クリストフ・バーガー（ESMT Berlin）
あなたの経営チームが下した最後の重要な戦略的意思決定で、計画通りに進まなかったものを思い出してほしい。その後、何が起きただろうか？多くの組織では、議論はすぐに結果に向かう。意思決定の瞬間における思考の質──利用可能だった情報、検討された選択肢、吟味された前提条件──が焦点になることはほとんどない。
心理学者はこれを結果バイアスと呼ぶ。
知っていても修正できないバイアス
1988年、ペンシルベニア大学のジョナサン・バロンとジョン・C・ハーシーは一連の実験を行った。彼らは被験者に、評価すべき同一の意思決定──同一の情報、同一の確率、同一のリスク──を与え、ただ1つだけを変えた。結果が良かったか悪かったかである。被験者は一貫して、うまくいった場合は同じ意思決定をより健全だと評価し、うまくいかなかった場合はより弱いと評価した。
私の心に残ったのは、バイアスそのものではない。研究者が被験者に、事後的に、結果が評価に影響を与えるべきだったかどうかを尋ねたときに起きたことだ。圧倒的多数がノーと答えた。多くの人は、自分がまったく影響を受けていないと信じていた。データはすべての実験において、そうではないことを示していた。
結果バイアスについて知っていても、それに対する免疫はできない。同じバイアスが今、経営チームのAI活用方法を形作っている。
AIが実際に意思決定プロセスに及ぼしている影響
私が繰り返し目にするパターンがある。新市場への参入、事業部門の再編、資本投入といった重要な意思決定が、AIツールにかけられる。モデルは構造化された自信に満ちた推奨を返し、その出力が起点となる。議論は、意思決定が正しいかどうかから、推奨が正当化できるかどうかへとシフトする。検討に値する選択肢はテーブルに上らないままだ。検証されるべきだった前提条件は、静かにインプットとして吸収される。
AIは、質問と回答の間の時間を圧縮することで、これを加速させる。推奨が早く到着すればするほど、その前に行われるべき思考のための余地は少なくなる。これはテクノロジーへの批判ではない。順序についての観察である。
プロンプトの前に
経営チームとの対話の中で、私は3つの質問──AIツールに相談する前に問われる──がその後の質を大きく変えることを発見した。それらは単純に聞こえる。実際にはそうでないことが多い。
1つ目は、私たちは正確に何を決定しようとしているのか？何が、いつまでに、どのような制約の下で決定されるのか？この質問はしばしば、部屋にいる人々が同じことを決定していないことを明らかにする。その隙間にAIの推奨が着地すると、混乱を解決するのではなく、固定化してしまう。
2つ目は、真の選択肢は何か？ブリーフィング資料にある選択肢ではなく、本当にテーブルに上っているもの──待つこと、試験的に実施すること、提携すること、何もしないことを含む。私の経験では、ほとんどのチームは2つではなく、1つの好ましい選択肢を持って到着する。問題は、どの道を選ぶかではなく、他の道が真剣に検討されたかどうかである。
3つ目はより難しい。この意思決定がうまくいくためには、何が真実でなければならないか？各前提条件について、私はチームに、それを確認する情報源やベンチマークを挙げるよう求める。分析におけるその列は2つのことを行う。意思決定の前に正直さを強制する。そして結果が到着した後、それはチームが実際に知っていたことと期待していたことを検証する唯一の公正な基盤となる。
その構造が整えば、AIは異なる役割を担う──部屋の最初の声ではなく、十分なブリーフィングを受けたアナリストとして。見落とされた選択肢を浮上させ、前提条件を明らかにし、異なる目的の下で選択がどのように機能するかをテストできる。
組織が測定していないもの
結果バイアスは個人的なものだけではない──それは組織がリーダーを評価し、説明責任を割り当てる方法を形作る。結果が悪いとき、組織は意思決定において何が間違っていたかを探す。結果が良いとき、プロセスはほとんど検証されない。
バロンとハーシーは、このパターンが組織にも及ぶと主張した。時間の経過とともに、人々は不確実性を自信として提示することを学び、意思決定は事後的に再構築され、組織は学ぶことのできない経験を蓄積する。
文書化された意思決定──その選択肢、前提条件、明示された目的、確率範囲──は、結果とは独立して存在する記録を作成する。その記録を実際に起きたことと比較すること、それを正直に行うことが、組織が意思決定をより良くする方法である。
「私たちはすでにこれをやっている」と言いたくなる本能は理解できる。しかし、バロンとハーシーの研究における最も不快な詳細は、結果に影響されていないと明確に信じていた被験者でさえ、とにかく影響を受けていたということだ。認識は保護にはならない。
AIはそのギャップを単独で埋めることはない。正しい順序で使用すれば、ギャップを可視化する助けとなる。
---
クリストフ・バーガーは、ESMT Berlinのシニアレクチャー兼MBAプログラムのファカルティリードであり、上級幹部に意思決定、交渉、イノベーションを教えている。
