自分のモデルの外にある結果のための余裕を持って計画を立てる
リスクモデルに含まれていない出来事のために余力を確保する — なぜなら最も大きな被害をもたらす出来事は、たいていモデルに含まれていないからだ。
Why it works
標準的なリスク管理は既知のリスクを列挙し、それらに対して予備を配分する。しかしタレブの主張 — 金融危機、パンデミック、技術破壊に関する歴史的エビデンスと整合的な主張 — は、最も大きな被害をもたらす出来事は通常、危機前のモデルに完全に含まれていなかったというものである。特定のシナリオに対応するのではなく、未知の未知に投じることのできる一般的な余裕(財務的準備金、スケジュールの余白、選択肢の幅)を組み込むことが実践的な修正となる。
How to do it
- 既知のリスクと対応策を列挙した後、「未知の未知」の出来事のための別枠の予算を追加する。
- これを特定のシナリオへの対応としてではなく、全体容量の割合として規模設定する。
- その余力が何のためのものかを特定しろという圧力に抗う — 要点は、それがあらかじめ特定できないという点にある。
エビデンス
計画錯誤に関する研究や、金融・医療・インフラ全般にわたる危機後の失敗分析と整合的である。既知のリスクのみを織り込んだモデルは、総リスクを体系的に過小評価する。タレブは『ブラック・スワン』の中でこれを歴史的に記録している。 (observational)
必要な余力の規模は領域のボラティリティに大きく依存し、普遍的な割合は存在しない。これは方向性であって、公式ではない。
よくある間違い
未知の未知の予算を、数年使われなかったという理由で無駄だとみなし、効率化のために削ってしまうこと — それがまさに最も必要とされるタイミングである。
IX Coach でこれを実践する
More practices for ルーディック・ファラシー:現実をゲームと勘違いするとき
- 自分の領域のルールが本当に安定しているか確かめる
確率モデルを適用する前に、結果を左右するルールがゲームの途中で変わりうるかを問う。
- 過去の範囲を超えた結果に対して計画をストレステストする
最悪の結果が過去に観測されたどんなケースよりも2倍悪かったら、自分の計画がどう持ちこたえるかを問う。
- 精密さより選択肢の幅を優先する
不確実な環境では、最適化された固定ポジションよりも方向転換の余地を優先する。
- 予測やモデルにおける偽りの精密さに注意する
精密な確率や定量的予測には、そのモデルが領域に適合しているかどうかについて明確な疑いを持って接する。
- 自分が推論の基盤にしているカテゴリーが本当に当てはまるかを問う
モデルや枠組みを適用する前に、それが構築された基盤となるカテゴリーが自分の状況に本当に一致しているかを確かめる。