「プロンプトの因数分解学(2)mini」——Pの素因数分解 —— “してほしいこと”の核は何か？【コラム】思好の科楽（その81）

🎯 本コラムのねらい（3つのポイント）

• プロンプトの「目的（P）」を分解することで、AIへの指示がより明確になることを学びます。

• “理解・判断・行動”という3つの思考欲求を意識することで、自分自身の問いの意図を見つめ直せます。

• 目的を構造的にとらえることで、より思考的で創造的なプロンプト設計が可能になります。

◆ 前回のふりかえり：「プロンプトは問いの設計図」

前回（その80）では、「プロンプトとは、思いつきの一言ではなく、構造を持った“問いの設計図”である」という考え方をご紹介しました。

そして、その設計図をつくる4つの要素がこちら：

• $P$ = Purpose（目的）：何をしてほしいのか？

• $R$ = Role（役割）：誰として答えてほしいのか？

• $C$ = Context（文脈）：何についての話か？

• $F$ = Format（形式）：どんな形で答えてほしいのか？

この式：

$\text{Prompt} = P \times R \times C \times F$

が「良い問い」の骨組みを示す、いわばプロンプトの因数分解式です。

今回はその中でも、最も“意図”に直結する「$P（目的）$」にフォーカスして、さらに素因数レベルにまで分解していきます。

◆ 同じ問いでも、目的が違えば答えは変わる

「この文章、要約して」
「この文章、わかりやすく説明して」
「この文章について、あなたの考えを教えて」

どれも似たように見えますが、ChatGPTはまったく異なる返答を返してきます。

その違いを生むのが、プロンプトに含まれる「$P$」――Purpose（目的）です。
「何をしてほしいのか？」という指示は、出力の方向性そのものを決定づける核の要素。

では、この「目的（$P$）」そのものを、さらに分解してみたらどうなるでしょうか？

◆ AIは“曖昧な目的”を察してはくれない

たとえば、ワイヤレスイヤホンについて、こんなふうに聞いてみたとします：

🅰 プロンプト①

💬 ChatGPTの想定回答：

このままだと、「何を軸に」「どの視点で」まとめてほしいのかが不明確なため、ChatGPTの返答も曖昧で冴えないものになってしまいます。

でも、こう言い換えるとどうでしょう？

🅱 プロンプト②

💬 ChatGPTの想定回答：

どうでしょうか？
たったこれだけで、出力される文章がずっと具体的で、的確になっていきます。

◆ Pの素因数分解：目的は3つの“思考欲求”でできている

プロンプトの「目的（$P$）」は、実はもっと小さな思考欲求の掛け算でできています。
ここでは、それを3つの素因子に分解して考えてみましょう。

• $P_1$ = 理解（Understand）
  　┗ 「知りたい」「把握したい」という欲求。
  　　例：要約して／説明して／図にして

• $P_2$ = 判断（Evaluate）
  　┗ 「比べたい」「選びたい」「評価したい」という欲求。
  　　例：比較して／良し悪しを挙げて／採点して

• $P_3$ = 行動（Generate）
  　┗ 「生み出したい」「提案したい」「行動したい」という欲求。
  　　例：書いて／考えて／投稿文を作って

この3つの思考因子を意識することで、プロンプトの意図がより明確になります。

◆ プロンプト例で見てみよう

このプロンプトには次のような思考欲求が含まれています。

• 「要約して」 → 理解（$P_1$）

• 「メリット・デメリットを挙げて」 → 判断（$P_2$）

• 「SNS向けの一文を考えて」 → 行動（$P_2$）

つまり、これを数式風に表すと：

$P = P_1(理解) × P_2(判断) × P_2(行動)$

複雑なプロンプトも、実はこのように素因子に分解できるのです。

では、あいまなプロンプトと、構造化したプロンプトによる回答の違いを比べてみましょう。

🅰️ あいまいなプロンプトの場合

🅰️ 回答例

📌 全体の要約。
視点・構造・トーンに指示がないため、表面的・汎用的になっています。

🅱️ 構造化されたプロンプトの場合

🅱️ 回答例

📌 構造が明確なため、視点×要約×評価×行動のフルセット出力になっています。

◆ “目的”の明確化は、思考の解像度を上げること

プロンプトを設計するというのは、AIに命令することではなく、
自分の思考の輪郭を言葉にする作業です。

「これって、知りたいのか？比べたいのか？何かを作りたいのか？」

そんなふうに、自分の思考の欲求を言語化できるようになると、
プロンプトはどんどん的確に、そして“自分らしく”なっていきます。

◆ 最後に、ちょっと考えてみましょう

あなたがChatGPTに何かをお願いするとき、
その「回答してほしいこと」って、そもそもどんな気持ちや考えから生まれているのでしょう？

たとえば──

「ちゃんと理解したい」って思ってる？
「どっちがいいか判断したい」って迷ってる？
それとも、「なにか形にして動かしたい」って思ってる？

そんなふうに、自分の中にある“問いの動機”を少しだけ立ち止まって見つめてみると、
プロンプトはもっと「あなたらしい問い」になっていくはずです。

🔜 次回予告：「Rの素因数分解」へ

次回（その82）では、プロンプトの中で意外と見落とされがちな「$R＝役割$」に注目します。
“誰として答えてほしいか？”という問いが、なぜ答えのトーンや中身を劇的に変えるのか？
その構造と素因子を、じっくり分解していきます。

本コラムは、生成AI・ChatGPTと共創して執筆されました。
「問いを分解する」ことを通じて、自分の思考構造を再設計する試みです。

プロフィール｜Kazuomi Matsunaga

🧭思考の案内人｜Thinking Navigator

略歴：九州大学工学部卒業（材料工学）⇒中京地区の金属素材メーカーエンジニア（生産技術）⇒地元長崎県のフリーペーパー広告営業⇒学校法人職員（←いま、ココ）。長崎県在住の50代。こどもは二人とも大学生となって巣立ち、妻と二人暮らし中。
“問い”と“好奇心”の交差点で、日々思考を遊ばせている書き手です。最近は、連載コラム「思好の科楽（しこうのかがく）」シリーズを中心に、教育・物語・心理・AI・デザインなどをテーマとした独自視点の思索を綴っています。既存の枠を超えた“自由な知のデザイン”を模索中。モットーは「想像力が世界をひらく」。
本業では大学・教育関連の仕事に携わりつつ、「人が何かを“好き”になる瞬間」や「問いが芽吹く場面」を丁寧に見つめることを大切にしています。
🧭 読んだあと、あなたの中に“新しい見方”がひとつ芽生えるような。そんな記事をお届けできたらうれしいです。
📮 感想や応援メッセージ、いつでも大歓迎です！