SNSを開けば、こんなアドバイスが溢れている。
「チップをあげると言えば出力が良くなる」
「あなたは専門家ですと言えば精度が上がる」
「丁寧に話すほうがAIは頑張ってくれる」
直感的にはもっともらしい。人間相手なら、そうだろう。
だが、AIは人間ではない。 感情で頑張る仕組みは持っていない。 では、本当に出力の質を変えるものは何なのか？
2024〜2026年に発表された複数の大学研究と、Claude Code公式のベストプラクティスから、 答えを整理する。
まず、広く信じられているが研究で否定されたテクニックから。
| TECHNIQUE | RESULT | SOURCE |
|---|---|---|
| 「$200チップあげます」 | 出力が長くなるだけ。精度向上なし。 NO EFFECT | Wharton大学研究 |
| 「あなたは専門家です」 | コーディング・数学では精度が下がる。 NEGATIVE | USC研究（2026/3） |
| 過度な丁寧語・敬語 | 構文が複雑化し、日本語では精度低下傾向。 NEGATIVE | 多言語横断研究 |
では、実際に精度を改善すると確認されたアプローチは何か。
| TECHNIQUE | RESULT | SOURCE |
|---|---|---|
| 明確・具体的な指示 | 全研究で一貫して最重要。 PROVEN | 全研究共通 |
| 中立的なトーン | 安定して高品質な出力。 PROVEN | Wharton大学他 |
| EmotionPrompt | 最大115%改善。「ステップバイステップで考えて」等。 PROVEN | BIG-Bench評価 |
| 検証手段の提供 | Claude Code公式が「最もレバレッジが高い」と明言。 PROVEN | Anthropic公式 |
日本語でClaude Codeを使う場合、特有の注意点がある。
技術用語は英語のままでOK。 無理に日本語に訳すと、AIが正しい概念にマッピングできなくなることがある。 「フリーキャッシュフロー」ではなく「FCF」、 「認証トークン」ではなく「auth token」のほうが精度が安定する。
Claude Codeには CLAUDE.md という設定ファイルがある。 ここに書いた指示は、毎回のセッションでAIの行動指針になる。
Anthropic公式が推奨する行数がある。
超えるとどうなるか？ 指示が多すぎると、AIは優先順位を見失い、どの指示にも中途半端にしか従わなくなる。 情報を減らすことが、精度を上げる。 逆説的だが、これがデータの示す事実だ。
研究データが示す「良い指示」には共通構造がある。 以下の5要素を満たせば、AIの出力品質は安定する。
マンガーは言った。「愚かなことをしないだけで、十分に賢くなれる。」
AIへの指示も同じだ。 チップを約束したり、専門家のフリをさせたり、過度に丁寧にしたり。 やらなくていいことをやめるだけで、出力の質は上がる。
本当に効くのは、地味だが確実なこと。 対象を明示する。期待動作を書く。検証手段を渡す。
投資で言えば、派手な手法に飛びつくのではなく、 財務諸表を読み、ビジネスモデルを理解し、適正価格で買う。 それと同じ構造だ。
AIとの対話は、情報構造の設計である。 礼儀の問題ではない。設計の問題だ。 そして良い設計は、毎回のセッションで複利のように効いてくる。