
正解が分かるまで動かないより、仮説を持って一歩進む
仕事で分からないことがある。
そんなとき、以前の僕は、とにかく情報を集めていた。
できるだけ多くの情報を集める。
できるだけ正確な情報を集める。
そして、十分な情報が集まってから考える。
間違えないために、100%の答えを求めていた。
でも、PIVOTで「仮説思考」という考え方を知ってから、この仕事の進め方が少し変わった。
正解が分かるまで動かないのではなく、仮説を持って一歩進んでみる。
この考え方は、今の自分の仕事だけでなく、投資やAIとの付き合い方にもつながっている。
学んだことを、仕事の行動に変えるやり方は、こちらにまとめています。
とにかく情報を集めていた
以前の僕は、分からないことがあれば、とにかく情報を集めていた。
できるだけ多くの情報を集める。
より正確な情報を探す。
そして、その情報を一つ一つ確認していく。
「これだけ調べれば、正解に近づけるだろう」
そんな感覚だった。
もちろん、情報収集は大切だ。
間違った情報をもとに判断すれば、当然、結果も間違ってしまう。
だからこそ、できるだけ多くの情報を集めようとしていた。
でも、今振り返ると、情報収集そのものが目的になっていた部分もあったと思う。
「100%正しい答え」を探していた
PIVOTで仮説思考の話を聞いて、改めて気づいた。
以前の自分は、最初から正解を出そうとしていた。
「これが正しい」と思えるところまで情報を集める。
そして、十分に確信を持ててから動く。
つまり、
「間違えないようにしてから動く」
という考え方だった。
でも、現実の仕事では、最初から100%の情報が揃っていることなんて、ほとんどない。
それなら、
「現時点では、これが一番可能性が高そうだ」
というものを一度置いてみる。
そして、それを確かめるために必要な情報を集める。
その方が早く前に進める。
「原因はAだろう」から始めてみる
例えば、何か問題が起きたとする。
以前なら、
「まず、考えられる原因を全部調べよう」
となっていた。
でも今は、
「原因はAではないか?」
と、まず仮説を置いてみる。
そして、
「Aだとすると、どんなデータが必要だろう?」
「Aなら、こういう結果になるはずだ」
と考える。
必要な情報を集めて、検証する。
もしAではなかったら、
「では、Bではないか?」
と次の仮説に進む。
仮説を立てる。
↓
必要な情報を集める。
↓
検証する。
↓
違えば修正する。
このサイクルを回していく。
以前の自分とは、仕事の進め方が少し変わった。
仮説が外れることは、失敗ではない
最初に立てた仮説が、必ず正しいとは限らない。
むしろ、外れることもある。
でも、仮説思考では、それ自体を失敗とは考えない。
「Aだと思ったけど、違った」
それが分かっただけでも、一つ前に進んでいる。
Aではないことが分かった。
なら、次はBを考えればいい。
そうやって、一つずつ可能性を減らしていく。
一歩一歩は、もしかすると少し重いかもしれない。
でも、着実に前に進むことができる。
これが、仮説を持って動くことの大きなメリットだと思っている。
仮説と「思い込み」は違う
ここは、仮説思考を考えるうえで重要だと思う。
僕の中では、
仮説=「80%くらいは合っていると思う。でも、違う可能性もある」
という感覚だ。
一方で、
思い込み=「これは100%正しい」と決めつけてしまうこと。
この違いは大きい。
仮説なら、間違っていることを前提にしている部分がある。
だから、検証して違っていたら、すぐに引き戻せる。
そして、次の仮説に進める。
でも、思い込んでしまうと、
「自分の考えは正しい」
という前提で、そのまま進んでしまう。
途中で間違いがあったとしても、それに気づきにくい。
その結果、間違った方向に進み続けてしまう。
だからこそ、
「自分の考えは、本当に正しいのか?」
と疑う余地を残しておくことが大切だと思う。
投資でも「仮説」を持つ
投資でも、仮説思考を意識するようになった。
例えば、
「今後、金利が上がっていくのであれば、銀行株にとって追い風になるのではないか」
という仮説を立てる。
そこから、
「実際に金利はどう動いているのか?」
「銀行の業績はどうなっているのか?」
「銀行株の値動きはどうなっているのか?」
と、ニュースや決算などを見ながら検証する。
もちろん、仮説がそのまま正解になるとは限らない。
投資は未来のことを考えるので、100%の正解なんて分からない。
だからこそ、
「自分はこう考えている。でも、違う可能性もある」
という状態で考えることが大切だと思っている。
AIの回答も「仮説」として見る
そして、最近特にこの考え方が重要だと感じるのがAIだ。
僕自身、ChatGPTを使うこともある。
AIに質問すると、非常にそれらしい回答が返ってくる。
文章もきれい。
説明も分かりやすい。
だからこそ、注意が必要だと思っている。
「AIが言っているから正しい」
とは考えない。
僕にとって、AIの回答は一つの仮説に近い。
「おそらく合っているだろう」
でも、
「100%正しいとは限らない」
という前提で見る。
特に、重要な判断をするときや、根拠が必要な情報については、エビデンスを確認する。
AIの答えをそのまま受け入れるのではなく、
「これは本当に正しいのか?」
と一度考える。
これからAIを使ううえでも、この姿勢はかなり重要になると思っている。
仮説を持つと、情報収集の意味が変わる
以前は、
情報を集める → 考える → 答えを出す
という順番だった。
今は、
仮説を立てる → 必要な情報を決める → 情報を集める → 検証する
という順番を意識している。
この違いは大きい。
仮説があることで、
「何のために、この情報を集めているのか」
が明確になる。
必要のない情報まで集めることも減る。
そして、仮説が間違っていれば、早い段階で方向転換できる。
結果として、情報収集にかける時間も短くできる。
「正解を探す」より「正解に近づく」
仮説思考を知ってから、仕事に対する考え方が少し変わった。
以前は、
「正解を出してから動きたい」
と思っていた。
今は、
「正解が分からなくても、現時点で一番可能性が高いものを置いて、一歩進んでみる」
と考えるようになった。
仮説が違えば、修正すればいい。
戻ればいい。
次の仮説を考えればいい。
最初から正解を当てる必要はない。
むしろ、仮説を立てて検証することを繰り返した方が、結果的に早く正解に近づける。
一歩進んで、違ったら戻ればいい
仕事でも、投資でも、AIでも。
未来のことを100%予測することはできない。
だからこそ、
「絶対にこれが正しい」
と決めつけるのではなく、
「現時点では、これが一番近い答えだろう」
という仮説を持つ。
そして、一歩進む。
違っていたら戻る。
修正する。
また一歩進む。
この繰り返しでいい。
一歩一歩は小さくても、止まっているよりは前に進んでいる。
正解が分かるまで動かないより、仮説を持って動く
PIVOTで仮説思考を知って、僕自身の仕事の進め方は変わった。
以前は、正解を求めて情報を集め続けていた。
今は、まず仮説を置く。
そして、その仮説を検証するために必要な情報を集める。
違っていれば修正する。
この繰り返しで、少しずつ前に進んでいく。
もちろん、何でも仮説だけで進めればいいわけではない。
重要な判断ほど、根拠や検証は必要になる。
でも、
「100%分かるまで動かない」
という姿勢では、いつまで経っても前に進めないことがある。
だからこそ、
正解が分かるまで動かないより、仮説を持って一歩進んだ方が、早く正解に近づける。
これが、今の僕がPIVOTから学んだ「仮説思考」の一番大きな学びだ。
次回予告
次回は、「言語化」について書きます。
仕事をしていると、「なんとなく分かっているけど、うまく説明できない」という場面があります。
私自身も、頭の中では分かっているつもりでも、それを言葉や図にできず、相手との認識にズレが生まれることがありました。
PIVOTで学んだのは、言語化とは単に「きれいな言葉にすること」ではなく、「曖昧なものを明確にすること」だということ。
「何を伝えるのか」だけでなく、「誰が、何を、どう変えるのか」まで明確にする。
実際の仕事で、言語化を意識するようになって変わったことを振り返ります。
初めて読んでくださった方へ
「紡ぐ。」では、
資格・資産形成・キャリアについて、普通の会社員としての経験を記録しています。