 |
意思決定インテリジェンスは、社会科学、意思決定理論、経営科学の理論を用いてデータサイエンスを補強する工学分野です。その応用は、組織における意思決定におけるベストプラクティスの枠組みと、機械学習、自然言語処理、推論、セマンティクスといった計算技術を大規模に適用するためのプロセスを提供します。基本的な考え方は、意思決定は行動がどのように結果につながるかを理解しているかどうかに基づいているということです。意思決定インテリジェンスは、この因果関係の連鎖を分析するための分野であり、意思決定モデリングは、これらの連鎖を表現するための視覚言語です。[ 1 ]
関連分野である意思決定工学も意思決定プロセスの改善を研究しますが、必ずしもデータサイエンスと密接に結びついているわけではありません。[注]
起源と技術
意思決定インテリジェンスは、多くの組織において、より構造化されたアプローチを用いることで意思決定を改善できるという認識に基づいています。意思決定インテリジェンスは、意思決定における「複雑性の天井」を克服することを目指します。これは、組織における意思決定慣行の洗練度と、それらの意思決定が下される状況の複雑さとの間の不一致によって特徴付けられます。そのため、複雑性理論と組織に関連して特定されたいくつかの課題の解決を目指します。
この意味で、意思決定インテリジェンスは複雑系分野の実践的な応用であり、組織が自らが置かれている複雑なシステムの中での舵取りを支援します。意思決定インテリジェンスは、高度な分析技術と機械学習技術を専門家ではない意思決定者のデスクトップに提供するフレームワークであり、ブラックスワン理論で示された問題を克服するためにデータサイエンスを組み込み、拡張するものとも考えられます。
意思決定インテリジェンスの支持者は、多くの組織が依然として誤った意思決定を行っていると考えています。[ 2 ]これに対応して、意思決定インテリジェンスは、以下でより詳しく説明するいくつかの意思決定のベストプラクティスを統合することを目指しています。
意思決定インテリジェンスは、以前は橋や建物などのより具体的なオブジェクトの設計に使用されていた原則を使用して、意思決定自体を設計することが可能であるという洞察に基づいています。
意思決定を表現する視覚的なデザイン言語（§ 視覚的な意思決定デザイン参照）の使用は、意思決定インテリジェンスの重要な要素です。なぜなら、それはすべての意思決定参加者が容易に理解できる直感的な共通言語を提供するからです。視覚的なメタファーは、複雑なシステムに関する推論能力を向上させ[ 3 ]、コラボレーションを強化します。
視覚的な意思決定設計に加えて、エンジニアリング分野には、大量導入を促進する2つの側面があります。それは以下のとおりです。
- デザイン要素の共通言語の創造と
- 上の図に示すように、共通の方法論またはプロセスを使用します。
モチベーション
意思決定の統一された方法論の必要性は、組織が複雑な内部および外部環境において難しい決定を下す際に直面するさまざまな要因によって生じます。
現在の方法では実際の意思決定の問題を解決できないことが広く認識されているが、政府機関や通信、メディア、自動車産業、製薬などの業界を含むさまざまな情報源からその認識が出ている。
例:
- 意思決定の結果はますます複雑になり、次の四半期の収益やその他の具体的な成果をはるかに超えて、同時に達成する必要のある複数の目標にまで及んでいます。これらの目標の一部は、多くの場合無形です。
車は、従来のセグメンテーションやブランディングをはるかに超える形で、アイデンティティ、価値観、そして個人のコントロールを表現する手段になりつつあります。例えば、燃費効率は社会的責任のある自動車（SRV）にとって考慮すべき事項の一つに過ぎません。部品の何パーセントがリサイクル可能か？車両全体の二酸化炭素排出量は？児童労働は使用されているか？有害な塗料、接着剤、プラスチックは使用されているか？サプライチェーンの透明性は？販売者はリサイクルに責任を負っているか？どのような方法が採用されているか？公正な労働慣行が採用されているか？
- 世界的な複雑さの増大:
私たちは、変化のスピード、範囲、そして複雑さが増すダイナミックな世界に生きています。グローバル化の継続的な進展、独立した主体の増加、そして技術の進歩は、世界の繋がり、相互依存、そして複雑性を増大させ、不確実性、システムリスク、そして予測困難な未来を生み出しています。これらの変化は、警告時間の短縮と意思決定サイクルの短縮につながっています。
— 国家情報長官、「ビジョン2015：世界的にネットワーク化され統合された情報企業」、2008年7月
工学原理の伝達
他の意思決定ツールや方法論とは異なり、意思決定インテリジェンスは、意思決定プロセスに様々なエンジニアリング手法を取り入れることを目指しています。これらには、要件分析、仕様策定、シナリオ計画、品質保証、セキュリティ、そして前述の設計原則の活用が含まれます。意思決定実行フェーズでは、設計フェーズで生成された出力を様々な方法で活用できます。ビジネスダッシュボードや仮定に基づく計画といった監視手法は、意思決定の結果を追跡し、必要に応じて再計画を促すために使用されます（これらの要素の組み合わせの一例は、この記事の冒頭の図に示されています）。
意思決定インテリジェンスは、意思決定の質の向上、意思決定の迅速化、意思決定の変更に伴う組織リソースの効率的な配分、そして意思決定に伴うリスクの低減といった可能性を秘めています。さらに、策定された意思決定は、新たな情報が得られるにつれて再利用・修正することが可能です。[ 4 ]
数値計算手法をデスクトップに導入
感度分析やアナリティクスなど、意思決定インテリジェンスの多くの要素は成熟した分野であるが、意思決定者によって広く活用されているわけではない。[ 5 ]意思決定インテリジェンスは、意思決定者と定量的専門家との間のコミュニケーションを容易にし、これらのアプローチやその他の数値的・技術的アプローチをより幅広く活用できるようにするための視覚言語を作成することを目指している。
特に、意思決定モデルにおける依存関係リンクは、因果関係（因果ループ図など）、データフロー（データフロー図など）、またはその他の関係を表します。例えば、あるリンクは「電話サービスの問題を修復する平均時間」と「顧客満足度」の関係を表す場合があり、修復時間が短いほど顧客満足度は高まると考えられます。これらの依存関係の機能形式は、さまざまなアプローチで決定できます。これらの機能を決定するためにデータを分析する数値的アプローチには、機械学習や分析アルゴリズム（人工ニューラルネットワークを含む）だけでなく、より伝統的な回帰分析も含まれます。オペレーションズ・リサーチやその他の多くの定量的アプローチの結果も同様の役割を果たします。
データが利用できない場合（またはノイズが多すぎたり、不確実であったり、不完全であったりする場合）、これらの依存関係リンクは、エキスパート システムやルールベース システムに見られるようなルールの形をとることができるため、知識エンジニアリングを通じて取得できます。
このように、意思決定モデルは、複数の関係、および記号的およびサブ記号的推論を組み合わせて、実際の意思決定の結果を決定するための完全なソリューションを作成するメカニズムを表します。
人工知能と機械学習との関係
前述のように、意思決定モデルの依存関係は機械学習を使用してモデル化できます。この点で、意思決定インテリジェンスは、単一リンク分析に最も広く使用されている人工知能の「マルチリンク」拡張と見ることができます。この観点から、機械学習は「Xを知っている/見ている/聞いている場合、どのような結論を導き出せるか」という質問に答えるものと見なすことができますが、意思決定インテリジェンスは「Xの行動をとった場合、結果はどうなるか」という質問に答えます。後者の質問は通常、一連のイベントを伴い、フィードバックループのような複雑なダイナミクスを含むこともあります。このように、意思決定インテリジェンスは、複雑系、機械学習、意思決定分析を統合します。
起源
|
意思決定支援システムや方法論（意思決定分析など）は数十年にわたって開発されてきたにもかかわらず、意思決定の主要なツールとしては、スプレッドシートほど普及していません。意思決定インテリジェンスは、このギャップを埋め、前提、外部価値、事実、データ、結論といった意思決定に含まれる中核的な要素について、共通の方法論と言語を利用するクリティカルマスを創出することを目指しています。過去の業界のパターンが当てはまる場合、このような方法論は、組織間で共有できる共通の成熟モデルとロードマップを明確にすることで、テクノロジーの導入を促進することにもつながります。
意思決定インテリジェンスのアプローチは学際的であり、認知バイアスと意思決定、状況認識、批判的思考と創造的思考、コラボレーションと組織設計に関する調査結果をエンジニアリング技術と統合します。
意思決定インテリジェンスは、スプレッドシート、テキスト（本質的に逐次的なため、意思決定構造における情報の流れには適さない）、口頭での議論といった現在の組織的意思決定慣行の改良点と考えられています。こうした主に非公式な構造から、意思決定が広く理解されている視覚的な言語で文書化される構造への移行は、建設業界における共通の設計図作成方法論の創出と軌を一にし、同様のメリットが期待されています。
意思決定インテリジェンスは、非常に新しいと同時に、非常に古い分野でもあります。その要素の多くは、例えば仮定を評価するための言語、議論を裏付ける論理の使用、意思決定を評価するための批判的思考の必要性、バイアスの影響の理解など、古くから存在しています。しかし、これらの要素が共通の方法論に焦点を当てることで、組織に大きな利益をもたらす一貫した全体像を形成できるという認識は、比較的新しいものです。
2018年、Googleの応用データサイエンスにおけるプロセスと研修プログラムは、「意思決定インテリジェンス」[ 6 ]に改名されました。これは、データサイエンスの応用において行動と意思決定が中心的な役割を果たすことを示しています。理論的枠組みがデータサイエンスに加えて経営科学や社会科学にも大きく依存していたことも、意思決定インテリジェンスをデータサイエンスとは異なる研究分野として統合する動機となりました。[ 7 ]
現代の意思決定インテリジェンスは、高度に学際的かつ学術的に包括的です。意思決定（生物学的および非生物学的な行動選択として広義に定義される）を中心とした研究は、この分野の一部とみなされます。しかしながら、意思決定インテリジェンスは、意思決定に関係のない要素をカバーしていないため、データサイエンスや社会科学を包括する用語ではありません。
視覚的な意思決定デザイン
複雑な意思決定で使用される、通常は見えない推論構造を可視化するため、意思決定インテリジェンスの設計面では、マインド マッピング、概念グラフ、セマンティック ネットワークなどの他の概念表現テクノロジが活用されています。
基本的な考え方は、視覚的なメタファーが直感的思考、帰納的推論、パターン認識といった重要な認知スキルを向上させるというものです。これらは、口頭やテキストでの議論では通常、アクセスしにくいスキルです。ビジネス意思決定マップは、意思決定インテリジェンスを支援するための正式な意思決定言語への一つのアプローチと見なすことができます。[ 8 ]
無形資産の明示的な表現
意思決定インテリジェンスは、意思決定の多くの側面が、機会費用、従業員の士気、知的資本、ブランド認知度、そして従来の定量モデルや財務モデルでは捉えられないその他のビジネス価値といった無形要素に基づいていることを認識しています。したがって、バリューネットワーク分析、特にバリューネットワークマップは、ここで重要な役割を果たします。
参照
注記
^次の意味の違いに注意してください。
- エンタープライズ意思決定管理（EDM）は、企業全体の意思決定の自動化に重点を置いた、EDMと密接に関連する分野です。この観点から、意思決定インテリジェンスはEDMのスーパーセットと位置付けられます。これは、手動と自動の両方の意思決定プロセスを包含し、それらを共通の方法論に統合することで、定量分析／アナリティクスツールや部門と、より定性／戦略／経営に重点を置く部門との間の障壁を打ち破るからです。
- 関連用語である「意思決定エンジニアリング」は、いくつかの業界で使用されています。これらの用語はそれぞれ、本稿で議論されているものとは異なる意味を持っています。
- この用語が広く使われてから数年後、マスターカードはAI/機械学習製品に「Decision Intelligence」という名前を商標登録しました。[ 9 ]
- 行動経済学において、関連用語である「意思決定エンジニアリング」は、消費者の選択を意図的に操作することを意味する場合があります。この用法では、意思決定インテリジェンスはソフト・パターナリズムとほぼ類似しています。これは、本稿で扱うソフト・パターナリズムとは全く異なる意味です。本稿では、複雑な意思決定を支援するためのエンジニアリング原理の利用ではなく、消費者の意思決定をエンジニアリングすることを指します。明確に異なるとはいえ、この実践は、意思決定インテリジェンスと同様の意思決定研究（例えば、行動経済学者リチャード・セイラーの研究など）の多くに基づいています。
- コストエンジニアリングは、エンジニアリングプロジェクトのコストを測定します。コストエンジニアリングは、意思決定エンジニアリングとして、製品エンジニアリングや設計最適化とグループ化されることがあります。これは、エンジニアリング上の意思決定の領域を超えて、組織が直面するあらゆる意思決定を網羅する本稿のより広範な枠組みとは区別されます。[ 10 ]
- オペレーションズ リサーチは、意思決定の問題に対する最適または最適に近い解決策を特定しようとする、主に定量的な意思決定アプローチです。
参考文献
- ^ 「意思決定インテリジェンスとは何か？」 aeratechnology.com . 2025年11月11日閲覧。
- ^ Hagerty, John; Sallam, Rita; Richardson, James (2012年2月6日). Gartner Magic Quadrant for Business Intelligence Platforms (レポート). Gartner .
- ^ Pratt, Lorien; Zangari, Mark (2009年8月10日). 「複雑なビジネスモデルへの道を切り開く」 . telecomasia.net . 2010年6月27日時点のオリジナルよりアーカイブ。
- ^ Pratt, Lorien; Zangari, Mark (2008年12月5日). 「デザインを通して意思決定の複雑性の限界を克服する」(PDF) (レポート). Quantellia.
- ^ 「Research and Markets: Agile Decision Making: Improving Business Results with Analytics」（プレスリリース）Research and Markets、2011年11月9日。2012年7月25日時点のオリジナルよりアーカイブ。
- ^ 「なぜGoogleは人間の意思決定を支援するための新たな規律を定義したのか」 Fast Company、2018年7月18日。 2018年8月7日閲覧。
- ^ Tech Open Air (2018-08-09)、Decision Intelligence (ML++) - Cassie Kozyrkov (Google) #TOA18 、 2018年8月15日閲覧
- ^ Waring, Joseph (2010年1月4日). 「視覚分析による電気通信の複雑さの理解」 . aisiatelecom.net . 2010年1月7日時点のオリジナルよりアーカイブ。
- ^ 「Mastercard、グローバルネットワーク全体で人工知能を導入」 mastercard.com 2016年11月30日 2019年6月23日閲覧。
- ^例えば、Roy Rajkumar 著「Cost engineering: why, what, and how?」や、英国クランフィールド大学の Decision Engineering Centre のその他の出版物を参照してください。
参考文献
- ピーター・F・ドラッカー著『ハーバード・ビジネス・レビュー 意思決定論』（2001年）ISBN 1-57851-557-2
- ジョン・S・ハモンド著『賢い選択：より良い決断をするための実践ガイド』（2002年）ISBN 0-7679-0886-4
- エドワード・ルッソ著『決断の罠』（1990年）ISBN 0-385-24835-0
- ポール・J・H・シューメーカー著『勝つための決断：最初から正しく決断する』（2001年）ISBN 0-7499-2285-0
- スコット・プラウス著『判断と意思決定の心理学』（1993年）ISBN 0-07-050477-6
