Ch1 03: 専門家が「不可能」と言うとき#

娘が車の運転を始めようとしていた。恐怖だった。

漠然とした、哲学的な意味で子育ての節目が怖い、という話ではない。本気で、腹の底から恐ろしかった。交通事故はアメリカのティーンエイジャーの死因第一位だ。十六歳の若者がハンドルを握るたびに、確率は残酷な数字を示す。父親として、その数字が頭から離れなかった。

だから答えを探しに行った。見つかったのは、業界のコンセンサスとも言える結論だった――スマートフォンだけでティーンエイジャーの運転行動を信頼性高くモニタリングする方法は存在しない。センサーの精度が足りない。データがノイズだらけだ。専門家たちは試して、失敗して、それで終わり。

だが、終わりではなかった。

どんな分野であれ、権威ある人物が「不可能だ」と言ったとき、ほぼ必ず当てはまる翻訳がある。「不可能」は「物理法則が禁じている」という意味ではない。「これまで試した方法ではうまくいかなかった」という意味だ。

その違いは些細に聞こえるかもしれない。だが巨大だ。

最初の解釈は探求を打ち切る。もし本当に物理法則に反するなら――永久機関や光速超越――どれだけ努力しても変わらないし、方向転換すべきだ。だが二つ目の解釈は扉を開く。現在の方法がうまくいかないなら、問うべきはこうだ――まだ試されていない方法はないか？

スマートフォンによる運転分析が不可能だと宣言した保険業界の専門家たちは、いくつかのアプローチを試していた。生の加速度センサーデータを使った。基本的な速度追跡も試した。出力はノイズだらけで信頼性がなかった。彼らの方法論の枠組みの中では、その判定は妥当だった。だが、彼らの枠組みだけが唯一の選択肢ではなかった。

私がTrueMotionを共同創業したとき、保険業界出身ではない人材を採用した。彼らには何が試され何が失敗したかについての先入観がなかった。過去の失敗による心理的な傷跡を背負っていなかった。何が「不可能」かを知らなかったからこそ、ベテランなら労力に見合わないと一蹴したであろうことに挑戦した。

彼らは加速度センサーのデータをジャイロスコープの計測値、GPS信号、気圧データ、そして数百万件の運転サンプルで訓練された機械学習モデルと融合させた。その結果、標準的なスマートフォンだけで、ドライバーと同乗者の区別、急ブレーキの検知、急カーブ、運転中のスマホ操作など、数十種類の行動シグナルを正確に検出できるシステムが生まれた。

専門家たちが正しかったことがひとつある。単純なアプローチでは不十分だったということだ。だが、より大きな結論については間違っていた。この問題は解決可能だった。ただ、業界の誰も思いつかなかった方法が必要だっただけだ。

ここに名前をつけるべきパターンがある。私はこれを認知の空白がもたらす優位性と呼んでいる。

専門家は知識を蓄積する。その知識には莫大な価値がある――何がうまくいき、何がうまくいかず、何が試されてきたかを教えてくれる。だが、隠れたコストがある。うまくいくことを知ると同時に、うまくいかないことも「知って」しまう。そしてその知識がフィルターとなり、「すでに試して失敗した」に分類されたアプローチを自動的にふるい落とす。

このフィルターは不完全だ。古い条件下で失敗したアプローチ――その条件が変わっているかもしれないのに――をブロックする。初回の実行がまずかっただけのアプローチをブロックする。そして、あまりにナイーブ、あまりに奇妙、受け入れられた手法からあまりにかけ離れていると見なされ、そもそも試されなかったアプローチもブロックする。

このフィルターを持たない人々――新参者、部外者、隣接分野の人間――には経験の恩恵がない。だが経験の重荷もない。専門家なら決して試さないことを試す。そして時折、そのうちのひとつがうまくいく。

これは専門知識を否定する議論ではない。専門知識は不可欠だ。だが、専門知識と素人の視点を混ぜるべきだという議論だ――何が「不可能」かを知らない人を意図的にチームに加えること。なぜなら、その無知こそが、知識なら壁で塞いでいたはずの道を探索させるからだ。

もうひとつ重要な要素がある。これまで述べてきたどの要素よりも理性的ではない。動機だ。

私がTrueMotionを始めたのは、市場のギャップを見つけたからではない。恐怖に駆られた父親だったからだ。些末なエピソードに聞こえるかもしれないが、これが粘り強さの計算を根本から変える。

ビジネスチャンスを追いかけていて専門家に不可能だと言われたら、合理的な判断は再考だ。彼らが正しいのかもしれない。もっと良い賭けがあるのかもしれない。期待値の計算は撤退に傾く。

だが、子どもの安全を守ろうとしているとき、期待値は関係ない。リターンの最適化をしているのではない。「それ以外の結果を受け入れて生きていくことはできない」という最適化をしているのだ。そのような動機は専門家に従わない。過去の失敗例を気にしない。ただ、押し続ける。

すべての不可能な問題に親の恐怖がロケット燃料として必要だと言いたいわけではない。だが、動機の強度はほとんどのビジネス書が認める以上に重要だ。「不可能」の壁を突き破る人は、もっとも鋭い分析力を持つ人であることはめったにない。現状を受け入れることがどうしてもできない人だ――その理由は、たいてい深く個人的なものだ。

ガイダンス#

次に「不可能」という言葉を聞いたとき――専門家から、同僚から、競合から、業界レポートから――以下の三つの診断を実行してほしい。

翻訳する。「不可能」を「これまで試された方法では達成されていない」に置き換える。ほぼ必ず、そちらのほうが正直な表現だ。書き留める。紙に書くことで、脳はそれを事実ではなく仮説として扱うようになる。
方法の境界をマッピングする。 具体的にどんなアプローチが試されたのか？　誰によって？　どんな条件下で？　どんなツールで？　あなたが探しているのは、探索済み領域の端だ。未探索の領域にこそ、チャンスがある。
部外者を招く。 あなたの分野の専門知識がゼロの人を見つけて、問題を説明する。何が試されたかは伝えない。専門家が何と言っているかも伝えない。ただ問題を提示して、どう取り組むか聞いてみる。提案のいくつかはナイーブだろう。いくつかは使い物にならないだろう。だがひとつが、あなたの業界の集合的フィルターがブロックしてきた方法を指し示すかもしれない。

「不可能」はビジネスにおいてもっとも高くつく言葉のひとつだ。常に間違っているからではない――本当にできないこともある。だが、人々が思っている以上にはるかに頻繁に間違っていて、早まってそれを受け入れてしまうコストは、うまくいくはずだった道を永遠に見つけられないことだからだ。

アルゴリズムは、すべての要件を疑うことから始まる。「不可能」を額面通りに受け入れるという要件も含めて。