今日のフォーカス
演繹・帰納・アブダクションの三形式を実務シナリオに適用し、論証の構造と誤謬を正確に識別する。「なぜそう言えるのか？」を問い続ける習慣を鍛える。
演繹推論（Deductive）
前提が真なら結論は必然的に真。「全てのAはBである。CはAである。ゆえにCはBである」。確実だが前提の妥当性が問題になる。
帰納推論（Inductive）
個別の観察から一般的な法則を導く。「AはBだった。BはBだった。CもBだった。→ 全てはBだろう」。確率的で反証可能。
アブダクション（Abductive）
最もよく説明できる仮説を選ぶ「最良の説明への推論」。不完全情報でも仮説を提示できる。探偵・医師の推論形式。
以下の3つの発言がどの推論形式か答えよ。また各形式の強みと限界を述べよ。
- 発言A: 「コンバージョン率が低い → UX改善すべき → 今すぐUX改善」
- 発言B: 「3か月連続で月末に離脱急増 → 月末は離脱しやすい」
- 発言C: 「突然のDAU急落 → 競合リリースが原因ではないか」
思考プロセスのヒント
- 演繹: 前提→結論の流れが「必然」か？前提が普遍的か？
- 帰納: 観察事例から一般化しているか？サンプルサイズは十分か？
- アブダクション: 「最も良く説明できる」仮説を提示しているか？他の仮説の可能性は？
模範解答を見る
| 要素 | 内容 |
|---|---|
| 大前提 | 「CVRが低い → UXに問題がある」（暗黙の前提） |
| 小前提 | 「今、CVRが低い」（観察事実） |
| 結論 | 「UXを改善すべき」「今すぐ改善」 |
| 要素 | 内容 |
|---|---|
| 観察1 | 1ヶ月目：月末に離脱急増 |
| 観察2 | 2ヶ月目：月末に離脱急増 |
| 観察3 | 3ヶ月目：月末に離脱急増 |
| 一般化 | 「月末は離脱しやすい」 |
| 要素 | 内容 |
|---|---|
| 観察事実 | 突然のDAU急落 |
| 背景知識 | 競合が最近アクティブだという情報 |
| 最良の仮説 | 「競合リリースが原因ではないか」 |
演繹: 既知の法則を適用するとき（SLA計算、コスト試算）
帰納: データから傾向を発見するとき（A/Bテスト解析、コホート分析）
アブダクション: 障害調査・原因不明の指標変化への仮説設定
実践への応用
- 会議で誰かが「AだからB」と言ったとき、「どの推論形式か？前提は検証済みか？」と内心で問い直す
- 自分の主張を述べる前に「これは演繹/帰納/アブダクション、どれか？」と確認する
- アブダクション仮説は必ず「反証可能な条件」とセットで提示する
自己評価
「先週、競合より少ないダウンタイム。MVPを受賞。Twitterで話題の9社中7社がAPIを使用。だから信頼性は業界最高水準だ。信頼性が最高なら顧客は離れない。なのに解約率が上昇しているということは、セールスの力不足に違いない」
- このVPの論証に含まれる論理的誤謬を特定せよ（3〜4つ）
- 会議でどのように介入するか。発言例を示せ
思考プロセスのヒント
- チェリー・ピッキング: 都合の良いデータだけを選んでいないか？
- 合成の誤謬: 部分が真なら全体も真、と誤解していないか？
- 誤った因果帰属: 相関を因果として捉えていないか？
- 論点先取: 証明すべきことを前提として使っていないか？
- 介入は「否定」ではなく「追加情報の要請」として行う
模範解答を見る
論理的誤謬の特定
チェリー・ピッキング
該当箇所: 「先週」のみ・「Twitterで話題の9社」のみを使用
問題: 生存者バイアス（話題になっていない事例を除外）・時間的サンプリングバイアス（「先週」は特別好調な週かもしれない）
合成の誤謬
該当箇所: 個別の良い数字（ダウンタイム・MVP・使用率）→「業界最高水準」
問題: 個別指標が良くても、総合的な信頼性・顧客体験が最高とは言えない
誤った因果帰属
該当箇所: 「解約率上昇 → セールスの力不足」
問題: 解約率上昇の原因として製品・プライシング・競合・顧客サクセスの問題を排除している。相関を因果として断定している
論点先取（循環論法）
該当箇所: 「信頼性最高 → 顧客は離れない」を前提として固定
問題: 「信頼性が顧客維持の主要因」という前提自体が検証されていない。証明すべき命題を前提として使用している
会議での効果的な介入
「否定」ではなく「追加情報の要請」として行う。VPの権威を直接攻撃せず、意思決定の質を高めるための「協力者」として振る舞う。
VPは「セールスが問題」という結論から逆算して証拠を集めている可能性がある（確証バイアス）。誤謬を指摘するより、「どのデータがあれば原因を確定できるか」を問う方が建設的。
実践への応用
- 会議中に「データの選択基準は何か？」を問う習慣をつける
- 自分のレポートを提出前に「チェリー・ピッキングしていないか？」とセルフチェックする
- 「〜に違いない」という断定を聞いたら、「他の原因の可能性は？」と問い返す
自己評価
CTO兼共同創業者。日本ARR 8,000万円・解約率1.2%のBtoB SaaSがシンガポールでβローンチ。
初月データ: ユーザー12社 / 7日以内チャーン42%（日本8%）/ 製造業6社はセッション時間日本の1.7倍 / フィンテック2社はほぼ未使用（NPS: 製造業+34、フィンテック-20）/ サポート問い合わせ最多:「英語UIで操作手順が分かりづらい」
- 42%チャーンの最良仮説を3〜4つ挙げ、根拠と反証可能な条件を述べよ
- 継続/撤退/修正継続の3選択肢について、判断できること・できないことを整理せよ
- 取締役会での応答と意思決定プロセスを提案せよ
思考プロセスのヒント
- アブダクション仮説は「根拠となるデータ」と「反証可能な条件」をセットで持つ
- 「判断できること」と「判断できないこと」を分けることが誠実な意思決定の基礎
- VOI（Value of Information）: さらに情報を集める価値があるか？
- 42% vs 8%の差は「何が違うのか」から考える
模範解答を見る
42%チャーンの仮説分析
| 仮説 | 根拠となるデータ | 支持するデータ | 反証可能な条件 |
|---|---|---|---|
| A. 英語UI問題（最有力） | サポート問い合わせ最多「英語UIで操作手順が分かりづらい」 | 全業種共通で7日以内チャーン42% | 英語UI改善後もチャーン率が改善しなければ× |
| B. フィンテック業種のミスフィット | フィンテック2社のNPS -20・ほぼ未使用 | 製造業とフィンテックの顕著なエンゲージメント格差 | フィンテック向けカスタマイズ後も改善しなければ× |
| C. ICP（理想顧客プロファイル）未定義問題 | 製造業6社のエンゲージメントが高い（セッション時間1.7倍） | 製造業のNPS+34 vs 全体チャーン42%の矛盾 | 製造業20社コホートのチャーン<15%なら×（製造業に絞れば解決） |
| D. オンボーディング体験の差 | 日本8% vs シンガポール42%の大きな差 | 製品は同一のため体験の差が主因の可能性 | 英語版オンボーディング改善後チャーン<20%なら× |
判断できること vs できないこと
| 判断できること | 判断できないこと |
|---|---|
| 製造業セグメントはプロダクトフィットの可能性がある | 42%チャーンの根本原因（複数仮説が競合中） |
| 英語UIが課題であることはサポートデータが強く示唆 | フィンテック向けカスタマイズの費用対効果 |
| フィンテック2社は現状でROIがない | シンガポール市場全体のTAM・競合状況 |
| 今すぐ全面撤退する根拠はない（製造業の可能性） | 製造業12社のLTV・チャーン予測（n=6のみ） |
| 追加データ収集（60日コホート）の価値がある | 日本とシンガポールの市場文化差の影響度 |
取締役会への提案
不完全情報下では「確実な答え」を出そうとするより「仮説と検証基準（ゲート）を設定する」方が合理的。アブダクション思考の実務的価値は「行動可能な仮説を明示し、何をもってその仮説を棄却するかを事前に定義すること」にある。
製造業のデータ（セッション1.7倍・NPS+34）は確かなシグナル。42%チャーンの主因が「英語UI + ICPの不一致」であれば、製造業に絞ることで解決できる可能性がある。n=12は結論を出すには小さすぎる。
実践への応用
- 新市場・新機能の初期データを見るとき「サンプルサイズは結論を出すのに十分か？」を常に確認する
- 仮説を立てたら必ず「この仮説が間違いとわかるのはどんなデータが出た時か？」を定義する
- 取締役・経営会議では「判断できること/できないこと」を明示することが誠実なコミュニケーション
- VOIの思考: 「もっと情報を集める価値があるか？コストは？意思決定の変化量は？」
自己評価
今日のまとめと次回への接続
今日の3つのキーポイント
次回への接続
今日の「推論形式と誤謬識別」を土台に、次回はより高度なメンタルモデル（第一原理思考・逆張り思考・オッカムの剃刀）を学ぶ。アブダクション仮説を体系的に管理するフレームワークも扱う。