OpenAIのChatGPTを、初出勤の優秀な新入社員だと考えてみてください。彼らは素早く意欲的ですが、あなたの会議には参加しておらず、あなたのチームを知りません。そして、あなたが残したどんな隙間でも、合理的な推測で埋めてしまいます。1行のリクエストでは、1行品質の推測しか得られません。
OpenAI自身のプロンプトガイドには3つのステップが挙げられています。タスクの概要を説明し（何が欲しいか、誰のためか、なぜ重要か）、役立つコンテキストを与え、ChatGPTにどのように応答してほしいかを伝えることで理想的な出力を記述します。実際には、実際の資料（メモ、メール、ドラフト）を貼り付け、完了した状態がどのようなものか、例えば、担当者ごとにグループ化され、期日が記載された箇条書きリストなどを伝えます。
1つの例で違いを見てみましょう。1行のリクエスト：「これらのメモを要約してください。」完全なリクエスト：「これらの会議のメモを、私のチームチャンネル向けのアクションリストに変換し、担当者ごとにグループ化し、メモに期日がある場合はそれを記載し、担当者がいないものは未割り当てとしてマークしてください。」2番目のリクエストは、ChatGPTに出力、読者、そして隙間をどうするかを伝えています。
最初の回答が的外れだった場合は、同じチャットで何が間違っているか、代わりに何が欲しいかを伝えてください。それは仕事の通常の一部であり、最初からやり直すと、すでに与えたコンテキストが失われます。
正直な限界：ChatGPTはチャット内のことしか知りません。メモに誰もタスクを引き受けなかったと書かれていても、リストを完全に見せるために担当者をでっち上げるかもしれません。そのため、このコースのすべてのタスクの最後のステップは、チャットの外にあるもの、ここでは自分のメモと照合することです。
ChatGPTに実際の資料を与え、誰のためか、完了した状態がどのようなものかを伝え、同じチャットで修正します。そして、結果を自分の情報源（ここでは会議のメモ）と照合してください。なぜなら、ChatGPTは自信満々の推測で隙間を埋めるからです。