Chain-of-Thoughtとは？
読み: チェーンオブソート英語: Chain-of-Thought (CoT)
LLM に「ステップごとに考えてください」と指示し、推論過程を明示的に生成させることで複雑なタスクの精度を上げる技法。
詳しい解説
Chain-of-Thought (CoT) は、LLM に対して「ステップごとに考えてください」「順を追って理由を述べてから答えを出してください」のように、推論過程を明示的に生成させる プロンプト技法です。
計算問題・論理パズル・複雑な意思決定など、単純な「質問 → 即答」では誤りやすいタスクで、中間推論を文字に起こすことで精度が大きく改善することが知られています。 GPT-5 系・Claude 4.7 Opus 系などの最新モデルでは「Thinking モード」「Reasoning モード」として明示的にサポートされ、推論時間とトークンを多めに消費して回答品質を高めます。
Few-shot と組み合わせた Few-shot CoT、複数の推論経路を比較する Self-Consistency など派生技法も多数あります。
実務での使いどころ
計算、条件分岐のある判断、複数の情報を突き合わせる作業など、一段階では答えが出ない処理で使います。「順を追って考えて」と指示に加えるだけで、途中の飛躍による誤りが減ります。
一方で出力が長くなりトークン消費が増えるため、単純な分類作業に使うとコストに見合いません。処理の複雑さに応じて使い分けます。
混同しやすい用語との違い
近年のモデルは思考過程を内部で行う設計のものが増えており、明示的に指示しなくても同等の効果が得られる場合があります。古い記事の手法をそのまま適用する前に、使っているモデルの仕様を確認してください。
この分野を学べる生成AIスクール
Chain-of-Thoughtを含む生成AIのスキルを体系的に身につけたい方は、AI HACK のスクールランキングをご活用ください。