ラテラルシンキングでAIプロンプトの精度を上げる

核心

AI判定の精度向上を考えるとき、「入力データを増やす」「モデルを変える」だけでなく、プロンプト構造を変えるというコストゼロの選択肢がある。

具体的な手法: コンフルエンス分析 + 確信度スコア

複数ルールの補強/矛盾関係をプロンプトに定義し、AIに**確信度（0-100）**を出力させる。

補強関係（同方向） → 確信度UP (+15)
矛盾関係（逆方向） → 確信度DOWN (-20)、見送り推奨

これにより「精度を上げる」と「外れても損しにくい」の両面をカバー。

ラテラルシンキングの5つの視点転換

視点	問い
入力を変える	データ以外の判断材料は？
判定者を変える	1つのAIだけが最善か？
時間軸を変える	毎回ゼロから判定する必要があるか？
出力を変える	二択/三択が最善か？
否定する	精度以外に勝つ方法は？

学び

プロンプト改善は「文言を磨く」ではなく「構造を変える」が最もインパクトが大きい。