NOISE 上: 組織はなぜ判断を誤るのか?【ばらつきを軽減させるための本】

著者・出版社情報
概要
活用法
所感
まとめ

著者・出版社情報

著者: ダニエル・カーネマン, オリヴィエ・シボニー, キャス・R・サンスティーン
出版社: 早川書房

概要

『NOISE 上: 組織はなぜ判断を誤るのか?』は、行動経済学の巨匠ダニエル・カーネマン（『ファスト&スロー』著者）らが、組織や個人の意思決定に潜む“ノイズ（ばらつき）”とその深刻な影響を解き明かす書籍です。これまで私たちはバイアス（偏り）に注目しがちでしたが、同じ案件に対し人や状況によって大きく判断が変わるという“ノイズ”の問題は見過ごされてきました。

例えば、裁判官の判決の重さが日や体調によってバラバラだったり、医師の診断が同じ症状でも異なったり、金融機関が融資審査で大きなばらつきを起こすなど。こうしたケースが、本書で言う「ノイズの被害」にあたり、個人や企業・社会に重大なコストをもたらします。本書は、ノイズとバイアスの区別、そしてノイズを組織がいかに軽減し、より公平かつ一貫性のある判断を下すかの具体的手法を提示しています。

活用法

「ノイズ」とは何か。それは同じ集団・組織内で、同一の基準や状況を想定しながらも、担当者やタイミングによって判断が大きくブレる現象です。バイアスが「特定の方向へ誤った判断が継続的になされる」ものだとすると、ノイズは「ランダムな揺れ」。本書を単に読み物として楽しむだけでなく、いかに自分の職場や日常に役立てられるか、その活用方法を具体的に解説します。

ノイズの存在を意識して点検する

個人レベル: 自分の判断が日や気分で変動していないか
日々の業務で下す判断が、朝と夕方、月曜と金曜、疲れているときなどで異ならないか。あるいは、プライベートでの家族や友人への接し方が、その時の気分やストレスで大きく変わっていないか。
本書では、まず「人間はいつでも同じ基準で判断できるわけではない」という前提を理解し、どんな状況・環境要因でノイズが発生しやすいのかを自分なりに洗い出してみるのが第一歩と説きます。

組織レベル: 意思決定プロセスを可視化してバラつきを発見
例えば採用面接。同じ部署であっても、面接官ごとに合否判断基準が違いすぎないか。あるいは医療現場や金融審査など、判断に大きな責任が伴う領域で、誰が担当するかによって結果が変わっていないか。
本書では「ノイズ監査」的な手法（組織内でデータを集め、どの程度のばらつきがあるかを数値化）を導入しない限り、ノイズが見過ごされ続けると警鐘を鳴らしています。実際の企業でも標準化の取り組みやガイドラインの整備が急務となるでしょう。

明確な基準・ルールを設けることでノイズを抑える

評価システムやチェックリストの活用
人事評価、採用、顧客対応などで「評価シート」「スコアリングシステム」など客観的な指標を導入するだけでも、担当者の思いつきや感情によるブレが減ります。
本書では「アルゴリズムの利用が（経験豊富な専門家の勘よりも）良い場合が多い」との研究も紹介されています。例えば医療診断でAI補助を活用したほうが、ベテラン医師のみの判断より精度が高いなど。

組織内で“同じ指標”を共有する
ある企業が複数の営業チームを抱える際、クロージング率、顧客満足度、商品単価など、評価の基準となる指標を事前にしっかり統一しておくことで各チーム間の判断が揺れにくくなります。これが無い状態だと、「厳しい上司」に当たった人と「優しい上司」に当たった人で評価が変わるなどノイズが多発します。

ノイズの種類を知り、対策を練る

レベルノイズを防ぐ: 組織や担当者ごとの“平均判断のズレ”
例: ある裁判官は平均して重刑を科し、別の裁判官は平均して軽い刑を科す。
対策としては、判決ガイドラインや量刑表をきちんと使う。人事評価なら、統計的に見て“厳しく出がちな人”や“甘く出がちな人”を意識して補正する仕組みを作る。

パターンノイズを防ぐ: 「特定のケース」に対して一貫性がない
例: 普段は穏やかな医師が、なぜか喫煙者に厳しい診断を下す。
対策としては、特定の条件で判断が偏るケースを洗い出し、そこを自覚してガイドライン化するなどが効果的。本人も気づかない偏見や感情の動きを可視化する。

機会ノイズを防ぐ: 同じ判断者がタイミングや気分で違う判定をする
例: 朝イチは機嫌が良いが昼食前はイライラしていて、判断が毎回異なる。
対策には「2回以上のチェック」、「日や時間帯を固定する」、あるいはデジタルツールによる補助的な評価などで一貫性を確保する方法が提案されています。

バイアスとノイズを区別し、同時に減らす

バイアスは一方向、ノイズはランダム方向
多くの企業研修や行動経済学の本は「バイアス除去」に注目しますが、本書では「実はノイズも大きい」と指摘。
バイアス対策（教育やトレーニング）とノイズ対策（標準化、チェックリスト作成など）は別物であり、両面を同時に進めなければ判断精度は抜本的に向上しないと説いています。

チェックリスト+教育の二段構え
具体的には、「プロセスを統一するためのチェックリストやガイドライン」と、「人間のバイアスや感情を管理するための教育」を同時に行う必要があります。医療の世界でガイドラインが厳密化されたことで診断のばらつき（ノイズ）が減った一方、医師自らが「自分は何に影響されやすいか」を学ぶことでバイアスにも対処できるようになる、というように二段構えでノイズとバイアスを抑えられるのです。

データやアルゴリズムを活用する視点を持つ

アルゴリズムが人間の勘を上回る現実
本書が紹介する研究で、“簡単な統計モデル”が専門家の勘よりも誤差が少ないケースが多数あることが示されています。
例: 単純なスコアリングモデルが、ベテラン医師の診断よりも正確に予後を予測
読み手はここで「人間の判断を“補完”する仕組みとしてアルゴリズムを導入すべき」という発想に至るかもしれません。すべてをAIに丸投げするのではなく、ヒューマンとアルゴリズムのハイブリッドによってノイズを低減するのが現実的な最適解と考えられます。

ノイズの監査と定期的な調整
データとアルゴリズム導入後も、組織は定期的に「ノイズ監査」を行い、依然として人間の裁量がノイズを生んでいないか点検します。これは1回きりの取り組みではなく、変化する環境や人事のローテーションなどによって絶えず見直しが必要になると著者は強調します。

所感

“ノイズ”という視点が加わり、より広く深い問題が浮き彫りに
以前の著書『ファスト&スロー』でダニエル・カーネマンは、人間の意思決定を歪めるバイアスに注目し世界的に大きな影響を与えました。本書ではそこに“ばらつき”という新たな概念が加わり、同じ意思決定の誤りでも「方向性の偏り」だけでなく「ランダムな揺れ」が大問題なのだと教えられます。
この発想を持つだけで、企業や医療、司法の在り方は大きく変わりうる。読んでいて「考えてもみなかった」視点が多く、新鮮さと衝撃が大きいです。

現場で“どう適用するか”が今後のカギ
ノイズに気づくのは大事ですが、それをどう低減させるかは簡単ではありません。ルール作りやアルゴリズム導入、ノイズ監査の運用など、時間と手間がかかるため、現実の組織での導入は抵抗も大きいでしょう。その一方で、「これをやらなければ誤判や無駄が膨大に生じ続ける」という説得力は大きく、トップやマネジメント層が本書を読めば、「なんとかしてこのノイズを減らさねば」という機運が高まるだろうなと感じます。