BAB（Before → After → Bridge）フレームワークは、もともとコピーライティングにおける「説得の黄金律」として誕生しました。しかし、2023年以降のプロンプトエンジニアリングの隆盛により、この古典的手法は「LLMの思考回路を定義するメタ・フレームワーク」へと劇的な進化を遂げています。
本記事では、単純な出力形式から、高度な問題解決エンジンへと変貌したBABの進化系統を、実例とともに解説します。
1. BABフレームワークの進化系統図
AIプロンプトにおけるBABは、単なる「文章構成」から「認知プロセスの制御」へと深化してきました。
世代1：出力フォーマットの強制（2024年以前）
初期の活用法は、回答の「型」を整えることに主眼が置かれていました。
- 特徴: ユーザーが入力した情報を整理して出力させるだけのテンプレート。
- 効果: 回答の視認性が向上し、論理の飛躍が抑えられる。
- 弱点: LLMが表面的な言葉の置き換えに終始し、深い洞察が生まれにくい。
世代2：メタ認知と意図補完（2024年後半）
LLMに「BABの思想」を理解させ、ユーザーの言葉の裏にある「真の課題」を推測させる段階です。
- 進化点: 思考プロセス（Chain-of-Thought）へのBAB組み込み。
- プロンプト例: 「ユーザーの曖昧な質問から、暗黙の痛みをBeforeとして抽出し、言語化されていない理想をAfterとして設定せよ」
- 効果: ユーザー自身が気づいていない課題（潜在ニーズ）に光を当てることが可能に。
世代3：拡張レイヤーによる多層化（2025年〜主流）
Bridge（架け橋）の部分を細分化し、実行可能性と心理的障壁の除去を狙うハイブリッド型です。
- 追加要素:Baby Step: 心理的障壁を下げる「最初のアクション」の提示。障害予測（Pre-mortem）: 失敗パターンの先回り。KPI設定: Afterが達成されたかを判定する指標の定義。
- Baby Step: 心理的障壁を下げる「最初のアクション」の提示。
- 障害予測（Pre-mortem）: 失敗パターンの先回り。
- KPI設定: Afterが達成されたかを判定する指標の定義。
- 効果: 「良い話を聞いた」で終わらせず、具体的な行動変容を促す。
世代4：自律進化・動的チェーン（2026年最新）
状況に応じてBABの構造自体を変化させる、最先端の適用手法です。
- 自己進化型: 回答後に自ら「今回のBeforeの設定は適切だったか」を省察する。
- マルチBABチェーン: 大目的をBABで描き、その中のBridge一つひとつをさらに小規模なBABで深掘りする。
- 逆算型（Backward BAB）: 理想状態（After）から逆算して、現在のボトルネック（Before）を特定する。
この記事のライター
