Chain of Draftとは？CoTを短く安く使う判断基準と完成プロンプト

この記事の監修者

リスキルAIキャリア編集部

リスキルAIキャリアは、AI時代の学び直し・キャリア形成・副業・転職に役立つ情報を発信するWebメディアです。編集部では、生成AIスキルの身につけ方、AI関連スクール・講座の選び方、キャリアアップにつながる学習方法などを、実務目線でわかりやすくお届けしています。

Chain of Draft（CoD）は、CoTの途中説明の出力を制限するプロンプト手法です。まず結論です。

• 向く業務：大量・低リスクの分類、要約、議事録の下処理
• 避ける業務：計算、契約、医療、個人情報など根拠確認が必要な処理
• 判断法：同じ入力5件をCoTとCoDで通し、出力トークン・正答・修正時間で採否を決める

定義から入ると試すのが遅れます。先にコピペで使える完成プロンプトを置きます。

あなたは業務分類アシスタントです。
判断メモは最大3行、各行15字以内。
長い理由説明は禁止。
最終回答は次の形式のみ。

判断メモ:
- 
- 
- 

最終回答:
ラベル: 資料請求 / 料金相談 / 解約 / その他
信頼度: 高 / 中 / 低
例外確認: 必要 / 不要

CoDは「短く考えさせる」手法ではなく、「途中説明の出力を制限する」手法です。思考量を減らすのではなく、出力される説明の量を絞る点が要点です。

Chain of Draft（CoD）とは？CoTの説明出力を絞る手法

CoDは、Chain of Thought（CoT）の冗長な説明を、要点だけの短いメモへ置き換えます。CoTが「考えを全部書き出す」なら、CoDは「メモ書きだけを残す」形です。狙いは出力トークン削減によるコスト低下と応答の高速化です。

最終回答の形式は削りません。削るのは途中説明だけです。ここを混同すると、答えまで短くなって使えなくなります。CoDは判断メモを短く、最終回答は厳密に、という2段構えで設計します。

原論文が報告した定義と数値

出典は論文『Chain of Draft: Thinking Faster by Writing Less』です。arXiv:2502.18600で2025年に公開されました。著者はSilei Xuらで、所属はZoom Communicationsです。評価タスクはGSM8Kやdate understanding、対象モデルはGPT-4oとClaude 3.5 Sonnetです。

GSM8K（算数文章題）をGPT-4oで解いた報告値が下表です。数値は論文報告値で、二次情報の数字とは分けて扱います。

「約8割削減」はGPT-4o×GSM8K×論文条件の値であり、単独で見出しに使う数字ではありません。モデルやタスクが変われば、削減率も正答差も動きます。この節の要点は、数字は必ず条件とセットで読むことです。

Chain of DraftとCoTの違いを一覧で比較

両者の差は「途中経過をどれだけ出力させるか」に集約されます。検索で比較したい実務項目を下表に並べます。

監査が必要ならCoT、低リスクの大量処理ならCoDです。CoTの思想差は思考の連鎖プロンプトとは？2026年の使いどころと書かない基準と読み比べると見えます。この節の要点は、比較軸は速度と可読性だけでなくリスク検知まで見ることです。

Chain of Draftのコスト削減を試算するフレーム

「安くなる」を金額で判断します。API従量課金では、次の式で月間の削減額が出ます。

月間削減額 = 月間実行回数 × 1回あたり削減出力トークン ÷ 1,000,000 × 出力1Mトークン単価

具体例です。月5,000回、1回あたり出力400トークン削減、出力1Mトークン単価$4.00の場合を計算します。

5,000 × 400 ÷ 1,000,000 × 4.00 = $8.00/月

単価は各社の公式料金ページが一次情報です。OpenAI、Anthropic、Google Geminiの3ページで確認します。本記事の単価は試算用の仮定値です。実際の金額は運用前に各公式ページで確認します。

月100万トークン規模では節約額は小さくなります。だから個人副業では、金額だけでなく時間短縮と品質の安定も判断材料に入れます。削減率は机上の仮定でなく、自分の入力で測った実測値を使います。この節の要点は、削減額は式で出し、単価は公式で確認することです。

CoDプロンプトの日本語テンプレ（用途別）

冒頭の完成プロンプトを、用途別に調整します。判断メモは短く、最終回答は形式を固定します。分類タスク用は、ラベルだけを最終回答にします。

• 判断メモは最大2行、各15字以内
• 最終回答はラベルのみ
• ラベルは「資料請求／料金相談／解約／その他」から選ぶ

議事録用は、補完を禁止して欠落を見えるようにします。

• 判断メモは最大3行、各15字以内
• 最終回答は「決定事項／ToDo／保留」の3見出し
• 不明点は補完せず「不明」と書く

モデルが説明を足す場合は、お手本を1〜2例（few-shot）足すと安定します。判断メモは短く、回答形式は厳密に、を分けて指定するとCoDが崩れません。この節の要点は、用途ごとに最終回答の形式を先に決めることです。

主要モデル別のCoD挙動差と本番前の確認手順

同じテンプレでも、モデルごとに出力の癖が出ます。ただし癖はモデル更新で変わります。断定せず、本番前に同じ入力10件で確認します。

• GPT系: 指示に素直だが、条件が緩いと補足を足す場合がある
• Claude系: 説明を補う出力になる場合がある。前置き禁止を明記する
• Gemini系: 箇条書き整形が得意な一方、見出しを増やす場合がある

傾向は観察されやすいものの、常用モデルで再確認します。確認項目は次の4点です。

• 前置きを勝手に足さないか
• 指定ラベル以外を出さないか
• 判断メモの行数・文字数制限を守るか
• 不明時に推測で埋めないか

経験則で決めず、同じ入力10件の実測で癖を確かめます。この節の要点は、モデルの癖は固定せず本番前に検証することです。

Chain of Draftは副業・実務のどのタスクで得か

CoDが利くのは「件数が多く手順が単純」な処理です。件数が少ないとメリットは薄いです。件数目安つきで判定します。

「件数が多い×手順が単純」の掛け算が大きいほど、CoDの節約が実利になります。型を体系的に押さえたい人はプロンプトのフレームワーク9選｜暗記より使い分けで成果を出すも確認できます。この節の要点は、件数とリスクの2軸で適性を判定することです。

Chain of Draftを使わない基準（なぜ危険か）

CoDには不向きな領域があります。次のどれかに当たるなら、原則避けます。使う場合は外部計算・人間レビュー・根拠出力を併用します。

• 計算：税率や単価の途中確認が消え、金額ミスを検知しづらい
• 契約：免責・損害賠償・解除条件の根拠条文を追えない
• 医療：判断理由が省略され、専門家確認に回せない
• 個人情報：分類ミスで要配慮情報を通常処理に流す可能性がある
• 多段推論：途中を飛ばすと結論が破綻する
• 小型・軽量モデル：短縮指示で精度が落ちやすい

省略が結果を変える領域では、削ったトークン以上の手戻りが出ます。この節の要点は、危険領域では根拠出力を残す設計に切り替えることです。

CoD導入前の5件テスト（記入例つき測定シート）

本番投入前に、同じ入力5件でCoTとCoDを比較します。数字を記録して採否を決めます。削減率は次の式で出します。

削減率 = 1 - CoD出力トークン ÷ CoT出力トークン

下表は測定シートの形式です。1行目は当サイトの検証結果ではなく、記入例です。

採用基準は次の4点です。

• 出力トークンが30%以上減る
• 正答率がCoTと同等、または差が許容範囲
• 修正時間が増えない
• 例外ケースで重大ミスが出ない

1つでも満たさない場合は、CoDをやめて通常プロンプトかCoTに戻します。この節の要点は、採否を印象でなく5件の実測で決めることです。

CoDを使えるだけでは実務スキルにならない

副業案件では、納品速度だけでなく、誤分類・金額ミス・個人情報混入を避ける設計を説明できないと継続受注につながりにくいです。現場で見られるのは、プロンプト名の暗記ではなく次の判断です。

• CoDを使ってよい業務かを判断できる
• CoTに戻すべき業務を見分けられる
• トークン削減額と修正時間を比較できる
• 法務・金額・個人情報など危険領域を避けられる
• モデルや料金の変更時に再検証できる

ポートフォリオでは、5件テストの削減率・正答率・修正時間を並べると、プロンプト例より実務判断を示せます。PEP検定対策では、CoDという名称の暗記よりも、①使う業務、②使わない業務、③検証指標、④リスク時の戻し方を説明できる状態にします。この記事の5件テスト表を埋めると、プロンプト設計・評価・リスク判断の学習材料になります。

PEP検定で問われる生成AI活用・リスク判断を体系的に確認するなら、PEP検定の出題範囲と勉強法でチェックします。この節の要点は、名称暗記でなく使い分けの説明力を作ることです。

CoT・Skeleton-of-Thoughtとの使い分け

手法は目的で選びます。次の4分岐で判断します。

• 根拠確認が必要 → CoT
• 計算・税・契約 → CoT＋外部ツール
• 大量の分類・要約 → CoD
• 長文構成を先に固める → Skeleton-of-Thought

この記事ではCoDの判断に絞ります。Skeleton-of-Thoughtの詳細は別記事で扱います。この節の要点は、CoDを単独でなくCoT・SoTと分業させることです。

よくある質問

Chain of Draftは日本語でも効果がありますか？

効果は出ますが、英語論文の報告値をそのまま日本語業務へ外挿しません。日本語では「15字以内・3行以内」など別の制約を置き、自分の入力で実測します。論文の約8割削減は前提条件つきの数字です。

Chain of Draftは初心者でも使えますか？

使えます。低リスクな分類・要約から始めます。金額・契約・税務では使いません。テンプレを貼り、判断メモを短く、最終回答の形式を厳密に指定するところから始めます。

Chain of Draftはプロンプトインジェクション対策になりますか？

なりません。CoDは出力を短くする手法であり、安全対策ではありません。インジェクション対策は、入力の検証や権限分離など別の仕組みで対応します。

CoDで思考過程を出させるのは安全ですか？

業務では短い判断メモに留めます。根拠が必要な場合は、引用元・入力箇所・計算式を別枠で出します。判断メモだけを最終根拠にしません。

APIを使っていない個人にも意味はありますか？

あります。定額プランでは金額削減より時間短縮の効果が大きいです。大量の分類・要約を回す人は、回答速度と修正時間を見て判断します。

CoDとCoTはどちらを使うべきですか？

単純で量の多い処理はCoD、根拠の説明や厳密な推論はCoTです。金額計算や法務など、省略が事故につながる領域はCoTを選びます。面接では、なぜその選択をしたかを説明できると評価されやすいです。

まず何をすべきか

最初の一歩は、手元の反復タスクでの比較検証です。常用モデルで同じ入力5件にCoTとCoDを通し、出力トークン・正答・修正時間を記録します。削減率が30%以上で、正答と修正時間が悪化しなければ採用します。

CoDは「削っても答えが変わらない仕事」に絞ると、修正時間を増やさず処理量を伸ばせます。得意領域と不向き領域を切り分け、CoT・SoTと分業する設計判断を身につけます。