【AIの思考整理術】難問をスラスラ解く「Decomposition（分解）」とは？初心者向けに徹底解説
山崎講師こんにちは。ゆうせいです。
みなさんは、夏休みの宿題を最終日まで残してしまい、「うわあ、何から手をつければいいんだ！」とパニックになった経験はありませんか？
あまりにも巨大で複雑なタスクを目の前にすると、人間は思考停止してしまいますよね。
実は、AIもまったく同じなんです。
「このプロジェクトの事業計画書を書いて、収支予測もして、さらにリスク分析までして！」
こんなふうに一度にドサッと仕事を頼むと、AIも混乱してしまい、あやふやな答えを返してくることがあります。
そこで重要になるのが、今回解説するテクニック「Decomposition（デコンポジション）」です。日本語で言うと「分解」ですね。
これは、難しい仕事を小さなサイコロステーキのように切り分けて、AIに一口ずつ食べさせてあげる魔法の方法です。
まずはこの基礎にして奥義である「分解」について、じっくり学んでいきましょう！
Decomposition（分解）ってなに？
一言で言うと、「複雑な問題を、誰でも解けるレベルの小さな問題にバラバラにする作業」のことです。
プロンプトエンジニアリングの世界では、「Least-to-Most Prompting（リースト・トゥ・モスト・プロンプティング）」という手法の核心部分として知られています。
イメージしやすいように、料理で例えてみましょう。
いきなり「カレーを作れ」と言われたら？
料理をしたことがない子供に「カレーを作って」とだけ言うとどうなるでしょうか？
おそらく、野菜を洗わずに鍋に入れたり、ルーを最初に入れたりして、失敗してしまうでしょう。これが「分解なし」の状態です。
手順を「分解」して伝えたら？
では、こう言ったらどうでしょうか？
- まず、手を洗いなさい。
- 次に、ニンジンとジャガイモの皮をむきなさい。
- それらを一口サイズに切りなさい。
- お肉と一緒に鍋で炒めなさい。
これなら、一つ一つの作業はとても簡単ですよね。失敗する確率はグンと下がります。
Decompositionとは、AIに対してこのように「ステップごとに仕事を切り分ける」アプローチのことなのです。
なぜAIに「分解」が必要なの？
「AIはスーパーコンピュータなんだから、一気に計算できるんじゃないの？」
そう思うかもしれません。確かに計算能力は高いのですが、現在の生成AI（LLM）には「注意力の限界」があります。
文章が長く、指示が複雑になればなるほど、AIは「あれ、今の最優先事項はなんだっけ？」と迷子になりやすくなります。その結果、計算ミスをしたり、大事な条件を無視したりする「幻覚（ハルシネーション）」が起きるのです。
問題を分解することで、AIは「今はこの小さな計算だけをすればいいんだな」と集中できるようになり、その結果、驚くほど精度が向上するのです。
具体的な使い方：Least-to-Most Prompting
では、実際の現場でどう使うのか見てみましょう。
ここでは、最も有名な手法である「Least-to-Most Prompting」の流れを紹介します。
この手法は、大きく2つの段階で進めます。
ステップ1：分解（Decomposition）
まず、AIに問題を解かせず、「問題を小さなサブ質問に分解して」と頼みます。
プロンプト例：
質問：「AさんはBさんの2倍の年齢で、BさんはCさんより5歳年上です。Cさんが10歳のとき、Aさんは何歳ですか？」
指示：この問題を解くために必要な、サブ質問のリストを作ってください。まだ答えなくていいです。
AIの回答（分解）：
- Cさんは何歳ですか？
- Bさんは何歳ですか？
- Aさんは何歳ですか？
ステップ2：順次解決（Sequential Solving）
次に、分解した質問を一つずつ順番に解かせていきます。前の答えを次のヒントにするのがポイントです。
プロンプト例：
1番目の質問「Cさんは何歳ですか？」に答えてください。
AIの回答：
10歳です。
プロンプト例：
正解です。ではその答えを使って、2番目の質問「Bさんは何歳ですか？」に答えてください。
こうして階段を登るように進めれば、どれほど複雑な論理パズルでも、AIはつまずくことなく頂上（正解）までたどり着けるのです。
「分解」の効果を数式でイメージしよう
なぜ分解すると成功率が上がるのか、簡単な確率のイメージで考えてみましょう。
巨大な問題 
難しいので、失敗する可能性が高いですね。
では、これを3つの簡単な問題 
すべて連続で正解する確率はこうなります。
つまり、約 
一発勝負だと 
「急がば回れ」を数学的に証明したようなものですね！
Decompositionのメリットとデメリット
この強力な手法にも、良い点と注意すべき点があります。
メリット：圧倒的な正確さ
特に数学の問題、論理パズル、プログラミングのコード生成など、「手順」が重要なタスクにおいて最強の強さを発揮します。また、もし間違えても「あ、ステップ2で計算ミスしてるな」と原因を特定しやすいのも大きな利点です。
デメリット：手間と時間がかかる
一回の質問で終わらないため、何度もやり取りをする必要があります。
APIを使っている場合はコストがかさみますし、チャットで手動で行う場合は人間側の手間が増えます。「今日の天気は？」といった単純な質問には、わざわざ使う必要はありません。
今後の学習の指針
いかがでしたか？
Decomposition（分解）とは、AIに対する「思いやり」のようなものです。
「一気にやって！」と無茶振りするのではなく、「まずはこれから片付けようか」と整理してあげる。そうすれば、AIはあなたの最高のパートナーとして実力を発揮してくれます。
この「分解」の考え方をマスターしたら、次はさらに発展的な学習に進んでみましょう。
- アルゴリズム的思考： 問題を手順化する、プログラマー的な考え方のことです。
- Chain-of-Thought（思考の連鎖）： 分解と考え方が似ている、基本のテクニックです。
- 再帰的プロンプティング： AI自身に分解と回答を繰り返させる自動化の技術です。
次回は、3つの技術のうちの2つ目、AIに「行動」させる技術について解説しますので、楽しみにしていてくださいね！
それでは、またお会いしましょう。ゆうせいでした。
あなたの次の一歩
今日、誰かに複雑なお願いをするとき（AIでも人間でも！）、頭の中で一度「Decomposition」してみてください。「このお願い、3つのステップに分けられないかな？」と考える癖がつくと、説明力が劇的にアップしますよ！
セイ・コンサルティング・グループの新人エンジニア研修のメニューへのリンク
投稿者プロフィール
