モデルを比較 画像モデルを比較 AIツール モデル AI画像モデル AIニュース 検索 無料で試す
解説 6分で読めます

AIに丁寧にすると回答は良くなる?

著者 Chatday Editorial Team ·

promptschatgptexplainerai tips
AIに丁寧にすると回答は良くなる?

私たちの多くは、チャットボットに何も考えず「お願いします」や「ありがとう」と打ちます。礼儀正しく感じますし、そうすればより良い回答がもらえると内心疑っている人もいます。では正直なところを言います。丁寧にしてもAIの回答が目に見えて良くなるわけではなく、ぶっきらぼうにしても確実に効くわけではありません。回答を本当に変えるのは、どれだけ明確で具体的かです。

これは当て推量ではありません。実験はすでに行われていて、その結果は、良いマナーこそ秘訣だと思っていた人には少し気まずいものでした。

丁寧さの研究が実際に見つけたこと

2025年10月、Penn Stateの2人の研究者が小さくきれいな実験を行いました。数学、科学、歴史から50問の選択式問題を書き、それぞれを5つの口調で書き直しました。とても丁寧、丁寧、中立、ぶっきらぼう、とてもぶっきらぼうです。これで同じ問題の250通りができ、ChatGPTのGPT-4oモデルに通しました。

意外にも、ぶっきらぼうな指示のほうが少し良い成績でした。とても丁寧な言い回しは80.8%の確率で正解しました。とてもぶっきらぼうは84.8%まで上がりました。決まり文句のない素っ気ない版が、へつらう版を上回ったのです。

チャットボットに命令を飛ばし始める前に、細かい字を読んでください。モデルは1つ、基礎問題は50問、差は約4ポイントでした。著者たち自身、これは意地悪をしろという助言ではなく、さらなる研究の出発点だと述べています。これほど狭い結果は、別のモデルや別の作業でひっくり返ることがあります。

そして実際にひっくり返ります。2024年の、複数言語をまたぐより古い研究は、ほぼ逆の結果でした。ぶっきらぼうな指示はしばしば成績を下げ、へつらいを重ねても明確な利点はありませんでした。その研究はまた、ちょうど良い点が言語によってずれることも見ています。英語、中国語、日本語では礼儀の基準が同じではないからです。2つの研究、2つの正反対の見出し。研究がこれほど食い違うとき、妥当な読み方は、口調はおおむねノイズだ、というものです。

では、AIにぶっきらぼうにすべき? いいえ

短い答え。いいえ。打っていて不快だから、というだけではありません。

ぶっきらぼうさの測られた利点は、ごくわずかで当てになりません。欠点のほうは本物です。素っ気なく攻撃的な指示は、モデルに必要な文脈をそぎ落としがちです。きつく当たるのに忙しくて、本当に何が欲しいかを説明しないからです。それに習慣がつきます。一日中チャットボットに食ってかかっていると、その口調の一部が、生身の人への書き方ににじみ出ます。テストの4ポイントに見合いません。

去年バズったコストの話もあります。あの余分な「お願いします」や「ありがとう」が電気代をいくら燃やしているのかと誰かが尋ねたとき、OpenAIのSam Altmanは「よく使われた数千万ドルだ」と答えました。半分は冗談です。でも要点は残ります。丁寧さは、これらのモデルを動かす企業にとって無料ではなく、あなたに賢い回答を買ってくれるわけでもありません。ただの習慣で、害のない習慣です。

回答を本当に変えるもの

口調がノイズなら、信号は何でしょう。具体性です。あいまいな質問は、どれだけ優しく尋ねても、あいまいな答えを返します。効くものの正直な順番はこうです。

変えるもの回答への実際の効果
お願いします / ありがとうと言うほぼなし
ぶっきらぼう、または高圧的にするごくわずかで、割に合わない
詳細と文脈を足す大きい
欲しい形式を伝える大きい
良い回答の例を示す大きい
作業に合ったモデルを選ぶ大きい

下の4行を見てください。マナーとは無関係で、明確に伝えることがすべてです。同じ質問が言い回し次第で違う答えを返すのと同じ理由です。口調は飾りです。その下にある要求こそ、モデルが扱うものです。

ビフォーアフターを見れば明らかです。「いい感じのメールを書いて」は丁寧で役立たずです。「大家さんに、今週中に水漏れしている蛇口を直してほしいと頼む、短くて感じのいいメールを80語以内で書いて」は具体的で、本当に送れるものが返ってきます。「お願いします」は要りません。付けたければ付けてもかまいません。

マナーに勝つ習慣

ここが、これを面白いだけでなく役立つものにする部分です。口調を気にするのをやめて明確な指示を書くようになると、次に大きいレバーは、その指示をどのモデルに送るかです。同じ明確な質問でも、作業によっては、あるモデルからは鋭い答え、別のモデルからは平板な答えが返ります。

これは自分で簡単に確かめられます。よく書けた指示を1つ取り、複数のモデルに並べて通してみてください。じっくり考える作業では一方を、速くて軽い返事では別の一方を好むかもしれません。使った口調はほとんど効きません。選んだモデルと、どれだけ明確に尋ねたかが、ほぼすべてを決めます。

このために5つの別々のアプリや5つのログインは要りません。1つの場所、あらゆる主要モデル、1つの明確な質問。

あなたが気づくような形ではなりません。口調に関する研究は互いに食い違い、測られた差は小さいです。明確さと詳細のほうが、丁寧さよりずっと回答を変えます。
2025年の1モデルの研究で、素っ気ない指示がテストで数ポイント高く出ました。より古い研究は逆の結果でした。行動の根拠にするには薄く、ばらつきも大きいので、ぶっきらぼうにする本当の理由はありません。
少しかかります。余分な言葉は計算を少し多く使うので、Sam Altmanは丁寧さが数千万ドルかかると冗談を言いました。あなたにとっては誤差の範囲で、回答の質には影響しません。
具体的にしてください。誰のための回答か、どの形式が欲しいかを伝え、例か重要な詳細を1つ入れます。最初のモデルが外したら、同じ指示を別のモデルで試してください。
はい。新しいモデルはおおむね口調を無視して要求に集中し、古いモデルはより敏感でした。研究がそろわない大きな理由がこれです。

だから、好きならマナーは保ってください。良い回答の最後に「ありがとう」を付けるのは、何も悪くありません。ただ、それはあなたのためで、機械のためではないと分かっておいてください。本当の得は、明確に尋ね、その質問を適切なモデルに送ることから来ます。