解”が返ってくるわけです。
たとえるなら、賢い部下に「なんかいい感じにやっといて」とだけ伝えるようなもの。
優秀なのでいい線はいくけど、あなたの意図通りかというと話は別です。
一般的な構造なら成功率は高い。が、応用が効くとは限らない
たとえば：
- 数学の問題
- 選択肢から最適解を導くロジック問題
- フレームワークに沿った分析（SWOTなど）
こういった**「定型的な思考の型があるタスク」**であれば、AIはかなりの精度でCoTを展開できます。
でも、構成や切り口に人間の価値観が絡むようなタスク──たとえば：
- ブログ構成の設計
- 提案資料のストーリーライン
- 議論の落とし所を探るような場面
では、“ズレ”や“揺れ”がどうしても出てきます。
ズレを防ぐには、フレームを先に設計する
このズレを最小限に抑える方法は、ここまで何度も出てきた話に戻りますが──
「考え方の順番を人間が先に用意する」こと
たとえば：
1. テーマを決める
2. テーマから検索意図を推定する
3. 読者の検索意図に沿った構成を設計する
4. 構成に沿って本文を書く
Let’s think step by step.このように、順序と構造は人間が提示し、その補完だけAIに任せる。
これが最もズレが少なく、安定した出力を得るためのCoT運用です。
まとめると
- CoTを使っても、意図がズレることは普通にある
- 特に「問いの構造が曖昧なとき」や「価値観が絡むとき」はズレやすい
- AIは“それっぽく”考えることはできるが、“あなたのように”は考えない
- 構造は人間が設計、展開はAIに任せるという分業が一番うまくいく
このあたりを理解しておくだけで、
「AIが変なこと言ってきた＝ダメ」ではなく、“設計の責任はこっちにある”という意識が自然と身についてきます。
次は、本記事の総まとめに入っていきます。
まとめ：考えさせるとは、順番を与えること
「ステップバイステップに考えさせる」
それは単に「Let’s think step by step.」と書くことではありません。
AIに本当に考えさせたいなら、“どう考えるかの順番”を人間が設計することが必要です。
本記事で紹介したポイントを振り返ると：
- CoTの本質は、「結論を出させること」ではなく、「その結論に至る道筋を言語化させること」
- Let’s think step by step. はその道筋をAIに任せたいときの補助的なテクニック
- 思考の質にはレベルがあり、“順番がある”だけでは不十分
→ 「理由があるか？」「前のステップとつながっているか？」がポイント - 高度なCoTを引き出すには、プロンプト設計時点で“流れ”を明示する
- 曖昧なタスクは「問いの構造化」から始めるべし
- 実務では揺れやズレもつきもの。だからこそ流れは人間が作り、補完をAIに任せるのが安定運用
プロンプトに「どう考えてほしいか」を書くのは、
AIに“思考の型”を教えること。
「考えさせる」のではなく、“考えられるように設計する”
それがプロンプトエンジニアリングの真の技術です。