Chain of Thought（思考の連鎖）とは
Chain of Thought（CoT：思考の連鎖）は、結論を出す前に、途中の考え方を順に書かせる手法です。計算、条件の多い判断、複数の手順を踏む推論などで精度が上がることが知られています。
LLMは、前に書いた文章を手がかりに次の言葉を選びます。いきなり結論を書かせると、途中の計算や確認を飛ばして誤りやすくなります。途中の考えを書かせると、その一つひとつが次の判断の足場になります。
やり方は大きく2つです。「段階的に考えてください」のように指示だけで促す方法と、考え方の手順を含んだ例を示す方法です。業務では、確認すべき観点を順番に指定する形が使いやすいです。最近は、内部で考えてから答える「推論モデル」も増え、明示的な指示が要らない場面も出ています。
途中の考えが見えると、人がどこで誤ったかを確かめやすくなる利点もあります。ただし、書かれた理由が実際の判断の過程と一致するとは限りません。重要な判断では、結論と理由の両方を人が確かめます。
具体例
経費精算の規程チェック
悪い例では、AIはいきなり結論を出します。条件の見落としがあっても、どこで間違えたか分かりません。良い例は、確認する観点を順番に示し、最後に結論を書かせています。上限額の計算や例外規定の当てはめを飛ばしにくくなります。人が理由を読んで判断を確かめることもできます。
この出張旅費の申請は規程上OKですか？
添付の旅費規程に照らして、次の申請が認められるか判断してください。 次の順に確認し、各項目の結果を書いてから結論を出してください。 1. 出張の区分（日帰り・宿泊） 2. 宿泊費の上限と申請額の比較 3. 交通手段が規程の条件を満たすか 4. 例外規定に当たるか # 出力形式 各項目：確認結果（根拠の条文番号） 結論：承認可／差し戻し（理由を1文）
推論モデルを使うとき
内部で考えてから答える推論モデルでは、「段階的に考えて」と書かなくても途中の検討が行われます。この場合は、考え方を細かく指示するより、確認すべき観点と結論の形を伝えるほうが効果的です。