コラムColumn

　秩序だった領域では、原因と結果の関係が比較的分かりやすく、過去の経験や知識を活用できます。一方、複雑な領域では、事前に分析するだけでは何が有効なのか分からず、実際に試し、結果を観察して初めて分かることがあります。
　実際のプロダクトやシステム開発では、こうした異なる性質の仕事が混在します。要件が明確な部分もあれば、利用者の反応を見なければ判断できない部分もあります。その性質に応じて、予測の仕方を変えていきます。

■AIが予測の賞味期限をさらに短くする
　AIの台頭は、この状況をさらに加速させています。これまで数週間かかると考えていた作業を、AIによって短期間で試せることがあります。難しいと考えていたことに、新しい実現方法が見つかることもあります。
　つまり、何が作れるのか、どのように作るのか、どれくらいの期間で実現できるのかという前提そのものが、短期間で変化しています。
　AIの活用が進むほど、最初に立てた予測の賞味期限は短くなります。新しく得られた情報や実績を使って、より短いサイクルで予測を更新することが求められます。

■計画達成だけでなく、価値探索へ
　不確実性の高い仕事では、最初の計画どおりに作ることだけを成功とする考え方には限界があります。開発を進めることで、当初は分からなかったことが見えてくるからです。
　現時点で分かっていることから予測し、実行する。結果を観察し、分かったことを次の判断に反映する。このサイクルを繰り返すことで、分かることを増やしながら、より価値の高い方向へ進むことができます。
　見積りも、このサイクルの一部として捉え直す必要があります。見積りは、未来を一度で言い当てるための数字ではありません。その時点で分かっていることから、この先どうなりそうかを捉えるための予測です。
　予測である以上、新しい情報が得られれば変わることがあります。その時点で得られている情報から現実的な見通しを持ち、新しい情報が得られれば更新していきます。

■すべてを曖昧にすればよいわけではない
　不確実性があっても、すべてを曖昧なまま始めるわけではありません。見通しの立つ部分もあれば、試しながら探る部分もあります。予算や期限など、事前に決めるべきこともあります。
　大切なのは、すべてを先に決めるか、何も決めないかという二択にしないことです。では、不確実性がある中で、何を決め、何に変更の余地を残せばよいのでしょうか。
　次回は、不確実性の濃淡を見極めながら、何を約束し、何を探索するのかを分けて考える方法を取り上げます。