この記事の内容を3行で
・「なんか違う」がAIに伝わらないのは、感覚を言語化していないから
・違和感は「方向性」「粒度」「トーン」の3つに分解できる
・コピペで使えるテンプレートを1つ持っておけば、修正ループが激減する
はじめに
AIに文章やコードを作ってもらったとき、出てきた結果を見て「なんか違うんだよなあ」と思ったことはないでしょうか。
でもその「違う」を言葉にできず、「もう一回作り直して」とだけ伝える。すると、また似たような結果が返ってくる。プロンプトを考えるのが面倒なときほど、このループにはまりがちです。
原因の多くは、出力そのものではなく「フィードバックの伝え方」にあります。今回は、このループを抜け出すために私が実際に使っている方法を紹介します。
「なんか違う」はAIに伝わらない
AIは人間のように空気を読んだり、表情から真意を汲み取ったりできません。与えられたテキストの情報だけを頼りに次の出力を作ります。
「なんか違う」という言葉だけでは、AIはどこをどう直せばいいのか判断材料を持てず、結局似たような案を再提示するか、まったく的外れな方向に修正してしまいます。
これはAIに評価してもらう場面だけでなく、自分がAIの出力にダメ出しをする場面でも同じです。
違和感を3つに分解する
「なんか違う」と感じるとき、そこには複数の原因が混ざっていることがほとんどです。代表的なパターンは次の3つです。
・方向性がずれている(テーマや目的そのものが違う)
・粒度や量がずれている(詳しすぎる、あるいは浅すぎる)
・トーンや形式がずれている(文体、構成、見た目の問題)
このうちどれに引っかかっているのかを最初に自問するだけで、次に書く指示はかなり具体的になります。
Before / After で見る修正指示
言葉で説明するより、実例を見たほうが早いです。
Before(ありがちなNG指示)
初心者でもわかるように、もう少しいい感じにしてください。
After(分解した指示)
2段落目の「〜」という表現が、初心者には専門的すぎます。
中学生でも理解できる言葉に置き換えてください。
Beforeは「トーンがずれている」という感覚しか伝えていませんが、Afterは「場所」「理由」「理想の状態」がセットになっています。この差が、返ってくる出力の精度を大きく左右します。
「森を見る」から「木を見る」へ
いきなり細部を探そうとすると挫折しやすいので、まず全体像から入ります。
1. 森を見る
大枠だけを言葉にします。
・「方向性は合っているが、トーンが硬すぎる」
・「内容は正しいが、対象読者にとって難しすぎる」
・「構成自体を作り直したい」
この時点では細部にこだわらず、ざっくりで構いません。
2. 木を見る
方向性が定まったら、具体的な箇所を指定します。ここで重要なのは、抽象的な感想ではなく「位置」と「理由」をセットで伝えることです。該当箇所を引用しながら、優先度の高い問題を絞って指摘するのが効果的です。
言語化に迷ったときの質問リスト
いきなり言語化するのが難しいときは、次の質問を自分に投げかけると整理しやすくなります。
・誰向けか(想定読者やターゲットに合っているか)
・目的は何か(最終的にどう使う成果物なのか)
・どこが引っかかるか(全体か、特定の段落か、単語レベルか)
・理想の状態はどんなものか(手本があれば言語化してみる)
・やってほしくないことは何か(禁止事項も伝える価値がある)
曖昧な指示、評価基準の欠如、フィードバックの深さの未指定、具体的な形式の未提示は、AIへの依頼で陥りがちな失敗としてよく挙げられます。この4つは、そのまま「なんか違う」を分解するチェックポイントとして使えます。
コピペで使えるテンプレート
毎回ゼロから考えるのは大変なので、汎用テンプレートを用意しておくと便利です。
【違和感の種類】方向性 / 粒度 / トーン・形式(当てはまるものを選択)
【該当箇所】〇〇段落の〇〇という表現
【理想の状態】〇〇のような雰囲気にしたい
【やってほしくないこと】〇〇のような表現は避けてほしい
このテンプレートを埋めるだけで、「なんか違う」が具体的な修正依頼に変わります。慣れてくると頭の中でこの整理がスムーズにできるようになり、やり取りの回数自体が減っていきます。
最初の指示段階で曖昧さを防ぐ
フィードバックだけでなく、そもそも最初の指示の段階で曖昧さを減らしておくことも有効です。意図の明確化、制約の設定、検証という3つの要素を意識し、モデルが尊重すべきデータやルールをあらかじめ参照させることで、一般論に流れるのを防ぎ、具体性を強制できます。
例えば、次の一文を最初の指示に添えておくと、後から「なんか違う」となる確率がぐっと下がります。
不明な前提がある場合は、先に確認事項として箇条書きで挙げてください。
こうしておけば、AIが勝手な解釈で突っ走ることを防げますし、認識のズレに早い段階で気づけます。
修正ループは2回までにする
もう一つ注意したいのは、修正のやり取りを延々と繰り返さないことです。AI自身に改善点を考えさせるセルフフィードバックは完成度を高めるのに有効ですが、改善のループは2回程度にとどめるのがよく、3回以上繰り返すと改善幅が飽和して効果が薄くなりやすいです。
ロールプロンプティングは万能ではない
以前は「あなたはプロの〇〇です」という役割設定さえ入れれば出力が良くなると言われていました。しかし最近の研究では、この手法単体では精度向上にあまり寄与しないことが分かってきています。役割を与えたプロンプトとそうでないプロンプトを比較した研究でも、回答精度に統計的な差は見られなかったと報告されています。
ただし、文章のトーンや文体を調整したい場合には、今でも役割設定は有効な手段です。つまり、違和感の原因がトーンのズレなら役割設定を見直す価値がありますが、内容そのもののズレを役割設定だけで解決しようとするのは効果が薄いということです。
まとめ
・曖昧なフィードバックは曖昧な修正しか生まない
・違和感は「方向性」「粒度」「トーン・形式」のどれかに分解できる
・まず全体像、そのあとに具体的な箇所という順番で伝えると精度が上がる
・該当箇所と理想の状態をセットで伝えるのが基本
・最初の指示段階で前提確認を仕込んでおくと、ズレそのものを予防できる
・修正ループは2回程度を目安にする
・ロールプロンプティングは万能ではない
次にAIの出力を見て「なんか違う」と感じたら、この記事のテンプレートを思い出してみてください。今までよりずっと早く、思い通りの出力にたどり着けるはずです。