仮説とは「検証できる仮の答え」のこと。勘や思いつきとは違います。仮説を持つだけで、仕事のスピードと精度が同時に上がります。
この記事でわかること
- 仮説とは何か。勘や思いつきとの違い
- 仮説を持つと仕事が速くなる理由
- AI時代でも仮説思考が必要な理由
「たぶん、こういうことだと思うんですけど」。
仕事で何か意見を言うとき、こんな前置きをすることがあります。「たぶん」と言ったのは、確信がないから。でも、何かしらの「仮の答え」を持っている。
この「仮の答え」を意識的に使えるようになると、仕事の進め方がまったく変わります。
仮説とは「検証できる仮の答え」
仮説の「説」は、説明の説です。仮の説明。「まだ確かめていないが、こういうことではないか」という仮の答えのこと。
「解約率が上がっているのは、直近のUI変更で操作方法が分からなくなった顧客が増えたからではないか」。これが仮説です。
この仮説には大事な特徴があります。確かめる方法があるということ。UI変更の前後で解約率を比較する。解約した顧客にUI変更後の操作について聞く。データを見れば、この仮説が正しいかどうかを判断できます。
一方、「なんとなく最近うまくいっていない気がする」は仮説ではありません。何がうまくいっていないのか分からないし、確かめようもない。これは感覚です。
「解約率が上がっているのは運が悪いからだ」も仮説ではありません。検証する方法がない。これは当てずっぽうです。
勘や当てずっぽうと仮説の違いは「確かめられるかどうか」。 確かめる方法があるなら仮説。ないなら、ただの思いつきです。
仮説を持つと、仕事が速くなる
仮説思考の最大のメリットは時短です。
仮説がない状態で仕事を進めるとどうなるか。「解約率が上がっている。原因を調べよう」。顧客データを全部引っ張り出す。セグメント別に切る。時系列で見る。相関を探す。あらゆる角度からデータを眰めて、何か見えるまで探し続ける。半日かけて、「で、結局何が原因なの？」となりがちです。
仮説がある状態ではどうか。「UI変更が原因ではないか」という仮説を持っている。見るべきデータが決まる。UI変更前後の解約率の比較、解約顧客のUI変更後の利用状況。この2つだけ見ればいい。30分で答えが出る。
仮説がないと「何を調べればいいか分からない」から全部調べる。仮説があると「これを確かめればいい」から必要なことだけ調べる。 半日が30分になる。この差はそのまま仕事のスピードの差です。
会議でも同じです。「解約率について議論しましょう」と始めると、全員がバラバラの方向を向いて30分が終わる。「UI変更が原因ではないかと考えています。このデータを見てください」と仮説から始めると、その仮説が正しいかどうかを全員で検証できる。議論が収束し、会議も短くなる。
仮説は「考える時間」と「調べる時間」を圧縮するための道具です。全部調べてから考えるのではなく、先に仮の答えを持って、それを検証する。この順番に変えるだけで、仕事全体が速くなります。
AI時代でも仮説思考が必要な理由
「AIに聞けば答えが出るなら、仮説なんていらないのでは？」。こう思うかもしれません。
確かにAIは大量のデータから傾向を出したり、候補を列挙したりするのが得意です。でも、AIに「解約率が上がっている原因を分析して」と丸投げすると、汎用的で当たり障りのない回答しか返ってきません。 「顧客満足度の低下」「競合の台頭」「価格の問題」。どれも間違いではないが、自社の状況に合った答えではない。
一方、「UI変更が原因ではないかと考えている。UI変更前後の解約率を比較して、この仮説を検証して」とAIに渡すと、精度がまったく変わります。AIは「検証する」のが得意ですが、「何を検証すべきか」を決めるのは人間の仕事です。
仮説がないままAIを使うと、AIの出力を眰めて「ふーん」で終わる。仮説があってAIを使うと、仮説の検証が一瞬で終わって次の判断に進める。AI時代だからこそ、仮説を持つ人と持たない人の差が広がります。
「間違ったらどうする」への答え
仮説を立てることに抵抗がある人がいます。「仮説が間違っていたら、無駄になるのでは」。
答えはシンプルです。仮説は間違っていていい。
「UI変更が原因ではないか」と仮説を立てて、データを見たら違った。UI変更の前後で解約率に差がなかった。これは失敗ではありません。「UI変更は原因ではない」という情報を得た。原因の候補が1つ減った。次の仮説に進める。
仮説なしで全部を調べるのと、仮説を立てて外して次の仮説に進むのと、どちらが早いか。ほとんどの場合、後者の方が早い。仮説が外れるコストより、仮説なしで全部を調べるコストの方がはるかに大きい。
大事なのは、仮説に固執しないこと。データを見て仮説が間違っていたら、素直に捨てて次に行く。仮説に合うデータだけを探し始めたら、それは仮説思考ではなく確証バイアスです。
仮説は「精度」より「スピード」で始める
仮説を立てるとき、最初から完璧な仮説を作ろうとしなくていい。
「たぶんUI変更が原因じゃないかな」。この程度で十分です。大事なのは、仮の答えを持っている状態で次のステップに進むこと。精度は後から上がります。最初の仮説が外れたら、その情報をもとに次の仮説の精度が上がる。
最初は粗くていいから仮の答えを持って動き、事実を見て修正し、精度を上げていく。最初から精度100%を目指すと、仮説を立てる段階で止まってしまいます。
まとめ
この記事のポイントを3つにまとめます。
- 仮説とは「検証できる仮の答え」。勘や当てずっぽうとの違いは「確かめられるかどうか」
- 仮説を持つと仕事が速くなる。「何を調べるか」が決まるから全部調べる必要がない。半日が30分になる
- AI時代でも仮説思考は必要。AIは「検証する」のが得意だが、「何を検証すべきか」を決めるのは人間の仕事
次回は「なぜ『仮説が先、データが後』なのか」を掘り下げます。データを眰めてから考えるのと、仮説を持ってからデータを見るのでは、何がどう変わるのか。具体的な場面で比較します。
