期待と観察が食い違ったとき、仮説は生まれる
アブダクションを理解するうえで、最初に押さえるべき概念が「アノマリー」です。
アノマリーとは、単なる異常や珍しい出来事ではありません。アブダクションにおけるアノマリーとは、現在持っている知識、理論、経験、前提ではうまく説明できない観察事実のことです。
つまり、アノマリーは観察事実そのものではなく、観察事実と既存の理解との不一致によって生じます。
たとえば、「水星が太陽の周りを回っている」という事実はアノマリーではありません。それは天文学における通常の観察です。
しかし、「水星の軌道をニュートン力学に基づいて計算すると、実際の観測結果とわずかにずれる」となると、そこにアノマリーが生じます。
ここで重要なのは、ずれそのものです。
水星が動いていることが問題なのではありません。軌道が楕円であることが問題なのでもありません。問題は、「既存理論ならこうなるはずだ」という予測と、「実際にはこうなっている」という観測結果が一致しないことです。
この不一致が、アブダクションの出発点になります。
アノマリーは「異常」ではなく「説明不能な差異」である
日常語では、アノマリーは「異常」「例外」「変則」と訳されることがあります。しかし、アブダクションの文脈では、これだけでは不十分です。
アノマリーは、単に珍しいものではありません。珍しいだけなら、それは単なるレアケースです。
アブダクションにおいて問題になるのは、次のような状態です。
観察された事実がある。
しかし、その事実を現在の知識や理論では十分に説明できない。
そのため、新しい仮説を立てる必要がある。
このとき、観察事実はアノマリーになります。
したがって、アノマリーとは「事実の側」にだけあるものではありません。観察する側がどのような理論、期待、前提を持っているかによって、同じ事実がアノマリーにもなり、ならない場合もあります。
これは非常に重要です。
アノマリーは、観察対象そのものに貼り付いているラベルではありません。観察事実と、それを解釈する枠組みとの関係の中で発生します。
水星の近日点移動というアノマリー
科学史において有名な例が、水星の近日点移動です。
水星は太陽に最も近い惑星です。その軌道は長年にわたって精密に観測されてきました。ニュートン力学に基づけば、惑星の運動はかなり高い精度で予測できます。実際、ニュートン力学は多くの天体現象を説明してきました。
ところが、水星の軌道にはわずかなずれがありました。
特に、水星が太陽に最も近づく点、つまり近日点の位置が、ニュートン力学による予測と少しずつずれていたのです。
このずれは非常に小さなものです。日常感覚で見れば、ほとんど無視してよい差に見えるかもしれません。しかし、精密な理論と観測がある領域では、小さなずれが重大な意味を持ちます。
なぜなら、理論が正しければ説明できるはずのものが、説明できていないからです。
ここで生じた問いは、次のようなものです。
なぜ、水星の軌道はニュートン力学の予測からずれるのか。
この問いが、アノマリーを生みます。
そして、このアノマリーに対して、いくつかの仮説が考えられました。
未発見の惑星が存在しており、その重力が水星の軌道に影響を与えているのではないか。太陽の形状や質量分布に特殊な要因があるのではないか。観測に誤差があるのではないか。あるいは、ニュートン力学そのものが完全ではないのではないか。
このように、アノマリーは仮説の探索を促します。
そして最終的に、水星の近日点移動はアインシュタインの一般相対性理論によってよりよく説明されることになりました。
ここに、アブダクションの典型的な構造があります。
観察された事実がある。
既存理論では説明できない。
もしある仮説が正しければ、その事実は説明できる。
したがって、その仮説を検討する価値がある。
これがアブダクションの基本形です。
アブダクションは「仮説を当てる技術」ではない
アブダクションは、しばしば「最もよい説明を推論すること」と説明されます。これは間違いではありません。
しかし、この説明だけでは、アブダクションの手前にある重要な工程が見落とされます。
それは、何をアノマリーとして捉えるかです。
仮説を出す前に、まず「何が説明されていないのか」を正確に捉える必要があります。ここが曖昧なままだと、アブダクションは雑な仮説列挙になってしまいます。
たとえば、ビジネスの場面で「売上が落ちた」とします。
この時点で、すぐに次のような仮説を出すことはできます。
広告が悪いのではないか。
競合が強くなったのではないか。
商品の魅力が落ちたのではないか。
価格が高すぎるのではないか。
営業担当の力が落ちたのではないか。
しかし、これは仮説の範囲が広すぎます。
なぜなら、「売上が落ちた」という観察文が粗いからです。
売上は、来店客数、購入率、客単価、リピート率、商品構成、値引き率など、複数の要素によって構成されています。したがって、「売上が落ちた」という表現だけでは、何が本当に変化しているのかが見えません。
ここで必要なのは、いきなり仮説を出すことではなく、観察文を精密にすることです。
たとえば、次のように観察を分解できます。
来店客数は変わっていない。
購入率も大きく変わっていない。
しかし、客単価が明確に低下している。
特に、高価格帯商品の購入比率が下がっている。
ここまで観察を絞り込むと、アノマリーの姿が変わります。
単なる「売上低下」ではなく、
来店客数や購入率は維持されているのに、高価格帯商品の購入比率が下がり、客単価が低下している。
という不一致が見えてきます。
この段階になって初めて、仮説探索の範囲が絞られます。
顧客の所得層が変わったのか。
高価格帯商品の訴求が弱くなったのか。
販売員が高価格帯商品を提案しなくなったのか。
競合が同等商品の値下げをしたのか。
サイトや店舗の導線が低価格商品に偏っているのか。
このように、アノマリーを正確に記述できるほど、アブダクションの質は上がります。
アノマリーは「観察」と「期待」の差分である
アノマリーを理解するには、「期待」という概念が欠かせません。
ここでいう期待とは、単なる願望ではありません。
「通常ならこうなるはずだ」
「この理論が正しければこう観察されるはずだ」
「この条件なら、この結果になるはずだ」
という予測構造のことです。
つまり、アノマリーは次の関係で生じます。
期待された結果と、観察された結果が一致しない。
このとき、観察された結果がアノマリーになります。
ただし、より正確に言えば、アノマリーとは「観察結果」そのものではなく、「期待と観察の不一致」です。
ここを間違えると、アブダクションの理解が浅くなります。
たとえば、ある会社で売上が20％減少したとします。これだけでは、必ずしもアノマリーとは言えません。市場全体が20％縮小しているなら、それは既存の理解と矛盾しないかもしれません。
しかし、市場全体は成長している。広告費も増やしている。商品数も増えている。競合より価格も安い。それにもかかわらず、自社の売上だけが落ちている。
この場合、売上減少はアノマリーになります。
なぜなら、既存の期待と観察結果が食い違っているからです。
アノマリーの質が、仮説の質を決める
アブダクションの質は、仮説生成の巧みさだけで決まるわけではありません。
その前に、どのようなアノマリーを立てているかによって、仮説空間の広さが決まります。
粗いアノマリーは、粗い仮説を生みます。
「売上が落ちた」という粗いアノマリーからは、あらゆる仮説が出てきます。広告、営業、商品、価格、競合、景気、季節性、顧客層、ブランド、データ集計ミス。すべてが候補になります。
一方で、精密なアノマリーは、仮説の範囲を狭めます。
「来店客数は変わらないが、高価格帯商品の購入比率だけが落ちている」という観察であれば、仮説はかなり限定されます。
この意味で、アブダクションにおける重要工程は、仮説をたくさん出すことではありません。
むしろ重要なのは、仮説を出す前に、アノマリーをどこまで正確に記述できるかです。
アノマリーの記述が粗ければ、仮説探索は広がりすぎます。逆に、アノマリーの記述が精密であれば、仮説探索は自然に絞り込まれます。
観察文を精密にすることが、アブダクションの前提になる
ここで「観察文」の問題が出てきます。
アブダクションは、観察された事実から仮説を立てる推論です。しかし、その観察事実がどのような言葉で記述されているかによって、後続の推論は大きく変わります。
「顧客満足度が低い」
「社員のやる気がない」
「文章がわかりにくい」
「会議が機能していない」
「プロジェクトが停滞している」
これらは一見、観察のように見えます。しかし実際には、かなり解釈が混じっています。
たとえば、「社員のやる気がない」は本当に観察でしょうか。
観察として記述するなら、
会議中に発言する社員が少ない。
提案数が前月比で減っている。
締切前の自主的な確認が減っている。
1on1で将来の話題を避ける社員が増えている。
というように、より低次元の記述に分解できます。
このような記述のほうが、アブダクションの入力としては扱いやすくなります。
なぜなら、「やる気がない」という高次元の解釈から出発すると、精神論、性格論、組織文化論などに仮説が拡散しやすいからです。
一方で、具体的な行動や発言に分解すれば、仮説の範囲は絞られます。
会議設計の問題なのか。
評価制度の問題なのか。
心理的安全性の問題なのか。
業務負荷の問題なのか。
管理職との関係の問題なのか。
このように、観察文を精密にすることは、アブダクションの前処理として機能します。
アノマリーを扱う手順
アブダクションにおいてアノマリーを扱うときは、次の順序で考えるとよいでしょう。
第一に、観察事実を記述します。
この段階では、できるだけ解釈を混ぜないことが重要です。「悪い」「低い」「機能していない」「問題がある」といった評価語は、必要に応じて具体的な行動、数値、変化に置き換えます。
第二に、期待されていた状態を明らかにします。
何と比べて異常なのか。過去と比べてなのか。競合と比べてなのか。理論上の予測と比べてなのか。通常の経験則と比べてなのか。
期待が明確でなければ、アノマリーは成立しません。
第三に、観察と期待の差分を特定します。
ここで初めて、「何が説明されていないのか」が見えます。アノマリーとは、この差分です。
第四に、その差分を説明しうる仮説を出します。
この段階が、狭義のアブダクションです。
第五に、仮説を検証可能な形に変換します。
仮説は、思いつきのままでは使えません。「もしこの仮説が正しいなら、何が追加で観察されるはずか」という形に落とし込む必要があります。
アノマリーの記述が曖昧だと、推論は崩れる
アブダクションでは、仮説の妥当性ばかりが注目されがちです。しかし、実際にはその前に、アノマリーの記述が正しいかを確認しなければなりません。
アノマリーの記述が曖昧なままでは、どれほど多くの仮説を出しても、推論の精度は上がりません。
たとえば、「最近の若者は本を読まない」という命題があります。
これをそのままアノマリーとして扱うと、すぐに仮説が出てきます。
スマートフォンの影響。
動画文化の浸透。
学校教育の変化。
出版業界の衰退。
集中力の低下。
しかし、その前に確認すべきことがあります。
「若者」とは何歳から何歳までか。
「本」とは紙の書籍だけか、電子書籍も含むのか。
「読まない」とは購入しないことか、読書時間が短いことか、読了数が少ないことか。
過去と比べているのか、他世代と比べているのか。
小説、漫画、実用書、学術書は区別しているのか。
これらを確認しないまま仮説を出すと、アブダクションは単なる印象論になります。
つまり、アノマリーの精度が低いと、仮説も低品質になるのです。
アブダクションの起点は「驚き」だが、驚きだけでは足りない
パースのアブダクション論では、「驚くべき事実」が出発点として語られます。
しかし、実務や文章分析、ビジネス判断に応用する場合、「驚いた」という感覚だけでは不十分です。
なぜ驚いたのか。
何に対してずれているのか。
どの期待が裏切られたのか。
その期待は妥当なのか。
観察文は十分に具体的か。
ここまで確認して、ようやくアノマリーは分析可能になります。
驚きは、アブダクションの入口です。しかし、驚きそのものはまだ思考ではありません。
思考にするには、驚きを言語化し、期待と観察の不一致として定式化する必要があります。
まとめ
アブダクションにおけるアノマリーとは、単なる異常ではありません。
それは、観察事実と既存の知識、理論、経験、期待との不一致です。
水星の近日点移動の例で言えば、水星が動いていることがアノマリーなのではありません。ニュートン力学に基づく予測と、実際の観測結果がずれていることがアノマリーです。
ビジネスの例で言えば、「売上が落ちた」だけではアノマリーとして粗すぎます。来店客数、購入率、客単価、商品構成、顧客層などに分解し、どこに期待との不一致があるのかを特定する必要があります。
アブダクションの質は、仮説を出す能力だけで決まりません。
むしろ、その前段階である「アノマリーの記述」の質によって大きく左右されます。
精密に記述されたアノマリーは、仮説空間を狭めます。
粗く記述されたアノマリーは、仮説を拡散させます。
したがって、アブダクションを実用的な思考法として使うなら、最初に問うべきことは「どんな仮説が考えられるか」ではありません。
まず問うべきなのは、
何が、何に対して、どのように食い違っているのか。
です。
この問いに答えることが、アブダクションの本当の入口になります。
