パーフェクトヒューマン日記「社会人の教養がすべて身につくメディア」

社会人の教養がすべて身につきます。パーフェクトヒューマンを目指しましょう!

MENU

「意思決定力(思考力、判断力、決断力)強化作戦。「誰が言うのか」「何を言うのか」の区別から。」PART2

どうも、パーフェクトヒューマン志願者武信です。 

 

「意思決定力(思考力、判断力、決断力)強化作戦。「誰が言うのか」「何を言うのか」の区別から。」というタイトルで話していきますね。

 

意思決定力とは僕の個人的意見ですが「思考力、判断力、決断力」の総称だと考えています。

 

「情報収集→考える(分析等)→どの情報や知恵を使うか判断し、決断を下す」ことだと思っているからです。

 

意思決定に興味があるか鍛えたい人全ての人にお勧めの記事です。

 

PART2です。

 

目次。

 

5    発言者(製作者)とコンテンツは別物。

6 経験を積んだ分野においては野生の勘が働く。

7 膨大なインプットも意思決定には影響を与える。

 

 

PART2です。

 

5    発言者(製作者)とコンテンツは別物。

加えて、発言者とコンテンツ(発言の中身など)は別物と分けて考えるべきです。

 

例えば嫌いな人が「正しいこと」を言っていたら、たとえ嫌いでも「正しいこと」というコンテンツは信じるべきですし、受けいれた方がいいという意味です。

 

逆に言えば、好きな人が「間違っていること」を言っていたら「信じない、受け入れない選択肢を持った方がいい」ということです。

 

つまり、「誰が言うのか」をあまり重視せず「何を言うのか」の中身で主に採り入れるか判断すべきだということです。

 

なぜなら、意思決定は「正しいこと」を選べば正しい結果が出るので誰が言うのか?の発言者なんて関係ないからです。

 

注意すべきなのは「声が大きい人」です。

 

世の中には声が大きく、持論を押し通そうとする人がいます。

 

そういう人ほど実は浅はかで間違ったことを言っていても声が大きいので押し通そうとし、結果的に間違った方向に持っていかれることも多いのです。(経験談です)

 

発言者とコンテンツを分けるべきという意見は製作者とコンテンツを分ける意見と似ています

 

例えば不倫などをした人間性が汚いと思われるミュージシャンであろうと、曲はなぜか惹かれるというケースはあるでしょう。

 

それは製作者とコンテンツは別物だからです。

 

曲などの芸術品の場合、芸術家と人格を結びつけて不買運動をする人もいるでしょうが、例えばあるサービスWebサイトがかなり有益で役に立つとしてその製作者が嫌いだったとしてもサービスWebサイトが有益なら利用したくなるでしょう。

 

芸術はともかく、サービスWebサイトなどでも製作者が嫌いでも利用した方が有益なことはあります。

 

同じ論理で発言者とコンテンツは分けて考えるべきであり、嫌いな人の主張でも正論なら利用したり、採り入れた方がいいのです。

 

6 経験を積んだ分野においては野生の勘が働く。 

また、経験を積んだ分野においては野生の勘が働きます。

 

自動車の運転歴が長い人は道に迷ってもなんとなく方向性を掴んでおり勘が働き素人に比べたら道を間違えないのです。

 

他の領域についても言えます。

 

ビジネスや大学受験などの試験や人間関係などその分野で経験をかなり積むと野生の勘が磨かれ直感が働くようになるのです。

 

経験を十分に積んだ分野における勘は単なる勘とは違います。まさに物事が正しい確率が高い野生の勘なのです。

 

よって十分な経験を積んだ分野における人間の勘や直感を侮ってはいけないということになります。

 

前に上の人の仕事は戦略(考えるなど)であり、戦術(やること。オペレーションなど)とは違うと書きました。

 

また、戦術(やること)部門を現場をよく理解することから戦略もより上手く練り上げられますし、起業などでは「動きながらやりながら考えることが大事」だとも書きました。

 

そうなのです。よく考えるためにもやる・動くこと、つまり膨大な経験は必要なのです。

 

その膨大な経験(または本による疑似体験でもOK)により野生の勘が働くようになります。

 

なので意思決定力を磨き世の中を上手く渡っていくためにも膨大な経験はしておくべきなのです。

 

将棋や囲碁のAIでさえ膨大な経験・学習をさせます。

 

膨大な経験・学習なしにはAIの意思決定力は上がらないのです。

 

何事も膨大な経験を積んだ者には敵わないのです

 

人間の場合、専門分野を究められる範囲は能力上限られるでしょう。

 

よってチームを組むことが必然になります。

 

専門分野を究めた人同士で集まり、専門分野を話し合うことにより融合させイノベーションや新発見を生み出すとともに専門分野を網羅させた意思決定により高い精度の結果を出すのです。

 

もちろん、不確実な先の予測が難しい世界においてはAIや専門家結集の叡智や果ては集合知でも未来予測や意思決定が困難になることもあるでしょう。

 

不確実性が高い世界においては過去の膨大な経験が無力になるばかりか逆に仇になる可能性すらあります。

 

例としてイノベーションのジレンマが挙げられるでしょう。

 

大企業は既存のサービスによって既存の客を重視します。

 

そこに新興企業が新しい技術などによって台頭してきても、大企業は完全な質ではないと軽視しがちです。

 

しかし、大企業が既存の客を重視し改善ばかりしている間に新興企業のサービスの質が追いついてきて(消費者の求めるレベルまで上がる)果ては追い抜かれるのです。

 

既存の客を持っており、売れているからこそ陥る罠ということです。

 

ヨドバシカメラなどの家電量販店は店舗が仇となりました。

 

Amazon楽天などのネット企業は店舗を持っておらず、固定費が物流倉庫ぐらいしかかかりません。

 

そしてAmazon楽天などはヨドバシカメラなどの店舗を持つ家電量販店を駆逐し始めたのです。

 

これはイノベーションのジレンマに限らず、古い専門知識が新しい発想の妨げになることはよくあります。

 

専門知識ばかり勉強したおかげで専門バカになり、新しい視点や発想が浮かばなくなるのです。

 

なので専門家ほどアンラーン(作り直す)視点が大事です。

 

自分の知識が凝り固まった専門知識に縛られていないか?を自問自答するのです。

 

一般的に老害と呼ばれる老人は考えが古いのです。

 

なぜなら、老人になるほど新しいことを学ぶ好奇心や吸収性が薄れ、新しいことへの対応力も弱くなり柔軟性も失われるからです。

 

そして古い専門知識から助言したり提言します

 

老人で影響力が強い人で新しい時代に対応しない提言をするのなら、その影響力の強さから間違った方向に誘導されるので老害と表現するのです。

 

意思決定の際には膨大な経験に裏付けられた直感は意外とあてになるという意識不確実性が高い分野においての意思決定では膨大な経験が仇になる可能性もあるのでアンラーン(作り直す)するという視点が大事という話でした。

 

 7 膨大なインプットも意思決定には影響を与える。 

 

長い文章ですが、もう少しで読了です。お疲れ様です。

 

専門分野での膨大な経験と学習が直感につながり意思決定に影響を与えると書きました。

 

また、その分野での膨大な経験が逆に仇となったり無力化することも述べました。 

 

次は着眼点を変えてインプットとアウトプットの話をしたいと思います。

 

膨大なインプットをする人をよく人は「評論家」や「ノウハウコレクター」と呼んでバカにします。

 

アウトプットをしないということは「知識がきちんと定着していないのでは?」という懸念はインプットばかりしてアウトプットをしない人は世の中に新しい価値を提供していないと思われるからでしょう。

 

確かにインプットばかりの人はアウトプットをしている人に比べたら、知識が定着しているか?も疑問ですし世の中に新しい価値を提供していないと思います。 

 

ですが膨大なインプットは実は意味があるのです

 

膨大なインプットをすると意思決定に影響を与えます。

 

理由は何らかの情報に一度でも触れたら人はその情報をなんとなく記憶しており無意識下には蓄積されているからです。

 

なんとなくでも概念だけは理解し脳の中に入っているのです。

 

そうなるとアウトプットまでは至らなくても(アウトプットが上手にできれば執筆家やプレゼンの達人になれます)、膨大なインプットをすることで意思決定力は上がるのです

 

もちろん体系化された状態で知識が頭に保存されており、自由に脳内から引っ張りだせるのがベストですがそこまで至らなくても意味はあるのです。

 

といっても何となくのうろ覚え状態ですから意思決定の際も「何でこの判断をしたのか不明」な場合が多いでしょう。

 

体系化された知識や理論や論理があれば毎回の意思決定でも理由・根拠付けて判断・決断できますから、フィードバックもされて意思決定の精度は上がっていきます。

 

やはり意思決定の精度を上げるためには体系化された状態で知識を頭に保存し、整理しいつでも引っ張りだせるようにする上に理由と根拠を持って意思決定し、結果が出たらフィードバックしさらに意思決定の精度を上げる循環を繰り返すのが良いでしょう

 

何となくのうろ覚えの膨大なインプットもやらないよりはマシですがフィードバックによる学習が乏しいので意思決定の精度は上がりにくいと思われます。

 

なので意思決定の精度を上げるためにも体系化された知識の整理化による理論を持ち、毎回フィードバックを受け意思決定の学習をするようにしましょう。 

 

これが意思決定力強化の肝であります。

 

では、今回の話題はこの辺で。