ようこそ
「不確実性下での判断」へようこそ。
あなたが今後行う重要な選択はすべて、不完全な情報のもとで行う賭けです。物事がどう展開するかを正確に知ることは稀です。あなたがコントロールできるのは、結果が出る前の推論の質です。
本日は、慎重な意思決定者と単に運が良かった人を分ける5つのツールを構築します。それは、期待値、キャリブレーション、バイアスへの気づき、可逆性（取り消し可能性）、そして「良い判断」と「良い結果」の違いです。
これらのツールは、自動化されたシステムが推奨案を提示した場合でも、最終的な決定の責任が依然としてあなたにあるため、引き続き有効です。
確率によるペイオフの重み付け
期待値
結果が不確実な場合、期待値（EV）とは、同じ意思決定を何度も繰り返したときに得られる平均的なペイオフ（収益）のことです。
その計算式は加重和です：EV = (確率 × ペイオフ) の合計。各々の可能なペイオフにその確率を掛け合わせ、得られた積をすべて足し合わせます。
2つの選択肢について計算してみましょう：
- 選択肢A（安全策）： 90%の確率で+100ドル、10%の確率で-50ドル。
EV(A) = 0.90 x (+$100) + 0.10 x (-$50) = 90 - 5 = +$85。
- 選択肢B（大勝負）： 30%の確率で+400ドル、70%の確率で-50ドル。
EV(B) = 0.30 x (+$400) + 0.70 x (-$50) = 120 - 35 = +$85。
両方の選択肢の期待値は同じで、+85ドルです。期待値（EV）のみで見れば、引き分けです。少し後で、慎重な意思決定者がなぜ一方をもう一方より好む可能性があるのかを見てみましょう。
期待値を計算する
あなたの番です：1つの数値
これは単一の賭けです。結果は2つあり、ペイオフはすでに純額（ドル）で示されています：
- 10%の確率で純額 +$75
- 90%の確率で純額 -$5
リスクが純粋な期待値を上回る時
リスクが純粋な期待値を上回る時
期待値は、賭けを何度も繰り返すことができ、平均値が最終的に勝つことを前提としています。しかし、現実の多くの決定は一度だけ行われます。回復不可能な単一の損失は、平均値が現れる前にゲームを終焉させる可能性があります。
分散は、可能な払い戻しのばらつきを測定します。先ほどの選択肢Aは狭い範囲内に留まっていましたが、選択肢Bはどちらの方向にも大きく振れる可能性があります。期待値は同じでも、リスクは非常に異なります。
経験則として、破産、負傷、取り返しのつかないものの喪失など、あなたを破滅させるほど大きな損失の可能性がある場合、そのリスクが純粋な期待値を優先すべきです。破滅を避けるためのわずかに低い平均値は、正当な対価です。これが、保険が負の期待値を持つにもかかわらず、人々が保険に加入する理由です。
2つの選択肢を比較する
あなたの番です：2つの選択肢
ある小規模な企業は、1つのローンチプランを選択しなければなりません：
- プランA: 60%の確率で+50,000ドルの利益、40%の確率で-20,000ドルの損失。
- プランB: 確実な+15,000ドルの利益。
確信度とは何を意味すべきか
キャリブレーション：確信度とは何を意味すべきか
70%の確信があると述べることは、検証可能な主張を行うことに相当します。あなたがまさにこの程度の確信を持っていると感じるすべての場合において、正しく当たる割合は約70%であるべきです。
キャリブレーションが適切な人が100件の予測に対して70%と述べた場合、約70件正しく当たります。もし正解が40件だけなら、その人は過信していました。90件正解なら、過小評価（自信不足）でした。
過信は最も一般的なキャリブレーションの誤りです。多くの人は、自分の実績が示すよりもはるかに確信を持っています。これは静かに意思決定を蝕みます。修正策は、予測を追跡し、述べた確信度と実際の的中率を比較することです。
自分の確信度を読み解く
あなたの番です
あなたが10回別々の予測を行い、毎回70%の確信度で答えるとします。
意思決定を乗っ取る3つのバイアス
意思決定を乗っ取る3つのバイアス
期待値（EV）やキャリブレーション（確率の正確な推定）の知識があっても、予測可能な心理的ショートカット（直感的な判断の近道）が判断を歪めることがあります。最も有害なものの3つを挙げます。
1. 沈没費用の誤謬（Sunk-cost fallacy）: すでに費やした金銭、時間、労力（取り返しがつかないもの）に縛られ、プロジェクトや行動を継続してしまうこと。「すでに2年投資しているから、今やめるわけにはいかない」。過去の支出は、続けるかやめるかに関わらず失われています。選択を左右すべきなのは、将来のコストと将来の利益のみです。
2. 過信（Overconfidence）: 自分の知識の量や、正解である可能性を過大評価すること（前節で述べたキャリブレーションの誤差）。これにより、バックアッププランを省略したり、スケジュールを過小評価したり、警告のサインを無視したりするようになります。
3. アンカリング効果（Anchoring）: 最初に聞いた数字に固定され、そこから十分に修正しないこと。交渉で最初に提示された価格や、プロジェクトの最初の見積もりは、その最初の数字が恣意的なものだった場合でも、その後のすべての判断を自分の方へ引き寄せてしまいます。
これらのバイアスを完全に排除することはできませんが、それらを名指しで認識することで、発動している瞬間に気づくことができます。
サンクコストの罠を見抜け
あなたの番です
以下の状況を考えましょう：
あなたは明らかに成果が期待できないプロジェクトに、すでに60ドルと3時間を費やしています。チームメイトがこう言います。「これほど多くの時間と費用をかけてきたのだから、今さら諦めるわけにはいかない」
一方通行のドアと両方向のドア
一方通行のドアと両方向のドア
すべての決定に同じレベルの慎重さが必要というわけではありません。役立つ判断基準があります。これは一方通行のドア（不可逆）か、両方向のドア（可逆）か？
両方向のドアは可逆です。選択が間違っていた場合、安価に元に戻して取り消すことができます。新しいツールを試す、部屋の配置を変える、学習スケジュールを試すなどがこれにあたります。こうした決定は素早く行いましょう。可逆な選択に過度に時間をかけることは、結果から学ぶために使える時間を無駄にすることになります。
一方通行のドアは不可逆、または逆転に多大なコストがかかります。ファイルの唯一のコピーを削除すること、中退すること、永久タトゥーを入れること、世界全体に何かを公開することなどがこれにあたります。こうした決定はゆっくりと慎重に行い、より多くの情報を集め、安全策を講じましょう。
このスキルは、熟考の度合いを可逆性に合わせて調整することです。二方向のドア（可逆的な決定）でゆっくり考えすぎること、そして一方向のドア（不可逆的な決定）で安易に決めることは、どちらもコストの高いミスです。
ドアを分類する
あなたの番です
以下の2つの決定について考えてください：
- (a) ファイルの唯一のコピーを永久に削除すること。
- (b) 教室の新しい席の配置を試すこと。
意思決定の質と結果の質
意思決定の質と結果の質
良い意思決定とは、決定を行う時点で利用可能な最良の推論を用いて、確率と利害を考慮したものです。良い結果とは、単に物事がどうなったかであり、そこに運が影響を与えます。
不確実性は現実のものです。そのため、良い判断が結果的に悪い結果につながることもあれば、無謀な判断が運よく良い結果につながることもあります。結果だけで判断を評価することは、リザルティング（結果主義）と呼ばれる罠です。
判断を公平に評価するには、その時点で知られていた情報に基づいて、それは合理的な賭けだったか？と自問してください。ポーカープレイヤーが完璧にプレイしても、運のいいカードに負けてしまうことはあります。それをもってプレイが間違っていたとは言えません。
良い判断か、良い結果か？
あなたの番です
ある友人が、深夜2時に周囲に車が見当たらない状況で信号無視（赤信号を無視）し、無事に帰宅しました。
機械が選択を推奨するとき
機械が選択を推奨するとき
ますます多くの場面で、自動化されたシステムが推奨事項を提示するようになるだろう。このルート、この診断、この取引、この候補者などだ。多くの場合、システムは期待値や類似のスコアによって選択肢をランキング付けしている。
その推奨事項は入力であり、判決ではない。システムは与えられた数値を最適化するだけだ。それは「片道ドア」（取り返しのつかない決断）の重みを感じず、あなたにとってどの損失が破滅的かを知らず、その確率は誤っている、偏っている、あるいは文脈を欠いている可能性がある。
あなたの仕事は、機械が評価できないものを重み付けすることです。期待値（EV）が高い選択肢は、失敗した場合にリスクが高すぎませんか？この決定は可逆的ですか？入力データを信頼できますか？ツールが何を提案しても、あなたはEV、リスク、可逆性を重み付けし、結果に対して責任を負います。
推奨事項の無効化（オーバーライド）
あなたの番です
自動システムは、期待値（EV）が最も高いという理由で、オプションAを推奨しています。