LLMの構造化出力：JSONモード、サンプル、使用タイミング

構造化出力とは

• 固定数のアイテムを含むブレットリスト。
• 特定の列を持つMarkdownテーブル。
• 単純な属性のキーと値のペア。
• 事前定義されたキーを持つ完全なJSONオブジェクトまたは配列。

JSONモードとは

{
  "title": "string",
  "summary": "string",
  "tags": ["string"],
  "priority": "low | medium | high"
}

構造化出力とJSONモードが重要な理由

• データベース、CRM、分析ツールに結果を直接供給します。
• モデル出力フィールド（優先度、ステータス、信頼度）に基づいてアクションをトリガーします。
• カード、テーブル、ダッシュボードにモデル結果を表示するUIを構築します。

JSONモード対関数呼び出し対スキーマプロンプティング

• JSONモード : モデルは有効なJSONのみを出力します。最適用途：データ抽出、分類、要約。
• 関数呼び出し : モデルは呼び出す関数を選択し、JSONで引数を提供します。最適用途：API統合、ツール使用、エージェントワークフロー。
• スキーマプロンプティング : スキーマに従うようモデルに要求する明示的な指示と例。最適用途：柔軟性、オープンソースモデル、カスタムフォーマット。

例：自由テキスト対構造化JSON

構造化出力とJSONモードのベストプラクティス

• 予期するスキーマを正確に表示します。
• 列挙の許可値を含めます。
• JSON（または構造）のみを返す必要があることを明確に宣言してください。
• 短くて曖昧でないキー名を使用します。
• タスクが複雑または機密の場合は、有効な出力の例を追加します。
• ネストされた構造については、段階的に構築し、実際の入力でテストしてください。

モデル比較：プロバイダー別のJSON準拠

規制環境における構造化出力

• EU（GDPR、AI Act）：構造化出力により、体系的なデータ分類と削除権の追跡が可能になります。JSONモードでは、どのフィールドが個人データを含むかをタグ付けできるため、DPIA（データ保護影響評価）やコンプライアンス監査が容易になります。
• 日本（経済産業省AIガイドライン、個人情報保護法）：明確なスキーマ定義を伴う構造化抽出は、透明性と説明責任の要件を満たします。日本でのコンプライアンスでは、データがどのように処理されたかの文書化が求められることが多く、構造化出力は明確な監査証跡を提供します。
• 中国（CAC規制、データセキュリティ法）：構造化出力はコンテンツモデレーションとデータ所在地のログ記録に役立ちます。JSONモードにより、機微なコンテンツ（金融データ、個人情報）を体系的に分類し、CAC基準への準拠を支援できます。

よくある間違い

• 曖昧なスキーマ：スキーマを定義せずに「要点を抽出して」と指示すると、出力が一貫しません。フィールド名、型、制約を必ず正確に指定してください。
• 例の欠如：スキーマの説明だけで例を示さないと、20〜30%の失敗率になります。有効な出力の例を必ず1〜3件示してください。
• 出力を検証しない：モデルが常に有効なJSONを返すと想定すると、本番環境でパースエラーが発生します。必ず検証し、パース失敗を適切に処理してください。
• エッジケースを扱わない：欠損、曖昧、範囲外となりうるフィールドには、フォールバック動作（null、空文字列、既定値）を定義しておく必要があります。
• 簡単な入力でしかテストしない：実世界のデータは雑然としています。不完全なメール、特殊文字、複数言語の混在、非常に長い入力といったエッジケースでスキーマをテストしてください。

JSONモードと代替手段の使い分け

• ✓ JSONモードを使う場面：厳密なスキーマが必要、自動化パイプライン、API連携、データ抽出、分類タスク、決定論的な出力、検証を要する本番システム。
• ✗ JSONモードを避ける場面：クリエイティブライティング、自由な推論、ブレインストーミング、エッセイ、コード生成（function callingの方が適切）、哲学的な問い、物語コンテンツ。
• 代替手段：function calling — ツール連携やエージェント的ワークフローが必要な場合に使います（モデルが呼び出す関数を選択します）。
• 代替手段：スキーマプロンプティング — 柔軟性が必要な場合、オープンソースモデルを使う場合、APIレベルの保証が不要な場合に使います。

構造化出力はいつ使うべきか

• APIと連携：LLMの出力を下流システム（データベース、CRM、ダッシュボード）へ直接流し込みます。構造化出力はパースエラーと手作業のクリーンアップを防ぎます。例：メールから顧客データを抽出してCRMに書き込む。
• 自動化とワークフロー：モデルの出力フィールド（優先度、緊急度、カテゴリ）に基づいてアクションを発火させます。JSONモードは条件分岐のための確実なフィールド抽出を保証します。例：サポートチケットを緊急度で振り分ける。
• データパイプライン：大量のデータ（文書、メール、ログ）を大規模に処理します。一貫したスキーマにより、バッチ処理、検証、エラー処理が可能になります。例：1万件の研究論文からメタデータを抽出し、検索可能なデータベースに格納する。

構造化出力とJSONモードの使い方

1. 1
   データ抽出や機械可読な出力には、JSONモードを使ってください（OpenAI GPT-5.6、Anthropic Claude、Google Geminiなどで利用可能です）。 これにより、モデルが散文ではなく有効なJSONを返すことが保証されます。例：製品情報をname、price、description、ratingのキーを持つJSONとして抽出する。
2. 2
   JSONスキーマを明示的に定義し、フィールド名、データ型、制約を含めてください。 例：{ "name": string, "price": number (≥ 0), "in_stock": boolean, "tags": array of strings }。
3. 3
   欲しいJSON構造そのものの例を示してください。 例：{ "issue": "memory leak", "severity": "critical", "suggested_fix": "...", "code_snippet": "..." }。例はスキーマの説明よりも強力です。
4. 4
   入れ子構造（配列内のオブジェクト）では、階層を明示してください。 入れ子の配列を含む完全なJSONの例を示します。下記の例をご覧ください。
5. 5
   下流システムで使う前にJSON出力を検証してください。 返ってきたJSONをパースし、次を確認します。（1）JSON構文として有効か、（2）必須フィールドがすべて存在するか、（3）データ型が期待どおりか。パースエラーは適切に処理してください。

関連読み物

• 制約付きプロンプト — 特定の出力フォーマットを強制します。
• SPECSフレームワーク — 仕様重視のプロンプト。
• RAG説明 — 構造化抽出とデータ取得を組み合わせます。
• 思考の連鎖 — ステップバイステップで理由を述べます。
• プロンプトテンプレート — 再利用可能なテンプレート。
• ゼロショット対フューショット — 例がJSON準拠を改善するとき。
• 信頼性の高い構造化データのプロンプト

よくある質問

ソース

• OpenAI JSONモードドキュメント — 公式ガイド。
• Anthropicガイド — ドキュメント。
• Google Gemini API — ネイティブJSONサポート。
• JSON Schemaスペック — 標準仕様。