AIが書いた長い文章は、読んでいて自然なので誤りに気づきません。Chain-of-Verification(CoVe)は、書いた主張を検証質問に変え、1問ずつ答えさせてから直す方法です。Learn Prompting の解説では、下書き・質問の計画・質問への回答・最終稿の4段階として整理されています。

「見直して」で足りない理由
同じ文章を続けて読ませると、AIは自分の言い回しをなぞって「問題ありません」と返しがちです。CoVe が質問を挟むのは、判断の単位を小さくするためです。「この人物はどこで生まれたか」のような短い問いは、長い段落の中の記述より答えやすい、と解説は述べています。仕組みの詳細はChain-of-Verification の用語ページにまとめました。
手順1:社外に出す文書を1本選ぶ
まず対象を絞ります。数値か固有名詞を含み、社外の人の目に触れる文書が適しています。社内メモのように読み返す前提の文書にまで広げると、往復の回数が作業を圧迫します。
手順2:事実の文だけを抜き出す
文書から、確かめられる事実の文だけを抜きます。意見・評価・予測は対象外として外します。「導入が進んでいる」は意見、「2026年3月に提供が始まった」は事実、という具合に分けます。この仕分けを省くと、確かめようのない問いが並びます。
手順3:1つの主張を1つの質問に変える
質問は、答えが1つに決まる形にします。「いつ・どこで・誰が・いくつ」のどれかを聞く形が扱いやすいです。1つの文に主張が2つ入っている場合は、質問も2つに分けます。質問の一覧は、作業前に人が読んで確認します。
手順4:質問を1問ずつ独立して答えさせる
質問はまとめて投げず、1問ずつ別のやり取りで聞きます。前に答えた内容を見せると、その答えに引っ張られます。分からない場合に「確認できません」と答えさせる条件も、先に伝えておきます。
手順5:食い違いだけを直して記録する
下書きと回答を突き合わせ、食い違う文だけを直します。直した箇所は「修正前・修正後・根拠になった質問」の3列で残します。この表が、公開前の確認記録になります。
FAQ
Q. 全部の文書に適用すべきですか?
A. 適用しません。やり取りが4回に増えるため、すべてに広げると作業時間が跳ねます。料金表・提案書・公開記事など、誤りが外部に影響する文書に限定するのが現実的です。
Q. 誤りはゼロになりますか?
A. なりません。解説も、幻覚を減らすが除くものではないと書いています。推論の筋道の誤りは対象外で、モデルが自分の誤りに気づけない場合は効果が出ません。人の確認を置き換えるものではなく、確認の回を減らす道具です。
出典
出典:Learn Prompting「Chain-of-Verification (CoVe): Reduce LLM Hallucinations」(Bhuwan Bhatt 執筆、2024年9月27日更新、2026年10月25日参照)/Dhuliawala ほか「Chain-of-Verification Reduces Hallucination in Large Language Models」(arXiv:2309.11495、2023年9月20日公開)
あわせて使いたいツール
本記事の手順を実際に回すときに、候補になるツールを挙げます。いずれも無料から試せる範囲があり、料金や機能は各サービスの公式情報で確認してください。
関連ガイド
同じ時期に公開した実務ガイドと、用語の定義ページです。手順の前提が分からない場合は、用語ページから確認してください。コピーして使える依頼文が欲しいときは、プロンプト集も参照してください。
- 役割を与える指示は何を変えるか:場面設定の作り方5手順
- 自動化は3層で組む:きっかけ・判断・結果の分け方
- Chain-of-Verification(CoVe)(用語辞典)
- はじめての LLM 活用(学習ルート)
- ガイド一覧(実務手順をまとめて読む)
- AIツール一覧(道具から探す)
- 比較記事一覧(料金と機能で比べる)
- レビュー一覧(使った記録を読む)
編集部の見解
この手順を実際に回すと、いちばん時間がかかるのは手順2の仕分けでした。AIに任せると意見と事実を混ぜてくるので、最初の数回は自分で線を引く必要があります。ただ、一度この仕分けの基準を文書の種類ごとに決めてしまえば、あとは機械的に回せます。手順4の「1問ずつ」を省略すると効果が薄れる点は、試して実感したところです。
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。
