Loading article…
意思決定インテリジェンスは、データサイエンスに社会科学、意思決定理論、経営科学の理論を組み込んだ工学分野です。その応用により、組織的意思決定におけるベストプラクティスのフレームワークと、機械学習、自然言語処理、推論、意味論などの計算技術を大規模に適用するためのプロセスが提供されます。基本的な考え方は、意思決定は行動が結果につながる仕組みについての理解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的な言語です。[ 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するが、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ない。[注]
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、組織の意思決定手法の高度化と、意思決定を迫られる状況の複雑さとの間のミスマッチによって特徴づけられる、意思決定の「複雑性の限界」を克服することを目指しています。このように、意思決定インテリジェンスは、複雑性理論と組織に関して指摘されているいくつかの課題の解決を目指しています。
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を適切に管理するのに役立ちます。また、意思決定インテリジェンスは、高度な分析技術や機械学習技術を専門知識を持たない意思決定者のデスクトップにもたらすフレームワークであると同時に、データサイエンスを取り入れ、さらに拡張することで、ブラックスワン理論で提起された問題を克服するものと考えることもできます。
意思決定インテリジェンスの提唱者たちは、多くの組織が依然として不適切な意思決定を行っていると考えている。[ 2 ]これに対し、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、意思決定のベストプラクティスを統合しようとしている。
意思決定インテリジェンスは、橋や建物といったより具体的な対象物を設計する際に従来用いられてきた原理を用いて、意思決定そのものを設計することが可能であるという洞察に基づいている。
意思決定を表す視覚的デザイン言語の使用（ § 視覚的意思決定デザインを参照）は、意思決定の参加者全員が容易に理解できる直感的な共通言語を提供するため、意思決定インテリジェンスの重要な要素です。視覚的メタファーは、複雑なシステムについて推論する能力を向上させ[ 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、工学分野には普及を促進する他の2つの側面があります。それは以下のとおりです。
統一された意思決定手法の必要性は、組織が複雑な内部および外部環境の中で困難な意思決定を行う際に直面する多くの要因によって促進されている。
現在の手法では、実際の意思決定の問題を解決できないという認識は、政府機関や、電気通信、メディア、自動車産業、製薬などの業界を含む複数の情報源から得られている。
例：
自動車は、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た方法で、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、燃費は社会的責任のある車両（SRV）にとって考慮すべき要素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？児童労働は投入されているか？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どの程度か？販売者はリサイクルに責任を負っているか？どのような方法が用いられているか？公正な労働慣行は採用されているか？
私たちは、変化のペース、範囲、複雑さが増大し続ける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、独立主体の増加、そして技術の進歩は、グローバルな接続性、相互依存性、そして複雑さを増大させ、より大きな不確実性、システミックリスク、そして予測不可能な未来を生み出しています。こうした変化は、警告時間の短縮と意思決定サイクルの圧縮につながっています。
—国家情報長官、「ビジョン2015：グローバルにネットワーク化され統合された情報機関」、2008年7月
他の意思決定ツールや手法とは異なり、意思決定インテリジェンスは、意思決定プロセスに多くのエンジニアリング手法を適用しようとします。これには、要件分析、仕様策定、シナリオプランニング、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成果物をさまざま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策定などのモニタリング手法を用いて、意思決定の結果を追跡し、必要に応じて再計画をトリガーします（これらの要素がどのように組み合わされるかの一例を、この記事の冒頭の図に示します）。
意思決定インテリジェンスは、意思決定の質を向上させ、意思決定をより迅速に行えるようにし、意思決定の変更に合わせて組織のリソースをより効果的に調整できるようにし、意思決定に伴うリスクを低減する可能性を秘めています。さらに、設計された意思決定は、新しい情報が得られるにつれて再利用および修正することができます。[ 4 ]
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にもかかわらず、意思決定者によって広く利用されていません。[ 5 ]意思決定インテリジェンスは、意思決定者と定量専門家との間のコミュニケーションを促進する視覚的な言語を作成し、これらの数値的および技術的なアプローチをより広く利用できるようにすることを目的としています。
特に、意思決定モデルにおける依存関係リンクは、因果ループ図のように因果関係、データフロー図のようにデータフロー、またはその他の関係を表します。例えば、1つのリンクは「電話サービスの不具合修復にかかる平均時間」と「顧客満足度」の関係を表し、修復時間が短いほど顧客満足度が高まると考えられます。これらの依存関係の関数形式は、さまざまな手法で決定できます。これらの関数を決定するためにデータを分析する数値的手法には、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）のほか、より伝統的な回帰分析などがあります。オペレーションズリサーチやその他の多くの定量的手法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あり、知識工学を通じて取得することができます。
このように、意思決定モデルは、複数の関係性、そして記号的および非記号的な推論を組み合わせて、実際的な意思決定の結果を決定するための完全な解決策へと導くメカニズムを表している。
前述のように、意思決定モデルの依存関係は機械学習を用いてモデル化できます。この点において、意思決定インテリジェンスは、主に単一リンク分析に用いられる人工知能の「マルチリンク」拡張と見なすことができます。この観点から、機械学習は「Xを知ったり、見たり、聞いたりした場合、どのような結論が得られるか？」という問いに答えるものと見なせるのに対し、意思決定インテリジェンスは「行動Xを取った場合、どのような結果になるか？」という問いに答えるものと見なせます。後者の問いは通常、一連の事象を伴い、フィードバックループのような複雑な動態を含む場合もあります。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するものです。
意思決定支援システムや意思決定分析などの手法は数十年にわたり開発されてきたにもかかわらず、意思決定の主要ツールとしては依然としてスプレッドシートの方が普及している。意思決定インテリジェンスは、このギャップを埋めることを目指し、前提条件、外部値、事実、データ、結論といった意思決定の中核となる要素について、共通の手法と用語を用いるユーザー層を創出する。過去の業界のパターンが当てはまるならば、このような手法は、組織間で共有可能な共通の成熟度モデルやロードマップを明確にすることで、技術導入を促進するだろう。
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知見を、工学技術と統合するものである。
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（順序立てて記述されるため、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手法の改善策と考えられています。こうした非公式な構造から、意思決定が明確に理解でき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設計図作成手法の確立を彷彿とさせ、同様のメリットが期待されます。
意思決定インテリジェンスという分野は、古い要素と新しい要素を組み合わせたものです。前提を評価するための用語、論理を用いて議論を裏付ける方法、意思決定を評価するための批判的思考の必要性、バイアスの影響を理解することなど、その要素の多くは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首尾一貫した全体を形成することが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のプロセスとトレーニングプログラムは、「意思決定インテリジェンス」[ 6 ]と改名され、データサイエンスの応用における行動と意思決定の中心的な役割が示されました。理論的枠組みがデータサイエンスに加えて経営学や社会科学からも影響を受けていたことも、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の一つとなりました。[ 7 ]
現代の意思決定インテリジェンスは、学際的かつ学術的に包括的な分野である。生物学的および非生物学的行動選択として広く定義される意思決定を中心とした研究は、この分野の一部とみなされている。しかし、意思決定インテリジェンスは、意思決定に関係しない要素を包含しないため、データサイエンスや社会科学を包括する用語ではない。
意思決定インテリジェンスの設計面は、複雑な意思決定において用いられる、通常は目に見えない推論構造を可視化するため、マインドマップ、概念グラフ、意味ネットワークといった他の概念表現技術から着想を得ている。
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、パターン認識を強化するというものであり、これらは通常、口頭やテキストによる議論ではアクセスしにくい重要な認知スキルである。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サポートする形式的な意思決定言語へのアプローチの1つと見なすことができる。[ 8 ]
意思決定インテリジェンスでは、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、その他従来の定量的モデルや財務モデルでは捉えられないビジネス価値といった無形の要素に基づいていることを認識しています。そのため、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がここで重要になります。
^以下の意味的な違いに注意してください。