― 競馬予想の経験から考える、情報の価値と仕事の進め方 ―
AIによって、詳しい資料を短時間で作成できるようになりました。
市場調査、競合分析、売上予測、事業計画。必要な情報を集め、整理し、分析する作業は、以前とは比較にならないほど効率化されています。
しかし、私は一つ疑問に思っています。
判断材料が増えることで、私たちは本当に正確な判断ができるようになるのでしょうか。
もちろん、情報は詳しく、正確であることが重要です。ただし、情報が多いことと、その情報から正しい結論を導けることは、必ずしも同じではありません。
そして、資料を作る時間が短くなったとしても、それが仕事全体の効率化につながるとは限らないのです。
約30年前、競馬予想を研究していた
約30年前、私はパソコンを使って競馬予想の研究をしていました。
JRA-VANによって競馬データを利用できるようになり、それまで手作業で入力していた情報を効率よく処理できるようになった時代です。
競馬の予想には、実に多くの要素があります。
競走馬の能力、騎手、枠番、距離、馬場状態、天候、負担重量、過去の成績など。それらを組み合わせ、どの条件が結果にどの程度影響するのかを調べていました。
しかし、まったく同じ条件のレースはありません。
同じ馬、同じ騎手、同じ競馬場であっても、体調や対戦相手、レース展開は異なります。
ある条件で勝率が高くても、それが本当にその条件の影響なのか、ほかの要素が関係しているのかを判断するのは難しいものです。
過去の傾向が、次のレースでも通用するとは限りません。
研究を重ね、回収率は90～95％程度になりましたが、最終的にはやめてしまいました。
競馬そのものより、データから傾向を探し、仮説を立て、検証することが楽しかったのだと思います。
正確な情報が、正しい結論を生むとは限らない
現在のAIなら、当時よりもはるかに多くの条件を組み合わせて分析できるでしょう。
統計や機械学習によって、これまで見つけられなかった関係を発見し、予測精度を高められる可能性もあります。
しかし、ここで区別したいことがあります。
情報が正確であることと、その情報の解釈が正しいことは、別の問題です。
例えば、ある商品の売上が伸びた時期に、広告費も増えていたとします。
売上も広告費も、正確な数字です。
しかし、それだけで広告が売上増加の原因だとは判断できません。
競合商品の欠品や価格変更、季節的な需要など、別の要因が影響していたかもしれないからです。
情報そのものに間違いがなくても、そこから導かれる結論が正しいとは限らない。
大量のデータを分析できるAIを使うからこそ、注意したい点だと思います。
何が重要な情報なのか、最初から分かるのか
では、判断に必要な情報だけを選べばよいのでしょうか。
それも、簡単な話ではありません。
そもそも、どの要素が結果に大きく影響するのか、最初から分かっているとは限らないからです。
競馬予想でも、重要だと思っていた条件が実際にはそれほど影響せず、あまり注目していなかった条件に意味があると分かることがあります。
ビジネスでも同様でしょう。
ある製品の売上が伸びた理由を調べるとき、価格や広告だけを分析しても、本当の原因が競合商品の供給不足だったとすれば、正しい判断には至りません。
だから、情報を増やすことにも意味があります。
しかし、調べられる情報をすべて集めればよいということでもありません。
情報過多に関する研究では、情報が一定の範囲を超えて増えると、判断の正確性が低下したり、判断に要する時間が長くなったりする場合があることが報告されています。
つまり、情報が不足していても問題ですし、情報が多すぎても問題になり得るのです。
大切なのは、情報を単純に減らすことではありません。
何を判断したいのかを明確にし、その判断に影響しそうな要素を検討する。必要な情報を十分に集め、その正確性と関係性を確かめる。
さらに、まだ分かっていないことが何なのかも把握する。
情報の量よりも、判断に必要なことがどこまで分かっているのかが重要なのではないでしょうか。
ビジネス文書が仕事をするわけではない
AIは、企画書や報告書、分析資料なども短時間で作成できます。
しかし、多くのビジネス文書は、それ自体が仕事の目的ではありません。判断や意思決定を行うための材料です。
例えば、ある設備の導入を検討するとします。
以前は企画書の作成に5日かかっていたものが、AIによって1日で完成したとしましょう。
ところが、その後の上司の確認に3日、関係部署との調整に5日、最終承認までに7日かかるとしたらどうでしょうか。
資料作成は4日短縮できました。しかし、確認や承認に15日かかる状況は変わっていません。
さらに、判断に必要な情報が不足していれば、追加調査や資料の作り直しが必要になります。
反対に、AIが大量の資料を作れるからといって、必要性の低い分析まで追加すれば、読む側の負担を増やすかもしれません。
AIによって資料作成が速くなっても、資料を作る時間の短縮と、仕事が進むまでの時間の短縮は、同じではないのです。
判断は速ければよいのか
ただし、意思決定は速ければ速いほどよい、というわけでもありません。
大きな設備投資や事業計画では、慎重な調査や検証が必要です。
判断を急いで重要なリスクを見落とせば、あとから大きな損失につながる可能性があります。
では、どこまで調べれば判断してよいのでしょうか。
これも簡単には答えられません。
将来の売上や需要を、完全に正確に予測することはできません。情報を追加すれば不確実性を減らせる場合もありますが、どこまで調べても分からないことは残ります。
だからこそ、判断する目的、想定される効果、リスク、情報の信頼性を整理する必要があるのでしょう。
必要な確認を省略することと、無駄な確認待ちを減らすことは違います。
判断材料が揃っているのに承認者が確認できず、何日も仕事が止まっているなら、それは情報分析とは別の改善課題です。
AIの導入だけで解決できるとは限りません。
AIで改善するのは、作業なのか、仕事なのか
AIは、多くの情報を集め、分析し、資料にまとめることができます。
さらに、不足している情報や、根拠が弱い部分、別の解釈が成り立つ可能性などを検討するためにも活用できます。
ただし、AIが示した分析結果そのものも、検証の対象です。
重要なのは、AIが出した答えをそのまま採用することではなく、判断するための情報として利用することだと思います。
そして、AIの導入によって何が改善されたのかを考える必要があります。
資料の作成時間が短くなったのか。必要な情報を確認する時間が減ったのか。意思決定までの時間が短縮されたのか。それとも、判断の質そのものが向上したのか。
これらは、それぞれ異なる成果です。
AIが作業を速くすることには価値があります。しかし、それだけで仕事全体が改善されたとは言えないでしょう。
おわりに
AIによって詳しい資料を簡単に作れるようになったからこそ、資料を作ること自体が目的になっていないか、考える必要があると思います。
情報は、詳しく正確であるべきです。
しかし、その情報をどう解釈し、何を判断し、どのような行動につなげるのか。
そして、判断するために必要な時間と、ただ待っているだけの時間を区別できているのか。
AIが速くしたのは、資料を作る作業なのか。それとも、判断して物事を進める仕事なのか。
AIを使った業務改善を考えるとき、確認してみたいことです。
参考資料
JRA-VAN公式：History of JRA-VAN（サービスの沿革）
Eppler & Mengis（2004）：The Concept of Information Overload（情報過多に関する研究の整理）