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！
名古屋・春日井界隈でAIコンサルっぽいこともやってると、よく聞くのが「AIに頼んでも毎回ちょっとズレる」という嘆き。
「フランクに」「やわらかく」とか曖昧な指示だけだと、ChatGPTもClaudeも、たまに“こっちの想定外”をぶっこんできます。
で、多くのAIガイドが口を揃えて「例（Few-shot）を見せろ」と言うんですが――
実はこの“例”も、「どう作ればいいの？」で詰まる人が多い。
そこで頼りになるのが、公式ガイドでも紹介されている“型（フレームワーク）”です。
この型さえ知っておけば、「例ってなに？」で立ち止まることも減る。
むしろ、AIの出力をコントロールする“武器”になります。
まずは使いやすい型から覚えて、そこから「どこでどう使えばいいか？」という“本質”に一歩踏み込む――
この順番が一番ラクで実践的。
今日はその「型」と「本質」を、
AI現場あるあるの皮肉も交えつつ解説します。
Claude使ってなくてもOK。ChatGPTもGeminiもCopilotも、
AIの“ズレ”に悩んだことがある人は、読んで損なしです。
Few-shotって何？まずは“型”からざっくり紹介
AIに「思った通りに返事してほしい」とき、ほぼ必須になるのがFew-shot（例示）プロンプト。
これ、実は見本の“並べ方＝型（フレームワーク）”を知っておくと一気に楽になります。
Claude公式ガイドでも複数の型が紹介されていて、
どれも「例（見本）をわかりやすく並べる」ことでAIの出力が安定するのがポイント。
代表的なFew-shotの“型”たち
1. Q&A型（質問→答えセットで並べる／自然言語変換や会話タスク向き）
Q: ご教示いただきありがとうございます。
A: 教えてくれてありがとう！
Q: お世話になっております。
A: こんにちは、いつもありがとうございます！`
2. 指示＋例（Instruction＋Examples型／指示文＋サンプルを複数並べる）
次の文章をフランクな口調に書き換えてください。
入力: ご多忙のところ恐縮ですが、ご確認をお願いいたします。
出力: 忙しい中ごめんね、ちょっと見てもらえると助かります！
入力: ご連絡いただきありがとうございます。
出力: 連絡ありがとう！3. ラベル付け型（分類・タグ付けタスク向き）
入力: このサイトはAIを活用した新しいサービスです。
カテゴリ: AIサービス
入力: お問い合わせありがとうございます。
カテゴリ: サンクスメール4. テーブル型（たくさんの例やルールを一括で並べるときに有効）
| 入力 | 出力 |
|---|---|
| お世話になっております。 | こんにちは、いつもありがとう！ |
| ご教示いただきありがとうございます。 | 教えてくれてありがとう！ |
どの型も「やらせたいこと」に合わせて選べばOK
- 会話や自然言語変換ならQ\&A型
- 文体変換やテンプレ化はInstruction＋Examples型
- 分類・タグ付けはラベル付け型
- ルール徹底や例を大量に並べたいときはテーブル型
「この型を知ってるだけで“例ってなに？”で迷わない」
これがまず第一歩！
なぜFew-shot（例示）が必要なのか？
たとえば、あなたが「フランクな口調で返して」と誰かにお願いしたとします。
人によっては即タメ口、「あざす！」みたいなノリもいれば、
語尾を柔らかくするだけの“ちょいフランク”もいる。
中には、「フランク＝チャラい」と思ってやたらテンション高めで返してくる人までいる。
——この“幅の広さ”、これって人間同士でも毎回バラバラですよね。
「察しろ」が通じないどころか、「え、それはフランクって言わないよ…」とガッカリした経験、
たぶん誰しも一度はあるはず。
AIもまったく同じ。
「フランクに」って言われたら、AIもAIなりの“解釈”で、バリエーション豊かな返答を繰り出してくる。
うまくハマれば「お、ちゃんと空気読んでるじゃん」となるし、
ズレれば「いや、そうじゃない…」とモヤる。
この“ブレ”をなくしたいなら、いちいち言葉で説明するより「こう返して」と見本を見せる方が話が早い。
たとえば：
Q: ご教示いただきありがとうございます。
A: 教えてくれてありがとう！
Q: お世話になっております。
A: こんにちは、いつもありがとう！こうやって具体的な返しを2〜3個用意してAIに渡す。
するとAIは、その見本をもとに「これがフランクなのね」と、律儀に寄せてくる。
人間もAIも、「雰囲気をピンポイントで伝えたいとき」は、
例を出すのが最短ルート。
“言葉で説明するより、現物を見せた方が手っ取り早い”ってやつ。
つまり、
Few-shotは“幅広い解釈”をピンポイントに狭めて「これだよ！」と示すための最強ツール。
AIと人間のズレにイライラする前に、
まずは「見本（例）」で殴ってみるのが正解です。
Few-shotの使いどころと設計コツ
じゃあ、実際どんな場面でFew-shotが「効く」のか？
答えはシンプル。“幅がありすぎるタスク”は、例を渡した時点で一気に安定します。
たとえば──
- 文体やトーンを指定したいとき
「フランクに」とか「ちょっと柔らかく」なんて言っても、人間もAIも解釈は千差万別。
ここで自分の書きたい雰囲気・ノリを例で並べれば、一気に“自分寄り”になる。 - ブランド独自のルール・癖を徹底したいとき
普通の「お問い合わせ」メールも、「うちは全部“ありがとう！”で返す」みたいなこだわりがあれば、その型で例を用意。
そうすればAIも、余計な気を利かせず律儀に真似してくれる。 - 要約やタグ付けなど“幅広タスク”
「短くまとめて」も人によって5文字なのか1文なのか。
自分が求める粒度を、実際の要約例として並べるとブレない。 - キャラクターや“自分らしさ”を再現したいとき
「僕っぽい感じで」なんてAIには伝わらない。
自分の過去の文章や、なりきってほしいキャラのセリフをそのまま例に入れると、AIは“このノリか”と素直に寄せてくる。
設計コツ
- 例は多すぎなくていい。2〜4個で十分。
パターンがブレなければ、AIはちゃんと「この形式」と覚えてくれる。 - 欲しいアウトプットそのままを例に
“やってほしいこと”を頭の中で考え込むより、いっそサンプル文としてAIに渡してしまえば話が早い。 - 長文タスクも短い例でOK
例が長いと逆にAIが混乱することもあるので、最小限の見本をシンプルに並べるだけで十分。
要は、「言葉で微妙なニュアンスを伝える」のを諦めて、
“現物見せて”解決するのがFew-shotの本質。
AIに悩まされている人ほど、一度やってみる価値ありです。
まとめ：AIに“空気を読ませる”最短ルート
AIを使っていると、「もう少し自分の言いたい通りに返してくれたらな…」と何度も感じる。
「フランクに」「やわらかく」などの抽象的な指示では、AIも人間もそれぞれの“感性”で返すから、思った通りのアウトプットになる確率は正直ギャンブルに近い。
この“ブレ”をどうやって減らすか。
答えはシンプルで、「例（Few-shot）」をAIに渡すだけ。
どんなにAIが賢くなったって、見本を出せばその通り律儀に寄せてくる“忠犬モード”になる。
抽象的な言葉で悩む前に、現物（自分が書きたい・欲しいアウトプット）をズバッと例で並べてしまう方が早いし、余計なイライラも減る。
たとえば自分の“らしさ”やブランドの“クセ”、微妙な業界用語の使い方。
口で説明しようとすると「なんか違う」しか返ってこないが、
見本を出せば、AIはそこにきっちり寄せてくる。
「フランク」一つ取っても、その定義は人それぞれ。
「これが自分の“フランク”」という雰囲気を具体例でAIに叩き込むだけで、
毎回の“ズレ”もグッと減る。
しかもFew-shotは、難しい技術も不要。
公式ガイドで紹介された“型”さえ知っていれば、とりあえず入力と出力を2～4個ほど例で並べるだけ。
この手間を惜しんで「言葉で伝わるはず」と思い続けるよりも、
最初に“例でぶん殴る”方が結局ラクだし、時短にもなる。
AIの出力で毎回モヤっとしている人ほど、今日紹介した「Few-shotプロンプト」のコツをぜひ試してみてほしい。
ChatGPTでもClaudeでもGeminiでも、例を見せてやればAIは律儀に従ってくれる。
「微妙なニュアンスは現物で殴れ」――
これ、AI時代の新常識です。