ゼロショット・ワンショット・フューショット——AIへの「お手本の渡し方」整理

AIの応用

AIへの頼み方は「お手本の数」で変わる。ゼロショット、ワンショット、フューショットなどの違いをラーメン屋の注文に例えて解説。

2026.08.12

ChatGPTやClaudeを使っていると「ゼロショット」「フューショット」という用語に出くわす。AI系の記事や動画で頻出するが、中身はシンプルだ。

AIにお手本を何個見せてから仕事を頼むか。それだけの話である。ラーメン屋の注文にたとえて整理する。

「ショット」＝お手本の数

英語の”shot”は「試み」「一発」の意味。AIの文脈では「お手本（例題）を何回見せるか」を指す。

覚えることはこれだけ。あとは使いどころを押さえればいい。

ラーメン屋でメニューも見ずに「おまかせで」と頼むようなものだ。お手本はゼロ。

【入力】
「今日は良い天気ですね」を英語に訳してください。

翻訳、要約、ちょっとした調べもの。世の中の「常識」で済むタスクなら、これで十分だ。日常のAI利用の9割はゼロショットで事足りる。

ただし、専門的な仕事や、出力フォーマットに決まりがあるケースでは精度が落ちる。そこでワンショットの出番になる。

隣の客が食べているのを指差して「同じのください」と頼むイメージ。お手本が1つ。

【お手本】
入力「りんご」→ 出力「果物」

【質問】
入力「キャベツ」→ 出力は？

「一言で答えてくれ」と口で説明するより、入出力を1組見せる方が圧倒的に伝わる。

実務例を挙げる。住所データを「都道府県｜市区町村｜町名」に分割したい場合、形式を言葉で説明するより1例見せた方が一発で揃う。

【お手本】
静岡県浜松市中央区旭町 → 静岡県｜浜松市中央区｜旭町

【質問】
愛知県豊橋市花田町 → ？

百聞は一見にしかず。AI相手でもそのまま通用する。

「味噌は濃いめ、醤油はあっさり、とんこつは不要」——好みを複数伝えて最適な一杯を出してもらう方式。お手本2〜5個。

【お手本】
「この商品は最高でした！」→ ポジティブ
「配送が遅くて残念です」→ ネガティブ
「値段は手頃だが品質は微妙」→ ミックス

【質問】
「デザインは良いが少し重い」→ ？

お手本が1個だと、AIはその1件の特徴に引っ張られることがある。2〜3個見せると「共通ルール」の輪郭が明確になり、判定のブレが減る。

良い面と悪い面が混在する文章ほど効果が顕著だ。注意点として、お手本にポジティブばかり並べると判定も偏る。良い例・悪い例・微妙な例をバランスよく混ぜるのが鉄則。

数十〜数百個のお手本を投入する方法。最近のLLMはコンテキストウィンドウが飛躍的に拡大しており、専門データの分類タスクなどで実用化が進んでいる。日常の出番は少ないが、選択肢として知っておく価値はある。

お手本の中に「正解に至る途中計算」を含める手法だ。

【問題】
リンゴが5個。2個食べて3個もらった。今何個？

思考：5 − 2 = 3。3 + 3 = 6。
答え：6個

人間でも暗算よりノートに式を書いた方がミスは減る。AIも同じで、「いきなり答えろ」より「考え方を書いてから答えろ」と指示した方が正答率が上がる場面がある。

ショットの数とは軸が異なるが、フューショットとの組み合わせで効果が増すため、セットで押さえておきたい。

手法	お手本の数	ラーメン屋で言うと	向いている場面
ゼロショット	0個	おまかせで	翻訳・要約・一般知識
ワンショット	1個	あれと同じので	出力フォーマットの統一
フューショット	2〜5個	好みを複数伝える	分類・判定の精度向上
メニーショット	数十〜数百	過去100杯のレビュー添付	専門データの大量処理
CoT（思考の連鎖）	例＋途中式	美味しい理由も添えて	論理的思考・計算問題