今日のフォーカス
「バイアスの名前を知っている」から「実務のリアルな文脈でリアルタイムに見抜く」へ。数的推論（ベースレート・条件付き確率）と自己のメタ認知を組み合わせ、複数の情報が絡み合う意思決定の場で批判的思考を機能させる。
確証バイアス
仮説を支持する情報を優先し反証を軽視する。事業検証・プロダクト開発で最も頻出する失敗原因の一つ。
ベースレートと陽性的中率
「精度が高いモデル」でも低ベースレートの状況では偽陽性が支配する。直感と数値の乖離を体験する。
メタ認知
複数の情報源それぞれのバイアスを特定しつつ、自分自身の判断プロセスにも同じ批判的視点を当てる。
あなたは新規プロダクトのユーザーインタビューを10名に行った。うち7名が「便利だ」「有料でも使いたい」と回答した。あなたはインタビュー結果をまとめ、社内プレゼンで「ユーザーの需要は実証された」と主張した。
- このプロセスのどこに認知バイアスの罠があるか特定せよ
- より正確な情報収集のために何が必要か、4つ挙げよ
思考プロセスのヒント
サンプリング（誰にインタビューしたか）の偏りを疑うことから始めよ。
- 10名はどのように選ばれたか？友人・知人なら何が起きるか？
- 「有料でも使いたい」という回答は実際の支払い行動と一致するか？
- インタビュー形式で否定的な回答はしやすいか？
模範解答を見る
含まれるバイアスの特定
確証バイアス
プロダクトへの信念があるため、肯定的な回答を求める質問設計・解釈になりやすい。反証を積極的に探さなかった。
サンプリングバイアス
SNSで募集・友人・知人など、もともとこのカテゴリへの関心が高い人が集まりやすい。母集団を代表しない。
社会的望ましさバイアス
インタビュー形式では否定的な評価を言いにくい。「有料でも使いたい」は実際の支払い行動とは乖離することが多い。
一般化の誤謬
10人のサンプルを「ユーザー」全体に一般化している。標本の代表性が担保されていない。
より正確な情報収集に必要な4つ
「7/10がポジティブ」は仮説の確認ではなく、仮説の検証の出発点にすぎない。反証を積極的に探す設計こそが科学的な事業検証の基盤。
実践への応用
- スタートアップMVP検証で「知人からのポジフィードバック」を根拠に資金調達→失敗の典型パターン
- プロダクトレビューで「このデータは自分が見たかった結果を示しているか？」と自問する習慣
- グローバル展開時は市場ごとに独立したサンプリングで文化バイアスを防ぐ
自己評価
あなたのSaaSプロダクトには「チャーン予測AIモデル」が実装されている。
- 感度（チャーン顧客を正しく予測）: 90%
- 特異度（チャーンしない顧客を正しく予測）: 85%
- 月次チャーン率（ベースレート）: 5%
モデルが「この顧客はチャーンする」と予測したとき、実際にチャーンする確率は何%か？またこの数字はビジネス判断にどう影響するか？
- 陽性的中率（PPV）を自然頻度法で計算せよ
- この数字がビジネス意思決定に与える3つの影響を述べよ
思考プロセスのヒント
「感度90%だから予測が当たる確率90%」は間違い。これは感度の反転誤謬（Prosecutor's Fallacy）。
- 1000人の顧客集団を想定して、チャーンする人・しない人を分けてみよ
- モデルが「チャーン予測」する人の中に偽陽性（本当はチャーンしない）が何人いるか数えよ
- ベースレート（5%）が低いとき偽陽性はどうなるか？
模範解答を見る
Step 1：1000人で自然頻度法
| 実際の状態 | 人数 |
|---|---|
| 実際にチャーン（5%） | 50人 |
| チャーンしない（95%） | 950人 |
| チャーン予測 | チャーンなし予測 | |
|---|---|---|
| 実際チャーン（50人） | 45人（感度90%） | 5人（見逃し） |
| 実際チャーンなし（950人） | 142.5人（偽陽性15%） | 807.5人（特異度85%） |
Step 2：ビジネス判断への3つの影響
「感度90%」は「チャーンした人のうち90%を捕捉できる」確率。「予測した人が本当にチャーンする確率」ではない。この混同がAIモデルの過信・医療診断の誤判断・採用スクリーニングの失敗を生む。
実践への応用
- AI予測ツール評価ではAccuracy・Recall・Precisionの全指標を確認。PPVで最終判断する
- 採用スクリーニング・セキュリティアラートでも同じ構造：低ベースレートでは偽陽性が支配する
- 投資判断でも「このシグナルが出た人が実際に成功する確率」をベイズ的に問う
自己評価
あなたは海外展開を検討しているSaaSスタートアップのCTO。先週、以下の情報を得た：
来週の取締役会で「東南アジア展開の意思決定」を求められている。
- 情報A・B・Cそれぞれに含まれる認知バイアス・情報評価上の問題を特定せよ
- 取締役会前に収集すべき追加情報を優先順位付きで3つ挙げよ
- 自分自身がかかりやすいバイアスを1つ特定し、それを踏まえた判断の留意点を述べよ
思考プロセスのヒント
各情報源の「誰が・なぜこの情報を出したか」から分析せよ。
- カンファレンスで何が発表されやすいか？投資家のインセンティブは何か？
- 「国内問題→海外展開」は解決策か？逃避か？
- あなた自身がCTO/エンジニア出身として持ちやすいバイアスは何か？
模範解答を見る
① 各情報のバイアス・問題の特定
② 取締役会前の追加情報（優先順位付き）
③ 自分自身のメタ認知
- 「技術的に実装可能」を「事業として成立する」と混同しやすい
- 「現地化は後でできる」という根拠のない楽観
- 「技術的に面白い」という動機が判断に混入していないか自問せよ
留意点：難しい部分（言語・規制・CSリソース・現地パートナー）を意識的にリストアップし、「なんとかなる」ではなく具体的な解決策があるか確認する。意思決定前に「この判断が3ヶ月後に間違いだとわかったとき、何が原因だったか？」をプリモータムで問う。
情報A・B・Cのバイアスを特定できても、自分の判断プロセスに同じ検証を向けなければ批判的思考の完成形ではない。「自分はなぜこう判断しようとしているか？」を問うメタ認知が、説得力のある意思決定を支える。
実践への応用
- 取締役会・投資家向けプレゼンで他者の情報バイアスを指摘する前に、自分のデータの限界を先に開示する習慣
- 重大な意思決定前に「私はなぜこの選択肢に傾いているか？」を1分間自問する
- ポジティブな外部情報が多いときほど、自社の内部問題の診断を優先する
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「情報の歪みを見抜く力」を、「どのように相手に伝え、意思決定を変えるか」という説得・交渉設計に応用する。批判的に正しく見えることと、戦略的に効果的に伝えることは別の技術だ。フレーミングは相手を騙す道具ではなく、意思決定の質を上げる設計力でもある。