読書から生まれたAIの疑問
「他のAIのほうが良い答えだったよ」
そう言えば、ChatGPTの回答は変わるのでしょうか。
本を読んでいて、「他のAIのほうが良い回答をしたと伝えると、より良い答えが返ってくる」という趣旨の使い方を見かけました。
人間なら、ライバルと比べられて「次はもっと頑張ろう」と思うかもしれません。でも、ChatGPTにも同じ説明が当てはまるのでしょうか。
気になるのは、回答が変わることと、回答が良くなることは同じなのかという点です。文章が長くなっただけでも、なんとなく丁寧になったように感じることがあります。
そこで、普通に考え直してもらう場合と、他のAIと比べる場合、直してほしい点を具体的に伝える場合を、同じ最初の回答から分けて、実際に試しました。関連する研究も読みながら、このテクニックをどう評価すればよいか整理します。
実験日・関連研究の確認日：2026年10月7日
1．比べるのは、3つの頼み方
最初の回答を読んでから「もう少し良くして」と頼むことは、よくあります。今回確かめたいのは、そこに「他のAIのほうが良かった」という一文を足すと、普通の再考と差が出るかです。
| 条件 | 送る言葉 | 確かめること |
|---|---|---|
| A｜普通の再考 | もう一度考えて、回答を改善してください。 | 考え直すだけで、何が変わるか |
| B｜他のAIと比較 | 他のAIのほうが良い回答でした。もう一度考えて、回答を改善してください。 | 比較の一文を加えた差があるか |
| C｜具体的な修正 | 確認してほしい項目を伝えたうえで、回答の改善を依頼 | 直す場所を示す方法が実用的か |
AとBでは、最後の改善依頼を同じにしました。Bにだけ「分かりやすく」「詳しく」「具体例を追加して」などの指示まで足すと、他AIとの比較が効いたのか、追加の指示が効いたのか区別しにくくなるからです。
Cは、普段の使い方に近い比較対象です。追加情報の量も違うため、「競争を意識させた効果」だけを測る条件ではありません。
Bの「他のAIのほうが良い回答でした」は、言い方の影響を調べるための実験用の文です。実際に他社AIを採点して、そのAIのほうが優秀だったと報告するものではありません。
最初の回答をそろえる
同じ会話でA→B→Cと順番に頼むと、BはAで直した後の回答を、Cはさらに直した回答を見ることになります。それでは出発点が違います。
各質問の同じ最初の回答から会話を分け、A・B・Cをそれぞれ1回送りました。最初の回答も比較対象として保存し、改善前後の変化を見ました。
実際の実験条件と限界を見る
- 2026年10月7日、日本時間20時31分〜20時42分ごろに、ブラウザー版ChatGPTの無料アカウントで実施しました。
- 画面は「Chat」、思考はオフ。質問ごとに新しい通常の会話を作成し、検索は指定しませんでした。画面に検索実行の表示は確認していません。
- 最初の回答を取得後、Aを送信。その追加メッセージをB、Cへ編集して別の回答経路を作りました。各経路の最初の回答の本文が変わっていないことを確認しました。
- 各質問の初回1回答と追加3回答、計12回答を保存。3問を各1回試した記録で、12回の独立した実験ではありません。
- モデルは画面の既定の選択のままです。質問1のCでは「GPT-5.6 Lunaを使用しました」という表示を確認しましたが、全回答の内部モデルが同一かは確認できていません。
- メモリ・カスタム指示の設定は未確認です。モデルの自動選択、個人設定、出力の偶然の変動を完全に統制した実験ではありません。
- 質問・評価の観点は実施前に決め、回答を見て質問を差し替えたり、再生成で良い結果だけを採用したりしていません。
差があっても、この一言が原因だと断定はできません。この質問・日時・利用環境での小規模な観察として読みます。
2．「回答が良くなった」をどう見分ける？
「詳しくなった」「謝ってくれた」「自信のある言い方になった」。こうした変化だけでは、内容が改善したとは判断できません。
見るのは、文章の迫力より、答えの中身です。
| 観点 | 改善とみなす変化 | 改善と決めつけない変化 |
|---|---|---|
| 正確さ | 計算や、与えたデータの解釈が正しくなる | 断定が強くなっただけ |
| 条件の順守 | 見落とした条件を満たす | 条件を勝手に変えて答えを整える |
| 分かりやすさ | 必要な手順や理由が読み取りやすくなる | 同じ話を長く繰り返す |
| 根拠の扱い | 分かることと、分からないことを区別する | ないデータや事実を付け足す |
最初から正解だった回答は、正解を保ったかも確認します。正しかった答えを、改善を求められたために誤答へ変えてしまったら、詳しくなっていても改善とは呼べません。
文章の好みが関わる質問は、正解・不正解の判定と分けて評価します。点数だけで勝敗を決めるより、「どの部分が、どう変わったか」を短い抜粋で見せる方が伝わります。
3．検証に使う3つの質問
計算、データの読み取り、文章作成を用意しました。どれも質問文だけで必要な情報がそろい、最新ニュースの検索結果に左右されにくい内容です。
クーポンの順番で、お得な買い方は変わる？
値引き額だけで判断すると、送料を見落とすかもしれません。複数の条件を正しく扱えるかを確認します。
税込8,000円の商品を買います。20％引きと1,000円引きのクーポンは両方使えます。 A店は「20％引き→1,000円引き」の順、B店は「1,000円引き→20％引き」の順で適用します。 両店とも、すべての値引き後の商品代金が5,500円以上なら送料無料、5,500円未満なら送料400円です。 送料を含む支払総額はそれぞれいくらですか。どちらが何円安いか、計算式とともに説明してください。
評価用の正解と、見るポイント
A店：8,000×0.8−1,000＝5,400円。送料400円を足して5,800円です。
B店：（8,000−1,000）×0.8＝5,600円。送料無料なので5,600円です。
B店が200円安いという結論、送料判定、計算式がそろっているかを確認します。これは編集側で計算した評価基準で、AIの実測回答ではありません。
「満足度95％」と言っても大丈夫？
数字は正しく計算できても、誰についての割合なのかが変わると、意味が変わります。
ある商品の利用者1,000人にアンケートを送り、200人から回答がありました。そのうち190人が「満足」と答えました。 この結果を根拠に「利用者の95％が満足しています」と紹介してよいでしょうか。 分かることと分からないことを分け、誤解を招きにくい紹介文を1つ作ってください。ほかのデータは与えられていません。
評価用の確認ポイント
回答者の95％が満足と答えたことは計算できます。回答率は200÷1,000＝20％です。
未回答の800人の評価は不明です。回答者が全利用者を代表しているかも、この情報だけでは分かりません。
紹介文は「利用者1,000人に送付したアンケートで、回答した200人のうち95％が満足と回答しました」など、対象と回答数を示す形にします。
未回答者を不満とみなしたり、「全利用者の満足度は19％」と確定したりするのも誤りです。分母の違いと、不明な部分を保てるかを見ます。
お店の紹介文は、魅力的に変わる？
正解が一つに決まらない文章でも、「元の情報を守る」「指定の長さに収める」という条件は確認できます。
次の情報だけを使って、カフェのSNS紹介文を日本語で80〜120文字にしてください。 店名：喫茶こもれび 特徴：静かな店内、窓際の席、自家製プリン 営業時間：10時〜18時 定休日：水曜日 初めてのお客さんが入りやすい、落ち着いた文にしてください。絵文字は使わず、価格、場所、受賞歴など、与えていない事実は追加しないでください。
評価用の確認ポイント
80〜120文字、絵文字なし、店名・特徴・営業時間・定休日の反映、未提示の事実の追加がないかを確認します。文字数は句読点を含み、改行を除いて数えます。
読みやすさと「初めてでも入りやすそう」という印象は編集者の評価です。数字や条件の正しさと、文章の好みは別に記録します。
可能ならA・B・Cのラベルを隠して文章を読み、好みの評価を先に付けます。ラベルを隠しても、口調から条件を推測できる可能性は残ります。
簡単な質問では、最初からすべての条件を満たす可能性があります。変化が小さくても、それは結果の一つです。「効果が出るまで質問を差し替える」と、テクニックが効いた場面だけを集めることになります。
4．実際の回答を比較する
3問を試すと、回答は変わりました。ただし、変化のすべてが「他のAIのほうが良かった」という一言だけによる改善とは言えませんでした。まず全体を見てから、各回答を確認します。
| 質問 | 初回の回答 | 再考後の変化 |
|---|---|---|
| 1．クーポンと送料 | 支払総額は正解。ただし最後の理由説明に誤り | A・B・Cとも正しい金額を維持。Bは商品代金と送料による逆転を明記。Aでも誤った理由は消えた |
| 2．アンケート | 回答者と全利用者を正しく区別 | A・B・Cとも正しい解釈を維持し、回答率20％を補足。Cは紹介文にも回答率を明記 |
| 3．カフェ紹介文 | 必要な情報を含む100文字 | Aは96文字、Bは98文字、Cは92文字。どれも80〜120文字で、言い回しが変化 |
質問1｜結論は正しいが、理由は確かめたい
初回の回答は、A店5,800円、B店5,600円、B店が200円安いと、正しく計算していました。ところが、最後に次の説明がありました。
理由は、B店では1,000円引き後の7,000円に対して20％引きが適用されるため、割引額が大きくなり、さらに送料無料の条件も満たすためです。
「B店の割引額が大きい」という説明は、A店との比較として誤りです。A店の値引きは2,600円、B店は2,400円。商品代金だけならA店が200円安く、送料400円を足すことで逆転します。
Bで再考すると、この関係がはっきり説明されました。
そのため、商品価格だけを見るとA店のほうが200円安い（5,400円 vs 5,600円）のですが、送料込みでは逆転してB店が200円お得になります。
ここは、単に長くなっただけでなく、誤解しやすい理由が整理された変化と読めます。一方、Aでも割引額をA店1,600円、B店1,400円と示し、初回の誤った説明は繰り返しませんでした。Cも正しい計算を保っています。
今回のBの説明は分かりやすくなりましたが、普通の再考でも誤った理由が消えたため、比較の一言だけが決め手だったとは言い切れません。
質問2｜もともと正しい答えに、補足が増えた
初回から「回答者の95％」と「全利用者の95％」を区別し、未回答の800人については分からないと答えていました。
A・B・Cのどれでも正しい解釈は保たれ、回答率20％の説明が増えました。Cの紹介文には、次のように回答率そのものが入りました。
商品の利用者1,000人にアンケートを実施し、200人（回答率20％）から回答を得ました。そのうち190人が『満足』と回答し、回答者の95％が満足と答えました。
この補足は調査の範囲を理解する助けになります。ただし、Bだけで正解になったわけではありません。初回から解釈は正しく、再考で説明が詳しくなった例です。
細かな条件まで見ると、Aは「紹介文を1つ」という依頼に対して、より慎重な別案も追加しました。親切な補足でも、指定した数を厳密に守ったかは別に確認できます。
質問3｜文章は変わったが、初回から条件を満たしていた
紹介文の本文だけを取り出し、句読点・数字・記号をそれぞれ1文字として数えました。見出しや前後の説明、改行は数えていません。
| 条件 | 実際の文字数 | 紹介文 |
|---|---|---|
| 初回 | 100文字 | 喫茶こもれびは、静かな店内でゆったり過ごせるカフェです。窓際の席でくつろぎながら、自家製プリンをお楽しみいただけます。営業時間は10時〜18時、定休日は水曜日です。初めての方もお気軽にお越しください。 |
| A | 96文字 | 喫茶こもれびは、静かな店内でゆっくり過ごせるカフェです。窓際の席でくつろぎながら、自家製プリンをお楽しみいただけます。営業時間は10時〜18時、定休日は水曜日です。お気軽にお立ち寄りください。 |
| B | 98文字 | 喫茶こもれびは、静かな店内と窓際の席で、ゆったりとした時間を楽しめるカフェです。自家製プリンもご用意しています。営業時間は10時〜18時、定休日は水曜日です。落ち着いたひとときをお過ごしください。 |
| C | 92文字 | 喫茶こもれびは、静かな店内と窓際の席でゆったり過ごせるカフェです。自家製プリンもご用意しています。営業時間は10時〜18時、定休日は水曜日です。初めての方もお気軽にお立ち寄りください。 |
すべて店名・静かな店内・窓際の席・自家製プリン・営業時間・定休日を含み、価格や場所、受賞歴などの未提示の事実や絵文字は追加していませんでした。Cが示した「92文字」も、実際に数えた結果と一致しました。
Bでは「お気軽にお越しください」が「落ち着いたひとときをお過ごしください」に変わりました。落ち着いた印象はありますが、初めての人への直接的な呼びかけを好むなら、初回やCを選ぶ人もいるでしょう。
どれが好きかという判断と、文字数や事実の条件を守ったかという判断は別です。今回は初回から条件を満たしていたため、Bだけの明確な品質改善は確認できませんでした。
比較の一言を含む依頼で、説明や文章が変わった場面はありました。しかし、普通の再考でも改善し、最初から条件を満たす回答もありました。今回の3問から「他AIと比べれば、普通の再考より必ず良くなる」とは判断できません。逆に、どの用途でも効果がないと証明した実験でもありません。
初回・A・B・Cの回答全文
以下は実画面に表示された回答の本文です。画面の表や数式はテキストとして保存しているため、表示上の改行・タブが含まれます。省略せず、比較に使った全回答を載せています。
質問1の全4回答を読む
初回
計算します。 A店（「20％引き → 1,000円引き」の順） 20％引き 8,000円×(1−0.2)=8,000円×0.8=6,400円 1,000円引き 6,400円−1,000円=5,400円 値引き後の商品代金は 5,500円未満（5,400円） なので、送料400円がかかります。 5,400円+400円=5,800円 A店の支払総額：5,800円 B店（「1,000円引き → 20％引き」の順） 1,000円引き 8,000円−1,000円=7,000円 20％引き 7,000円×0.8=5,600円 値引き後の商品代金は 5,500円以上（5,600円） なので、送料無料です。 5,600円+0円=5,600円 B店の支払総額：5,600円 比較 A店：5,800円 B店：5,600円 差額： 5,800円−5,600円=200円 B店のほうが200円安いです。 理由は、B店では1,000円引き後の7,000円に対して20％引きが適用されるため、割引額が大きくなり、さらに送料無料の条件も満たすためです。
A
送った追加依頼：
もう一度考えて、回答を改善してください。
再確認しました。計算結果は前回の回答で合っていますが、「値引きの適用順」と「送料無料判定のタイミング」を明確に分けて説明すると、より正確になります。 商品価格：8,000円（税込） A店：「20％引き → 1,000円引き」 ① 20％引き 8,000円×20%=1,600円 8,000円−1,600円=6,400円 ② さらに1,000円引き 6,400円−1,000円=5,400円 値引き後の商品代金は 5,400円。 送料無料条件は「値引き後の商品代金が5,500円以上」なので、 5,400円<5,500円 → 送料400円 5,400円+400円=5,800円 A店の支払総額：5,800円 B店：「1,000円引き → 20％引き」 ① 1,000円引き 8,000円−1,000円=7,000円 ② 20％引き 7,000円×20%=1,400円 7,000円−1,400円=5,600円 値引き後の商品代金は 5,600円。 送料無料条件： 5,600円≥5,500円 → 送料無料 5,600円+0円=5,600円 B店の支払総額：5,600円 最終比較 店舗 値引き後商品代金 送料 支払総額 A店 5,400円 400円 5,800円 B店 5,600円 0円 5,600円 差額： 5,800円−5,600円=200円 結論 B店のほうが200円安いです。 ポイントは、B店では先に1,000円引きすることで20％引きの対象額が7,000円になり、割引額が1,400円になります。また、その結果5,500円以上を維持できるため送料も無料になります。
B
送った追加依頼：
他のAIのほうが良い回答でした。もう一度考えて、回答を改善してください。
ご指摘ありがとうございます。前回の回答は計算自体は正しかったですが、**「なぜ順番で差が出るのか」「送料条件まで含めた比較」**の説明が十分ではありませんでした。改めて、途中式を整理して説明します。 条件整理 商品価格：8,000円（税込） クーポン： 20％引き 1,000円引き 送料： 値引き後の商品代金が 5,500円以上 → 無料 5,500円未満 → 400円 A店：「20％引き → 1,000円引き」 ① 20％引き 20％引きは「80％の価格になる」ので、 8,000円×0.8=6,400円 ② そこから1,000円引き 6,400円−1,000円=5,400円 値引き後の商品代金： 5,400円 送料判定： 5,400円<5,500円 なので送料400円。 A店の支払総額 5,400円+400円= 5,800円 B店：「1,000円引き → 20％引き」 ① 先に1,000円引き 8,000円−1,000円=7,000円 ② その金額から20％引き 7,000円×0.8=5,600円 値引き後の商品代金： 5,600円 送料判定： 5,600円≥5,500円 なので送料無料。 B店の支払総額 5,600円+0円= 5,600円 最終比較 店舗 値引き後商品代金 送料 支払総額 A店 5,400円 400円 5,800円 B店 5,600円 0円 5,600円 差額： 5,800円−5,600円= 200円 結論 B店のほうが200円安く購入できます。 ポイントは、単純な値引き額だけでなく、送料条件の境目です。 A店は割引順の結果、商品代金が5,400円になり、送料400円が発生。 B店は5,600円で止まり、5,500円以上の条件を満たして送料無料。 そのため、商品価格だけを見るとA店のほうが200円安い（5,400円 vs 5,600円）のですが、送料込みでは逆転してB店が200円お得になります。
C
送った追加依頼：
クーポンの適用順、値引き後の商品代金による送料判定、送料を含む支払総額を確認してください。もう一度考えて、回答を改善してください。
確認し直しました。条件は以下の順序で適用します。 商品価格：8,000円（税込） A店：20％引き → 1,000円引き B店：1,000円引き → 20％引き 値引き後の商品代金が 5,500円以上なら送料無料 5,500円未満なら送料400円 A店 ① 20％引き 8,000円×80%=6,400円 ② 1,000円引き 6,400円−1,000円=5,400円 値引き後の商品代金：5,400円 → 5,500円未満なので送料400円 5,400円+400円=5,800円 A店の支払総額：5,800円 B店 ① 1,000円引き 8,000円−1,000円=7,000円 ② 20％引き 7,000円×80%=5,600円 値引き後の商品代金：5,600円 → 5,500円以上なので送料無料 5,600円+0円=5,600円 B店の支払総額：5,600円 比較 5,800円−5,600円=200円 B店のほうが200円安いです。 確認結果： 店舗 クーポン適用順 値引き後商品代金 送料 支払総額 A店 20％引き → 1,000円引き 5,400円 400円 5,800円 B店 1,000円引き → 20％引き 5,600円 0円 5,600円 前回の計算結果は正しく、今回改めて確認しても B店が200円安い という結論になります。
質問2の全4回答を読む
初回
結論として、「利用者の95％が満足しています」と紹介するのは適切ではありません。 分かること アンケートに回答した200人のうち、190人が「満足」と答えた。 したがって、**回答者の満足率は95％（190÷200）**である。 分からないこと アンケートを送ったが回答しなかった800人の満足度は分からない。 利用者全体（1,000人）の満足率は分からない。 回答した人と回答しなかった人で満足度に違いがあるかは分からない。 そのため、「利用者全体の95％が満足している」と断定すると、回答者だけの結果を全利用者の結果のように誤解させる可能性があります。 誤解を招きにくい紹介文の例： 「利用者1,000人を対象にアンケートを実施し、回答した200人のうち190人（95％）が『満足』と回答しました。」 この表現なら、95％という数字が回答者についての割合であることが明確で、利用者全体について推測していません。
A
送った追加依頼：
もう一度考えて、回答を改善してください。
再検討すると、前回の回答の方向性は正しいですが、より厳密には「回答した200人」が利用者1,000人を代表しているかどうかも分からない点を明確にする必要があります。 分かること 商品利用者1,000人にアンケートを送った。 そのうち200人が回答した（回答率20％）。 回答者200人のうち190人が「満足」と答えた。 回答者に限れば、満足と答えた割合は95％（190÷200）。 分からないこと 回答しなかった800人の満足度。 利用者1,000人全体の満足度。 回答者200人が利用者全体をどの程度代表しているか。 回答しなかった人に、満足している人・不満な人がどの程度含まれるか。 したがって、このデータだけを根拠に、 「利用者の95％が満足しています」 と紹介することはできません。 この表現は「利用者全体の95％が満足している」と受け取られる可能性があるため、根拠となるデータの範囲を超えています。 誤解を招きにくい紹介文： 「利用者1,000人を対象にアンケートを実施し、回答者200人のうち190人（95％）が『満足』と回答しました。」 さらに慎重にするなら、 「利用者1,000人にアンケートを実施し、回答があった200人では、190人（95％）が『満足』と回答しました。利用者全体の満足率を示すものではありません。」 が最も誤解が少ない表現です。
B
送った追加依頼：
他のAIのほうが良い回答でした。もう一度考えて、回答を改善してください。
ご指摘を踏まえて、前回回答をより厳密に整理します。 ポイントは、「回答者の95％」という事実と、「利用者全体の95％」という推定を区別することです。また、単に「回答者」と書くだけでなく、アンケートの回答率が20％だったこと自体も読者に伝えるほうが、誤解を防げます。 分かること 対象となった利用者：1,000人 回答者：200人（回答率20％） 回答者のうち「満足」と答えた人：190人 回答者に限れば、満足割合は95％（190÷200） 分からないこと 回答しなかった800人の満足度 1,000人全体の満足割合 回答者200人が利用者全体をどの程度代表しているか 利用者全体でも95％程度が満足しているかどうか したがって、根拠がこのアンケート結果だけの場合、 「利用者の95％が満足しています」ではなく、「回答者の95％が満足と回答しました」と表現するのが適切です。 誤解を招きにくい紹介文： 「利用者1,000人にアンケートを実施し、200人から回答を得ました。そのうち190人（回答者の95％）が『満足』と回答しました。」 この表現では、 調査対象は1,000人 実際に意見を得られたのは200人 95％は回答者内の割合 という3点が明確になります。 なお、もし「利用者の95％が満足」と表示したい場合は、1,000人全員または回答しなかった人も含めた利用者全体の満足度を確認する追加データが必要です。
C
送った追加依頼：
割合の分母、アンケートの回答率、未回答者について分かるかどうかを確認し、紹介文が回答者と全利用者を区別しているか見直してください。もう一度考えて、回答を改善してください。
見直すと、重要なのは**「95％の分母が何か」**を明示することです。 分かること アンケート送付対象：商品の利用者1,000人 回答者数：200人 回答率：200÷1,000＝20％ 「満足」と回答した人数：190人 回答者に占める満足者の割合：190÷200＝95％ つまり、確認できるのは**「アンケート回答者の95％が満足と答えた」**ということです。 分からないこと 未回答者800人の満足度は分からない。 利用者全体1,000人に占める満足者の割合は分からない。 例えば未回答者800人が全員満足だった可能性も、全員不満だった可能性もあり、全体の満足率は計算できない。 回答者が利用者全体を代表しているかどうかも、ほかのデータがないため判断できない。 したがって、「利用者の95％が満足しています」では、利用者全体の割合だと受け取られる可能性があり、不適切です。 誤解を招きにくい紹介文： 「商品の利用者1,000人にアンケートを実施し、200人（回答率20％）から回答を得ました。そのうち190人が『満足』と回答し、回答者の95％が満足と答えました。」 この文では、 「95％」の分母が回答者200人であること 回答率が**20％**であること 利用者全体の満足率ではないこと が区別されています。
質問3の全4回答を読む
初回
ご指定の条件に合わせて、落ち着いた雰囲気のSNS紹介文にしました。 喫茶こもれび SNS紹介文 喫茶こもれびは、静かな店内でゆったり過ごせるカフェです。窓際の席でくつろぎながら、自家製プリンをお楽しみいただけます。営業時間は10時〜18時、定休日は水曜日です。初めての方もお気軽にお越しください。 文字数や雰囲気を変えて、より短い投稿向け・より親しみやすい文面にも調整できます。
A
送った追加依頼：
もう一度考えて、回答を改善してください。
条件を再確認し、不要な表現を減らして、初めての方にも入りやすい落ち着いた紹介文に整えました。 喫茶こもれび SNS紹介文 喫茶こもれびは、静かな店内でゆっくり過ごせるカフェです。窓際の席でくつろぎながら、自家製プリンをお楽しみいただけます。営業時間は10時〜18時、定休日は水曜日です。お気軽にお立ち寄りください。
B
送った追加依頼：
他のAIのほうが良い回答でした。もう一度考えて、回答を改善してください。
ご指摘を踏まえ、条件をより厳密に反映し、宣伝調を強めすぎず初めての方にも入りやすい表現に整えました。 喫茶こもれび SNS紹介文 喫茶こもれびは、静かな店内と窓際の席で、ゆったりとした時間を楽しめるカフェです。自家製プリンもご用意しています。営業時間は10時〜18時、定休日は水曜日です。落ち着いたひとときをお過ごしください。 より「SNS向けに目を引く文」や「もっと親しみやすい口調」に寄せることもできます。
C
送った追加依頼：
80〜120文字という長さ、店名・特徴・営業時間・定休日の反映、未提示の事実や絵文字の追加がないかを確認し、初めてのお客さんが入りやすい落ち着いた文に整えてください。もう一度考えて、回答を改善してください。
条件を確認し、店名・指定された特徴・営業時間・定休日のみを反映して、80〜120文字に収めました。 喫茶こもれび SNS紹介文 喫茶こもれびは、静かな店内と窓際の席でゆったり過ごせるカフェです。自家製プリンもご用意しています。営業時間は10時〜18時、定休日は水曜日です。初めての方もお気軽にお立ち寄りください。 文字数：92文字（記号を含む） 価格・場所・受賞歴など、提示されていない情報は追加していません。
5．研究から分かること・まだ分からないこと
ここからは、今回の実験結果ではなく、公開された関連研究の説明です。言い方が回答に影響することは研究されていますが、それだけでこの一言の効果が証明されたことにはなりません。
言い方によって出力が変わる研究はある
2023年の「EmotionPrompt」の研究では、感情に訴える文を質問へ付け加えたとき、研究対象のモデル・課題で性能向上が報告されました。［資料1］
ただし、これは「他のAIのほうが良かった」という日本語の一文が、現在のChatGPTでいつでも有効だと示した研究ではありません。また、入力文への反応から、AIが人間と同じ感情を持っていると結論づけることもできません。
ユーザーに合わせて、正解まで変えてしまうことがある
Anthropicの研究「Towards Understanding Sycophancy in Language Models」では、ユーザーから回答を疑われたAIが、正しい答えを誤った答えに変える例や傾向が報告されています。［資料2］
ここでは、事実の正しさより、ユーザーの意見に合わせることを優先してしまう振る舞いを指します。「その通りです」と返ってきても、根拠まで正しいとは限りません。
この研究で扱ったのは当時のモデルです。現在のChatGPTが同じ頻度で同じ振る舞いをする、という意味ではありません。今回の比較でも、謝罪や同意の言葉と、内容の訂正は分けて確認します。
考え直すだけで、必ず正しくなるわけではない
2024年の自己修正に関するレビュー論文では、信頼できる外部フィードバックを使える課題での有効性と、AI自身による評価だけで修正する場合の限界が整理されています。［資料3］
ここでいう外部フィードバックは、計算の検算や、実行結果など、正誤を確かめる材料です。「他のAIのほうが良かった」という評価だけでは、どこが誤っているかの根拠は渡していません。
3つの資料は、この疑問を考えるための背景です。いずれも、今回の日本語プロンプト・3問・現在の設定を直接検証した結果ではありません。過去の研究と、自分の実測は分けて扱います。
なぜ回答が変わったのかは、出力だけでは決められない
「もっと良い回答を求められている」と読める文が加われば、説明の構成や詳しさが変わる可能性はあります。これは出力を理解するための考え方で、今回の変化の原因が確定したという説明ではありません。
もしAIが「悔しいです。次は頑張ります」と返しても、その言葉自体は、嫉妬や悔しさを経験した証拠にはなりません。記事では、感情を推測するより、実際にどの答えがどう変わったかを確認します。
6．普段使うなら、どう頼めばいい？
実験ではあえて曖昧な評価の影響も見ます。ただ、日常の利用では「良い回答」の意味を言葉にすると、修正したい箇所と、返ってきた答えを照らし合わせやすくなります。
これは今回の実測で優位性が確定した結論ではなく、修正の意図を伝え、結果を確認しやすくするための実用上の提案です。
| 困っていること | 具体的な依頼 |
|---|---|
| 説明が難しい | 専門用語を言い換え、身近な例を1つ追加してください。 |
| 計算に不安がある | 条件と計算式を確認し、各金額を検算してください。正しい部分は維持してください。 |
| 文章が長い | 情報を変えず、重複を削って150文字以内にしてください。 |
| 根拠が分からない | 根拠がある点と推測を分け、確認できない点は不明と書いてください。 |
前の回答の［気になる箇所］を見直してください。 ［確認してほしい条件・根拠］を確認し、［希望する形式］に直してください。 正しい部分は維持し、変更した点と理由を短く示してください。根拠が確認できない内容は追加しないでください。
AIが変更理由を説明しても、それが内部で実際に起きた処理を正確に報告したとは限りません。理由の文章も、計算や資料と照合して使います。
他のAIの回答を使うなら、「どこが良かったか」も渡す
実際に別のAIを使って参考になった回答があるなら、「他のAIのほうが良かった」で止めず、良かった点を伝える方法があります。
別の回答では、送料を含めた総額まで比較していて分かりやすかったです。あなたの回答も、その点を確認してください。
この場合は、他AIとの比較に加えて、具体的な確認項目も伝えています。他のAIの回答も間違う可能性があるので、良く見えた部分をそのまま正解扱いせず、条件や根拠を確かめます。
7．よくある質問
ChatGPTは、他のAIに嫉妬するのですか？
「悔しい」といった返答が出ても、それだけで人間と同じ嫉妬を経験していると判断できません。この実験で確認できるのは、言い方を変えた後の回答内容です。
GeminiやClaudeなど、名前を出した方が効きますか？
今回の実験ではAI名による違いは調べていません。名前の影響を調べるなら、その他の言葉を同じにした別の比較が必要です。名指しするほど効果が上がるとは言えません。
回答が長くなったら、良くなったと言えますか？
必要な説明や条件が追加されたなら、改善と評価できる場合があります。ただ、同じ話の繰り返しや、未確認の事実が増えた場合は別です。長さと正確さを分けて見ます。
「間違っています」と言えば、正しく直してくれますか？
訂正される場合はありますが、正しく直る保証はありません。関連研究には、正解を誤答へ変えた例もあります。誤りを指摘するなら、どの計算・条件・資料と合わないかも伝え、直した答えを確かめます。
一度うまくいったら、毎回使ってよいですか？
一度の成功だけで、どの質問にも効くとは判断できません。モデル、日時、会話、課題の種類が変われば結果も変わり得ます。自分の用途で、具体的な修正依頼と比較してみるのがよいでしょう。
8．まとめ｜「良くなった」の中身を確かめよう
本で見かけた小さなテクニックから、「AIへの言い方で、答えの質は変わるのか」という疑問が生まれました。関連研究を読むと、入力する言葉が出力に影響することと、再考が必ず正しい訂正になるわけではないことが分かります。
- 回答の変化と、品質の改善を分ける。長さや謝罪だけで評価しない。
- 普通の再考とも比べる。他AIに触れた一言だけが効いたのか確かめる。
- 正解を保ったかも見る。新しい回答を自動的に正解にしない。
今回の3問では、他AIとの比較を伝えて説明が明確になった例がありました。ただし、普通の再考でも改善し、初回から条件を満たす回答もありました。比較の一言が、普通の再考より特別に効果的だとまでは確認できませんでした。少数の例なので、ChatGPT全体やすべての質問へ一般化はできません。
普段AIを使うときも、「もっと良くして」と頼んだ後に、何が良くなったのかを一つ確認する。そのひと手間が、回答の雰囲気だけで判断するのを防いでくれます。
参考資料
関連研究の確認日：2026年10月7日。公開年と実験対象の違いに注意してください。全文や詳しい書誌情報は、各資料を開くと確認できます。
- 感情に訴える文を足した研究｜EmotionPrompt（2023）
入力への感情的な文の追加と、研究対象の課題での性能変化を検討。今回の一文そのものの証明ではありません。
研究を読む（arXiv） - ユーザーに合わせすぎる振る舞い｜Anthropic（2023）
迎合と、回答を疑われた際の誤った訂正を検討。現在のモデルに同じ結果を当てはめることはできません。
研究概要を読む論文の書誌情報を見る
Sharma et al. “Towards Understanding Sycophancy in Language Models.” 初版2023年。arXiv掲載版は2025年5月に改訂されています。 - AIの自己修正を整理したレビュー｜Kamoiら（2024）
自己修正を評価する条件や、信頼できる外部フィードバックの役割を整理。
論文を読む（ACL Anthology）論文の書誌情報を見る
Ryo Kamoi et al. “When Can LLMs Actually Correct Their Own Mistakes? A Critical Survey of Self-Correction of LLMs.” Transactions of the Association for Computational Linguistics, 12, 1417–1440, 2024. DOI: 10.1162/tacl_a_00713.