「プロンプトの因数分解学(3)mini」——Rの素因数分解 —— “誰として”が問いを変える【コラム】思好の科楽（その82）

🎯 本コラムのねらい（3つのポイント）

• プロンプトに「誰として答えてほしいか」を加えることで、AIの応答の視点や語り口が劇的に変わることを学びます。

• 役割（Role）は「知識レベル・スタンス・社会的視点」という3つの要素で構成できるという視点を得られます。

• 問いの語り手を意識的に設計することで、AIとの対話がより人間らしく、共感的で実用的なものになる体験を得られます。

◆ これまでのふりかえり：

前々回（その80）では、プロンプトの式は以下のように表すことができると学びました。

$${Prompt=P×R×C×F}$$

そして、その設計図をつくる4つの要素がこちら：

• $${P}$$ = Purpose（目的）：何をしてほしいのか？

• $${R}$$ = Role（役割）：誰として答えてほしいのか？

• $${C}$$ = Context（文脈）：何についての話か？

• $${F}$$ = Format（形式）：どんな形で答えてほしいのか？

更に、前回（その81）では、このプロンプトの「$${P}$$＝Purpose（目的）」を構成する最小の思考欲求として、

• $${P_1​}$$= 理解（Understand）
  ┗ 「知りたい」「把握したい」という欲求。

• $${P_2}$$​= 判断（Evaluate）
  ┗ 「比べたい」「選びたい」「評価したい」という欲求。

• $${P_3​}$$= 行動（Generate）
  ┗ 「生み出したい」「提案したい」「行動したい」という欲求。

という3つの素因子を見出しました。

つまり、目的$${P}$$を素因数分解した式は以下のようになります。

$${P(目的)=P_1(理解)×P_2(判断)×P_3(行動)}$$

この問いの"目的"が明確になると、ChatGPTの答えは“ぼやけた返事”から“クリアな応答”へと変化しました。
今回はプロンプトを構成する2つ目の因子、$${R}$$＝Role（役割）について、素因数分解を試みることにします。

◆ “誰として答えるか”で、AIの人格が変わる？

たとえば、こんな問いを考えてみます。

このように、ChatGPTは中立的に事実を並べるかもしれません。
でも、次のように“役割”を指定すると、語り口も内容も一変します。

あるいは、

“誰として”語るか。それだけで、同じ知識でも、視点もトーンも全く変わるんです。
それが、$${R}$$＝Role（役割）の力です。

◆ Rの素因数分解：役割は3つの要素でできている

プロンプトにおける「役割（$${R}$$）」は単なる肩書きではありません。
ChatGPTに“語り口”を与えるものとして、次の3つの因子で構成されていると考えられます。

• $${R_1}$$ = 知識レベル（Knowledge Depth）
  　┗ 専門家／一般人／初心者／子ども など、
  　　どのくらいの"深さ"で話してほしいか？

• $${R_2}$$ = 姿勢・スタンス（Tone / Attitude）
  　┗ 厳しい／優しい／冷静／熱意ある／ユーモアあり など、
  　　どんな“感情”で話してほしいか？

• $${R_3}$$ = 社会的視点（Perspective）
  　┗ 親として／上司として／ユーザーとして／未来人として など、
  　　どんな“立場”から語ってほしいか？

この3つの掛け算で、回答するChatGPTの“人格設定”ができるのです。

◆ プロンプト例で見てみよう

「$${R}$$＝役割」を構成する要素（知識レベル・スタンス・社会的視点）を明確にすると、
ChatGPTの語り方や中身がどれだけ変わるのか？
実例で比較してみましょう。

🔍 例題に含まれるRの素因子：

このプロンプトには次のような役割設定（$${R}$$の素因数分解）が含まれています。

• 知識レベル（$${R_1}$$）＝初心者向けに

• スタンス（$${R_2}$$）＝優しく

• 社会的視点（$${R_3}$$）＝上司として部下に

つまり、式で表すと：

$${R=R_1（初心者）×R_2（優しく）×R_3（上司として）}$$

このように構成されたプロンプトでは、ChatGPTの“語り手の人格”が意図通りに設計されるのです。

🅰️ あいまいなプロンプトの場合

🅰️ 回答例

📌 全体の要約。
語り手の視点やトーンに指示がないため、中立的かつ情報の羅列的なまとめになっています。

🅱️ 構造化されたプロンプト（R明示）の場合

🅱️ 回答例

📌 視点・語調・立場すべてが明確。
“優しい上司”というロールが反映されており、語り手の“人柄”まで感じられる回答になっています。

このように、プロンプトにおける$${R}$$（Role）を構造的に設計するだけで、
ChatGPTの返答は“情報”から“対話”へと質的に変化するのです。

◆ Rの調整は、出力の“人格デザイン”である

プロンプトで$${R}$$を指定することは、AIのキャラクター設計に近い行為です。

• $${R_1(専門家) × R_2(厳しめ) × R_3(公的立場)}$$ → 論文調の指摘

• $${R_1(一般人) × R_2(やわらかく) × R_3(SNS視点) }$$→ 親しみある投稿文

つまり、プロンプトとは、答えの人格を設計する装置でもあるのです。

◆ 最後に、ちょっと想像してみてください

あなたがChatGPTに何かを尋ねるとき、
その“語り手”はどんな人物像ですか？

• 専門知識をもった冷静な助言者？

• 子どもにもわかるように話す優しい先生？

• あなたの代わりに投稿を考えてくれるSNS担当者？

プロンプトに「誰として話してほしいか」を加えるだけで、
答えの“温度”ががらっと変わるかもしれません。

本コラムは、生成AI・ChatGPTと共創して執筆されました。
AIとの対話を通して、「問いの人格」までも設計する探求の一歩です。

🔜 次回予告：「Cの素因数分解」へ

次回（その82）では、「$${C}$$＝文脈」に注目します。
「何についての問いか」が不明瞭なとき、なぜAIの答えがかみ合わないのか？
文脈の粒度と構成を分解しながら、問いの“素材の選び方”を考えていきます。

プロフィール｜Kazuomi Matsunaga

🧭思考の案内人｜Thinking Navigator

略歴：九州大学工学部卒業（材料工学）⇒中京地区の金属素材メーカーエンジニア（生産技術）⇒地元長崎県のフリーペーパー広告営業⇒学校法人職員（←いま、ココ）。長崎県在住の50代。こどもは二人とも大学生となって巣立ち、妻と二人暮らし中。
“問い”と“好奇心”の交差点で、日々思考を遊ばせている書き手です。最近は、連載コラム「思好の科楽（しこうのかがく）」シリーズを中心に、教育・物語・心理・AI・デザインなどをテーマとした独自視点の思索を綴っています。既存の枠を超えた“自由な知のデザイン”を模索中。モットーは「想像力が世界をひらく」。
本業では大学・教育関連の仕事に携わりつつ、「人が何かを“好き”になる瞬間」や「問いが芽吹く場面」を丁寧に見つめることを大切にしています。
🧭 読んだあと、あなたの中に“新しい見方”がひとつ芽生えるような。そんな記事をお届けできたらうれしいです。
📮 感想や応援メッセージ、いつでも大歓迎です！