プロンプションズ、動的UIコントロールでAIプロンプトの精度を向上させる

AI システムを利用する誰もが経験している frustration：プロンプトを入力しても、回答が的を外し、そのサイクルが繰り返される。この試行錯誤のループは予測不能で、やる気を削ぐように感じられることがある。これを解決するため、私たちは「Promptions（prompt + options）」を発表します。これは開発者が AI インターフェースを構築する際に、より精密なユーザー制御を実現するための UI フレームワークです。 そのシンプルなデザインにより、追加の文脈を必要とするあらゆる環境への統合が容易です。顧客サポート、教育、医療などがその例です。Promptions は MIT ライセンスの下で提供されており、Microsoft Foundry Labs（新しいタブで開く）および GitHub で入手可能です。 Promptions は、「Dynamic Prompt Middleware: Contextual Prompt Refinement Controls for Comprehension Tasks」という私たちの研究に基づいています。このプロジェクトは、知識労働者が「作成」ではなく「理解」を目的として生成 AI をどのように利用するかを検証したものです。公的な議論の多くがテキストや画像の生成に焦点を当てている一方で、「理解」には、AI に説明させたり、明確化したり、教えるよう依頼するタスクが含まれます。これはすぐに複雑になる可能性があります。スプレッドシートの数式を考えてみましょう。あるユーザーは単純な構文の分解を望むかもしれませんし、別のユーザーはデバッグガイドを必要とするかもしれません。さらに別の人には同僚に教えるのに適した説明が求められるかもしれません。同じ数式でも、ユーザーの役割、専門知識、目的によって、全く異なる説明が必要になることがあります。 これらの一見単純なリクエストの背後には、非常に多くの複雑さが潜んでいます。ユーザーはしばしば、質問の表現方法が AI が必要とする詳細レベルと一致していないことに気づきます。本当に何を求めているのかを明確にするためには、長く注意深く言葉を選んだプロンプトが必要となり、作成する際に疲れてしまいます。また、自然言語とシステム動作との間のつながりが常に明確ではないため、AI が特定の要求をどのように解釈するかを予測するのは困難です。結局のところ、ユーザーは自分が学びたいと思っていた内容を理解することに費やす時間よりも、相互作用そのものを管理することに多くの時間を費やしてしまいます。 ユーザーが AI の出力をどのようにガイドしたいかを特定する これらの課題がなぜ持続しているのか、そして人々がどのようにして AI をカスタマイズされた結果へと導くことができるかを探るために、技術職および非技術職の知識労働者に対して 2 つの研究を実施しました。その経験は、Promptions の設計を導いた重要なギャップを浮き彫りにしました。 最初の研究には、エンジニアリング、リサーチ、マーケティング、プログラム管理にわたる 38 名の専門家が参加しました。参加者は、AI の応答を形成するための静的なプロンプト改善オプション（長さ、トーン、または「～から始める」など）を提供するデザインのモックアップを検討しました。 これらの静的なオプションは有用でしたが、参加者が理解しようとしていた特定の式、コードスニペット、またはテキストには適応できませんでした。また、参加者は指示を入力することなく、応答のトーン、詳細さ、またはフォーマットを直接カスタマイズする方法も望んでいました。 動的な改善が重要な理由 2 つ目の研究では、制御実験においてプロトタイプを検証しました。第 1 の研究から得られた静的なデザインである「Static Prompt Refinement Control」（Static PRC）と、参加者のフィードバックに応じて機能する特徴を備えた「Dynamic Prompt Refinement Control」（Dynamic PRC）を比較しました。生成 AI に精通した技術専門家 16 名が、コードの説明、複雑なトピックの理解、新スキルの習得にわたる 6 つのタスクを完了しました。各参加者は両方のシステムをテストし、公平な比較のためにタスク割り当てはバランスよく行われました。 Dynamic PRC と Static PRC を比較した結果、動的なプロンプト改善オプションがユーザーのコントロール感や探索行動にどのように影響を与えるか、またそれらが理解の振り返りをどう支援するかについて重要な知見が得られました。 静的なプロンプト改善 Static PRC は、初期研究で特定された一連の事前選択済みコントロール（図 1）を提供しました。これらのオプションは、説明を求めるさまざまな種類のプロンプトに対して有用であると考えられています。 動的なプロンプト改善 Dynamic PRC システムは、ユーザーの入力に基づいて自動的にプロンプトオプションと改善案を生成し、リアルタイムで提示するように構築されました。これにより、ユーザーはこれらのコントロールを調整して AI の応答をより精密に誘導できるようになります（図 2）。 医療における AI 革命の再考 Microsoft のピーター・リーと共に、AI がヘルスケアにどのような影響を与え、医療の未来にとって何を意味するのかを探る旅に参加してください。 参加者たちは一貫して、動的コントロールにより、プロンプスを繰り返し言い換えることなくタスクのニュアンスを表現しやすくなったと報告しました。これによりプロンプトエンジニアリングにかかる負担が軽減され、ユーザーはフレーミングの仕組みを管理するよりもコンテンツを理解することに注力できるようになりました。 文脈に応じたオプションは、ユーザー自身が独自に考えなかったような改良を試すよう促しました。この行動様式は、動的 PRC（Prompt Refinement Controls）がユーザーの AI 解説への関与の幅を広げ、初期の意図を超えたタスクへの新たなアプローチ方法を発見する手助けとなる可能性を示唆しています。探索だけでなく、動的コントロールは参加者に対して目標についてより慎重に考えるよう促しました。「学習目標」や「回答形式」といったオプションは、概念の適用に関するガイダンスが必要なのか、それとも段階的なトラブルシューティング支援が必要なのかといった、必要なものを明確化するのに役立ちました。 参加者たちは動的 PRC の適応性を高く評価する一方で、その解釈がより困難であると指摘しました。一部の参加者は、選択したオプションが回答にどのような影響を与えるかを予測することに苦戦し、コントロールの効果が出力が表示されて初めて明らかになるため、制御手段が不透明だと感じました。 しかし、動的 PRC に対する全体的な肯定的な反応は、Promptions が広く有用であることを示しており、これにより開発者コミュニティへの共有へとつながりました。 技術設計 Promptions は、ユーザーと基盤となる言語モデルの間に位置する軽量なミドルウェアレイヤーとして機能します（図 5）。主なコンポーネントは以下の 2 つです。 Option Module. このモジュールはユーザーのプロンプトと会話履歴をレビューし、一連の改善オプションを生成します。これらは、AI がプロンプトをどのように解釈するかを直接形作るインタラクティブな UI 要素（ラジオボタン、チェックボックス、テキストフィールド）として提示されます。 Chat Module. このモジュールは、洗練されたプロンプトに基づいて AI の応答を生成します。ユーザーがオプションを変更すると、応答が即座に更新されるため、反復的なプロンプトのサイクルというよりも、進化していく会話のようなインタラクションになります。 アプリケーションへの Promptions の追加 Promptions は、あらゆる対話型チャットインターフェースに容易に統合できます。開発者は、オプションを表示するコンポーネントを追加し、AI システムに接続するだけで済みます。セッション間でデータを保存する必要はないため、実装はシンプルに保たれます。Microsoft Foundry Labs (新しいタブで開く) リポジトリには、このデザインを実践で示す 2 つのサンプルアプリケーション、つまり汎用チャットボットと画像生成器が含まれています。 Promptions は、ユーザーが文脈を提供する必要があるが、すべてを記述したくないインターフェースに特に適しています。長い説明を入力する代わりに、AI の応答を自分の好みに合わせるよう導くコントロールを調整できます。 さらなる探求のための質問 Promptions は将来の研究に向けて重要な問いを提起しています。主要なユーザビリティの課題としては、動的オプションが AI の出力にどのように影響するかを明確化することや、複数のコントロールによる複雑性を管理することが挙げられます。その他の問いには、即座に行える調整と恒久的な設定のバランスを取る方法や、ユーザーがオプションを共同で共有できるようにする仕組みが含まれます。 技術的な側面では、より効果的なオプションの生成、動的インターフェースの有効性とカスタマイズの検証、関連文脈の自動収集、そしてセッションを超えてオプションセットを保存・共有できる機能のサポートに焦点が当てられています。 これらの問いに加え、コラボレーション、倫理、セキュリティ、スケーラビリティといったより広範な考慮事項が、Promptions および関連システムに関する当社の継続的な取り組みを導いています。 Promptions をオープンソース化することで、開発者がより賢く、反応性の高い AI 体験を生み出す手助けができることを願っています。 Microsoft Foundry Labs で Promptions を探索する（新しいタブで開きます） ![](https://www.microsoft.com/en-us/research/wp-content/uploads/2025/12/Promptions-BlogHeroFeature-1400x788-1.jpg) ![図 1: 静的な PRC インターフェース](https://www.microsoft.com/en-us/research/wp-content/uploads/2025/12/blog-fig02-staticprc-1.png) 図 2. ダイナミック PRC システムにおけるインタラクションフロー。(1) ユーザーはシステムに長い Excel 数式の解説を依頼します。(2) ダイナミック PRC が詳細レベル、焦点領域、学習目標といった精緻化オプションを生成します。(3) ユーザーがこれらのオプションを変更します。(4) AI は選択されたオプションに基づいて解説を返します。(5) セッションチャットパネルで、ユーザーは応答の構造や形式を制御するよう追加リクエストを入力します。(6) ダイナミック PRC はこの入力に基づいて新しいオプションセットを生成します。(7) AI は新たに適用されたオプションを反映した更新版の解説を生成します。 ![](https://www.microsoft.com/en-us/research/wp-content/uploads/2025/06/Episode7-PeterBillSebastien-AIRevolution_Hero_Feature_River_No_Text_1400x788.jpg) 図 3. 主要な評価基準における、静的 PRC と動的 PRC のユーザー選好の比較。 図 4. 静的 PRC と動的 PRC の有効性を比較した参加者による評価 ![図 5. Promptions ミドルウェアのワークフロー。(1) オプションモジュールはユーザーのプロンプトと会話履歴を読み込み、(2) プロンプトオプションを生成します。(3) これらのオプションは専用コンポーネントによってインラインでレンダリングされます。(4) チャットモジュールはこれらの洗練されたオプションを元のプロンプトおよび履歴と共に組み合わせて応答を生成します。(5) ユーザーがコントロールを調整すると、その refinements が更新され、チャットモジュールはそれに応じて応答を再生成します。](https://www.microsoft.com/en-us/research/wp-content/uploads/2025/12/blog-fig07-systemflow-1.png)

プロンプションズ、動的UIコントロールでAIプロンプトの精度を向上させる

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト