カスタム指示の仕組み

レッスン1で、カスタム指示がAIへの「永続的な自己紹介」であることを学びました。このレッスンでは、その自己紹介がAIの内部でどう処理されるかを掘り下げます。

優先順位の階層

AIは複数の指示を同時に受け取っています。どれが優先されるかを理解すると、なぜ「設定したのに無視される」問題が起きるかがわかります。

① システムプロンプト（プラットフォーム側の基本ルール）
  └── ② カスタム指示 / プロジェクト指示
        └── ③ 会話の文脈（過去のメッセージ）
              └── ④ 今回のプロンプト（直接の質問）

ルール： 番号が大きいほど優先度が高い。つまり「今回のプロンプト」が最も強い指示です。

カスタム指示に「200文字以内で答えて」と書いていても、プロンプトで「この論文を詳しく分析して」と入力すれば、AIは長文で応答します。これはバグではなく設計どおりの動作です。

✅ Quick Check: カスタム指示に「箇条書きで答えて」と設定しました。プロンプトで「物語形式で説明して」と入力したらどうなりますか？（物語形式で応答されます。プロンプトはカスタム指示より優先順位が高いからです。）

カスタム指示 vs メモリ vs プロジェクト

3つの仕組みは似ているようで、まったく違います。

機能	設定者	持続性	用途
カスタム指示	ユーザーが手動で書く	すべての新しい会話に適用	基本ルール（トーン・形式・役割）
メモリ	AIが会話から自動学習	蓄積型（会話を重ねるほど増える）	ユーザーの好みや背景を記憶
プロジェクト	ユーザーがプロジェクト単位で設定	そのプロジェクト内のみ	業務別の専用設定 + 参考ファイル

メモリの落とし穴： ChatGPTのメモリは便利ですが、カスタム指示と矛盾することがあります。たとえばカスタム指示に「ですます調で」と書いていても、以前の会話で「レポートだからだ・である調で」と依頼した記録がメモリに残ると、AIがトーンを迷いはじめます。

対策： 設定 → 個人設定 → メモリを定期的に確認して、矛盾する項目を削除しましょう。

日本語のトークン効率

ここが日本語ユーザーにとって非常に重要なポイントです。

トークンとは： AIがテキストを処理する最小単位です。英語では1語≒1トークンですが、日本語では1文字が1〜3トークンになることがあります。

実例：

英語: "Please summarize this report"  → 約5トークン
日本語: "このレポートを要約してください"  → 約12〜15トークン

カスタム指示の文字数制限は約1,500文字（ChatGPTの場合）。英語なら300語相当書けますが、日本語では実質100〜150語程度です。

効率的に書くコツ：

「〜してください」→「〜して」（丁寧さは意味に影響しない箇所で省略）
修飾語を削る：「できるだけ簡潔に」→「200文字以内」
数値で指定：「短めに」→「3行以内」
キーワード部分は英語OK：「bullet points」「conclusion first」

✅ Quick Check: 日本語カスタム指示で「必要に応じて適切な長さで丁寧にお答えください」と書くのと「結論先。200文字。箇条書き。」と書くの、どちらが効果的ですか？（後者です。AIにとって前者は「何も指定していない」のとほぼ同じです。具体的な数値やフォーマット指定が効果を発揮します。）

丁寧さのパラドックス

早稲田大学と理化学研究所の2024年の研究（尹子旗ら）で面白い結果が出ています：

カジュアルなプロンプト → 推論精度が高い
丁寧なプロンプト → 応答が長く詳しい

つまり「正確な回答」と「丁しい回答」でトレードオフがあるのです。

実践ルール： カスタム指示では指示的＋最低限の丁寧さの組み合わせがベスト。

✓ 「結論先。ですます調。200文字以内。」（指示的 + 結果の丁寧さ）
✗ 「お忙しいところ恐れ入りますが、できれば結論からお話しいただけると助かります」（入力が丁寧すぎて指示が曖昧）

まとめ

AIはプロンプト > カスタム指示 > システムプロンプトの優先順位で処理する
カスタム指示（手動・固定）、メモリ（自動・蓄積）、プロジェクト（業務別）は別物
日本語は英語の2〜3倍トークンを消費するため、簡潔に書く技術が重要
丁寧さのパラドックス：指示は簡潔に、出力のトーンだけ丁寧に設定する

次のレッスン

仕組みがわかったところで、レッスン3ではRISENフレームワークを使って実際にカスタム指示を書いてみます。最初の1セットをゼロから完成させましょう。