
重要な少数に力を集める──残りの多数は、捨てずに仕組みで扱う|1ページの経営学 #31
※本記事にはアフィリエイトリンク(Amazonアソシエイト)を含みます。
この記事の3行まとめ
結果の大部分は、原因の一部から生まれます。だから、力は結果を左右する少数に集めます。
ただし、80対20は現状をつかむ道具であって、「下位8割を捨てよ」という決まりではありません。残りの多数は、商品でも人でも、捨てずに仕組みで扱い、育てます。
マイクロソフトは2002年、利用者から届くエラー報告を集計し、わずかなバグがエラーの大半を生んでいることを突き止めて、修正の順番を決めました。
今日の1ページ
Sacrifice the trivial few for the vital many.
拙訳:取るに足らない少数を犠牲にして、重要な多数を取れ。
出典:Preis, M. W. with Frederick, M. (2010). 101 Things I Learned in Business School. Grand Central Publishing, No.77.
(拙訳は字面どおりです。「少数」と「多数」の向きについては、「訳すときに見落としやすい言葉」で扱います。)
この一文が言っていること
原著はこのページで、ジョセフ・ジュランが唱えた「パレートの法則」を紹介しています。原因の2割が、結果の8割を生むことが多い、という経験則です。
そこから原著は、会社は、売上の8割をもたらす2割の顧客、仕事の8割を片づける2割の努力、問題の8割を引き起こす2割の要因に、最も注意を向けるのがよい、と続けます。組織の仕事の8割は2割の人がしている、と言う人さえいる、とも書いています。
要するに、すべてに同じだけ力を注ぐのをやめ、結果を左右する少数に力を集めよ、ということです。限られた時間と人手で経営する中小企業にとって、とくに切実な話です。
ただ、この一文には、読み方に注意のいるところが2つあります。1つは、見出しの「少数」と「多数」の向き。もう1つは、"sacrifice"(犠牲にする)という強い言葉です。
訳すときに見落としやすい言葉
"the trivial few" と "the vital many" は、ジュランの言い方と向きが逆です。 ジュランが広めた言い方は、"the vital few and the trivial many"、つまり「重要な少数と、取るに足らない多数」でした(Juran, 1975)。原因の側から見れば、重要なのは少数のほうです。原著の本文も、2割の顧客や2割の要因に注意を向けよ、と書いています。ところが見出しは、「取るに足らない少数」を捨てて「重要な多数」を取れ、となっています。
これを誤りと決めつける前に、もう1つの読み方を考えておきます。「少数」と「多数」が、原因ではなく結果を指していると読むのです。2割の原因に集中すれば、結果の8割という「重要な多数」が手に入る。その代わり、残りの原因から生まれる2割の結果、つまり「取るに足らない少数」はあきらめる。こう読めば、見出しと本文は矛盾しません。著者の意図はわかりませんが、本記事では、この読み方で進めます。拙訳を字面どおりにしたのは、この読み方の幅を残すためです。
"sacrifice" は「捨てる」より重い言葉です。 犠牲にするとは、価値があるとわかっているものを、承知のうえで手放すことです。後で見るように、ジュラン自身も、のちに "trivial many" を "useful many"(役に立つ多数)と言い換えました。残りの多数は、価値がないのではありません。限られた力をそこに注がない、という選択なのです。
"vital" は「重要な」より強く、「生死を分ける」に近い言葉です。 バイタルサインの vital です。ここに手を打たなければ全体が立ち行かない、という少数を指しています。
背後にある理論
パレートが見つけ、ジュランが広げた
この法則の名前のもとになったヴィルフレド・パレートは、19世紀末のイタリア出身の経済学者で、国ごとの所得の分布を調べ、少数の人に所得が大きく偏る規則性を示しました(Pareto, 1896–1897)。
その規則性を、品質管理を含むあらゆる分野に当てはまる「普遍的な原則」として示したのは、品質管理の研究者ジュランです。ジュランは1951年の『品質管理ハンドブック』で、品質の損失が少数の原因に偏ることを示し、これにパレートの名前を付けました。
ところが、ジュランは1975年の小論で、この名前の付け方は誤りだったと認めています(Juran, 1975)。パレートの研究は所得の分布に限られていて、ほかの分野に当てはめる意図はなかったからです。それでも「パレートの法則」という名前は定着し、いまも使われています。ジュランはさらに、「取るに足らない多数」という言い方を「役に立つ多数」に改めました。残りの多数を、無視してよいものと受け取られないためです。
80対20は「法則」ではなく、偏りの目安
「80対20」という数字は、自然の法則のように決まったものではありません。偏りの程度は、対象によって大きく違います。90対10のこともあれば、60対40のこともあります。コッチ(Koch, 1997)はこの考え方を経営と生活の全般に広げましたが、そこでも数字そのものより、入力と結果のあいだに大きな偏りがあることが多い、という点が肝心です。
だから、80対20を前提にして動くのではなく、まず自社のデータで、偏りがどれだけあるかを確かめる必要があります。
売上の偏りと、利益の偏りは違う
管理会計の研究者キャプランは、顧客ごとの利益を正確に測ると、売上とは別の姿が見えることを示しました。キャプランとクーパー(Kaplan & Cooper, 1998)は、顧客を利益の大きい順に並べて利益を積み上げると、途中で全体の利益を大きく超えて山をつくり、その後、赤字の顧客によって押し戻される曲線になることを示し、これを「クジラの曲線」と呼びました。キャプランとナラヤナン(Kaplan & Narayanan, 2001)は、利益の上位2割の顧客が、全体の利益の150%から300%を生み、下位の顧客がその差を食いつぶすことが多い、と述べています。
つまり、売上の上位2割と、利益の上位2割は、同じとは限りません。 大口の顧客は、利益の最も大きい側にも、最も小さい側にもなり得ます。少量の注文を何度も出す、急な配送を求める、値引きを求める、といった、手間のかかる取引が利益を削るからです。
パレートの法則をめぐる4つの誤解
パレートの法則は、わかりやすいぶん、誤った使い方をされやすい考え方です。よく見かける誤解を4つ挙げます。
誤解1:「下位8割は切り捨ててよい」
売上の8割は、上位2割の売れ筋の商品が生んでいる。ならば、売れない下位8割の商品はやめて、上位2割に力を集めるべきだ。よくある判断です。
店の棚や倉庫に限りがあるなら、この判断には理があります。置ける数が決まっている以上、売れる商品に場所を譲るのは当然です。ところが、在庫や流通の費用がほとんどかからないインターネットの通販では、事情が変わります。アンダーソン(Anderson, 2006)は、棚の制約がなくなると扱える品数そのものが桁違いに増え、一つひとつは少ししか売れない商品も、合わせれば大きな市場になると論じました。これが「ロングテール」です。商品を売上の順に並べたグラフで、売れ行きの少ない商品が長い尾のように続くことから、こう呼ばれます。下位を切り捨てると、この尾の部分の市場を取り逃がします。
ただし、ロングテールにも反論があります。エルバース(Elberse, 2008)は、音楽や映像の販売データを調べ、ネットで尾は確かに長くなったが、同時に平たくなり、ほとんど売れない商品が増えたこと、そしてヒット作への集中はむしろ強まったことを示しました。尾の商品を買う人も、ヒット作を買っているのです。
つまり、下位を切るか残すかは、80対20の数字では決まりません。尾を扱う費用がどれだけかかるかで決まります。費用がかさむなら切る理由になり、仕組みで安く扱えるなら残す理由になります。ロングテールについては、のちの回であらためて取り上げます。
誤解2:「優秀な2割以外は要らない」
業績の8割は、上位2割の優秀な社員が生んでいる。ならば、下位の社員を減らして、組織を精鋭にすればよい。これも、よく聞く考え方です。
しかし、組織は、人が互いに補い合って動く仕組みです。上位の人が成果を出せるのは、ほかの人が日々の業務や後方の支え、地味な定型の仕事を引き受けているからでもあります。下位を減らせば、残った優秀な人がその仕事を抱え込み、本来の力を出せなくなります。
これを裏づける研究があります。グロイスバーグら(Groysberg, Lee & Nanda, 2008)は、アメリカの証券会社で「スター」と評価されたアナリストが別の会社に移ると、成果がすぐに落ち、少なくとも5年は戻らなかったことを示しました。落ち込みが大きかったのは、力の劣る会社へ、一人で移った場合です。反対に、チームの仲間と一緒に移った人には、目立った落ち込みは見られませんでした。スターの成果の一部は、本人ではなく、同僚や会社の仕組みの中にあるのです。
働きアリの研究も、同じことを示しています。長谷川英祐らは、アリの集団にいつもいる「働かないアリ」が、働くアリが疲れて休んだときに、代わりに働く交代要員になっていることを示しました(Hasegawa et al., 2016)。シミュレーションでは、働かないアリのいる集団のほうが、すべてのアリが一斉に働く集団より長く続きました。働かないアリは、目先の効率を下げる代わりに、集団が長く続くことを支えているのです。
そもそも、下位を減らしても、偏りそのものはなくなりません。残った人たちの中で、また上位と下位の差が生まれるだけです。
誤解3:「2割の労力で十分」
成果の8割は、費やした時間の2割から生まれる。ならば、大事な2割だけをやれば、あとは手を抜いても80点は取れる。こう都合よく読んでしまう誤解です。
アイデア出しや大枠の設計なら、最初の2割の労力で形が見えてくることはよくあります。しかし、品質を保つとなると話は別です。たとえばウッドデッキや小屋を建てるとき、骨組みが組み上がると、8割方できたように見えます。ところが、残りの細部の調整、面取り、塗装、断熱材のていねいな施工に、全体の労力の大半がかかることがあります。
システム開発には、これを皮肉った言葉があります。ベル研究所のトム・カーギルの言葉として、ベントリー(Bentley, 1985)が紹介したものです。
The first 90 percent of the code accounts for the first 90 percent of the development time. The remaining 10 percent of the code accounts for the other 90 percent of the development time.
拙訳:コードの最初の90%に、開発期間の最初の90%がかかる。残りの10%のコードに、開発期間の残りの90%がかかる。
足すと180%になるのが、この言葉の皮肉です。最後の仕上げにかかる手間は、いつも見積もりより大きいのです。80対20は、どこから手をつけるかの目安にはなっても、どこでやめてよいかの目安にはなりません。
誤解4:「足して100になる」
80と20を足すと100になります。そのため、上位2割が利益の8割を生み、残りの8割が利益の2割を生む、というように、原因と結果が合わせて100になる決まりがあると思い込む誤解です。
実際には、原因(たとえば顧客の数)と結果(たとえば売上)は、別々の物差しです。上位10%の顧客が売上の90%を占めることもあれば、上位30%が70%を占めることも、上位10%が50%を占めることもあります。80と20がたまたま足して100になるのは、この組み合わせが覚えやすいからにすぎません。先に見たとおり、パレートの法則は、少数が全体の大きな部分を占める偏った分布を、「80対20」という覚えやすい比で言い表したものです。決まった定数ではありません。
4つの誤解に共通すること
4つの誤解に共通しているのは、パレートの法則を、現状をつかむための分析の道具ではなく、「こうすべきだ」という行動の決まりと取り違えていることです。偏りがあるという事実は、何を捨てるべきかまでは教えてくれません。偏りが見つかったら、まず、なぜ偏るのかを問う。何をするかは、そのあとで別に考えることです。
この一文が成り立たないとき
偏りが小さいときには、成り立ちません。 顧客や品目の貢献がほぼ均等なら、少数に集中する意味は薄れます。先に述べたとおり、まず偏りを測ることが前提です。
少数への集中は、依存を深めます。 売上の上位の顧客に力を集めるほど、その顧客なしには立ち行かなくなります。第23回のケース2で扱ったとおり、依存が深まると、値段を決める力は相手に移ります。
いまの小ささが、将来の小ささとは限りません。 取引を始めたばかりの顧客や、出したばかりの商品は、いまの数字では「取るに足らない」側に並びます。過去の数字だけで切ると、育つはずの芽を摘むことになります。
ケース1:マイクロソフト──1%のバグが、エラーの半分を生んでいた
2002年10月2日、マイクロソフトの最高経営責任者スティーブ・バルマーは、企業の顧客に向けて書簡を送りました。同社がこの年の初めに打ち出した、製品の信頼性と安全性を高める取り組みの進み具合を報告するものでした(CRN, 2002; Bekker, 2002)。
その中心にあったのが、エラー報告の仕組みです。WindowsやOfficeが異常終了すると、エラーの報告を送るかどうかを尋ねる画面が出ます。利用者が送信すると、エラーの状況を小さくまとめたデータがマイクロソフトに届きます。
届いた報告を集計すると、はっきりした偏りが見えました。バルマーは書簡で、バグの約20%がエラー全体の80%を引き起こしており、さらに、自分でも驚いたことに、1%のバグがエラーの半分を引き起こしていた、と書いています。
同社はこの集計をもとに、修正の順番を決めました。数多いバグを見つかった順に直すのではなく、多くの利用者を悩ませているバグから直したのです。書簡によれば、Office XP の更新プログラム(Service Pack 2)では、Office XP で報告されていたエラーの半分以上を解消したといいます。
7年後、この仕組みの開発者たちは、10年間の経験を論文にまとめました(Glerum et al., 2009)。エラー報告は、10億台のパソコンから届く規模になっていました。論文は、報告の分布が、少数のバグに報告の大半が集まるパレート型であることを、あらためて示しています。Office 2010 の試験版のデータでは、報告の多い順に並べたとき、最初の4分の1の報告は、分類の1%にも満たない数のバグに集中していました。プログラマーの力には限りがあるので、最も多くの利用者に影響するバグに力を集める。この仕組みはそれを助けるものだと、論文は述べています。
このケースには、もう1つ大事な点があります。残りの多数を、捨てたわけではないことです。論文によれば、報告は自動で分類され、すでに直したバグの報告には、修正の情報を返す仕組みも整えられました。また、規模が大きいからこそ、小さな規模では見つからないバグも見つけられたといいます。重要な少数には人の力を集め、残りの多数は仕組みに任せる。 「役に立つ多数」の扱い方の、よい例です。
ただし、当時から注意を促す声もありました。ある調査会社の研究者は、問題の2割はしばしば最も複雑で直しにくく、直すことで新しい問題を生みやすいのに、そのことが忘れられがちだと指摘しています(CRN, 2002)。少数に集中することは、楽をすることではありません。
AIがあれば、優秀な2割だけでよいのか
ケース1のマイクロソフトは、バグにはパレートの考え方をうまく使いました。しかし、同じ会社が、人の評価では苦い経験をしています。同社は長く、チームごとに、決まった割合の社員を上位、平均、下位に振り分ける評価の仕組みを使っていました。2012年、雑誌『ヴァニティ・フェア』は、同社の「失われた10年」を描いた記事で、取材した現役と元の社員の全員が、この仕組みを社内で最も破壊的なものに挙げたと報じました。社員が、他社とではなく、互いに競い合うようになったというのです(Eichenwald, 2012)。マイクロソフトは2013年11月にこの仕組みをやめ、チームワークと協働を重んじる評価に改めました(Warren, 2013)。
「優秀なメンバーさえいれば、AIを使えばいい」
私は、システム開発の現場で、こんな言葉を聞いたことがあります。技術的にとても優れた技術者が、規模の大きなシステム開発のPM(プロジェクトマネジャー)を任されたときのことです。その人は、現場をうまく仕切れずにいました。そして、「一部の優秀なメンバーさえいればいい。AIを使えば、使えない技術者は要らない」と言ったのです。
生成AIが広がったいま、同じように考える人は少なくないでしょう。しかし、それでは人は育ちません。
50年前にも、同じ声があった
実は、同じ主張は50年前にもありました。第24回で紹介したブルックスの『人月の神話』に、こんな一節があります(Brooks, 1975)。
At computer society meetings one continually hears young programming managers assert that they favor a small, sharp team of first-class people, rather than a project with hundreds of programmers, and those by implication mediocre. So do we all. But this naive statement of the alternatives avoids the hard problem—how does one build large systems on a meaningful schedule?
拙訳:コンピューターの学会の集まりでは、若いプログラミングのマネジャーが、何百人ものプログラマー、つまりは凡庸なプログラマーを抱えるプロジェクトより、一流の人材による少数精鋭のチームがよい、と言うのをいつも耳にする。誰だってそうだ。しかし、この単純な二択は、難しい問題を避けている。大きなシステムを、意味のある期間のうちに、どうやって作るのか、という問題である。
ブルックスは、優れたプログラマーとそうでない人の生産性に、平均で10倍もの差があったという研究を紹介しています。それでも、少数精鋭のチームでは、本当に大きなシステムを作るには遅すぎる、と言います。そこで示したのが、1人の執刀医を、ほかのメンバーがそれぞれの役割で支える「外科手術チーム」でした。少数の腕に頼る場合でも、それを支える多数が要るのです。
腕の良さと、現場を仕切る力は別のもの
技術者として優れていることと、大きな現場を仕切ることは、別の仕事です。ベンソンら(Benson, Li & Shue, 2019)は、アメリカの131社の営業職のデータを調べ、会社が営業成績の最も良い人を管理職に昇進させがちなこと、そして、そうして昇進した人ほど、管理職としての成果、つまり部下の売上の伸びが小さいことを示しました。人は、無能になる地位まで昇進する、という「ピーターの法則」を、データで裏づけた研究です。第8回で、腕と経営は別の仕事だという話をしましたが、ここでも同じことが言えます。
品質管理の研究者デミングは、問題と改善の機会のおよそ94%は仕組み、つまり経営の責任に属し、働く人に帰すべき特別な原因は6%ほどだ、と見積もりました(Deming, 1986)。デミングは、運送会社の経営者に、荷物の不足や破損のうちどれだけが運転手のせいかと尋ねたところ、「全部だ」という答えが返ってきた、という話を紹介しています。その答えが続く限り、損失も続く、とデミングは書いています。現場が回らない原因を「使えない技術者」に求めるのは、この経営者と同じ見方です。
AIは、経験の浅い人ほど伸ばす
AIについての研究は、むしろ逆のことを示しています。ブリニョルフソンら(Brynjolfsson, Li & Raymond, 2025)は、ある会社のカスタマーサポートの担当者5,000人余りに、生成AIの助言の仕組みが導入された前後を比べました。1時間に解決できた問い合わせの件数は、平均で14%増えました。とくに、経験の浅い人やスキルの低い人では34%増えた一方、熟練した人ではほとんど変わりませんでした。AIを使った在籍2か月の人は、使わない在籍6か月以上の人と同じ成果を上げていました。研究者たちは、AIが優秀な人のやり方を広め、新しい人の成長を早めた可能性を指摘しています。AIは、「使えない技術者」を要らなくする道具ではなく、育つのを早める道具にもなるのです。
ところが、現実の雇用では、気がかりな動きも出ています。ブリニョルフソンら(Brynjolfsson, Chandar & Chen, 2025)は、アメリカの給与のデータを使い、ソフトウェア開発者やカスタマーサービスのように、AIの影響を受けやすい職種で、22歳から25歳の若い人の雇用が、影響を受けにくい職種に比べて13%減ったことを示しました。経験を積んだ人の雇用は、同じ職種でも減っていません。主に、若い人を採らなくなることで起きている変化です。
人は「周辺の仕事」から育つ
なぜ、それが問題なのでしょうか。レイヴとウェンガー(Lave & Wenger, 1991)は、人が仕事を身につける過程を「正統的周辺参加」と呼びました。新しく来た人は、最初は周辺の、しかし本物の仕事に加わり、少しずつ中心の仕事に移りながら一人前になっていく、という考え方です。彼らが取り上げた仕立屋の徒弟は、服を作る順番とは逆に、仕上げの作業から学び始め、縫う作業、裁つ作業へと進んでいきました。
システム開発でいえば、テスト、簡単な修正、資料づくりといった仕事が、この周辺の仕事にあたります。そして、それはまさに、AIが最初に引き受けやすい仕事です。周辺の仕事をすべてAIに任せ、若い人を採らなくなれば、次の世代が育つ入口がなくなります。今日の優秀な技術者も、かつてはその入口から育ってきたのです。
優秀な2割は、残りの8割の中から育ってきます。 下位を切れば、残った中でまた新しい偏りが生まれるだけでなく、次の2割が育つ道も断たれます。ジュランが「取るに足らない多数」を「役に立つ多数」と言い換えたのは、人についても当てはまります。AIは、残りの多数を捨てるためではなく、育てる仕組みとして使うべきでしょう。たとえば、AIに任せる仕事と、人が育つために人に残す仕事を分けておく。AIの出した答えを、なぜそうなるのか説明させる。こうした工夫で、AIは人を育てる道具になります(この打ち手は本記事による整理です)。
ケース2:卸売会社──「小口の客を切りたい」
(複数の支援現場を一般化した例です)
業務用の資材を扱う卸売会社の社長が、経営相談の場でこう言いました。「取扱品目も取引先も増え続けて、営業が小口の注文の対応に追われています。在庫も膨らむ一方です。売上の小さい客と品目を、思い切って切りたい」。
パレートの法則を知っている社長は、売上の上位2割の顧客が売上の大半を占めていることも、すでに確かめていました。支援の場では、切る前に確かめておくことがある、として、3つの理論を使って説明しました。土台にした「クジラの曲線」は、図にして説明しました。

理論1:パレート分析(ABC分析)
1つ目は、ジュラン(Juran, 1951, 1975)のパレートの考え方を、品目や顧客の管理に使うABC分析です。売上の大きい順に並べて累計し、上位をA、中ほどをB、残りをCに分けます。社長がすでに確かめていたのは、この売上のABC分析でした。
ただし、ABC分析の結果は、何で並べるかによって変わります。売上で並べたAが、利益や手間で並べてもAであるとは限りません。
理論2:顧客ごとの採算(クジラの曲線)
2つ目は、キャプランらの顧客別の採算の考え方です(Kaplan & Cooper, 1998; Kaplan & Narayanan, 2001)。顧客ごとに、粗利から、その顧客にかかる手間の費用、たとえば受注の件数、配送の回数、急ぎの対応、値引きを差し引いて、利益を測ります。
この会社で概算したところ、売上が上位の大口の1社は、小分けの急な配送を頻繁に求めていて、手間の費用を引くと利益がほとんど残っていませんでした。反対に、売上の小さい顧客の多くは、決まった品を決まった周期で注文していて、手間がかからず、利益に貢献していました。売上で切っていたら、利益を生む顧客を切るところだったのです。
理論3:役に立つ多数は、仕組みで扱う
3つ目は、ジュランが言い換えた「役に立つ多数」の考え方です(Juran, 1975)。残りの多数は、価値がないのではなく、人の力を注ぐ対象ではない、ということでした。これを、多数の顧客や品目を手間のかからない仕組みに移す、という打ち手に当てはめるのは、本記事による応用です。
仕組みとは、たとえば、注文の受け方を決まった様式にそろえる、配送日を曜日で固定する、在庫を持たずに取り寄せで扱う、といったことです。切るのではなく、扱い方を変えるのです。
社長が出した答え
社長は、「切るのは客ではなく、手間のほうだった」と言いました。そして、売れ行きの少ない品目は、在庫をやめて取り寄せ扱いに切り替え、小口の顧客には、決まった様式での注文と、曜日を決めた配送をお願いすることにしました。大口の1社とは、急な配送の条件と費用の分担を話し合う場を設けることにしました。営業の時間は、利益の大きい顧客への提案と、伸びている顧客の開拓に振り向けます。
このケースから引き出せる実践のポイント
売上だけでなく、利益と手間でも並べる。 同じ顧客や品目を、売上、粗利、手間の3つで並べ直すと、Aの顔ぶれが変わることがあります。
「切る」前に「扱い方を変える」。 取り寄せ扱い、注文の様式、配送日の固定、最低の注文量など、手間を減らす手はたくさんあります。
人の時間は、重要な少数に集める。 営業や技術者の時間は、利益を左右する少数の顧客、品目、問題に優先して配ります。
少数への依存の度合いも見る。 力を集めた上位の顧客が、売上の何割を占めるかを、毎期確かめます。
並べ替えを定期的にやり直す。 顧客や品目の位置は変わります。新しい顧客や商品を、過去の数字だけで「取るに足らない」側に入れないようにします。
パレートの法則は、捨てる理由を探す道具ではありません。人の力をどこに注ぎ、どこを仕組みに任せるかを決める道具です。
明日から使える3つの問い
売上の上位2割の顧客は、利益で並べても上位2割に入っていますか。
いちばん手間のかかっている仕事は何ですか。その手間に見合う対価を受け取っていますか。
「やめよう」と考えているものの中に、仕組みに任せれば役に立つものはありませんか。
参考文献
Anderson, C. (2006). The long tail: Why the future of business is selling less of more. Hyperion.
Bekker, S. (2002, October 3). Microsoft error reporting drives bug fixing efforts. Redmond Channel Partner.
Benson, A., Li, D., & Shue, K. (2019). Promotions and the Peter Principle. Quarterly Journal of Economics, 134(4), 2085–2134.
Bentley, J. (1985). Programming pearls: Bumper-sticker computer science. Communications of the ACM, 28(9), 896–901.
Brooks, F. P., Jr. (1975). The mythical man-month: Essays on software engineering. Addison-Wesley.(20周年記念増訂版は1995年。邦訳:フレデリック・P・ブルックス, Jr.〔2014〕『人月の神話【新装版】』滝沢徹・牧野祐子・富澤昇訳、丸善出版。原著20周年記念増訂版の翻訳)
Brynjolfsson, E., Chandar, B., & Chen, R. (2025). Canaries in the coal mine? Six facts about the recent employment effects of artificial intelligence. Working paper, Stanford Digital Economy Lab.
Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at work. Quarterly Journal of Economics, 140(2), 889–942.(数字は NBER Working Paper 31161〔2023〕による)
CRN. (2002). Microsoft's CEO: 80-20 rule applies to bugs, not just features. CRN.
Deming, W. E. (1986). Out of the crisis. MIT Center for Advanced Engineering Study.
Eichenwald, K. (2012, August). Microsoft's lost decade. Vanity Fair.
Elberse, A. (2008). Should you invest in the long tail? Harvard Business Review, 86(7/8).
Glerum, K., Kinshumann, K., Greenberg, S., Aul, G., Orgovan, V., Nichols, G., Grant, D., Loihle, G., & Hunt, G. (2009). Debugging in the (very) large: Ten years of implementation and experience. In Proceedings of the 22nd ACM Symposium on Operating Systems Principles (SOSP '09). ACM.
Groysberg, B., Lee, L.-E., & Nanda, A. (2008). Can they take it with them? The portability of star knowledge workers' performance. Management Science, 54(7), 1213–1230.
Hasegawa, E., Ishii, Y., Tada, K., Kobayashi, K., & Yoshimura, J. (2016). Lazy workers are necessary for long-term sustainability in insect societies. Scientific Reports, 6, 20846.
Juran, J. M. (1951). Quality control handbook. McGraw-Hill.
Juran, J. M. (1975). The non-Pareto principle; mea culpa. Quality Progress, 8(5), 8–9.
Kaplan, R. S., & Cooper, R. (1998). Cost & effect: Using integrated cost systems to drive profitability and performance. Harvard Business School Press.
Kaplan, R. S., & Narayanan, V. G. (2001). Measuring and managing customer profitability. Journal of Cost Management, 15(5), 5–15.
Koch, R. (1997). The 80/20 principle: The secret of achieving more with less. Nicholas Brealey.(邦訳:リチャード・コッチ〔2018〕『増補リニューアル版 人生を変える80対20の法則』仁平和夫・高遠裕子訳、CCCメディアハウス。原著の刊行20年を記念した改訂版の翻訳)
Lave, J., & Wenger, E. (1991). Situated learning: Legitimate peripheral participation. Cambridge University Press.(邦訳:ジーン・レイヴ、エティエンヌ・ウェンガー〔1993〕『状況に埋め込まれた学習──正統的周辺参加』佐伯胖訳、産業図書)
Pareto, V. (1896–1897). Cours d'économie politique. F. Rouge.
Preis, M. W. with Frederick, M. (2010). 101 Things I Learned in Business School. Grand Central Publishing.
Warren, T. (2013, November 12). Microsoft axes its controversial employee-ranking system. The Verge.
原著は現在、第2版が刊行されています。