問題発見のための構造的アプローチ
問題とは何か。
この問いに対して、一般には「困っていること」「解決すべきこと」「期待通りにいっていないこと」といった説明がされる。しかし、問題をより精密に捉えるなら、問題とは単なる不快感や違和感ではなく、ある対象が期待された出力を生み出していない状態である。
つまり、問題はまず「出力の異常」として現れる。
売上が下がった。
機械が止まった。
体温が上がった。
顧客が離れた。
文章が伝わらない。
子どもの成績が落ちた。
システムの応答が遅い。
これらはいずれも、最初に観察されるのは内部構造ではない。観察されるのは、対象から出てきた結果である。人はまず出力を見る。そして、その出力が期待と一致していないときに「問題がある」と判断する。
この意味で、問題の検知は出力から始まる。
問題は最初から「原因」として現れるわけではない
問題を考えるとき、多くの人はすぐに原因を探そうとする。
売上が下がったのは広告が悪いからではないか。
機械が止まったのは部品が壊れたからではないか。
体調が悪いのは感染症ではないか。
文章が伝わらないのは構成が悪いからではないか。
しかし、これはすでに原因仮説である。最初に存在するのは原因ではなく、出力の異常である。
「売上が下がった」は観察である。
「広告が悪い」は解釈である。
「広告文の訴求が弱く、問い合わせ率が下がった」は仮説である。
この三つを混同すると、問題分析は粗くなる。観察した事実と、そこから導いた解釈と、さらにその背後にある原因仮説が一体化してしまうからである。
問題発見において重要なのは、まず出力を観察として切り出すことである。原因を急がない。構造を急がない。要素を急がない。まず「何が、期待と違う形で出てきているのか」を記述する。
この段階での問いは、次のようになる。
期待された出力は何か。
実際に観察された出力は何か。
両者の差異は何か。
その差異は問題と呼ぶに足るものか。
この順序を踏むことで、問題は曖昧な不満ではなく、観察可能な差異として扱えるようになる。
出力から機能不全を捉える
出力の異常を観察しただけでは、まだ問題の正体はわからない。出力の異常は、あくまで表面に現れた結果である。
次に必要になるのが、機能不全という捉え方である。
機能とは、対象が果たすべき働きである。たとえば、営業組織の機能は顧客を獲得すること、既存顧客との関係を維持すること、売上をつくることである。自動車の機能は移動すること、曲がること、止まること、乗員を安全に運ぶことである。身体の機能は呼吸すること、血液を循環させること、体温を調整すること、栄養を吸収することなどである。
出力に異常があるとき、私たちはその背後に「どの機能がうまく働いていないのか」を推定する。
たとえば、月商が下がったという出力があったとする。このとき、問題は単に「売上が低い」ことではない。背後では、集客機能、販売機能、顧客維持機能、価格設定機能、商品提供機能のどれか、あるいは複数が不全を起こしている可能性がある。
同じように、発熱という出力があったとする。発熱は観察される現象である。しかし、それが意味しているのは、体温調節、免疫応答、炎症反応などの機能に何らかの変化が生じている可能性である。
このように、出力の異常は、機能不全を推定するための入口になる。
ただし、厳密に言えば、機能不全そのものは観察ではない。観察されるのは出力である。機能不全は、出力を見た後に行われる第一段階の解釈である。
したがって、次の区別が重要になる。
観察対象は出力である。
解釈対象は機能である。
分析対象は構造と要素である。
この区別を置くことで、問題発見の手順はかなり明確になる。
構造と要素は、機能不全の背後にある
出力の異常を観察し、機能不全を推定した後に、構造と要素の分析が始まる。
構造とは、要素同士の関係である。
要素とは、対象を構成している部品・人・資源・制度・情報・物質などである。
たとえば、企業の売上低下を考える場合、要素には商品、営業担当、広告、顧客、販売チャネル、価格、問い合わせフォーム、顧客管理システムなどが含まれる。構造とは、それらがどのように結びついているかである。広告から問い合わせにつながる構造、問い合わせから商談につながる構造、商談から成約につながる構造、成約後に継続購入につながる構造などである。
機械の場合、要素は部品である。エンジン、バッテリー、センサー、配線、ギア、ポンプなどが要素になる。構造は、それらがどのように接続され、どの順序で働き、どの信号やエネルギーを伝達しているかである。
医療の場合、要素は細胞、組織、臓器、血液、神経、ホルモン、病原体、薬剤などである。構造は、臓器同士の接続、血流、神経支配、免疫系の反応経路、代謝経路などである。
ここで重要なのは、構造と要素は出力よりも深い層にあるということである。通常、人は最初から構造や要素を見ているわけではない。まず出力を見る。その後、機能を推定し、その機能を支えている構造を調べ、構造を構成する要素を確認する。
つまり、対象の成り立ちは、
要素
↓
構造
↓
機能
↓
出力
という順序で捉えられる。
しかし、問題発見の順序は逆である。
出力の観察
↓
機能不全の推定
↓
構造異常の探索
↓
要素異常の特定
この逆向きの流れが、問題分析の基本である。
問題発見は、システムを逆向きに読む行為である
ある対象が正常に働いているとき、私たちはその内部をあまり意識しない。自動車が走っているとき、エンジンや燃料噴射装置や点火系を意識しない。スマートフォンが使えているとき、CPUやメモリや通信モジュールの働きを意識しない。身体が健康なとき、肺胞や血管や免疫細胞の活動を意識しない。
しかし、出力に異常が現れると、私たちは初めてその背後にある機能・構造・要素へと注意を向ける。
たとえば、自動車のエンジンがかからない場合、最初に観察される出力は「エンジンが始動しない」である。そこから「始動機能が働いていない」と解釈する。そして、点火系、燃料系、電装系という構造を調べる。最後に、バッテリー、プラグ、燃料ポンプ、セルモーターなどの要素を確認する。
この流れは、医療診断にも似ている。患者が最初に訴えるのは、病名ではない。多くの場合、患者は「熱がある」「咳が出る」「息苦しい」「痛い」「歩けない」といった症状を訴える。これは出力である。医師はそこから、呼吸機能、循環機能、神経機能、免疫機能、代謝機能などのどこに不全があるかを考える。そして、臓器、組織、細胞、病原体、炎症、血栓、腫瘍などの構造・要素を調べていく。
つまり、問題発見とは、システムを逆向きに読む行為である。
正常な生成順序は、要素から出力へ向かう。
問題発見の認識順序は、出力から要素へ向かう。
この認識の逆向き性を理解しないと、問題分析は混乱する。出力の異常を見ただけで、すぐに要素の欠陥を決めつけてしまうからである。
スペックとは何か
ここで重要になるのが、スペックである。
スペックとは、対象が満たすべき仕様の記述である。日本語では「仕様」と訳される。スペックは、機能そのものでも、構造そのものでも、要素そのものでもない。むしろ、機能・構造・要素にまたがって「その対象がどうあるべきか」を記述したものである。
たとえば、自動車のスペックには、最高速度、燃費、乗車定員、排気量、駆動方式、車重、エンジン形式、ブレーキ方式などが含まれる。この中には機能に近いものもあれば、構造に近いものもあり、要素に近いものもある。
最高速度や燃費は、機能的なスペックである。
駆動方式やサスペンション形式は、構造的なスペックである。
排気量やバッテリー容量やセンサーサイズは、要素的なスペックである。
つまり、スペック表には、機能・構造・要素が混在している。
しかし、問題発見の観点から見ると、スペックはさらに重要な役割を持つ。スペックは、期待をつくるからである。
問題は、期待と観察の差異として検知される。では、その期待はどこから来るのか。多くの場合、それはスペックから来る。
スマートフォンのバッテリーが「一日持つ」とされているなら、一日持たなかったときに問題が検知される。Webサイトが「3秒以内に表示される」ことを基準にしているなら、10秒かかったときに問題が検知される。体温が通常36〜37℃程度であるという基準があるから、39℃の発熱が異常として認識される。
スペックがなければ、正常と異常の境界が曖昧になる。
したがって、問題発見の最小モデルは、次のように整理できる。
スペック
↓
期待
↓
出力観察
↓
差異検出
↓
問題認識
この意味で、スペックは問題発見の前提である。
スペックは機能ではないが、機能への期待を定める
スペックを機能と混同してはいけない。
機能とは、対象が果たす働きである。
スペックとは、その働きや構造や要素が満たすべき条件を記述したものである。
たとえば、エアコンの機能は、室温を調整することである。しかし、スペックは「対応畳数」「消費電力」「冷房能力」「暖房能力」「運転音」「除湿能力」「フィルター性能」などとして表される。
ユーザーが本当に知りたいのは、多くの場合、「この部屋を快適にできるか」という機能である。しかしメーカーはそれを具体的に示すために、冷房能力や消費電力や対応畳数といったスペックを記載する。
つまり、スペックは機能を直接表す場合もあるが、多くの場合、機能を実現するための条件を記述している。
同じことは、AIやソフトウェアにも言える。
「応答速度」「処理可能なトークン数」「対応ファイル形式」「同時接続数」「精度」「稼働率」などはスペックである。しかし、ユーザーにとって重要なのは、「業務が滞りなく進むか」「必要な判断材料が得られるか」「文章生成の品質が実務に耐えるか」といった機能である。
したがって、スペックを見るときには、それが機能スペックなのか、構造スペックなのか、要素スペックなのかを分けて読む必要がある。
スペックを読むとは、単に数値を読むことではない。
その数値がどの機能に関係しているのかを読むことである。
医療における出力・機能・構造・要素
医療は、このモデルを理解するうえで非常にわかりやすい分野である。
患者が最初に観察するのは、病名ではない。観察するのは、症状である。熱がある、咳が出る、息苦しい、痛い、だるい、歩きにくい、眠れない、食欲がない。これらは出力である。
医師が診るものも、最初は症状や徴候である。症状は患者が主観的に訴えるものであり、徴候は医師が客観的に確認できるものである。たとえば、発熱、血圧、脈拍、酸素飽和度、腫れ、発疹、意識状態などである。
これらの出力をもとに、医師はどの機能に問題があるのかを考える。
息苦しいなら、呼吸機能の問題かもしれない。
胸が痛いなら、循環機能の問題かもしれない。
手足が動かないなら、神経機能の問題かもしれない。
発熱があるなら、免疫反応や炎症反応が関係しているかもしれない。
そこから、構造の探索に進む。肺か、心臓か、血管か、神経か、筋肉か、消化管か、腎臓か。さらに、要素の探索に進む。細菌、ウイルス、腫瘍、血栓、自己免疫反応、薬剤、遺伝子、細胞の異常などである。
たとえば肺炎なら、次のように整理できる。
発熱、咳、呼吸困難という出力がある。
そこから、ガス交換機能や免疫機能の異常が疑われる。
構造としては、肺胞や気管支に異常がある可能性を考える。
要素としては、細菌やウイルスなどの病原体、炎症細胞、分泌物などが関係する。
ここで重要なのは、症状と診断名を混同しないことである。
「熱がある」は症状である。
「肺炎である」は診断である。
「細菌感染がある」は原因仮説である。
この区別は、一般の問題解決にもそのまま応用できる。
「売上が下がった」は症状である。
「営業機能が低下している」は機能不全の推定である。
「問い合わせ後のフォロー構造が壊れている」は構造仮説である。
「担当者不足」や「CRM未整備」は要素仮説である。
医療診断は、出力から機能へ、機能から構造へ、構造から要素へと進む代表的な知的プロセスである。
問題解決より前に、問題記述がある
多くの問題解決論は、いきなり解決策を考えようとする。だが、本当に重要なのは、解決策の前に問題を正確に記述することである。
問題記述が粗ければ、解決策も粗くなる。
たとえば、「売上が悪い」という問題記述は粗い。これでは、広告を増やすべきなのか、商品を変えるべきなのか、価格を見直すべきなのか、営業体制を変えるべきなのかがわからない。
これを出力・機能・構造・要素で分けると、より精密になる。
出力としては、月商が前年同月比で20％下がっている。
機能としては、新規顧客獲得機能が低下している。
構造としては、広告から問い合わせまでは発生しているが、問い合わせ後の商談化率が落ちている。
要素としては、問い合わせ対応担当者が不足し、返信速度が遅くなっている。
ここまで記述できれば、問題はかなり明確になる。単に「売上が悪い」のではない。「問い合わせ後の商談化構造が弱く、その要素として返信体制が不足しているため、新規顧客獲得機能が低下し、売上という出力に異常が出ている」と言える。
問題記述は、原因分析の準備である。
問題記述ができていない段階で原因を探すと、仮説の範囲が広がりすぎる。
仮説の範囲が広がりすぎると、検証コストが増える。
検証コストが増えると、実務では途中で判断が雑になる。
だからこそ、最初に出力を正確に観察し、機能不全を切り分け、構造と要素へ進む必要がある。
アブダクションとの関係
このモデルは、アブダクションとも深く関係する。
アブダクションとは、観察された事実を説明するための仮説を立てる推論である。たとえば、「床が濡れている」という観察から、「雨が吹き込んだのではないか」「水をこぼしたのではないか」「配管が漏れているのではないか」といった仮説を立てる。
しかし、アブダクションの質は、観察文の質に強く依存する。
「売上が悪い」という観察文は粗い。
「新規問い合わせ数は横ばいだが、商談化率が30％から15％に低下している」という観察文は精密である。
前者からは、広告、商品、価格、営業、競合、景気など、多数の仮説が出てしまう。後者からは、問い合わせ対応、初回返信、営業資料、ヒアリング設計、商談設定の導線など、かなり絞られた仮説空間が得られる。
つまり、観察文の述語を絞り込むほど、アブダクションの仮説空間も縮小する。
ここで、出力・機能・構造・要素の区別が役に立つ。観察文がどの層を記述しているのかを明確にすれば、仮説の立て方も変わる。
出力の観察なら、「何が期待と違うのか」を記述する。
機能の解釈なら、「どの働きが低下しているのか」を記述する。
構造の仮説なら、「どの関係が壊れているのか」を記述する。
要素の仮説なら、「何が不足・劣化・過剰・誤作動しているのか」を記述する。
この分解により、アブダクションは単なる思いつきではなく、層に応じた仮説生成になる。
問題発見の基本モデル
ここまでをまとめると、問題発見の基本モデルは次のようになる。
まず、スペックがある。
スペックは、対象が満たすべき条件を示す。
スペックから期待が生まれる。
期待と実際の出力を比較する。
差異があれば、問題が検知される。
出力の異常から、機能不全を推定する。
機能不全の背後にある構造を探索する。
構造を構成する要素を確認する。
この流れは、次のように表せる。
スペック
↓
期待
↓
出力の観察
↓
差異の検出
↓
問題認識
↓
機能不全の推定
↓
構造異常の探索
↓
要素異常の特定
このモデルの利点は、問題をいきなり原因に還元しない点にある。まず出力を見る。次に機能を見る。その後で構造と要素を見る。これにより、観察、解釈、仮説、検証が混ざりにくくなる。
このモデルの注意点
ただし、このモデルにも注意点がある。
第一に、出力の異常がすぐに観察できるとは限らない。慢性的な問題、構造的な問題、長期的な衰退、潜在リスクなどは、出力がゆっくり変化するため、問題として検知されにくい。医療でいえば、生活習慣病や初期の腫瘍のように、症状が出る前に構造や要素の異常が進行している場合もある。
第二に、スペックが常に明確とは限らない。ビジネスや教育や組織運営では、そもそも何を正常とするのか、何を成功とするのかが曖昧なことが多い。この場合、問題発見の前に、基準設定が必要になる。
第三に、出力異常の原因は一つとは限らない。同じ出力異常が、複数の機能不全から生じることがある。発熱がさまざまな疾患で生じるように、売上低下も広告、商品、価格、営業、顧客層、競合、外部環境など、複数の原因で起こりうる。
第四に、要素だけを見ても問題は解けない。部品を交換しても、構造が悪ければ機能は回復しない。人材を増やしても、業務フローが壊れていれば成果は出ない。文章の単語を直しても、論理構造が崩れていれば伝わらない。
したがって、問題分析では、要素還元だけでなく、構造と機能を同時に見る必要がある。
結論
問題は、まず出力として現れる。
人が最初に観察するのは、構造でも要素でもなく、期待と異なる結果である。
しかし、出力の異常だけでは問題の正体はわからない。出力の異常をもとに、どの機能が不全を起こしているのかを推定し、その機能を支える構造を調べ、さらに構造を構成する要素を確認する必要がある。
対象の生成順序は、要素から構造へ、構造から機能へ、機能から出力へと向かう。
一方、問題発見の認識順序は、出力から機能へ、機能から構造へ、構造から要素へと向かう。
この逆向きの読み方こそが、問題分析の基本である。
また、問題の検知にはスペックが不可欠である。スペックがあるから期待が生まれ、期待があるから出力との差異が見える。スペックとは、機能・構造・要素のいずれか一つではなく、対象が満たすべき条件の記述である。問題発見においては、スペックが正常と異常の境界を与える。
最終的に、問題とは「期待された出力と観察された出力の差異」であり、その背後には「機能・構造・要素の不整合」がある。
したがって、問題を精密に捉えるには、次の順序が有効である。
まず、期待された出力を明らかにする。
次に、実際の出力を観察する。
その差異を問題として記述する。
その出力異常がどの機能不全を示しているのかを考える。
その機能を支える構造を調べる。
その構造を構成する要素を確認する。
この手順を踏むことで、問題発見は単なる違和感ではなく、検証可能な知的作業になる。
そして、観察の質が高まるほど、解釈の質も高まり、仮説の精度も高まる。
問題解決の出発点は、解決策ではない。
正確な問題記述である。
