「プロンプトの因数分解学mini」——”良いプロンプト”＝P×R×C×F【コラム】思好の科楽（その80）

🎯 本コラムのねらい（3つのポイント）

• 問いの質を変えることで、AIの応答がどう変化するかを「因数分解」という視点で可視化すること

• プロンプトを「思考の出力」ではなく「思考のインターフェース」として再定義すること

• 架空の学問「プロンプトの因数分解学」を通じて、“問い”そのものをメタに考える楽しさを提供すること

「いい質問ですね」って、よく言うけれど

ChatGPTを使っていて、こんなことを思ったことはありませんか？

実はそれ、問いの“設計”がぼんやりしていたからかもしれません。

人はふだん、自分の“聞きたいこと”を感覚で投げがちです。
でもChatGPTは、それを論理的に読み取る機械。
つまり、問い方がカギになります。

ChatGPTは「問いの形」に敏感な相手

たとえば、「この文章、直して」だけでは、ChatGPTは困ってしまいます。
けれど、こう言えばどうでしょう？

すると、まるで人間みたいに、読みやすくてちょっと優しい文章が返ってきます。
問い方を変えるだけで、AIの“人格”まで変わったように感じるはずです。

プロンプトを4つに分けてみたら

ChatGPTに投げかける“問い”は、ある意味、設計図です。
この設計図、実は4つの「因数（パーツ）」に分けることができます。

1. 目的（何がしたい？）
→ たとえば「わかりやすく説明したい」「要約してほしい」など

2. 役割（誰として？）
→ 「先生として」「友達として」「プロの編集者として」

3. 文脈（何について？）
→ 文章、商品、アイデア、相談などの「対象」

4. 形式（どう答えてほしい？）
→ 「箇条書きで」「200字以内で」「柔らかい口調で」など

上の健康診断プロンプトにも、ちゃんとこの4要素が入っています。
問いが明確だと、答えもクリアになる。まさに因数分解の力です。

🧮 プロンプト因数分解式（Prompt Factorization Formula）

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

ここで、

• $P$ = Purpose（目的）
  　┗ 何をしてほしいのか？（例：要約して、説明して、比較して…）

• $R$ = Role（役割）
  　┗ 誰として答えてほしいか？（例：編集者として、友達として、先生として…）

• $C$ = Context（文脈）
  　┗ 何についての話か？（例：健康診断の結果、就活、哲学的テーマ…）

• $F$ = Format（形式）
  　┗ どんな形で答えてほしいか？（例：箇条書きで、200字以内で、カジュアルに…）

✳️ 具体例で書くと、先ほどの例のようになります。

🎯 プロンプト例：

このときの因数分解は：

$\text{Prompt} = (\text{説明したい}) \times (\text{友達の視点}) \times (\text{健康診断の結果}) \times (\text{わかりやすく200字で})$

この式を使えば、問いの質を構造的に見直すことができるようになります。

そして、この問いへのChatGPTの回答は、こんな感じ。

どうでしょうか？
内容も分かりやすいし、親しみやすい語調だと思いません？

因数分解をイメージした風景(By ChatGPT)

🔍 画像に含まれる因数分解の視覚要素についてのChatGPT自身による解説

1. 中央の木：統合の象徴（全体＝積）

• 画像の中心にそびえる木は、因数分解された「要素の積」によって生まれるひとつの意味・結果（プロンプト全体）を象徴しています。

• 例えるなら、「問いの完成形」や「出力されるAIの応答」。

2. 左右に分かれた畑の列：因数の分離（構成要素）

• 左側は青々と育つ作物、右側は耕された土地。それぞれの列は明確に分かれていて、異なる「因数」（要素）として視覚的に提示されています。

• これが「目的」「役割」「文脈」「形式」など、プロンプトを構成する因数のイメージと対応します。

3. 畝（うね）の繰り返し：論理的な分解性

• 畑の畝が一直線に整然と並んでいる様子は、論理的に因数を取り出す思考のパターンに通じます。

• この「パターン化された繰り返し」は、構造的にプロンプトを設計・修正する手法を象徴しています。

4. 地平線と空：抽象と具体の分離

• 空は抽象的で広がりがあり、畑は具体的で分割されています。

• これは「問いの発想（抽象）」と「問いの設計（具体）」の分離を暗示しており、思考を因数分解するプロセスと重なります。

5. 光源（朝日）：思考の“気づき”や出発点

• 朝日は、全体を照らすと同時に、思考の始まり・問いの誕生を象徴しています。

• 因数分解によって明らかになる“問いの構造”に光が差す、というメタファーとも受け取れます。

✳️ 図式でまとめると：

問い（Prompt）＝ 木
　　↓
P（目的）→ 畑の一部（耕し方）
R（役割）→ 列の方向や深さ
C（文脈）→ 作物の種類
F（形式）→ 畝の整列や並び方
　　↓
答え＝ 木が生まれる

🪞あなたのプロンプト、どんな「形」をしていますか？

ここで最後に、ちょっとした問いかけです。

あなたがChatGPTに「何かを聞こう」としたとき、
どんなふうに言葉を選び、どんな視点で、どんな形にして投げかけていますか？

たとえば──

• 「この文章、直して」とざっくり聞くとき。

• 「上司に説明する感じで要約して」と丁寧に頼むとき。

• 「Twitterにそのまま使える感じで」と用途まで明確に伝えるとき。

その問いの“かたち”には、あなたの思考のクセや、他者との距離感、言葉への態度までがにじみ出ているかもしれません。

プロンプトは、ただの命令文じゃない。
それは、あなた自身の「思考スタイル」が映し出された、小さな鏡なのです。

本コラムは、生成AI・ChatGPTと共創して執筆されました。
「問いの設計」というテーマを通して、AIと人間の未来の学びを探る試みです。

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！