「この業務を1回の依頼文で全部やらせる」のは、失敗したとき原因が分からない構成です。DeepLearning.AI の講座 Building Systems with the ChatGPT API は、複雑なタスクを分解し、LLM の呼び出しを連結し、出力を良くする考え方を、OpenAI との共同提供で教えています。講座の公開情報が示す構成の考え方に沿って、手順を整理します。
ステップ1：業務を分類・抽出・生成の段に分ける
講座の学習内容は、複雑なタスクの分解と、ワークフローの自動化、LLM 呼び出しの連結です。分解の切り方は業務によって変わりますが、「入力が何の種類か（分類）」「必要な情報を取り出す（抽出）」「文章として出す（生成）」の3段に見立てるのが分かりやすい出発点です。
たとえば問い合わせ対応なら、種別の判定が分類、注文番号や連絡先の取り出しが抽出、返信文の作成が生成です。
ステップ2：1段を1回のモデル呼び出しに割り当てる
分解した段ごとに、依頼文と出力の形を1つずつ決めます。1回の呼び出しに複数の段を詰め込むと、出力のどこが崩れたのか特定できません。段ごとに依頼文を分けると、改修は崩れた段だけに効きます。
| 段 | 依頼文の要点 | 出力の形 |
|---|---|---|
| 分類 | 種別の候補を列挙して択一させる | 種別1つ |
| 抽出 | 取り出す項目を列挙する | 項目ごとの値 |
| 生成 | 文体と長さの指定 | 文章 |
ステップ3：前段の出力を次段の入力に渡して連結する
段と段をつなぐのが「呼び出しの連結」です。分類の結果が商品に関するものなら、次の段は商品の依頼文のテンプレートを選び、抽出の結果を渡して返信文を作る、という流れになります。講座の学習内容は、この連結がワークフローの自動化につながることを示しています。
連結を組むときは、各段の出力の形を固定します。形が揺れると、次段の受け取り側が崩れます。
ステップ4：出力の評価を組み込む
講座は、LLM の入力と出力を、安全性と関連性の観点で評価することを学習内容に含めています。評価を構成に組み込むとは、生成の結果をそのまま下流に流さず、検査の段を挟むことです。検査は、ルールベース（形式の確認）と、モデルによる確認（関連性の確認）の併用が現実的です。
検査を挟むと全体は遅くなりますが、外れた出力が下流に流れる被害を考えれば、挟む場所を決める価値があります。
ステップ5：段ごとに改善し、全体を回して調整する
連結した構成は、崩れた段だけを直すことで育てられます。依頼文の改善、出力の形の見直し、段の追加・統合を、実データを回しながら行います。改善のたびに全体を実行し、他の段に影響が出ていないかを確認します。
つまずきポイント
- 段の分け方が細かすぎる：管理の手間が増えるだけになります。業務の区切りに合わせます。
- 出力の形を固定しない：次段の受け取りが崩れ、連結の意味が薄れます。
- 評価を最後の1回に任せる：下流に流れてからの発見は遅いです。挟む場所を設計します。
FAQ
Q. なぜ1回の呼び出しで済ませないのですか？
A. DeepLearning.AI の講座は、複雑なタスクを分解し、LLM の呼び出しを連結することを学習内容として示しています。段に分けると各段の確認と修正がしやすくなります。
Q. 評価はどの段に入れますか？
A. 最後だけでなく、段の間に挟む構成もあります。講座は入力と出力を安全性と関連性の観点で評価することを内容に含めています。
あわせて使いたいツール
連結の設計は、普段使う AI ツールで段ごとに試してから組み込むと手戻りが減ります。料金と提供条件は各サービスの公式情報で確認してください。
出典
出典：DeepLearning.AI「ChatGPT API でシステムを構築する」（原題 Building Systems with the ChatGPT API、2023年5月31日公開）。複雑なタスクの分解、ワークフローの自動化、呼び出しの連結、入出力の評価（安全性と関連性）の記述は同講座の公開情報に基づきます。
関連ガイド
最新のAI情報をメールで受け取る
新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。
ご登録後、確認メールをお送りします。配信停止はいつでも可能です。