リファレンスクラス予測
ベースレートとアウトサイドビューのアンカーを使い、より正直に予測する方法
ベースレートはなぜ予測の精度を高めるのか?
リファレンスクラス予測は、ダニエル・カーネマンとエイモス・トベルスキーが提唱し、ベント・フリウビヤが体系化した手法で、目の前の案件の細部ではなく、類似した過去のプロジェクト群の結果の統計的分布に予測の起点を置くことで精度を高める。計画時にコスト・期間・便益の見積もりを膨らませる楽観バイアスを確実に修正する手法であり、その根拠は具体的で実証されている。
人はプロジェクトを計画するとき、自分の状況について詳細な物語を組み立て、そこから予測を導き出す——これが「インサイドビュー」だ。カーネマンは、この過程が構造的に楽観的になることを見抜いた。物語はうまくいく可能性に焦点を当て、類似プロジェクトの結果分布を無視するからだ。リファレンスクラス予測は、インサイドビューの詳細を加える前に、その分布に予測を強制的にアンカリングさせる。以下の実践は、このアウトサイドビューの規律を具体的な行動に落とし込んだもので、プロジェクト管理をはるかに超えて役立つ。
実践法
- 自分の状況に合ったリファレンスクラスを特定する
自分の状況と構造的に似た過去の事例をまとまった集合として見つけ、その結果データを集める。
- インサイドビューの詳細を加える前にベースレートにアンカーする
クラスの中央値から予測を始め、そこから調整する——自分の物語から始めてベースレートに調整するのではない。
- 一点の見積もりではなく分布として予測する
予測を単一の予想数値ではなく、起こりうる結果の範囲として表現する。
- 認知的な楽観バイアスと戦略的な虚偽表示を区別する
予測の水増しには純粋なバイアスによるものと意図的な操作によるものがあることを認識する——それぞれ異なる対処が必要だ。
- 新しい証拠が入るたびに予測を段階的に更新する
予測を、矛盾する証拠にも生き残るコミットメントとしてではなく、新しい証拠ごとに変わるべき確率として扱う。
- プロジェクト終了後にクラスデータへ貢献するための振り返りを行う
実際の結果と予測を正直に記録する——これが将来の予測が依拠するリファレンスクラスを築く。