Chain-of-Thought(思考の連鎖)プロンプティングとは【2026年最新】正答率58%の仕組みと推論モデルでの使い方
最終更新日:2026.11.20
Chain-of-Thought(CoT、思考の連鎖)プロンプティングとは、生成AIに答えだけでなく「途中の考え方」を順に書かせることで、計算や推論の正答率を上げる指示の技法です。
2022年にGoogleの研究者が提唱し、算数の文章題ベンチマーク(GSM8K)で正答率58%と当時の最高水準を記録しました。
一方、2026年時点では推論機能を内蔵したAIが広がり、OpenAIは推論モデルには「段階的に考えて」と指示する必要はないと案内しています。
本記事では、CoTの仕組みと種類、いまの生成AIでの使い分けを一次情報をもとに解説します。
Chain-of-Thoughtプロンプティングの基本
CoTは、Googleの研究者Jason Wei氏らが2022年1月に発表した論文「Chain-of-Thought Prompting Elicits Reasoning in Large Language Models」で提唱されました。
プロンプトに「問題→途中の考え方→答え」という解き方の例を少数(論文では8個)示すと、AIも同じように途中の推論を書いてから答えるようになり、算術・常識・記号推論の課題で成績が上がったとしています。
Google Researchのブログ(2022年5月)によると、5,400億パラメータのPaLMでCoTを使うと、GSM8Kで正答率58%を達成しました。
ただし効果が出るのは「十分な規模(約1,000億パラメータ)」のモデルとされ、小さなモデルでは効果が限られるという点も報告されています。
CoTの主な種類と違い
CoTには、例を示す方法と、ひと言添えるだけの方法があります。後者は小島武氏・松尾豊氏らの研究チームが2022年5月に発表した「Large Language Models are Zero-Shot Reasoners」で示されたもので、問題の後に「Let’s think step by step(一歩ずつ考えよう)」と加えるだけで、MultiArithの正答率が17.7%から78.7%に、GSM8Kが10.4%から40.7%に上がったと報告しています(対象モデルはOpenAIのtext-davinci-002)。
| 種類 | やり方 | 使いどころ(編集部の目安) | 出典での主な結果 |
|---|---|---|---|
| Few-shot CoT | 途中の考え方つきの解答例を数個示す | 解き方の型を揃えたい定型業務 | PaLM 540BでGSM8K正答率58% |
| Zero-shot CoT | 「一歩ずつ考えて」と添えるだけ | 例を用意する手間をかけたくないとき | GSM8K 10.4%→40.7% |
| 推論モデルの内蔵思考 | AIが自動で考えてから答える(指示は不要) | 複雑な分析・多段階の作業 | OpenAI・Anthropicとも追加のCoT指示は基本不要と案内 |
2026年の推論モデルでCoTはどう変わったか
現在の主要な生成AIには、答える前に内部で考える「推論(thinking)」機能が組み込まれています。
OpenAIは推論モデル向けの公式ガイドで「Avoid chain-of-thought prompts」と明記し、モデルが内部で推論するため「段階的に考えて」「理由を説明して」と指示する必要はないとしています。
Anthropicも公式のプロンプトガイドで、思考機能が有効なClaudeには手順を細かく書くより「よく考えて」といった大まかな指示の方がよい推論につながることが多いとし、手書きのCoTは思考機能をオフにしている場合の代替手段と位置づけています。
一部の最新モデルでは推論の書き出しを求める指示が断られる場合があるとも記載しています。
業務で使うときの注意点
まず、使っているAIが推論機能つきかどうかを確認しましょう。推論機能のないモデルや軽量モデルでは、従来どおり「一歩ずつ考えて」や解答例の提示が有効な場面があります。
推論モデルでは、CoTの指示を足すより、目的・前提・確認してほしい基準を明確に書く方が成果につながりやすいとみられます。
また、途中の考え方を書かせると出力が長くなり、時間や利用料金が増える場合があります。途中経過がもっともらしく見えても、結論が正しいとは限りません。
編集部としては、数字や事実は元の資料で確認する運用を残しておくことをおすすめします。各社の仕様は更新が早いため、最新の扱いは公式ドキュメントで確認してください。
まとめ
Chain-of-Thoughtプロンプティングは、AIに途中の考え方を書かせて推論の精度を上げる技法で、生成AIの使い方を学ぶうえでの基礎知識です。
2026年は推論モデルが考える工程を自動で行うため、「いつCoTを書き、いつ書かないか」を使い分けることが実務のポイントになっています。
リスキリングドットコムの視点
ここからは編集部の見解です。CoTの登場から約4年で、「一歩ずつ考えて」という呪文のようなコツは、AI自身が担う工程へと移りつつあります。
これは、社内研修で教えるべき内容も「決まった言い回しを覚えること」から「AIに何を考えさせ、何を人が確かめるかを設計すること」へ移っていることを意味すると考えます。
プロンプトの小技は、モデルの更新で効かなくなることがあります。一方で、目的・前提・判断基準を言葉にする力や、AIの推論過程を読んで誤りに気づく力は、モデルが変わっても通用します。
技法名を入口に、その背景にある考え方まで学ぶことが、長く役立つリスキリングにつながるはずです。
関連記事:Copilot・Gemini・Claude Codeの最新機能まとめ2026─AIは「エージェント」へ進化した
出典元
Wei et al.「Chain-of-Thought Prompting Elicits Reasoning in Large Language Models」(arXiv、2022年1月28日)
Google Research「Language Models Perform Reasoning via Chain of Thought」(2022年5月11日)
Kojima et al.「Large Language Models are Zero-Shot Reasoners」(arXiv、2022年5月24日)
OpenAI「Reasoning best practices」
Anthropic「Prompting best practices」



