Abhinoor DhullはSewerAIのエグゼクティブであり、AI、オペレーション、インフラの交差点でスケールを構築し、米国の都市の近代化に取り組んでいる。
私はウォートン・スクールでビジネスアナリティクスを専攻し、デロイトのアナリティクス部門で長年働いてきた。データに基づく意思決定が好きだ。ピクセル化された大きな絵が、洞察を重ねるたびに鮮明になっていくのは、まるでクリスマス（あるいはディワリ）のように感じる。だが私は「特効薬はない」問題も数多く経験してきた。データは豊富にあり、ダッシュボードも構築されているのに、意思決定が下されないのである。問題はデータの不足ではない。データを効果的に使うためのフレームワークが欠けていることだ。定義されたプロセスがなければ、データドリブンの意思決定を追い求める行為は、あなたの1日のあらゆる時間を埋め尽くすまで膨張しうる——そして分析は、進展のない「動き」になってしまう。
厳密さがボトルネックになるとき
1200人以上の管理職を対象にしたマッキンゼー・アンド・カンパニーの調査（要登録）によれば、経営幹部の61%が「意思決定に費やす時間の少なくとも半分は非効率だ」と考えている。フォーチュン500企業では、これは年間推定2億5000万ドルの人件費の無駄に相当する。さらに、優れた成果を出していた組織は、最も多くのデータを持つ組織ではなかった。意思決定が迅速に行われ、完全に実行される組織だった。
ハーバード・ビジネス・スクールの教授であるエイミー・エドモンドソンとマイケル・ルカは、「データドリブンの意思決定はどこで誤るのか」（有料）という記事で、リーダーはデータを福音のように扱うか、完全に退けるかのどちらかに偏りがちだと述べた——どちらも誤りである。こうしたリーダーは、相関関係を因果関係と取り違え、重要なものではなく測りやすいものを測定し、文脈を無視して単一の発見に過度に重きを置く。結果として起きるのは、データが悪いことではない。良いデータが、意思決定の停滞を生むのである。
このパターンは至る所に見られる——アナリティクスを重視するコンサルティングファームから、高成長のテクノロジー企業まで。私の分野であるインフラAIでは、機械学習によって検査映像を数百万フィート分処理する。データこそがプロダクトだ。だが分析の最後の20%が、意思決定の方向性を変えることはほとんどない。ただ意思決定を遅らせるだけである。
DIALフレームワーク
リーダーに必要なのは、さらなるデータではない。器——つまり、意思決定プロセスに明確な境界を与え、データが支配するのではなく、情報として機能するための構造である。このパターンは、私がDIALと呼ぶフレームワークへと結晶化した。データドリブンの意思決定を、始まり、中盤、そして——決定的に——終わりを持つプロセスとして箱に収める4つのステップである。手順は次の通りだ。
1. データで診断する（Diagnose）
データが答えるのは「何が起きているか」であり、「次に何をすべきか」ではない。データを用いて問題を精密に定義するのだ。何が起きているのか。どこで起きているのか。どの規模で起きているのか。しかし、診断フェーズは意思決定フェーズではないことを忘れてはならない——そして、ここで「器」が最も重要になる。データを集める前に、何が必要で、「十分」とはどういう状態かを定義する。境界のないデータは、予算を伴ったノイズにすぎない。
2. 本能と経験で解釈する（Interpret）
これは、データドリブン文化が最も抜け落としがちなステップである。数値を見たら、あなたのパターン認識——業界、危機、成長段階を横断して学んできたこと——を重ね合わせる。コリン・パウエルは回顧録『My American Journey』で、これを「40-70ルール」として言語化した。情報が40%未満なら推測であり、70%を超えるなら待ちすぎである。最良の意思決定は、その間——データが判断と出会う地点——にある。
3. 下振れを評価する（Assess）
強い意思決定はリスクを避けない——リスクに値付けする。コミットする前に問うべきだ。現実的に考えうる最悪の結果は何か。それを吸収できるか。元に戻せるか。ジェフ・ベゾスはこれを、一方通行のドアと双方向のドアの意思決定の区別として示している。ビジネス上の意思決定の多くは双方向のドアである——可逆的であり、だからこそより早くコミットする価値がある。重要なのは、いま自分がどちらに直面しているのかを見極める規律だ。
4. 意思決定時間を制限する（Limit）
これは最も重要なステップである。なぜなら、ここで器が閉じるからだ。意思決定そのものに期限を設ける。実務上は、意思決定者を指名し、意思決定期日を設定し、D、I、Aのステップが完了した時点で、たとえ70%から80%の確度であってもチームがコミットすることを、事前に合意しておくことを意味する。時間的な境界がなければ、あらゆる意思決定は無限に膨張する。期限は圧力ではない。プロセスが際限なく広がるのを防ぐ壁なのである。
なお、意思決定を枠内に収めるフレームワークがあるからといって、すべての意思決定を急ぐべきだという意味ではない。規制当局への提出書類やM&Aのデューデリジェンスなど、分析を長く取るべき活動もいくつかある。だが、そうした場合でもDIALは適用できる。Dのステップが、本当に必要なデータの範囲を定める。Lのステップが、タイムラインを意図的なものにし、終わりのないものにしない。DIALという構造は、意思決定の空間が明確に定義されることを支える。
AIがこれをより緊急の課題にする理由
生成AIは、この構造的な問題をより可視化した。AIツールは、分析、予測、要約を、どのリーダーシップチームも消化しきれないほどの速さで生み出せる。これは驚異的な能力だ——しかし意思決定の器がなければ、あらゆる意思決定の前に「入力」がさらに積み上がるだけである。AIはDのステップ、すなわち、人間のチームでは到底かなわない規模でパターンを診断することにおいて、並外れて強力だ。だが、経験を積んだリーダーのように文脈を解釈することはできず、組織のリスク許容度を見極めることもできず、コミットメントを強制する期限を設定することもできない。AIはデータ処理を瞬時にする。しかし、先を見通して意思決定を前に進めることはできない。そこは依然としてリーダーの責任である。
直感に反する規律
最も効果的なリーダーは、最も多くのデータを摂取するリーダーではない。仮説を通じてデータに境界を引くリーダーである。プロセスが始まる前に、必要な情報は何か、いつまでに必要か、「十分」とはどういう状態かを定義する。データをゴールではなく、スタートラインとして扱うのだ。
分析麻痺は他チームでは簡単に見抜けるが、自分自身の中ではほとんど見えない——特に午前2時、データの深みに入り込み、答えが手の届きそうなほど近くに感じられるとき（おそらく近くない）。忘れてはならない。チームに必要なのは、もう1つのダッシュボードではない。必要なのはフレームワークであり、前に進むための「許可」だ。次に組織が「もう1本レポートを引こう」と「行こう」の間で立ち往生したときは、DIALで決め切れ。診断し、解釈し、下振れを評価し、時間を制限する。それはプロセスに器を与える。そして多くの会話において、その器こそがまさに欠けているものなのである。
