1 根拠ある行動の基本概念
1.1 定義と目的
根拠ある行動とは、意思決定や実行の選択において、観察可能な事実、信頼できるデータ、筋の通った推論、再現可能な検討手順などを手がかりとして判断する考え方である。目的は、偶然や主観的な好みによる判断を減らし、判断の質を高めるとともに、結果を検証して学習につなげる仕組みを作ることにある。個人の生活上の選択から組織の施策設計まで、同様の枠組みで適用できる。
1.2 「根拠」の構成要素
1.2.1 事実・データ
根拠のうち事実・データは、対象の状況を直接または測定によって捉えた情報を指す。ここでは、数値だけでなく、記録された観測結果、仕様書、実験ログ、監査記録のように、参照して確認できる形の情報が含まれる。データの有用性は「正確さ」だけでなく、どのように集められ、どの条件で有効かといった文脈の明確さにも左右される。
1.2.2 推論・論理
推論・論理は、事実やデータから意思決定へ橋渡しする考え方である。例として、条件が満たされるなら期待できる結果を見積もる、リスクと利益の関係を整理する、反例に照らして主張の範囲を絞る、といった手続きがある。重要なのは、論理の飛躍を避け、前提と結論のつながりを説明可能に保つ点である。
1.2.3 手続きの検証可能性
手続きの検証可能性は、判断に至るまでの検討過程が、第三者により追試・監査されうる状態にあることを意味する。具体的には、評価指標、分析手順、意思決定ルール、実行条件が明文化されていることが望ましい。検証可能性が高いほど、誤りの検出や知見の再利用が進み、組織的な学習が加速する。
1.3 直感・伝聞との違い
直感は、過去の経験の断片が短時間で統合されることにより働く判断であり、必ずしも誤りとは限らない。一方、根拠ある行動では、その判断を支える要素が「何に基づいているか」を説明できるようにする点に違いがある。伝聞は情報の経路を通じて変質・欠落が起こりうるため、事実としての確認が弱くなりやすい。根拠ある行動では、出所の明確化と検証を重視し、判断材料の品質差を管理する。
2 科学的手法との関係
2.1 仮説形成と検証
2.1.1 反証可能性の考え方
科学的手法では、主張が誤りである可能性を検討できるように設計する。反証可能性の考え方は、望ましい結果が出ることだけを想定せず、異なる結果が出た場合にどのように見直すかをあらかじめ決める態度に対応する。根拠ある行動でも同様に、期待とは逆の観測が得られたときに判断を保留・修正できるよう、評価基準や測定計画を用意することが重視される。
2.2 データ収集と測定の考え方
2.2.1 バイアスと誤差
データ収集では、測定のばらつきに起因する誤差に加え、観測対象の選び方や手順が生むバイアスに注意する必要がある。たとえば、特定の属性に偏ったサンプルを用いると、全体に当てはまらない結論になりやすい。質問項目の文言や観測者の期待も系統的なズレを生むことがある。根拠ある行動は、こうした要因を前提として扱い、影響の方向と大きさを把握する努力を含む。
2.2.2 サンプリングと再現性
サンプリングは、対象集合をどのように代表させるかという設計であり、再現性は同様の手順で測れば類似の結果が得られるかという観点である。サンプルが不適切だと、同じ手順でも結果が別の状況を映してしまう。手順が曖昧でも、別の担当者や時点で測定条件が変わり比較が難しくなる。根拠ある行動では、条件を固定しつつ、実装の現場でばらつきが生じないよう標準化を図る。
2.3 証拠の強さの評価
2.3.1 効果量と不確実性
証拠の強さは、単に「良い結果が出たか」ではなく、変化の大きさ（効果量）と、その推定に伴う不確実性を含めて評価する。効果量が大きくても不確実性が大きければ再現性の判断が難しく、逆に不確実性が小さくても効果が実用上意味を持たない場合がある。根拠ある行動では、統計的な有意性だけに依存せず、決定に必要な精度や実務的意義に照らして判断する。
2.3.2 研究デザインの比較
証拠の質は研究デザインの違いにも左右される。観察データと比較して、介入を含む設計は効果推定に強みが出やすいが、実装制約や倫理的要件から万能ではない。比較対象の設定、交絡要因の扱い、測定の客観性といった観点を整理し、どの程度まで一般化できるかを検討することが重要である。根拠ある行動では、デザインの得意領域と限界を理解したうえで証拠を重みづけする。
3 根拠ある行動の実践プロセス
3.1 問い（意思決定課題）の明確化
3.1.1 目的変数の定義
実践では、最初に「何を良しとするか」を具体化する必要がある。目的変数は、成功の基準として測定可能な指標に落とし込まれなければならない。たとえば、組織施策なら売上ではなく顧客維持率やクレーム率のように、因果に近い指標を選ぶことが検討される。定義が曖昧だと、後から根拠の解釈がばらつき、判断の再現性が失われる。
3.2 代替案の列挙と比較
3.2.1 トレードオフの整理
代替案を挙げる際には、期待される便益とコスト、実行可能性、リスク、時間軸、倫理的配慮などを同時に比較する。トレードオフの整理は、片方の指標だけに引きずられないための設計作業であり、意思決定の透明性を高める。比較にあたっては、評価基準の重み付けを明示し、価値観の違いが結果の差になる可能性を把握する。
3.3 実行計画と条件設定
3.3.1 いつ・誰が・何を測るか
実行計画では、いつ測定するか、どの担当が実施するか、何を観測対象として扱うかを定める。測定時点は介入の効果が現れるまでの遅れを考慮し、測定対象は評価可能性と実務負荷のバランスで選ぶ。担当者の訓練や手順書の整備も含め、測定の一貫性を担保することが望ましい。条件が統一されるほど、結果の解釈が安定する。
3.4 結果の評価と学習
3.4.1 フィードバックループ
結果の評価は、単発の成否判定にとどめず、次に検討すべき論点へつなげる仕組みとして設計する。たとえば、目標未達なら「測定のズレか」「仮説の誤りか」「条件設定が不十分か」を切り分ける観測を追加する。フィードバックループが機能すると、誤差や予期せぬ要因を踏まえながら意思決定の精度が継続的に改善される。
3.4.2 次の行動への反映
学習を次の行動に反映する段階では、得られた知見を代替案の見直し、評価基準の調整、実行手順の改善に結び付ける。重要なのは、結果を「教訓」として抽象化するのではなく、具体的な変更点に落とし込むことである。更新の基準（どの程度のデータで方針転換するか）を定めることで、継続と改良の判断がぶれにくくなる。
4 よくある誤りと対策
4.1 望ましい結論の先取り
望ましい結論を最初から前提に置くと、情報の選別が恣意的になりやすい。対策として、評価指標や判定基準を事前に固定し、結果が出た後に判断を変更しない運用がある。また、複数の仮説を同時に考え、反例を積極的に探す姿勢が有効である。先取りを防ぐには、検討の工程を点検可能にすることが鍵になる。
4.2 参照する根拠の品質不足
4.2.1 情報の一次性・信頼性
根拠として参照する情報は、一次資料に近いほど有利になる場合があるが、常にそうとは限らない。重要なのは、出所の明確さ、作成過程の透明性、検証の履歴などを確認し、信頼性を評価することである。二次情報でも、引用元の条件が示されていれば判断に役立つことがある。品質不足への対策は、単に「新しい情報」を探すのではなく、検証可能な形で整合を確認する点にある。
4.2.2 データの適用範囲
同じ結果でも、対象集団や環境条件が違えば適用が難しくなる。データの適用範囲の見極めは、評価の前提を理解する作業であり、対象の違いによる変動要因を整理することが含まれる。対策として、適用可能な条件（年齢層、地域、運用形態、時間帯など）を明文化し、外挿の程度を見積もる。範囲を超えるほど、推論の不確実性は増える。
4.3 「根拠がある風」の罠
4.3.1 相関と因果の混同
相関は関連の存在を示すが、原因関係を保証しない。因果の混同が起きると、介入による改善が期待できないのに実行してしまう危険がある。対策として、交絡や逆因果の可能性を検討し、介入設計や比較条件を用いて因果に近づける努力が必要になる。因果を断言できる条件と、状況証拠に留まる領域を区別することが重要である。
4.3.2 選択バイアス
観測されるデータが「起きたことの全て」ではなく、特定の理由で偏っている場合、選択バイアスが生じる。例として、成果が出た事例だけが公開されると全体像を誤認しやすい。対策として、除外基準や観測条件を明らかにし、欠測や対象外の理由を含めて解釈する。偏りの可能性を見積もり、結論の強さを調整する姿勢が求められる。
4.4 コミュニケーションと意思決定
4.4.1 合意形成の技法
根拠ある行動は、分析だけで完結せず、関係者が判断を共有できる形に整える必要がある。合意形成では、評価指標、前提、判断基準、意思決定の手順を文章化し、理解のズレを減らすことが重要になる。意見の相違が価値観に由来する場合は、その重み付けを交渉可能な要素として扱うと進めやすい。
4.4.2 不確実性の伝え方
不確実性を伝えないと、結論が誤解されて過度な確信として受け取られる。伝え方の工夫として、確率や幅（信頼区間など）を示すこと、どの要因が不確実性を増減させるかを説明することがある。さらに、意思決定においてどの程度のリスクまで許容するかを併せて提示すると、解釈が統一されやすい。不確実性の扱いは透明性を支える要素である。