その原因は、努力の不足ではなく、数字と戦略の間にある切れ目かもしれません。切れ目の見つけ方と、つなぎ直す順序を整理します。
「知識は動いたときに価値になる」という考えに沿って、一週間で試せる手順まで具体的に示します。
- 行動量の数字が成果に結びつかない構造とは
- 戦略と実行が切れる三つの場所とその見分け方
- 戦略を検証できる仮説に書き換える具体的な手順
- 先行指標と遅行指標を分けて置く基本の考え方
- 数字の管理が通用しない局面と反論への答え方
行動量を数字で管理しているのに、なぜ成果が出ないのか?
成果が出ない原因は、行動量の不足よりも、行動の数字が戦略とつながっていないことにある場合が少なくありません。接触数や提案数を毎週記録していても、その数字が何を確かめるためのものかが決まっていなければ、数字は報告のための飾りになります。この節では、行動量の管理が空回りする場面と、その構造を整理します。
数字は揃っているのに、売上が動かない場面
週次の会議で、接触数、商談数、提案数、成約率が一覧で共有されます。全員が自分の目標値を達成している週もあります。それでも売上の伸びは鈍いまま、会議は「来週はもう少し頑張りましょう」で終わります。
これは特定の会社の話ではなく、行動指標を導入した組織で起こりうる典型的な場面です。数字が悪いわけではありません。数字が映しているのは頑張りの量であり、その頑張りが正しい方向に向いているかどうかは、映していないのです。
行動量を測ること自体は、有効な第一歩です。ただし、量の記録が目的になった瞬間に、数字は現状を安心させる材料へと役割を変えます。まず、いま見ている数字が何を映していて、何を映していないのかを、言葉にして確かめることから始めます。
説明用の仮の数字で考えます。ある組織が、月に新規接触40件、面談8件、提案4件、成約1件という流れを持っているとします。目標は接触40件と面談8件で、毎月達成しています。それでも成約は月1件のまま動きません。
このとき、増やすべきものは接触なのか、面談の質なのか、提案の中身なのかを、数字の一覧は教えてくれません。答えを出すには、数字の外側にある仮説、つまり「どこが詰まっているはずか」という見立てが要ります。見立てのない数字は、眺めるほど判断を遅らせます。

歩数と方角を、同時に見る
行動の数字を戦略につなぐ
KaplanとNortonは1992年の論文「The Balanced Scorecard—Measures that Drive Performance」で、財務指標だけでは継続的な改善や革新に必要な情報を十分に捉えられないと論じました。彼らが紹介したバランスト・スコアカードは、財務の結果指標に加え、顧客、内部プロセス、学習・成長に関する指標を組み合わせる考え方です。これは「行動量だけを見ない」という本稿の主張と重なります。ただし、同論文が本稿の三つの切れ目をそのまま提示しているわけではありません。三つの切れ目は、DAISENによる実務上の整理です。
出典:Robert S. Kaplan and David P. Norton, “The Balanced Scorecard—Measures that Drive Performance,” Harvard Business Review, January–February 1992. 原著論文(Harvard Business Review)
努力不足ではなく、設計の問題として捉え直す
成果が出ないと、組織はまず担当者の努力や意欲を疑いがちです。しかし、行動量の目標を達成しているのに成果が伴わない場合、問題は努力の側ではなく、数字の設計の側にあると考えるほうが筋が通ります。
設計の問題とは、次のような状態です。何のためにその行動を数えるのかが共有されていない。数字が動いたとき、何を変えるのかが決まっていない。数字が動かなかったとき、どの前提を疑うのかも決まっていない。この三つが空白のままだと、数字は集まっても判断は生まれません。
行動の量と質の両方を見るという考え方は、実務の世界では古くからあります。ここで加えたいのは、さらに一段上の視点です。量と質を測る前に、その行動がどの戦略の仮説を確かめるものなのかを、先に決めておくことです。
数字を診断の道具として使う、と言い換えることもできます。医療の検査数値は、医師の見立てがあってはじめて意味を持ちます。数値だけを毎日記録しても、何を疑っているのかが決まっていなければ、治療の方針は定まりません。組織の数字も同じ構造をしています。
この記事で解くこと
この記事では、行動の数字と戦略がつながらない原因を三つの切れ目に分けて整理し、つなぎ直す設計の順序を示します。さらに、明日から一週間で試せる最小の手順と、この方法が通用しない場面も正直に書きます。
2026年11月時点では、数字の集計、分類、要約などにAIを活用できる場面が広がっています。ただし、データの整備や定義、例外の確認まで自動的に正しく行われるわけではありません。集計の手間を減らせるほど、何を測り、どのように解釈するかという設計の質が重要になります。DXの道具を入れる前に、まず設計を確かめる。その順序を、一緒に考えていきます。
組織戦略とAI活用の議論は、ツールの選定から始まりがちです。しかし、戦略と実行がつながらない原因が設計にあるなら、ツールを足しても切れ目はそのまま残ります。先に直すべき場所を見つけ、そこにAIを当てる。この順序を守ることで、投資の無駄が減ります。
行動の数字と戦略は、どこで切れてしまうのか?
切れ目は三か所にあります。戦略が仮説になっていない点、仮説が指標に落ちていない点、指標が振り返りに使われていない点です。どこで切れているかが分かれば、直す場所も定まります。
数字が切れる三つの場所
最初の切れ目は、戦略の言葉が検証できる形になっていないことです。「顧客との関係を深める」という戦略は方向としては正しくても、何が起きたら成功と言えるのかが決まっていません。確かめようのない戦略には、対応する指標も置けません。
二つ目は、指標が活動の量だけに偏っていることです。接触数や提案数は動かしやすい一方、顧客の反応や契約後の状態は数字になりにくく、後回しになります。三つ目は、数字が集まっても振り返りの場で使われないことです。数字は見るものではなく、問いを立てるための材料です。
三つの切れ目は、独立しているようで連鎖しています。戦略が検証できない形のままだと、指標は測りやすいものに偏ります。偏った指標は、振り返りの場で問いを生まず、報告だけが残ります。報告が残るほど、戦略を見直す動機は薄れます。この循環を断つには、最も上流の切れ目から直すのが効率的です。
| 切れ目 | 起きていること | 見分ける兆候 |
|---|---|---|
| 戦略と仮説 | 戦略が方向の宣言で止まっている | 何が起きたら成功か、答えが人によって違う |
| 仮説と指標 | 測りやすい数字だけが選ばれる | 指標が活動量ばかりで、反応や継続が無い |
| 指標と振り返り | 数字が報告で終わっている | 数字が外れた週に、前提を疑う会話が無い |
自分たちの組織がどの行に当てはまるかを、まず一つだけ選んでみてください。三つ同時に直そうとすると、設計の議論が重くなり、かえって動きが止まります。
マネジャーの状態が、数字の読み方を左右する
数字を対話に変える役割を担うのは、多くの組織でマネジャーです。この役割の余力が落ちていると、指標の運用は管理や監視に傾きやすくなります。
Gallupの『State of the Global Workplace: 2026 Report』によると、2025年の世界の従業員エンゲージメントは20%で、2020年以来の低さでした。とくにマネジャーのエンゲージメントは、2024年の27%から2025年は22%へ5ポイント低下しています。
ここでいう「エンゲージメント」は、Gallupが独自の調査方法で分類した「仕事に積極的に関与し、熱意を持っている従業員」の割合です。単純な満足度や、マネジャーの能力評価を意味する数字ではありません。2026年版の公表資料では、調査対象となった2025年の世界の従業員全体で20%、マネジャーで22%と報告されています。マネジャーは2022年31%、2023年30%、2024年27%、2025年22%と推移しています。
出典:Gallup, State of the Global Workplace: 2026 Report(2025年データ)。世界データと年次推移 / 2026年版レポート(PDF)
この数字は世界全体の調査であり、日本の組織にそのまま当てはまるとは限りません。また、マネジャーの状態と指標運用の関係は、私たちの読み解きであり、調査が直接示した因果ではありません。それでも、数字を読む側の余力を前提に設計を考える視点は、持っておく価値があります。
この視点は、チームエンゲージメントの向上にAIを使う場面にも関わります。AIが集計や要約を肩代わりすれば、マネジャーは数字の整理から解放され、対話に使える時間が増える可能性があります。ただし、増えた時間が実際に対話へ回るかどうかは、運用の設計次第です。時間が空いただけでは、関係の質は変わりません。
Gallupの数値は、世界のマネジャーのエンゲージメントが低下したという状況を示します。しかし、この数値だけから「マネジャーの余力が低下したため、KPI運用が監視に傾いた」と結論づけることはできません。本稿では、マネジャーの状態が数字を対話に変える役割に影響しうる、という実務上の論点として扱います。調査結果そのものと、そこから導く組織運営上の仮説は分けて読む必要があります。
私たちの読み解き:歩数計は、方角を教えてくれない
登山にたとえるなら、行動量の数字は歩数計です。歩いた量は正確に分かりますが、歩いている方向が頂上に向いているかどうかは、歩数計には映りません。方向を決めるのは、地図とルートの設計です。
組織にとってのルートとは、戦略を検証可能な仮説に書き換えたものです。歩数を数える前に、どのルートで登るのかを決める。数字の質は、測り方よりも、何を確かめたいのかという問いの質で決まります。
この比喩が当てはまるのは、方向の確認が必要な局面です。道が一本しかない場面では、歩数だけを積み上げることにも意味があります。どの局面にいるのかを見極めることも、設計の一部です。
歩数計にも、役割はあります。登山では、ペースが落ちていないかを確かめる目安として歩数や時間が使われます。数字を捨てるのではなく、数字の役割を限定する。方角を教えるのは仮説、ペースを教えるのは行動量、と分担を決めておくと、両方が働きます。
戦略と行動指標をつなぐには、何から設計すればよいのか?
順序は三つです。戦略を仮説に書き換える。仮説に対応する先行指標を選ぶ。数字から学びを残す仕組みを置く。この順に進めると、既存の指標を捨てずに、意味づけだけを更新できます。
戦略を、検証できる仮説に書き換える
DAISENでは、戦略をビジョン、成長、実行の三層で整理して考えています。ビジョンは目指す姿、成長は伸ばす領域、実行は日々の行動です。戦略と実行がつながらない原因の多くは、成長の層が仮説として書かれていないことにあります。
たとえば「紹介を増やす」という成長の方針を、「契約後30日以内にフォロー連絡をすると、紹介が生まれやすくなる」という仮説に書き換えます。仮説の形になれば、確かめる数字も、外れたときの見直しの方向も決まります。
最初から精密な仮説である必要はありません。外れたら書き直すことを前提に、まず一枚の紙に書き出します。書き出した時点で、チーム内で解釈が割れている箇所が見えてきます。
もう一つ例を挙げます。「顧客満足度を高める」という方針を、「初回の面談で相手の課題を三つ聞き取れた案件は、提案後の返信率が高くなる」という仮説にします。これなら、面談で聞き取れた課題の数という先行指標と、提案後の返信率という質の指標が、自然に決まります。3層戦略の中間にある成長の層が、実行の層と指標でつながる瞬間です。
LockeとLathamは、35年間の研究を整理した2002年の論文で、目標設定が課題への注意、努力、持続、方略の探索などを通じて成果に関係すること、また目標の効果は課題の複雑さ、能力、コミットメント、フィードバックなどの条件に左右されることを論じています。したがって「数字を具体的に決めれば成果が上がる」と単純化するのではなく、目標に対する理解、実行可能性、進捗を知るフィードバックを組み合わせることが重要です。
出典:Edwin A. Locke and Gary P. Latham, “Building a Practically Useful Theory of Goal Setting and Task Motivation: A 35-Year Odyssey,” American Psychologist, 57(9), 705–717, 2002. DOI: 10.1037/0003-066X.57.9.705 / PubMed書誌情報
先行指標と遅行指標を分けて置く
先行指標とは、最終的な成果より前に変化を捉え、成果につながる可能性を早めに検討するための数字です。遅行指標とは、売上や利益など、一定期間の活動の結果を表す数字です。成約率も、どの段階の成約を測るかによって先行・遅行の位置づけが変わります。したがって、指標の名称だけで分類するのではなく、自社の業務プロセスのどの時点を測っているかを明確にします。先行指標は将来を確実に予測する数字ではなく、仮説を早めに点検するための手がかりです。
先行指標を選ぶときは、担当者やチームが働きかけられる余地があること、そして遅行指標との関係について検証可能な仮説が立てられることを確認します。天候や顧客側の事情など、自分たちだけでは動かせない要因も、需要や成果を左右する説明変数として記録する価値があります。ただし、それを担当者個人の努力目標として扱うのは適切ではありません。自分たちが変えられる行動と、外部環境として観察する数字を分けておきます。
OKRやKPIの設計では、この二つを分けて置くことが実行の質を左右します。行動量だけでなく、質や成果も組み合わせて見るために、次のように整理できます。
| 種類 | 例 | 役割 |
|---|---|---|
| 活動の量 | 接触数、提案数 | 動いているかを確かめる |
| 活動の質 | 返信率、顧客満足度 | 届いているかを確かめる |
| 成果 | 成約率、粗利益、継続率 | 仮説が当たったかを確かめる |
| 波及 | 紹介発生数 | 信頼が広がっているかを確かめる |
- その数字は、どの仮説を確かめるためのものか説明できる
- 担当者が自分の行動で動かせる数字になっている
- 上回った時と下回った時に、何を変えるかが決まっている
- 活動の量だけでなく、質か成果の数字が一つ以上ある
- 見直す時期が、月か四半期の単位で決まっている
数字から学びを残す:ナレッジとAIの役割
数字を学びに変えるのが、ナレッジマネジメントです。成約した理由よりも、断られた理由、止まった理由のほうが、次の仮説の材料になります。ところが、断られた理由は個人の記憶にとどまり、組織の共有知になりにくい性質があります。
経験から学ぶ仕組みについては、Chris Argyrisが1977年の論考「Double Loop Learning in Organizations」で、組織が誤りを発見しても、既存の目標や前提を変えずに行動だけを修正する場合と、前提そのものを問い直す場合を区別して論じています。本稿でいう「数字が外れたときに、行動だけでなく仮説を見直す」という考え方は、このダブルループ学習の視点と接続できます。ただし、本稿の週次運用手順はArgyrisの原文をそのまま再現したものではなく、DAISENによる実務への応用です。
出典:Chris Argyris, “Double Loop Learning in Organizations,” Harvard Business Review, September 1977. 原著論考(Harvard Business Review)
ここでAIの出番があります。商談メモや議事録を要約し、記録された断り理由を仮のカテゴリーに分類する作業は、AIに支援させられます。ただし、記録されていない事情や、本人も十分に言語化できていない判断の背景まで、AIが自動的に取り出せるわけではありません。暗黙知を共有知へ近づけるには、AIによる整理をたたき台にして、当事者への確認や対話を重ねる必要があります。営業とサービスのように部門が分かれていても、確認済みの知見を共有できれば、サイロ化を緩める助けになります。
AIを組み込んだ経営ダッシュボードの活用も同じ考え方です。AIは集計、要約、変化の検出を支援できますが、検出結果が本当に異常なのか、業務上どのような意味を持つのかは、人が確認する必要があります。入力データの欠落や偏り、指標の定義の揺れがあれば、出力にもその影響が及びます。道具を入れる前に、何を共有知として残し、誰が確認し、誤りをどう訂正するのかを決めておくことが前提になります。
OECDが2025年に公表した6か国(フランス、ドイツ、イタリア、日本、スペイン、米国)の企業調査では、調査対象の日本企業におけるアルゴリズム管理ツールの導入割合は40%と報告されています。また、利用するマネジャーの60%が意思決定の質の改善を感じる一方、利用者の約3分の2が何らかの信頼性上の懸念を挙げています。主な懸念には、誤った判断が生じた際の責任の所在、判断ロジックの分かりにくさ、労働者の健康保護が含まれます。
ここでいうアルゴリズム管理ツールは、AIを含む場合がありますが、すべてがAIとは限りません。また、調査は管理者の認識を含む企業調査であり、AI導入が生産性を因果的に高めたと証明する実験ではありません。したがって、AIの効果を断定する根拠ではなく、導入実態と運用上の論点を確認する資料として引用します。
出典:Anna Milanez, Annikka Lemmens and Carla Ruggiu, Algorithmic Management in the Workplace: New Evidence from an OECD Employer Survey, OECD AI Papers, No.31, 2025. DOI: 10.1787/287c13c4-en / OECD調査概要・結果
部門をまたぐ学びを回すには、クロスファンクショナルなチーム設計も効いてきます。営業、サービス、制作の担当が月に一度、同じ数字を前に話す場をつくるだけで、組織設計の面から縦割りが緩みます。また、断られた理由の傾向を個人ごとに整理すれば、人材育成をAIで個別最適化する材料にもなります。ただし、個人の数字を評価に使うか、学びに使うかは、事前に線を引いておく必要があります。
明日から一週間、何を測り、何を話せばよいのか?
最初の一週間は、指標を増やす週ではなく、絞る週にします。一つの仮説、三つ以内の数字、一回の短い対話。この小ささが、続けるための条件です。
最初の一週間の進め方
手順は五つです。新しい道具や制度は要りません。いま使っている表と会議の時間を、そのまま使います。
- 直近の四半期の目標から一つを選び、「〇〇をすれば△△が起きる」の形で書く
- 先行指標を二つ、遅行指標を一つに絞り、残りの数字は一旦見ない
- 数字を入れる場所を一か所に決める。集計の自動化は、運用が回ってから検討する
- 週次の会議の最初の十分で、「今週の数字で仮説は外れたか」を話す
- 断られた理由とうまくいった会話を、一行ずつ共有の場所に残す
五つの手順の要は、四番目の会議の使い方です。数字の報告を省き、仮説が外れたかどうかだけを話します。外れていたら、次の一週間でどこを変えるかを一つだけ決めます。この「一つだけ」が、運用を軽く保つ工夫です。

十分の対話で、仮説を確かめる
数字を、問いに変える
つまずきやすい点と対処
最初につまずくのは、指標が増えすぎることです。あれもこれも測りたくなりますが、三つを超えると、数字は見られなくなります。増やしたくなったら、何かを一つ外す。このルールを先に決めておきます。
二つ目は、数字が悪い週に報告が止まることです。数字が責める材料として使われると、人は数字を良く見せる方向に動きます。数字が外れた週を歓迎し、外れた理由を一緒に探すという約束を、会議の冒頭で共有しておきます。
三つ目は、会議が詰問の場になることです。この場合は、質問の主語を人から仮説へ移します。「なぜやらなかったのか」ではなく、「この仮説のどこが違ったのか」と問います。質問の主語を仮説に置くだけで、会話の温度は変わります。
続けるための小さな仕組み
続けるための仕組みは、月に一度の見直しです。目標と行動を月ごとに見直す習慣は、数字の運用を点検する機会になります。四半期ごとに、役目を終えた指標を外し、新しい仮説に合わせて入れ替えます。
チームの状態を測る手段としては、Gallup Q12のように、エンゲージメントを測定する質問票が知られています。自社で短い問いを定期的に集めるAIパルスサーベイも、離職予防の早期の手がかりになります。ただし、測って終わりにすると、回答する側の信頼を損ないます。結果を共有し、一つ変えるところまでを一組にします。
こうした小さな循環は、環境が変わっても立て直せる組織レジリエンスの向上にもつながります。チームエンゲージメントの向上にAIを使う場合も、役割は対話の準備を助けることに置き、対話そのものは人が担います。
ウェルビーイング経営の視点からも、指標の運用は点検の対象です。数字の運用が長時間労働や過度な競争を生んでいないかを、月次の見直しで確かめます。AIでウェルビーイングの傾向を把握できても、数字の裏にある事情を聞き取れるのは人だけです。数字が示した異変を、声かけの入り口として使う。この使い方なら、数字は人を追い詰めずに済みます。
数字で管理するやり方は、どんな時に通用しないのか?
この方法には、向かない局面があります。数字の管理は万能ではなく、組織の段階や仕事の性質によって、効く場面と効かない場面が分かれます。限界を先に知っておくことが、誠実な運用の前提です。
当てはまらない組織と局面
一つ目は、立ち上げ直後の局面です。母数が少ないうちは、数字が一件の成否で大きく揺れ、傾向を読めません。この段階では、数字よりも一件ごとの対話の中身を丁寧に振り返るほうが、学びが深くなります。
二つ目は、成果が出るまでに年単位の時間がかかる仕事です。長期の信頼づくりや研究的な業務は、週次の数字では進み具合を測れません。三つ目は、少人数で毎日顔を合わせている場合です。数字を介さなくても、状況が共有できているなら、仕組みを増やすことが負担になります。
三つの局面に共通するのは、数字が情報として機能するための条件が整っていない点です。母数、時間、共有の度合いが足りなければ、数字は判断を助けるどころか、誤った確信を生みます。数字を導入する前に、この条件を点検するだけでも、無駄な仕組みづくりを避けられます。
指標が管理目標として強く使われると、その指標を良く見せる行動が生まれ、本来測りたかった状態とのずれが大きくなることがあります。これは一般にグッドハートの法則として説明される問題です。ただし、Goodhart自身の1975年の議論は、もともと金融政策における貨幣量と政策運営の関係を扱ったもので、現在広く流通する短い定式化と原文を同一視しない注意が必要です。ここでは、その考え方を組織の業績指標に応用して解釈しています。数字は、人を一面的に測るためではなく、仮説を確かめるために置きます。
Goodhartの議論の原点を確認すると、1975年の論考「Problems of Monetary Management: The U.K. Experience」など、金融政策における貨幣量と政策運営の関係にあります。Reserve Bank of Australiaの文献目録も、この論考を後に「Goodhart’s Law」と呼ばれる考え方の初出に関わる文献として記録しています。現在の組織マネジメントで使われる説明は、その問題意識を業績評価や目標管理に応用したものです。
出典:Charles A. E. Goodhart, “Problems of Monetary Management: The U.K. Experience,” in Papers in Monetary Economics, Reserve Bank of Australia, 1975. 原典の書誌確認:Reserve Bank of Australia, Select Bibliography(該当文献一覧)。
「数字は人を追い詰める」という反論にどう答えるか
この反論には、一部同意します。数字が詰問や比較の道具として使われれば、人は疲弊します。行動量を増やし続けることを美徳とする運用は、休息や健康を削ります。長く成果を出し続けるには、休むことも設計に含める必要があります。
そのうえで、数字をなくせば解決するわけでもありません。数字がなければ、声の大きい人の印象で意思決定が行われやすくなります。論点は数字の有無ではなく、数字を何のために使うのかです。責めるためではなく、確かめるために使う。運用のルールとして、会議の冒頭で明文化しておくことを勧めます。
数字を扱う人の心理にも目を向けます。評価に影響すると感じた人は、数字を守りに入って扱います。逆に、数字が外れても責められないと分かっている人は、外れた事実を早く共有します。早い共有は、仮説の修正を早め、結果として成果までの距離を縮めます。
それでも、明日の一歩は何か
明日の一歩は、次の会議の最初の五分で、仮説を一つ書き出すことです。完璧な指標設計は要りません。いま見ている数字のうち一つについて、「この数字は、何を確かめるためのものか」と問うだけで十分です。
「知識は動いたときに価値になる」。数字の設計論も、読んだだけでは組織を変えません。仮説を一つ書き、一週間後に外れたかどうかを確かめたとき、はじめてこの記事の内容が自分たちのチームの知見に変わります。
DAISENの構造でいえば、ネクサス — HQ — は戦略と実行を翻訳する司令塔です。数字の設計は、その入口にあたります。ここから先、人の育て方や外部との共創へ視点を広げたい場合は、関連する記事も参考にしてください。
NISTのAI Risk Management Framework Playbookは、AIシステムの測定・管理において、監査ログや履歴の保持、エラー・バイアス・脆弱性の確認、人間による監督の記録、異議申し立てや苦情への対応状況などを確認することを提案しています。AIの出力をそのまま評価や処遇に結びつけるのではなく、人がどの程度確認し、どのような場合に修正・差し戻しを行うかを運用として定める必要があります。
出典:National Institute of Standards and Technology (NIST), AI Risk Management Framework Playbook – Measure. NIST公式ガイダンス
参考資料・一次情報
- Kaplan, R. S. and Norton, D. P. (1992). “The Balanced Scorecard—Measures that Drive Performance.” Harvard Business Review. 原著
- Locke, E. A. and Latham, G. P. (2002). “Building a Practically Useful Theory of Goal Setting and Task Motivation: A 35-Year Odyssey.” American Psychologist, 57(9), 705–717. PubMed
- Argyris, C. (1977). “Double Loop Learning in Organizations.” Harvard Business Review. 原著
- Gallup (2026). State of the Global Workplace: 2026 Report. 公式データ
- Milanez, A., Lemmens, A. and Ruggiu, C. (2025). Algorithmic Management in the Workplace: New Evidence from an OECD Employer Survey. OECD AI Papers, No.31. DOI
- Goodhart, C. A. E. (1975). “Problems of Monetary Management: The U.K. Experience.” Papers in Monetary Economics, Reserve Bank of Australia. 書誌確認:RBA文献目録
- National Institute of Standards and Technology. AI Risk Management Framework Playbook – Measure. 公式ガイダンス
※本記事の三つの切れ目、歩数計と登山の比喩、三層戦略、仮説の書式、一週間の実践手順は、上記資料をそのまま転載したものではなく、DAISENによる独自の整理・実務への応用です。各研究・調査の対象、方法、適用範囲を超えて、因果関係や普遍的な効果を断定する意図はありません。
数字の設計は、組織で進める前に、個人の習慣として試すと負担が小さくなります。ログポータルでは、小さく始めて続けるための考え方を整理しています。
- 行動量の数字は歩数計であり、進む方角は戦略の仮説が決めます。確かめる問いの質が差を生みます
- 切れ目は戦略と仮説、仮説と指標、指標と振り返りの三か所にあります。上流から直すと効率的です
- 戦略は「〇〇をすれば△△が起きる」の仮説に書き換えて確かめます。外れたら書き直して構いません
- 指標は三つ以内に絞り、数字が外れた週を歓迎する運用にします。数字は人ではなく仮説に向けます
- 次の会議の最初の五分で、確かめたい仮説を一つ書き出してください。小さな一歩が運用を回し始めます


