プロンプトで、目的を最後に書いてはいけない：40ページの報告書の要約は、全章を同じ重さで並べていた

担当者が、40ページの調査報告をAIに貼り付けた。最後の行に「価格に関わる点だけを要約して」と書いた。

返ってきた要約は、報告書の全章を同じ重さで並べていた。

目的は、確かに書いてあった。末尾の一行が、なぜ要約に効かなかったのか。

要約が、40ページの縮小版になる

頼んだのは、価格に関わる点だけの要約である。返ってきたのは、40ページの縮小版だった。

全章が同じ重さで並ぶなら、価格に関わる点を拾い直すのは、頼んだ人の仕事に戻る。

結局、40ページを自分で読み直すことになる。

同じひな形で頼むかぎり、次の資料でも同じ縮小版が返ってくる。

AIは、前の語だけを見て読み進める

謎を解く鍵は、AIが読む順番にある。

「価格に関わる点」と書くと、「点」の語が見るのは、前の「価格に関わる」と自分である。

自分と前の語だけを見せる仕組みを、マスク付き自己注意と呼ぶ。GPT系のように、文章を書くAIの中心にある部品だ。

もとになる自己注意は、各語（トークン）がほかの語を見回す計算である。どの語と関係が深いかを、点数にする。

マスクは、点数表のうち、自分より後ろの語の欄に目隠しをする。

Attention(Q, K, V) = softmax(QK^T / √d_k + M) V

Q、K、Vは、語のベクトルから作る三つの数の並び（クエリ、キー、バリュー）。Mは、目隠しの表（マスク行列）である。

後ろの語の欄には、負の無限大に近い値が入る。

点数を割合に直す計算（ソフトマックス）を通すと、後ろの語の欄はほぼ0になる。

目隠しは、もともと学習のための工夫だ。学習では、正解の文「I am fine」をまとめて入力する。

「am」の位置から「fine」が見えると、予測が書き写しに変わる。目隠しは、各位置に正解の手前までを見せる。

名前の似たBERTのマスクは、入力の一部の語を、語ごと隠す。隠した語のほかは、前後とも見せる。

GPT系のマスクが隠すのは、後ろへ向かう視線だ。対話に使う生成AIの多くは、GPT系の型である。

一行目を読む時点で、末尾の問いはまだ届いていない

GPT系のモデルは、利用者が書いたプロンプトも、同じ目隠しをつけて読む。

モデルは、プロンプトの三行目の語を、三行目までを材料に各層で計算する。

一度読んだ語のキーとバリューは、保存して使い回す。前の語の計算は、最初に読んだときのまま残る。

資料の一行目を読む時点で、末尾の「価格に関わる点だけ」は、まだ先にある。

末尾の問いは、資料全体を見渡せる。ところが、資料の各行の計算は、問いが届く前に済んでいる。

料理人に食材を全部切らせてから、献立を告げる順番と同じだ。切り方を決める情報が、切った後に届く。

目的を冒頭に、問いを末尾にもう一度

目的、対象、守る条件を、プロンプトの冒頭に置く。モデルは、冒頭の目的を見ながら資料の各行を読む。

問いは、資料の後にもう一度書く。答えを書き始める位置のすぐ手前に、問いが来る。

AIを提供するAnthropicも、公式のガイドで、長い資料を渡すときは問いを資料の後に置くよう勧めている。

同社の試験では、問いを末尾に置くと、答えの質が最大で30%上がった。複数の資料を渡す複雑な入力で、差が出やすいという。

次の文面のかっこの中を、自分の依頼に書き換えて使える。

目的：（例：来期の価格改定案を決める会議の資料を作ります）
対象：（例：添付の調査報告のうち、価格に関わる記述）
条件：（例：数字は報告書にある値だけを使います。箇条書きで5点）
資料：
（ここに資料を貼ります）
問い：（例：目的に照らして、価格に関わる点を5点に要約してください）

何のために読むのかは、頼む人の前提である。前提を言葉にして、プロンプトの一行目でAIに渡す。

直す場所は、モデルの性能より、プロンプトのひな形の順番だ。

「価格に関わる点だけ」を一行目へ

冒頭の担当者は、目的を末尾の一行にだけ書いていた。

目的が末尾にあると、モデルは物差しなしで40ページを読む。

末尾の「価格に関わる点だけ」を冒頭へ移したとき、一行は40ページを読む物差しに変わる。

拙著『ChatGPT はじめてのプロンプトエンジニアリング』の7章1節「データ分析」に、この記事の考え方を書きました。読むと、長い資料を貼る前に、何の意思決定のために読ませるのかを一文で決める段取りを身につけられます。

出典

• Long context prompting tips（Anthropic、2026年10月参照）