Few-shot学習
正解例を数件だけ添えることで、AIに欲しい形式や判断の粒度を伝える方法です。
意味
Few-shot学習は、少数の入力例と出力例をAIに示し、同じ形式や判断基準で回答させる方法です。業務では、プロンプトの中に例を入れて使う場面が多くあります。
中小企業で気にする理由
AIへの依頼が抽象的だと、担当者が期待する粒度とずれやすくなります。少数の例を添えることで、短時間で出力の方向性を合わせやすくなります。
業務での影響
文章作成、分類、要約、返信文のトーン調整で使いやすい方法です。複数担当者が同じ業務をAIで処理するときにも、出力のばらつきを減らす助けになります。
回避手順
例文は匿名化し、最新条件が必要な価格や契約内容は入れすぎないようにします。良い例と避けたい例を分けると、確認時のずれに気づきやすくなります。
関連例
顧客返信、物件紹介、採用メモ、経費分類、SNS投稿案などで試せます。最初は2件の例から始め、ずれが大きい場合だけ追加するのが扱いやすいです。
関連用語
プロンプトエンジニアリング
AIに何を、どの条件で、どの形式で出してほしいかを整理する依頼文づくりの考え方です。
システムプロンプト
AIに守ってほしい基本姿勢や禁止事項を、個別の依頼より上位に置くための指示です。
思考の連鎖
複雑な依頼を一度に任せず、調査、分類、判断、下書きなどに分けて確認する考え方です。
ハルシネーション
AIが事実と違う内容や確認できない情報を、自然な文章で出してしまう現象です。