Self-Consistency（自己整合性）

Self-Consistency（自己整合性）とは

Self-Consistency は、同じ問題をAIに複数回解かせて、多数決で最終回答を選ぶ手法です。Chain-of-Thought と組み合わせて使うのが定番で、AIの「たまたまの間違い」を抑えて精度を上げます。

仕組み

1. 同じ問題をAIに複数回（例: 5〜10回）解かせる
2. 毎回、推論の過程は異なるが、最終回答を集める
3. もっとも多く出た回答を最終結果とする

AIが毎回少し違う思考経路を通りつつも、「正しい答え」に落ち着く回数が多いはず、という前提で働きます。

いつ効果的か

• 数値計算・分類問題: 正解が1つに決まるタスク
• 判断のブレが気になるタスク: 「法令適用の可否」など
• 複数観点の統合: 同じプロンプトで視点が揺れるときの安定化

逆に、創作系（文案作成など、正解が1つに決まらないタスク）には向きません。

実務での位置づけ

精度は上がるが、推論回数だけトークン消費が増えるためコスト増になります。重要な判断の裏付けが欲しい場面で、補助的に使うのが現実的です。