ある SaaS 企業が、顧客サポートチケットの要約機能を生成 AI で実装した。サービスリリース後、一部の要約に含まれていない重要情報が抜け落ちているという苦情が寄せられた。運用負荷を最小限にしつつこの問題を改善するための、最も適切な対策はどれか。
- A. 全チケットを人間のエージェントが手動でレビューし、AI 要約を補完する体制にする
- B. より大きなパラメータ数のモデルに切り替え、モデルの能力向上で自然解決させる
- C. プロンプトに「必ず含めるべき情報カテゴリ（日付・問題の種類・解決策）」を明示する Few-shot 例を追加し、構造化出力を要求する
- D. チケットデータを使ってモデルをゼロからファインチューニングし直す
解答と解説を見る
正解: C
情報の抜け落ちはプロンプト設計の問題である場合が多い。Few-shot 例と構造化出力指示（例：JSON 形式で日付・問題種別・解決策を必ず含める）を追加することで、モデルが必要要素を確実に出力するよう誘導でき、最も低コストかつ即効性が高い。Bは誤り：モデルサイズを大きくするとコストが上がり、根本原因がプロンプト設計なら効果は限定的。Aは誤り：人間レビューを全件に追加すると運用負荷が大きくなり、AI 導入の利点が失われる。Dは誤り：ファインチューニングは工数とデータ準備コストが高く、プロンプト改善で解決できる問題に対しては過剰な対策。