問い合わせが1日50件。読まないと優先度が決められないが、全部を丁寧に読む時間はない。感情と論点を抽出させると仕分けは速くなるものの、ラベルの定義が曖昧なままだと結果がばらつきます。DeepLearning.AI の講座が推論の例として挙げる「感情の分類」と「トピックの抽出」を、日々の仕分けに使える手順に直しました。
ステップ1：出力する項目を4つに固定する
1件の問い合わせに対して、感情（不満・困惑・中立など）、論点（何についての問いか）、緊急度、根拠（元の文の該当箇所）の4項目を出させます。項目を増やすと、それだけ判断が揺れます。装飾的な要約や所感は入れません。出力の形を固定することが、後の集計を可能にします。
ステップ2：ラベルの定義を1行ずつ書く
「不満」とは何か、「緊急」とは何かを、1行ずつ定義します。たとえば緊急は「本日中の対応が必要と読み取れる表現がある場合」と決めます。定義がないままラベル名だけを渡すと、モデルは文脈から推測し、件数が日によって変わります。定義は依頼文の中に、そのまま貼り付けてください。
ステップ3：10件で試して境界例を集める
いきなり全件を処理せず、10件で試します。判断が割れそうな文、たとえば「急いではいませんが、今週中に知りたい」といった文を集めます。この境界例が、定義の穴を教えてくれます。境界例は捨てずに、次の手順で例示として使います。
ステップ4：定義を直して再実行する
境界例を踏まえて定義を書き直し、同じ10件で再実行します。前回と結果が変わった件だけを確認すると、直した定義が効いたかを短時間で判断できます。3回直しても収まらない場合は、ラベルの数を減らすほうが実務では早く解決します。
ステップ5：集計して傾向を読む
全件を処理したら、感情と論点の組み合わせで件数を数えます。「不満×配送」が多く、「困惑×料金」が少ない、といった偏りが見えると、優先して直す場所が決まります。集計は表計算ソフトで行い、判断の根拠になった原文を併記しておくと、現場への説明が短く済みます。
FAQ
Q. ラベルが多すぎて運用できません。
A. 最初は3〜4個に絞ってください。分類の粒度を上げるのは、担当者の判断が安定してからです。
Q. 同じ文なのに毎回違う結果になります。
A. ラベルの定義が言葉として書かれていないことが原因です。定義を1行ずつ書き、境界例を例示に加えると安定します。
あわせて使いたいツール
件数を処理する前提なら、表計算ソフトとの行き来がしやすいツールが便利です。
関連ガイド
- 長いレビューを要約して改善点を抜く5ステップ
- 検証役を置いて出力のばらつきを抑える5ステップ
- 感情分析（用語辞典）
- プロンプト集（そのまま使える依頼文）
- はじめての LLM 活用（学習ルート）
- ガイド一覧
出典
出典：DeepLearning.AI「ChatGPT プロンプトエンジニアリング（開発者向け）」（原題 ChatGPT Prompt Engineering for Developers、2026年10月12日更新）。
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。