要約
は、"データは何を言っているのか?" から "何を決定するか?" まで進化しています。決定知能は、組織が選択をより効果的に行うための体系的なアプローチです: 批判的思考のための構造化された枠組み、トレードオフの評価に使用するツール、仮定の検証に使用する結果の追跡、時間の経過とともに蓄積される組織の記憶。成熟した決定知能を持つ組織は、より速く、より自信を持って、より防御可能な決定を下し、継続的にそれを改善します。
The Gap 決定 インテリジェンス フィルズ
最も多くの組織は、データインフラストラクチャー — ダッシュボード、レポート、分析 — に多大な投資を行っていますが、決定インフラストラクチャーには投資を行っていません。結果は次のようになっています。
- ✗会議で決定が下されることは文書化されない
- ✗最も強い声が勝つことは、最も良い議論ではない
- ✗似たような決定が再び議論されるのは、誰も前の決定を覚えていないから
- ✗結果は元の理由と比較して追跡されない
- ✗組織の知識が人々が退職するときにドアを出る
は除外されます。 決定知能は、決定プロセス自体を第一級の関心事として扱うことで、この問題を解決します。 — 重要性は、情報を提供するデータと同じです。
Termの起源
"決定知能"はマーケティング用語ではない — 実在する起業家たちが築いた、成熟する分野である。
ローリエン・プラット — 2008年頃の分野の創設者
コンピュータサイエンティストのローリエン・プラットは、2008年のQuantelliaのホワイトペーパーで概念を初めて「決定工学」として紹介し、2019年の本 Link: How Decision Intelligence Connects Data, Actions, and Outcomes を執筆した。彼女の特徴的な貢献 — Causal Decision Diagrams — は、選択から結果までの因果連鎖をマップし、実際に 行動が結果を生み出すプロセスを視覚化できるようにする。
カシ・コージルコフ — Googleのチーフ・決定サイエンティスト、2018年
コージルコフは2018年にGoogleの初代チーフ・決定サイエンティストとなり、分野を定義し、「情報をより良い行動に変えるという学問」 と定義した。つまり、より簡潔に言えば、「データサイエンス++、社会的および管理的科学を組み込んだもの」 である。彼女の重要なルールは、決定をフレームすること であった。彼女は2023年に退職するまで、約20,000人のGoogle従業員をデータ駆動型の意思決定に教育した。
ガートナー — カテゴリがメインストリームになる
ガートナーは、決定工学プラットフォームを、ソフトウェアとして定義し、決定をサポート、自動化、拡張 するものとしており、「データ、分析、知識、AIの組み合わせ」によって行われることを示唆している。また、DIを完全なマジッククォADRANTカテゴリに引き上げ、データ駆動型から意思決定型の組織へのシフトがメインストリームになったことを示唆している。
決定知能 vs BI vs データサイエンス
バレーターターコンター
当前に速ただい。バレーターターコンター、バトショナ、カイスト、当前にいだい。削正にいだ。左下にいだ。バレーターターコンター」
バアイストレー
次割に速ただい。バアイストレー、コンターターコンター、カイスト、当前にいだい。削正にいだ。バアイストレー」
バアサンターターコンター
バアサンターターコンター、バアサンターターコンター、カイスト、バアサンターターコンター」
Decision Intelligence ライフサイクル
伝統的な協力的な意思決定は会議に焦点を当てていました。 決定知能は、全体の決定サイクルに焦点を当てています — 決定は設計、文書化、測定、改善できる資産になります。
フレーム
決定を明確にし、オプションを議論する前に
モデル
決定構造を明らかにする — ステークホルダー、基準、リスク
生成
ブレインストーミング、AIイデア、シナリオを通じてオプションを創造する
評価
基準を適用し、証拠を重視し、トレードオフを考慮する
割り当て
決定権を明確にする — 誰が決定するか、誰が実行するか
実行
決定を実施し、責任を明確にする
モニター
結果を予想した結果と比較する
学び
将来の決定に反映するために、洞察をフィードする
こののは大きな変化: 決定は 組織的資産 になります。設計、文書化、測定、改善が可能です — 会議ノートに消え去る一時的な出来事ではありません。
ステップ 1: 決断の枠組みを立てる
は、明確な枠組みで始まる。オプションについて議論する前に、チームは以下の質問をしてみましょう。 どのような結果を望んでいますか? どのような結果を避けたいですか? どのような結果が最も重要ですか?
- 実際に何の決定を下しているのか?
- なぜ重要なのか? どんなリスクがある?
- に影響を与えるのは誰?
- 何の結果を生み出そうとしている?
- どのような制約に直面している? (予算、時間、リソース)
- この決定は取り消し可能か、一方的なものか?
- 遅延した場合に何が起こる?
- データやAIがどのような役割を果たすべき?
はどれを購入するべきですか。
はどのような決定やワークフローをAIで強化するべきか、どのような統治モデル、そしてどのような人間の責任を伴うべきか。
は劣悪な枠組みを生み出す。より良い枠組みは解決の可能性を広げる。
ステップ 2: 決定のモデル化
の決定知能は、決定の不可視の構造を可視化します。決定モデルは、以下を示すべきです。 決定の目的 決定の要因 決定の結果
決定責任者
最終決定者は誰ですか?
関連者
どの者が相談される必要がありますか? どの者が影響を受けるか?
検討中のオプション
どのような代替案が検討されていますか?
評価基準
成功を評価する方法はどれですか?
証拠
各オプションを裏付けるデータは何ですか?
仮定
これが機能するには何が真実でなければならないですか?
リスク
何が失敗する可能性がありますか? どのようなリスクがありますか?
予想される結果
どのような結果が予想されますか?
フィードバック信号
どのようにして成功を確認できますか?
は、決定論理が明らかではない限り、組織は選択がなぜ行われたのかを理解していない可能性があります。
は誰が決定するか? 決定権 誰が決定するか 決定権の範囲 決定権の基準 決定権のプロセス image
はすべての協力的な決定を一致によって行う必要はない。 一致はコミットメントを生み出すが、遅延と曖昧な責任をも生み出す。 Decision Intelligenceには明確さが必要である。
| Role | Responsibility |
|---|---|
| 推奨 | 決定のためのオプションと分析を準備する |
| 貢献 | 入力、専門知識、または視点を提供する |
| 承認 | 実行 (例: 財務、合規性) の前に署名する必要がある |
| 決定 | 最終的な決定を下し、結果を所有する |
| 実行 | 決定を実施する |
| 情報 | 決定が下されたことを知る必要がある |
| 挑戦 | 決定を質問または上訴する権利がある |
グッドなコラボレーションとは、全員が決めるのではなく、適切な人々が貢献し、決定の責任者が明確で、理由が透明であることを意味します。
AIサポートによる決定の統治
AIは決定-makingの部分になるにつれて、組織はより強固なガードレールが必要です。 AIを補助する任意の決定の場合、チームは以下のことを尋ねるべきです。 1. はどのようなものですか? 2. AIはどのように使用されますか? 3. AIはどのような結果をもたらしますか?
AI Decision Checklist
- データは、AIをトレーニングしたり、情報を提供したりするためにどのようなデータが使用されましたか?
- データは信頼できるか、最新か、代表的なものですか?
- モデルは偏在性がある可能性があります。どのように知ることができますか?
- AIの推奨事項は、利害関係者に説明できますか?
- AIが間違った場合に誰が責任を負いますか?
- 人間の監視は、行動前に必要ですか?
- 法的、倫理的、または規制上のリスクはありますか?
- この決定は、後で監査できますか?
AIはスピードとスケールを増やすことができますが、規制なしではリスクも増やすことができます。 決定知能は、AIをサポートした決定を透明性、説明責任、レビュー可能にすることができます。
決定メモリー：エンディング・決定アムネジア
組織の多くにあり、決定の失憶症 と呼ばれる大きな弱点がある。チームは決定を下し、次に進み、後でなぜ決定したのか、どの代替案が却下されたのか、どのような仮定が立てられたのか、また再検討を引き起こすものが何であるのかを忘れる。 ...
現代の決定レコード 以下を記録する必要があります。
- •決定事項 — なにが決まった
- •背景 — なぜこの決定が今必要だった
- •所有者 — 最終決定者
- •貢献者 — 参加者
- •検討されたオプション — 拒否された代替案も含む
- •使用された基準 — オプションの評価方法
- •証拠 — 決定に影響を与えたデータと分析
- •使用されたAIツール — どのものが使用され、どのように貢献したか
- •受け入れられたリスク — 分析されたリスクと対策
- •異議申し立て — 批判と対処
- •予想される結果 — 成功の見通し
- •レビュー日 — 再評価の時期
- •再開トリガー — 決定を変更する条件
このことは決定を組織の知識に変える — 検索可能、参照可能、時間の経過とともに改善可能。
リーダーとしてのディシジョン・アーキテクト
過去、リーダーは決定を下すか、または共感を促進することが期待されていました。 決定知能の時代には、リーダーは決定アーキテクトになる必要があります。
は、より良い選択を可能にする条件を設計する決定アーキテクトです。
Decision Architect Capabilities
- クリア フレーミング — 決定前に解決策に飛びつく前に決定を定義する
- ベター エビデンス — データが決定に到達するのではなく、ダッシュボードにのみ到達するのを保証する
- インクルーシブ インプット — 有効な専門知識を持つ人々から意見を聞く
- コンストラクティブ ディセンタ — 意見の安全性を創り出す
- AI サポート — 人間に任せる時と補助する時を知る
- トランスペアント ディシジョン ライト — 誰が決定するかを知る
- ドキュメント ドキュメント — 「なぜ」が保存されるのではなく、「何」だけが保存される
- メジャブル アウトカム — 成功基準を事前に定義する
- コンティニュアス ラーニング — 結果を将来の決定にフィードバックする
The best leaders do not simply ask, "What should we decide?" They ask, "How should this decision be made?" は単に、"何を決定するか?"と尋ねるのではなく、"この決定はどのように行うか?"と尋ねるリーダーが一番良い。
決定知能の四柱 1. データ分析 2. 機械学習 3. オプティマイゼーション 4. オブザーバビリティ
意思決定フレームワーク
議論の構造化されたアプローチ: 論理的マッピング、利点/欠点分析、重み付けされた基準、シナリオ計画。 これにより、すべての視点が考慮され、推論が明確になる。これにより、意思決定プロセスが明確になり、すべての視点が考慮される。
証拠統合
データと分析を直接意思決定の推論に接続する。ただし、「ここにグラフがあります」というものではなく、「ここにこのデータポイントがこの特定の議論を支持または挑戦するかどうか」というものです。
結果追跡
即時 (実行したか)、短期 (目標を達成したか)、長期 (仮定が検証されたか) の 3 つの時期を跨いだ結果を測定する。
機関的学習
過去の決定、理由、結果を検索可能なライブラリに蓄積する。新しい決定は先例を参照できる。組織は時間の経過とともに賢くなります。
の決定品質を測定する方法 決定品質の定義 決定品質の評価 決定品質の分析 決定品質の改善
は、幸運だけが役割を果たしたものだけではありません。良い決定とは、以下のようなプロセスを伴うものです。 オプションを十分に検討する 潜在的なリスクと利点を比較検討する 情報に基づいた決定を下す 決定の質は、プロセスにあります。
プロセス品質
- • 代替案が生成され、評価されたか?
- • 証拠が考慮され、文書化されたか?
- • 異議が唱えられた意見が聞かれ、対処されたか?
- • 他者に説明するのに十分な理由が明確か?
結果品質
- • 即時: 決定が予定どおり実行されたか?
- • 短期: 我々が述べた目標を達成したか?
- • 長期: 我々の主な仮定が検証されたか?
学習品質
- • 必要なときに類似した過去の決定を見つけることができるか?
- • 繰り返し間違いを避けているか?
- • 決定のスピードが時間とともに改善されているか?
Argumentree: 決定知能プラットフォーム
ほとんどの決定知能プラットフォームは重量級の、分析に従った企業向けスイートです。Argumentreeはその逆のアプローチを採用しています: 構造化された議論マッピングに基づいた決定知能プラットフォーム — すべての決定の背後にある 推論をキャプチャするのではなく、データだけを。 4つの製品を通じて、決定の全スペクトルをカバーしています。
Argumentreeチームや組織の決定に構造化された議論マッピング — プロ/コン木、証拠、そして完全な決定の追跡可能性。
ArgumenTroupeAIによる多角的な議論 — 決定を確実にする前に、異なるAIの個性を使用して決定をテストする。
AIAgentreeAIエージェントの決定の追跡と監査 — 自律エージェントが行う決定をキャプチャ、検証、説明する。
Argumentree.AIマルチLLMの研究とAIによる議論の支援 — 主要なモデルを横断する構造化された分析。
組織が実際にどのように決定するかを1つの決定力プラットフォームとして、人類の決定、AIを補完する議論、AIエージェントの決定をカバーする。
決定知能は、決定を下す、協力的な決定を下す、および構造化された決定を下すを実現します。 — それに伴うものとしては、決定を下すモデルを参照してください。
さらに探求する
よくある質問 よくある質問
決定知能とは何ですか?
決定知能は、組織の決定を改善するために、より良いプロセス、ツール、フィードバックループを使用する学問です。決定フレームワーク、データ分析、結果追跡を組み合わせて、時間の経過とともに決定の質を体系的に向上させることができます。目標は、単に良い決定を下すことだけではなく、組織の決定能力を体系的に向上させることです。
ビジネスインテリジェンスと決定知能の違いは何ですか?
ビジネスインテリジェンスは、データの可視化とレポートに焦点を当てています。データが何を示しているかを示します。決定知能は、さらに進んで、決定についての推論のためのフレームワーク、構造化された議論のためのツール、結果から学ぶためのフィードバックメカニズムを提供します。BIは「データは何を示しているか」を答えますが、決定知能は「何を決定するか」を答えます。
決定知能の主なコンポーネントは何ですか?
決定知能には、4つの核となるコンポーネントがあります: 1)決定フレームワーク — 例えば、利点/欠点分析や議論マッピングなどの構造化されたアプローチ、2)証拠統合 — データと決定を結び付けること、3)結果追跡 — 決定が実現した結果を測定すること、4)組織的学習 — 過去の決定から将来の決定を学ぶこと。
決定の質をどのように測定しますか?
決定の質は、さまざまな時間スケールで結果の追跡を通じて測定されます: 即時的な結果 (正しく実行したか?), 短期的な結果 (目標を達成したか?), 長期的な影響 (仮定が検証されたか?). また、プロセス指標も含まれます: 理由が文書化されていましたか? 違いが検討されていましたか? 証拠が評価されていましたか?
決定知能ツールは誰が必要としますか?
決定が重大な影響を与える組織: 組織の意思決定、最高経営責任者チーム、プロジェクト管理、法務およびコンプライアンスチーム、医療委員会、投資委員会。決定知能は、決定が説明責任がある、繰り返し実行できる、または監査可能な場合に特に価値があります。
決定知能はどのように改善されますか?
結果を文書化された理由と比較することで、組織は決定の前例を構築します。このため、パターン認識が可能になります: どのような推論が良好な結果につながるか? どのようなシグナルを重視するべきか? 時間の経過とともに、組織の意思決定能力は、実際の結果から学び、単に直感に頼るのではなく、向上します。
ディシジョン・インテリジェンスの実践：ディープダイブ
を使用した協力的な意思決定から、AIを組み込んだ決定知能（Decision Intelligence）への進化を探究する。Google、Netflix、AmazonがスケールでDIを実現する方法を学び、データを実行に移すためのフレームワークを発見する。 決定知能（Decision Intelligence） 決定知能（Decision Intelligence）は、データとAIを組み合わせて、より情報に基づいた意思決定を可能にするものです。 Google、Netflix、Amazonなどの企業がスケールで決定知能を実現する方法を学び、データを実行に移すためのフレームワークを発見することができます。
Read: ビジネススケールでデータから行動までの 意思決定知能参考文献 & 追加の読み物
Pratt, L. (2019). リンク：デシジョンインテリジェンスがデータ、アクション、結果を結びつける方法。エメラルドパブリッシング。
分野を定義する本；因果的意思決定図を紹介。
View source →Pratt, L., & Malcolm, N. (2008). デシジョンエンジニアリング（Quantellia 白書）。
当初はデシジョンエンジニアリングという名前で、分野の最初の表明。
Kozyrkov, C. (2019). デシジョンインテリジェンスの紹介。
Googleの最初のチーフデシジョンサイエンティストによるDIの定義；情報をより良い行動に変えること。
View source →Simon, H. A. (1960). マネジメントの意思決定の新しい科学。ハーパー＆ロウ。
組織的なプロセスとしての意思決定の初期の基礎；体系的かつ改善可能なプロセスとしての意思決定の扱い。
決定力の知能を構築する
Argumentreeは、決定知能の基盤を提供します: 構造化された議論、文書化された理由、結果の追跡、検索可能な決定の先例。