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2026

「〇〇について教えて」とだけ聞くプロンプトと、「根拠となる出典を明示し、確信が持てない場合はその旨を述べてください」と付け加えたプロンプト。同じChatGPTに投げても、返ってくる答えの信頼度はまるで違う。前者はもっともらしい嘘（ハルシネーション）を混ぜてくることがあるが、後者は嘘を減らせる。差はモデルの性能ではなく、プロンプトの書き方にある。 この記事では、生成AIが事実と異なる内容を自信満々に生成する「ハルシネーション」を、プロンプトの工夫でどこまで抑え込めるかを整理する。効くプロンプトだけでなく、よく使われるのに実は効きにくい指示や、ChatGPT・Claude・Geminiでの癖の違いにも触れる。

ハルシネーションはなぜプロンプトで減らせるのか

生成AIのハルシネーションは、モデルが次にくる単語を確率的に予測する仕組み上、完全にはゼロにできない。ただし、プロンプトの設計次第で発生頻度は大きく下げられる。理由は単純で、AIは「わからない」と答えるより「それらしい答えを作る」方向にバイアスがかかっているためだ。このバイアスを打ち消す指示を入れるだけで、出力の性質が変わる。

重要なのは、ハルシネーション対策を「魔法の呪文」一つに頼らないことだ。原因ごとに効くアプローチが違うので、まず何が嘘を生みやすくしているのかを押さえておく。

ハルシネーションが起きる3つの構造的原因

結論から言うと、ハルシネーションの大半は「学習データの限界」「サービス精神による過剰生成」「あいまいな指示」の3つに集約できる。

3つのうち、プロンプトで直接コントロールできるのは「サービス精神による過剰生成」と「あいまいな指示」の2つだ。学習データの限界は外部情報の参照（後述）でしか埋められない。

今日から使える対策プロンプト7選

ここで紹介する7つは、単体で使うより2〜3個を組み合わせたときに効果が上がる。特に最初の「回答保留の許可」は、他のどのテクニックよりも優先度が高い。

1. 回答保留を明示的に許可する

最も効くのに最も使われていないテクニックがこれだ。AIに「答えられない」という選択肢を与えるだけで、無理な推測が減る。

[改善前]
2026年の日本のAIエンジニア求人数を教えて。

[改善後]
2026年の日本のAIエンジニア求人数を教えてください。
正確な数値を把握していない場合は、推測で答えず
「確認できません」と述べたうえで、代わりに参考になる
公的統計の探し方を提案してください。

改善前のプロンプトは、AIが手元にない数値を「それっぽい桁」で埋めがちだ。改善後は退路を用意しているぶん、嘘の生成コストより「わからない」と答えるコストのほうが低くなる。これは、部下に「わからないことはわからないと報告していい」と伝える上司の姿勢に近い。それを許可しないと、部下はとりあえず取り繕った報告書を作ってしまう。

2. 出典・根拠を要求する

回答に出典を添えさせると、AIは「根拠のない主張」を避けるようになる。出典が存在しない場合、多くのモデルは無理に情報源をでっち上げるより、根拠なしと明言する方向に寄る。

この主張の根拠となる情報源（公式サイト・一次データ）を
可能な限り明示してください。根拠を提示できない場合は
「一般的な推測であり、裏付けは確認できていません」と
明記してください。

3. 不確実性の度合いを申告させる

回答全体に「確信度: 高・中・低」のようなラベルを付けさせると、読み手側で真偽をチェックすべき箇所が一目でわかる。レポート作成やリサーチ業務との相性がいい。

4. 5W1Hで対象を固定する

「〇〇についてまとめて」を「2026年7月時点の、日本国内における、個人向け料金プランに限定してまとめて」まで絞り込む。範囲があいまいなほど、AIは補完で嘘を混ぜやすくなる。

5. ステップバイステップで思考を書き出させる

結論だけを求めず、途中の推論過程を言語化させる。矛盾があれば途中で気づきやすく、読み手も検証しやすい。要約やレポート生成タスクで特に有効だ。この考え方をさらに一段進めたのが、回答を生成したあとに検証用の質問を自分自身に投げかけて裏取りする「Chain-of-Verification」という手法で、Meta AIの研究論文（arXiv:2309.11495）ではこの手法でハルシネーションを大きく減らせたと報告されている。

結論を出す前に、根拠となる情報を箇条書きで整理し、
そこから導かれる結論を最後に書いてください。
根拠と結論が矛盾する場合は、その旨を明記してください。

6. 役割と参照範囲を限定する

「あなたは社内文書のみを参照するアシスタントです。一般知識で補完せず、渡された資料にない情報は『資料に記載なし』と答えてください」のように、参照してよい情報源を明示的に絞る。RAGを使わない場面でも一定の効果がある。

7. 出力後にセルフチェックさせる

回答を生成させたあと、同じ会話の中で「今の回答の中に、根拠を確認していない記述があれば指摘してください」と追加で聞く。二段階にすることで、一度目の生成で紛れ込んだ怪しい記述を拾える確率が上がる。

逆効果になりやすい指示・失敗パターン

対策プロンプト集はネット上に数多くあるが、「効かない指示」への言及はほとんどない。ここでは、見た目は効きそうなのに期待したほど効かない指示を挙げる。

「正確に答えて」だけでは範囲が伝わらない

「正確に」という言葉自体に情報量がない。何を基準に正確とするのか（出典の有無か、数値の精度か）を指定しない限り、AI側の解釈に委ねられる。

確信度を聞いても数値化させると形骸化する

「確信度を0〜100%で示して」と数値を求めると、モデルは根拠のない「85%」のような数字を機械的に返しがちだ。数値そのものが新たなハルシネーションになりかねない。高・中・低の3段階程度にとどめるほうが実用的だ。

ChatGPT・Claude・Geminiで対策の効き方は変わるか

3モデルとも「回答保留の許可」は共通して効くが、それ以外の癖には違いがある。AIサービス比較2026｜ChatGPT・Claude・Geminiでも触れているとおり、モデルごとの設計思想の違いがハルシネーションの出方にも反映される。

ChatGPTは「サービス精神」が強く出やすい

OpenAIは会話を途切れさせない方向にモデルを調整しているため、情報が足りない場面でも何かしらの回答を返そうとする傾向が相対的に強い。回答保留の許可と5W1Hでの範囲固定を併用すると効果を感じやすい。

Claudeは出典要求への反応が素直

出典を求めると「根拠が確認できない」という留保をつけやすい傾向がある。長文の資料読解やレポート作成では、出典要求とステップバイステップ指示の組み合わせが機能しやすい。

Geminiは検索連携時の切り分けが鍵になる

Web検索機能を併用しているかどうかで挙動が大きく変わる。検索結果を参照させる場合は「検索結果に基づいて」、参照させない場合は「学習知識のみに基づいて」と明示すると、情報源の混同による嘘を減らせる。GoogleのGemini APIプロンプト設計ガイドも、外部情報への接地（グラウンディング）を精度向上の鍵として挙げている。

なお、これらの傾向は公式ベンチマークではなく一般的な利用感覚に基づく整理であり、タスクの種類によって結果は変わる。重要な用途では、同じプロンプトを複数モデルに投げて出力を見比べるのが最も確実だ。Anthropicも公式のReduce hallucinationsガイドで、回答保留の許可・引用による裏付け・段階的な検証を基本戦略として明記している。

業務シーン別プロンプトレシピ

対策プロンプトは抽象的な原則より、業務シーンに落とし込んだほうが使いやすい。よくある3場面での改善例を挙げる。より多くのレシピは業務別プロンプトレシピ集2026にまとめている。

プロンプトだけで足りない場合はRAGを検討する

社内文書や最新情報を扱う頻度が高いなら、プロンプト対策だけに頼らず検索拡張生成（RAG）の導入を検討したほうが早い。プロンプトは「AIの答え方」を変える工夫であり、「AIが知らないこと」までは埋められないためだ。仕組みの詳細はRAGとは？検索拡張生成入門ガイドを参照してほしい。

プロンプト対策が向くケース

単発の質問応答、既存の一般知識で足りるタスク、社内文書を毎回貼り付けても手間にならない小規模な利用。導入コストがかからず、今日から始められる。

RAGが向くケース

社内マニュアルや最新の製品情報を継続的に参照する業務、複数人が同じ知識ベースを使うチーム利用。初期構築の手間はかかるが、ハルシネーションの根本原因である「学習データの限界」に直接効く。迷ったら、月1回でも社内資料を参照する用途ならRAGを先に検討したほうが手戻りが少ない。

精度を保つための運用チェックリスト

プロンプトを一度作って終わりにせず、チームで使い回すなら簡単なチェックリスト化をおすすめする。

地味だが効果が大きいのが、最後の「人間による突き合わせ」を省略しないことだ。プロンプトでハルシネーションの発生率は下げられても、ゼロにはならない。特に固有名詞・日付・金額は、対策プロンプトを使っていても必ず一次情報で確認する運用にしておくと事故が減る。

よくある質問

プロンプトだけでハルシネーションはゼロにできますか

できない。学習データの限界という根本原因までは、プロンプトでは埋められない。

「ハルシネーションしないでください」と書くのは無意味ですか

無意味ではないが単体では弱い。「わからなければわからないと答えてよい」という代替行動とセットにすることで初めて効果が安定する。

無料プランでもこれらのプロンプトは使えますか

使える。ここで紹介したテクニックはすべて指示文の書き方の工夫であり、有料プラン限定の機能には依存していない。

業務でAIを使うときに、まず何から試すべきですか

「わからなければわからないと答えてください」の一文を、今使っているプロンプトのどれか一つに足すことから始めるとよい。たとえば議事録要約のプロンプト末尾にこの一文を加えるだけでも、次の出力で言い切り方が明らかに変わる。効果を体感しやすく、他のテクニックを追加する動機にもなる。

まとめ

ハルシネーション対策の核心は「わからないと言ってよい」という許可を与えることだ。出典要求や範囲固定などの周辺テクニックも効くが、優先順位で言えばこの一点に尽きる。逆に「ハルシネーションしないでください」という直接指示だけに頼るのは避けたほうがいい。

自分なら、社外に出す資料や数値を扱うプロンプトには必ず「出典要求」と「回答保留の許可」の2つをセットで入れる。それでも重要な数値・固有名詞は人間が一次情報で確認する運用を崩さない。プロンプトエンジニアリング全般の基礎を固めたい場合はプロンプトエンジニアリング入門｜基本テクニック7選と実践例も合わせて読んでほしい。AIエージェントに業務を任せる場面でも同じ原則が効いてくるので、AIエージェントとは？仕組み・活用事例・始め方やChatGPTで業務効率化｜ビジネス活用事例20選も参考になる。モデル選定で迷う場合はLLM性能評価完全ガイドで各モデルの特性を確認しておくと、対策プロンプトの調整もしやすくなる。