Few-shotプロンプティング実践｜例示の選び方で結果が変わる理由2026

ChatGPTに同じ質問を、例を2つ添えて聞くのと、何もつけずに聞くのとでは、返ってくる答えの型がまるで違う。手元にある例をどう並べるか、何個渡すかだけで、出力の一貫性が大きく変わる。

この「例を渡してから本題を聞く」書き方がFew-shotプロンプトの基本形だ。プロンプトエンジニアリングの入門記事では大抵一行で紹介されて終わるが、実務で効くかどうかは例の選び方次第という部分がほとんど語られていない。例の数・多様性・順序という3つの変数に絞り、コピペで使えるテンプレートと一緒に扱う。

Few-shotプロンプトとは何か

Few-shotプロンプトとは、AIに例示（デモンストレーション）をいくつか見せてから本題のタスクを実行させる手法だ。例の数によってZero-shot・One-shot・Few-shotの3段階に分かれる。プロンプトエンジニアリング入門｜基本テクニック7選と実践例でも軽く触れられているが、ここでは例の中身の設計に絞って深掘りする。

例は何個渡せばいいのか、実務では2〜5個に落ち着く。1個では判断基準が伝わりきらず、6個を超えると本題の位置が例に埋もれ、プロンプト全体のトークン数も膨らむ。

例が少なすぎるとどうなるか

例が1個だけだと、AIはその1個の特徴を過剰に一般化することがある。メールを「緊急」「通常」に仕分けるタスクで、緊急の例文がたまたま「至急」という単語を含んでいると、その単語の有無だけで判断してしまい、別の緊急表現を見逃す。

例が多すぎるとどうなるか

逆に例を10個、20個と積み増すと、コンテキストウィンドウを消費するだけでなく、本題の指示が例の後ろに埋もれて読み飛ばされることがある。1例あたり約100トークンとして計算すると、例10個で約1000トークンを前置きだけで使う計算になる。API課金であればそのまま費用に跳ね返る。

なぜ例を見せるだけで精度が上がるのか

Few-shotが効くのは、AIが「タスクの定義」ではなく「出力フォーマットの学習」を手がかりにしているからだ。ここを多くの入門記事が誤解している。

Min et al.は2022年の研究で、例に添えるラベルをわざと間違ったものに差し替えても、多くの分類タスクで性能への影響は限定的だったと報告した（Min et al., 2022, arXiv:2202.12837）。つまりAIは例の「正解・不正解」よりも、入力と出力の形式・語彙の範囲・ラベルの種類を手がかりにしている割合が大きい。ラベルの中身より型を見ている。型紙だけ見て服を仕立てるようなものだ。

もったいないと感じるのが、この性質を知らずに「正しい例をたくさん集めなければ」と時間をかけてしまうケースだ。実務で優先すべきは正解ラベルの精度よりも、出力フォーマットが本題と完全に一致した例を用意することだ。

共通点は一つだけだ。指示文だけでは伝えにくい「暗黙のルール」を、この3タスクはいずれも扱っている。ゼロから言葉で説明しようとすると条件文が何行にもなるが、例を2〜3個見せれば一発で伝わる。

例示の選び方——数・多様性・順序で結果が変わる

Few-shotの精度を左右するのは個数よりも組み合わせと順番だ。ここが見落とされがちだ。

数は2〜5個、迷ったら3個から

先述の通り目安は2〜5個。実務では3個から始めて、出力が不安定なら1個ずつ足す。増やすたびにトークン消費と応答速度が悪くなるので、数より多様性を先に疑ったほうが効果が出やすい。

多様性を確保する——似た例ばかり並べない

Liu et al.はGPT-3を使った検証で、テスト対象の入力に意味的に近い例をランダム抽出より優先して選ぶ手法が、複数のタスクで精度を上げたと報告した（Liu et al., 2021, arXiv:2101.06804）。逆に言えば、同じパターンの例ばかり並べると、AIはそのパターン以外の入力にうまく対応できない。緊急メールの分類なら、単語で判断できる例だけでなく、文脈から緊急度を読み取る必要がある例も混ぜておく。

順序が結果を左右する——同じ例でも並べ方次第

Lu et al.は2022年の研究で、同じ2〜4個の例でも並べる順番を変えるだけで分類精度が変動すると指摘した（Lu et al., 2022, arXiv:2104.08786）。この「例の順序による感度」は競合の入門記事ではほとんど扱われていないが、実務上は無視できない。目安として、判断が割れやすい・曖昧な例を最後に置くと、直前の文脈として強く影響しやすい。

コピペで使えるFew-shotプロンプトテンプレート3選

例の数は2〜3個に揃え、フォーマットを本題と完全に一致させたテンプレートが次の3つだ。

テンプレート1: メール仕分け（緊急度判定）

3つの例で「緊急」「通常」「情報共有のみ」の境界線を示す。単語ではなく文脈で判断させたい場合、例の中に紛らわしいケースを1つ混ぜておくと精度が上がる。

以下のメール本文を「緊急」「通常」「情報共有のみ」の
いずれかに分類し、理由を1文で添えてください。

[例1]
本文: サーバーが落ちています。至急対応をお願いします。
分類: 緊急
理由: システム障害で即時対応が必要なため

[例2]
本文: 来週の定例会議、議題があれば教えてください。
分類: 通常
理由: 期限に余裕があり通常の業務連絡のため

[例3]
本文: 先月の売上レポートを共有します。ご確認ください。
分類: 情報共有のみ
理由: 返信や対応を求めていない一方向の連絡のため

[本題]
本文: 明日の展示会用の資料、印刷が間に合うか
　　　至急確認したいです。
分類:

テンプレート2: 議事録の要約フォーマット統一

議事録は担当者ごとに書き方も粒度もバラバラになりやすく、あとで見返すと同じ会議の記録とは思えないほど差が出ることがある。例を1個見せるだけでも、決定事項・懸案・次アクションという3項目の粒度が揃う。

以下の会議メモを「決定事項」「懸案」「次のアクション」の
3項目に整理してください。各項目は箇条書き2〜3点まで。

[例1]
メモ: 新機能のリリース日を来月15日に決定。
　　　ただし負荷試験の結果次第で延期の可能性あり。
　　　田中さんが来週までに試験計画を作成する。
決定事項: ・リリース日を来月15日に設定
懸案: ・負荷試験の結果次第で延期の可能性あり
次のアクション: ・田中さんが試験計画を来週までに作成

[本題]
メモ: 広告予算を20%増額する方向で合意。
　　　ただし競合の新サービスの動向を見て
　　　来月頭に再検討する。鈴木さんが競合調査を担当。
決定事項:

テンプレート3: 社内文書のトーン統一リライト

カジュアルな文章を社内向けの硬い文体に直すタスク。例で「どこまで硬くするか」の匙加減を伝える。

以下の文章を社内向けの丁寧な文体にリライトしてください。
過度に硬くせず、です・ます調で統一してください。

[例1]
元: この件、来週までにやっといて。
リライト後: 本件につきましては、来週までにご対応を
　　　お願いいたします。

[例2]
元: 予算オーバーしそうなので相談したい。
リライト後: 予算超過の可能性があるため、
　　　ご相談させていただきたく存じます。

[本題]
元: この案、正直微妙だと思う。作り直したほうがいい。
リライト後:

よくある失敗パターンと対処

Few-shotがうまくいかない時、原因の大半は例の質ではなく設計ミスにある。典型パターンを3つ挙げる。

例が偏っている

3つの例が全て似た文型・似た単語だと、AIはその型に過剰適合する。緊急メール分類で例が全て「至急」を含んでいると、「今すぐ確認してほしい」のような言い換え表現を見逃す。意図的に表現の異なる例を混ぜる必要がある。

例が多すぎてトークンを圧迫する

例を増やすほど安心する感覚は分かるが、6個を超えたあたりから収穫逓減になりやすい。本題の指示文が例の後ろに埋もれ、逆に読み飛ばされることもある。地味だが効果が大きいのが、例を減らして本題の指示を先頭付近に明示し直す対処だ。

例のフォーマットが本題と食い違う

例では「分類: 緊急」のように書いているのに、本題では「緊急度は？」と聞き方を変えてしまうケースがある。AIは例のフォーマットを手がかりにするため、聞き方が変わると期待した形式で返ってこなくなる。例と本題の文型・語順は必ず揃える。

Few-shotとCoT・RAGはどう使い分けるか

型を揃えたいならFew-shot、思考過程を見せたいならCoT、最新情報や社内知識を引かせたいならRAG。3つは排他的ではなく、組み合わせて使うことも多い。

複数ステップの判断をFew-shotの例に含めたい場合は、例自体をCoT形式（思考過程つき）で書くと両方の効果を同時に得られる。Chain of Thoughtプロンプトの書き方｜精度を上げる思考誘導2026で扱った「例に思考過程を含める」書き方がそのまま応用できる。

ChatGPT・Claude・Geminiでの実践のコツ

結論、Few-shotの基本設計はモデルを問わず共通だが、長い例を扱うときの安定性に差が出る。

ChatGPTは例の区切りを明示すると安定する

[例1][例2]のように角括弧で区切りを明示すると、本題との境界を誤認しにくい。GPT-6完全ガイド2026｜使い方・料金・GPT-5.4との違いで触れた最新モデルでも、この書き方の効果は変わらない。

Claudeはシステムプロンプトに例を分離できる

Claudeはシステムプロンプト欄に例を固定しておき、ユーザー入力欄には本題だけを渡す構成が組みやすい。Claude Sonnet 5入門2026｜料金・性能・4.6との違いで紹介した長文コンテキストの扱いやすさとも相性がいい。

Geminiも公式ドキュメントがFew-shotを推奨

Google公式のGemini APIプロンプト戦略ガイドも、複雑な分類・フォーマット統一タスクにFew-shotを推奨している。基本方針は他社モデルと変わらない。

よくある質問

Few-shotの例は何個が正解ですか

2〜5個が目安。3個から始めて、出力が安定しなければ増やす順番が扱いやすい。

例の順番はランダムでも問題ないですか

重要な業務プロンプトでは避けたほうがいい。順番を1〜2パターン変えて出力を比較し、結果が安定するか確認してから本番運用に回すのが安全だ。

Few-shotの例に間違ったラベルを混ぜるとどうなりますか

Min et al.（2022）は性能への影響が限定的だったと報告しているが、実務であえて間違った例を混ぜる理由はない。正しいラベルかつフォーマットが本題と一致した例を用意するのが基本だ。

Few-shotとファインチューニングはどちらを使うべきですか

数十件程度の判断基準を都度プロンプトで伝えたいならFew-shotで十分。1000件規模の学習データがあり、都度の例示コストを削減したい場合はファインチューニングを検討する段階になる。

無料プランでもFew-shotは使えますか

使える。Few-shotはプロンプトの書き方の工夫であり、有料プラン限定の機能ではない。

まとめ

Few-shotプロンプティングの効果は、例の数よりも「多様性」と「順序」の設計で決まる部分が大きい。2〜5個の例を用意し、似た例ばかりに偏らせず、重要な業務ほど順番を変えて出力を比較する。この3点を押さえるだけで、入門記事止まりの「例を書けばいい」という理解から一歩抜け出せる。

自分なら、まず3個の例で本題と完全に同じフォーマットのテンプレートを作り、出力が安定するまで例の組み合わせだけを調整する。数を増やすのは最後の手段だ。複数ステップの判断が絡む場合はChain of Thoughtプロンプトの書き方と組み合わせ、業務別の実例をさらに増やしたい場合は業務別プロンプトレシピ集2026｜議事録・メール・企画の例文も参考にしてほしい。プロンプトエンジニアリング全体の基礎を固めたいならプロンプトエンジニアリング入門｜基本テクニック7選と実践例、出力の信頼性を底上げしたいならAIの嘘を減らすプロンプト術｜ハルシネーション対策の実例、モデル間の違いを確認したいならAIサービス比較2026｜ChatGPT・Claude・Geminiも合わせて読んでおくと理解がつながる。

関連記事:

• 【2026年版】プロンプトエンジニアリング入門｜基本テクニック7選と実践例
• Chain of Thoughtプロンプトの書き方｜精度を上げる思考誘導2026
• 業務別プロンプトレシピ集2026｜議事録・メール・企画の例文
• AIの嘘を減らすプロンプト術｜ハルシネーション対策の実例