地政学リスクとサプライチェーンBCP──「効率の設計」から「断絶の設計」へ

ChatGPTで作成

皆さん、こんにちは。

本ブログは、行動経済学・心理学・歴史などの知見を手がかりに、ビジネスの意思決定を「現場で使える形」に翻訳していくことを目指しています。理論を語って終わりではなく、なぜ組織は合理的に動けないのか、どうすれば“動ける設計”に変えられるのか──その具体策までを、できる限り丁寧に掘り下げていきます。

さて、製造業の現場にいると、ある種の違和感に何度も出会います。

DXでデータが見えるようになり、AIで最適化も進む。にもかかわらず、ある日突然、部材が入らない。航路が不安定になり、リードタイムが伸び、計画が崩れる。許認可が遅れ、通関が重くなり、予定していた立上げがずれる。すると、現場は一気に“最適化モード”から“消火モード”に切り替わり、会議が増え、責任の所在が曖昧になり、最後は「何とかするしかない」という根性論に回収されてしまう。

この瞬間、私たちは気づきます。*工場が最適化していたのは、平和で滑らかな世界を前提にした“古いゲーム”だったのではないか、と。

第3シリーズは、まさにこの「ゲームの前提」そのものを扱っています。第1回では、工場OS（＝暗黙のゲーム設計）が古いままだと、DXは部分最適に堕ちることを整理しました。第2回では、フィジカルAIが現場の“筋肉”や“反射神経”を強化し得る一方で、OSが古いままだと技術は力を発揮しきれない、という話をしました。

そこで第3回となる今回は、視座を工場の外側へ一段広げ、地政学という“外部環境”を、工場OSに対する新しい制約条件として捉え直します。

直近でも、日中関係の緊張を背景に、軍民両用（デュアルユース）に関わる輸出規制の話題が出ています。また紅海周辺の緊張は、航路・保険・運賃を通じて、グローバル物流の前提を揺らしました。ここで大事なのは、個別ニュースの是非を論じることではありません。政治・安全保障が、物の流れ（調達・物流・規制）を“仕様変更”として書き換える頻度が上がったという事実です。そしてこの仕様変更は、たいてい“静かに”始まり、“ある日突然”顕在化します。リードタイムのブレ、許認可の遅延、通関の厳格化、代替調達の取り合い──その形で、現場に刺さってきます。

この状況で、従来の「効率を極限まで追う設計」だけを続けると、ある地点で必ず折れます。だから私は、これからのサプライチェーンには、効率の設計に加えて、“断絶の設計”が要ると考えています。言い換えるなら、レジリエンスを精神論にせず、サプライチェーンBCPとして「断絶が起きる前提で、検知→切替→維持を回し続ける仕組み」を設計する、ということです。100%の効率を目指すのではなく、たとえば30%の断絶が起きても止まらないようにする。これが今回の中心メッセージです。

ただし、ここで一つ厄介なことがあります。地政学リスクは、地震のように確率が推計しにくい、“曖昧なリスク”です。人間はこの曖昧さに弱く、確率が読めないものほど扱いづらく感じます。その結果、会議では「計算できるメリット（直近の単価や原価）」が優先され、「計算できないリスク（地政学）」が議題から外されていく。つまり、備えられない理由は怠慢ではなく、心理の仕様でもあります。そこで今回は、この“備えられない構造”を、行動経済学の観点から分解し、対処を設計として提示します。

本稿を読み終えた時に、読者の方が持ち帰れるものは3つです。

1. 地政学を「不運な出来事」ではなく「制約条件」として扱うための、現場目線の整理軸。
2. BCPを“別冊の文書”ではなく“運用に埋め込む仕組み”へ変えるための、工場OS三層（ルール／情報／標準）との具体的な紐付け。
3. 「チャイナ＋1」を単なる拠点分散で終わらせず、複数拠点を共通プロトコルで繋ぐ“多拠点OS”として実装するための手順です。

地政学の話題は、下手をすると時事解説に流れます。しかし本稿の狙いはそこではありません。世界が不安定になったからこそ、工場OSの設計思想を更新する。その更新ができる企業だけが、次の10年も投資と挑戦を続けられる。そういう問題意識で、ここから第1章に入っていきます。

地政学は「災害」ではなく「居座る制約条件」である

地政学リスクは「いつか起きる非常事態」ではなく、関税・輸出規制・制裁・通商摩擦・軍事衝突の“気配”として、平時から調達・物流・投資判断を細く縛り続けます。つまりリスクではなく制約です。制約は、発生確率を当てにいくより「織り込み方」を設計する方が早い。ここを出発点に置くと、BCPの位置づけも変わります。

1. 「確率が低いから無視」ではなく、「薄く長く効いてくるから効く」

自然災害は「ある日突然」ですが、地政学は「前兆を伴って長く効く」ことが多い。輸出規制が出る前に、許認可が遅れる、通関が厳しくなる、保険料が上がる、航路が迂回する、代替調達の競争が始まる。こうした“摩擦”が、供給網の断面積を日々削っていきます。

しかも厄介なのは、摩擦が「コスト増」として見える一方で、「供給停止の回避」という便益は見えにくい点です。数字に出にくいものは、会議で負ける。これがBCPが後回しにされがちな構造でもあります。

2. 直近のニュースが示すのは「政治が物流を殴る」時代の常態化

たとえば、日中関係の緊張を受けたデュアルユース品の輸出規制は、対象が軍事用途に限定される建て付けだとしても、実務側では「審査の遅れ」「適用範囲の拡張」「関連素材への波及」という形で不確実性を増幅させやすい。

また紅海周辺の緊張は、主要航路の迂回や保険・運賃の上昇を通じて、グローバル物流へ影響を与えました。ここで言いたいのは政治評価ではなく、“物の流れ”が地政学に殴られる頻度が上がったという事実です。

なぜ企業は備えられないのか：バイアスで分解する

BCPは「正しい」と誰もが言うのに、なぜ進まないのか。そこには合理性では説明できない心理のクセがあります。楽観・現在・現状維持・サンクコストは定番ですが、地政学で特に効くのは「アンビギュイティ回避」です。確率が読めないものを嫌い、結果として“無視する”という逆説が起きます。本章では、備えを妨げる心理を構造として捉え直します。

1. 現在バイアス：「今日の利益」が「明日の損失」を押し潰す

BCPは、コストは今、効果は未来です。すると、どうしても「今期の利益」「今月の単価」「今日の稼働率」に負ける。私は以前BCPの記事でも、この“先送りの構造”を整理しました。

behavioral-economics.hatenablog.com

地政学BCPは、この現在バイアスが最も露骨に出ます。

2. 楽観バイアス：「うちは大丈夫」が標準設定になる

人は「自分だけは大丈夫」と思いやすい。さらに組織では、「問題を言う人」が空気を悪くする人になりがちです。すると“言い出しづらさ”が、楽観を加速させます。結果として、備えは「誰かが言うまで存在しない」状態になります。

3. サンクコスト：「既存拠点の重さ」が多拠点化を止める

既存の工場、人材、設備、取引関係、行政対応…。積み上げたものが大きいほど、撤退や分散は心理的に難しい。これは合理的な投資判断というより、「もったいない」という感情の問題です。地政学BCPは、ここに正面からぶつかります。

4. そして本題：アンビギュイティ回避が「計算できないリスクを無視」させる

地政学は、地震のように確率が推定しづらい。つまり「リスク（確率×影響）」として計算しにくい。ここで人間は、“分からないもの”を過剰に避ける一方で、組織の意思決定では逆に、分からないものを議題から外してしまうという矛盾した動きをします。

なぜか。会議で勝てないからです。

「確率が分からない」リスクは、数表に落ちず、稟議に載せづらい。結果、議論は「計算できるメリット（直近単価、今期の原価、目先の納期）」へ収束します。こうして、アンビギュイティ回避は“回避”ではなく“無視”として現れます。

ここで重要なのは、アンビギュイティをゼロにすることではありません。曖昧さを“設計変数”に変換することです。たとえば、

• シナリオを3つに絞る（平時／摩擦増／断絶）
• 兆候指標（リードタイム悪化、許認可遅延、保険料、輸出審査の滞留）を定義する
• 閾値（トリガー）を決め、発動時の行動（在庫、切替、生産配分）をIf-Thenで固定する

  こうすると、曖昧さは「議題に載る」ようになります。議題に載った瞬間、BCPは進みます。

「断絶の設計」：サプライチェーンBCPを工場OSに埋め込む

断絶の設計とは、「止まらないこと」を願うのではなく、「一定の断絶が起きても止まらない構造」を先に作ることです。BCPを“別冊”にせず、工場OSそのものへ埋め込む。ここで第1回で提示した工場OS三層（ルール／情報／標準）が効きます。本章では、三層それぞれが断絶耐性としてどう機能するかを明示します。

1. 100%効率ではなく、「30%断絶でも動く」ことを目標に置く

多くの工場は、平時の効率を上げる方向に最適化されています。これは正しい。しかし、効率の最適化はしばしば“余白の排除”でもある。余白がゼロなら、断絶耐性もゼロです。

そこで私は、目標の置き方を変えるべきだと思います。「平時の原価を1%下げる」ではなく、「供給が30%欠けても、顧客への提供を止めない」。

この目標設定が、BCPをコストではなく“性能”に変えます。

2. ルールのレイヤー：断絶時の意思決定ルールを“先に”固定する

ルールとは、誰が何を決めるか、何を優先するか、です。断絶時に会議をしていては遅い。ルールのレイヤーには、たとえば以下を埋め込みます。

• トリガーと発動権限：リードタイムが何日増えたら切替を開始するか。誰が発動するか。
• 優先順位の固定：顧客・製品・地域の優先度（割当ルール）
• 調達の評価軸：単価だけでなく、供給停止時の損失を含む“リスク込みTCO”
• BCP訓練の義務化：年何回、どの範囲で、何を確認するか

ここまで決めて初めて、BCPは「守り」ではなく「運用」になります。

3. 情報のレイヤー：見えない依存関係を“見える化”し、切替を速くする

情報とは、「現場が何を見て動いているか」です。断絶に強い工場は、勘が強いのではなく、切替に必要な情報が揃っている。

• 部材ごとの依存関係（どの製品がどの素材・どの工程に依存しているか）
• サプライヤーの二重化状況、代替可否、MOQ、リードタイム、許認可
• 物流ルートの代替候補、保険・運賃、混雑度
• 在庫の見える化（拠点横断、顧客別・製品別）

ここが整うと、「断絶が起きた」瞬間に、別拠点へ生産配分をスイッチできます。つまり情報のレイヤーは、断絶耐性の“速度”を作ります。なお、私は直近の記事で「部分最適DXを超えて全体最適をKPIとルールへ落とし込む」重要性を書きましたが、断絶耐性も同じで、測る指標を変えない限り、行動は変わりません。

behavioral-economics.hatenablog.com

4. 標準のレイヤー：代替を“可能にする”のは標準化だけ

標準とは、手順・品質基準・部材仕様・検査方法など、現場が迷わず動ける共通言語です。断絶時に代替調達・代替生産をするには、標準が不可欠です。

• 部材の互換性設計（代替品が刺さる設計）
• 検査・認証プロトコルの共通化（拠点を跨いでも品質が担保できる）
• 作業手順の標準化（人の移動・応援が成立する）
• 変更管理の標準化（仕様変更が事故にならない）

結局、断絶の設計は「標準化を怠った組織には無理」という結論に寄ります。標準は地味ですが、BCPの最短距離です。

5. BCPを“制度”に寄せる：ISOの考え方を借りる

BCPを属人化させないために、私はBCPを「制度」として運用する発想が必要だと思います。国際標準でも、事業継続は“計画”ではなく、計画・運用・見直しを回すマネジメントシステムとして整理されています。ここを借りると、BCPは「作って終わり」になりにくい。

「チャイナ＋1」を“多拠点OS”として実装する

拠点分散は「地理」の話に見えますが、本質は「共通プロトコル（OS）」の話です。拠点を増やしても、品質基準・情報粒度・意思決定ルールが揃っていなければ、切替は遅くなるだけです。第2回で述べたように、フィジカルAIは切替の速度を上げ得る一方、土台となるOSが揃っていないと効果は出ません。ここでは“多拠点OS”としての実装条件を整理します。

1. 分散の失敗パターン：「拠点は増えたが、切替できない」

よくある失敗は、拠点を作ったことで安心してしまい、肝心の“切替手順”が設計されないことです。

• 代替生産の条件が決まっていない
• 品質保証の責任分界が曖昧
• 部材の互換性がない
• 情報の粒度が拠点ごとに違い、比較できない

  これでは、断絶が来た時に切替ではなく混乱が来ます。

2. 多拠点OSの核心：「共通プロトコルで繋ぐ」

私は「チャイナ＋1」を、単なる分散ではなく“多拠点OS”として捉えるべきだと思います。ポイントは、

• ルール（意思決定）を揃える
• 情報（可視化）を揃える
• 標準（品質・手順）を揃える

  この三層を揃えた時に初めて、拠点群は“一つの工場”のように振る舞い始めます。

3. フィジカルAIは「断絶の設計」を加速させるが、代替しない

第2回で述べた通り、フィジカルAIは、検査・搬送・段取り・予兆保全などを通じて現場の反応速度を上げます。しかし、それはOSの代替ではなく、OSの上で効くブースターです。

断絶時の切替は、AIの賢さより「どこまで標準化されているか」「誰が発動できるか」「情報が揃っているか」で決まります。つまり、AI導入の前に、OSの下地（標準と情報）を揃えるのが先です。

実装の勘所：サプライチェーンBCPを“動く仕組み”にする

BCPが進まない最大の理由は、「正しいが、面倒」という性格です。だからこそ、最初から完璧を目指すより、スモールスタートで“動いた実感”を作るのが現実的です。本章では、アンビギュイティ回避を乗り越えるための実装手順（シナリオ化、指標化、If-Then化）を、90日単位のロードマップとして提案します。

1. 最初の90日：曖昧さを「議題に載る形」へ変換する

• 重要部材トップ20を決める（売上・代替難度・リードタイムで重み付け）
• 各部材について、代替可否・第二供給源・切替条件を棚卸し
• 3シナリオ（平時／摩擦増／断絶）に落とし、兆候指標を決める
• 指標が閾値を超えたら何をするかをIf-Then化して合意する

この時点で、BCPは“机上の空論”から“運用の候補”になります。

2. 次の90日：訓練で「断絶の設計」を現場に落とす

• 机上訓練（テーブルトップ）で切替手順を回す
• 品質・認証・検査の切替が詰まる箇所を洗い出す
• 標準化（手順・検査・変更管理）の穴を埋める
• KPIを置く（切替に要する時間、代替生産の立上げ日数、在庫日数など）

訓練は、BCPを“信仰”から“技術”に変えます。

3. 経営に刺す言い方：BCPを「保険」ではなく「性能」として語る

BCPは「念のため」だと負けます。私は、BCPを顧客提供の継続性能として語るべきだと思います。

• 欠品率の低さ
• 供給途絶時の復旧時間
• 代替品の適用速度

  これらは、実は競争力です。BCPは、コストではなく“売上を守る機能”です。

まとめ

ここまで、地政学リスクを「災害」ではなく「居座る制約条件」として捉え直し、サプライチェーンBCPを「断絶の設計」として工場OSへ埋め込む話をしてきました。最後に第1回へ戻ります。私は第1回で、「失われた40年」を回避するために工場OSをアップデートしよう、という問題提起をしました。今回の結論も、そこへ接続します。

これまでの日本の製造業は、効率を磨くことで世界と戦ってきました。効率化は正義だったし、今も重要です。ただ、世界の前提が変わりました。物流が常に滑らかで、政治がビジネスの外側にある、という20世紀型の前提は、静かに崩れています。日中関係の緊張がデュアルユース規制として可視化される局面もあれば、紅海周辺の緊張が航路・保険・運賃を通じて実務へ波及する局面もありました。ここで大事なのは、個別ニュースに一喜一憂することではありません。「断絶が起き得る」ではなく、「断絶が起きる世界を前提にする」という認知の切替です。

しかし頭で分かっていても、BCPは進みません。なぜなら人間は、現在バイアスで先送りし、楽観バイアスで小さく見積もり、サンクコストで動けなくなり、そして地政学特有の“確率が読めない”曖昧さの前で、アンビギュイティ回避によって議題から外してしまうからです。つまり、BCPが進まないのは怠慢ではなく、心理の仕様です。だからこそ、精神論ではなく、設計が必要になります。

その設計の核が、工場OS三層（ルール／情報／標準）です。

• ルールのレイヤーで、断絶時の意思決定を「先に」固定する。会議で迷わないようにする。
• 情報のレイヤーで、依存関係と在庫と物流を見える化し、切替の速度を作る。
• 標準のレイヤーで、代替調達・代替生産を“可能にする”土台を作る。

  この三層が揃った時、BCPは別冊の文書ではなく、日々の運用になります。

「チャイナ＋1」も同じです。拠点を増やすこと自体が目的ではなく、拠点群を共通プロトコルで繋ぎ、“一つの工場”として動かすことが目的です。ここにフィジカルAIが乗ると、切替の速度と精度は上がる。しかし、OSが揃っていない状態でAIだけを入れても、断絶耐性は上がりません。順番が重要です。

結局、失われた40年を回避する鍵は、「効率の設計」を捨てることではなく、効率の設計の上に「断絶の設計」を重ねることだと思います。効率だけを追うOSは、平時に強い。しかし世界が揺れる時、脆い。断絶耐性OSは、平時の効率を少し犠牲にする代わりに、有事に売上を守り、顧客との信頼を守り、結果として投資と挑戦を継続させます。停滞を生むのは、危機そのものより、危機で手が止まることです。だからこそ、地政学を“外部環境”として眺めるのではなく、“OSの制約条件”として織り込み、BCPを運用へ落とし込む。これが、次世代の工場OSの中核になるはずです。

今回はここまでとします。最後までお読みいただき、ありがとうございました。

DXの次に来るもの② フィジカルAIは工場をどう変えるのか

ChatGPTで作成

皆さん、こんにちは。

本ブログでは、行動経済学の知見を手がかりに、工場の生産管理やサプライチェーン、そして中国工場マネジメントまでを「ゲーム設計」として捉え直す試みを続けています。理論だけでなく、現場で起きている意思決定の癖やバイアスに目を向けることで、単なるツール導入では終わらない、本質的な改善のヒントを探っていきたいと考えています。

第1シリーズでは IE や生産計画を通じて「工場の身体とリズム」を、第2シリーズでは性利説マネジメントを軸に「人間のOS（行動原理）」を扱ってきました。前回の第3シリーズ第1回では、その二つを統合する概念として「工場OS」を提案し、日本の製造業が「失われた30年」を「失われた40年」にしてしまわないためには、DXそのものより先に、この OS の書き換えが必要だという話をしました。

では、その OS の上に今後どのようなテクノロジーが乗ってくるのか。ここで避けて通れないのが「フィジカルAI」です。ChatGPT のような生成AIが扱ってきたのは文章や画像といった「情報の世界」ですが、フィジカルAIはロボットや自動搬送、自動倉庫などを通じて、現実空間でモノを動かします。NVIDIA や各ロボットメーカーの発信を見ると、工場・物流・建設現場といったフィジカル空間は、まさに次の主戦場になろうとしています。

とはいえ、「完全無人化工場」「ダークファクトリー」といった言葉が独り歩きすると、「人間はいらなくなるのではないか」「現場の仕事がすべて機械に置き換わるのではないか」といった不安も生まれます。一方で、現実の導入案件では、投資に見合う効果が出ず「フィジカルAI疲れ」が起きる懸念もあります。

そこで今回は、「フィジカルAIが工場をどう変えるのか」を、行動経済学と工場OSという二つの軸から整理してみたいと思います。どんな仕事がフィジカルAIに向いていて、どこはあえて人間に残すべきなのか。完全無人化工場というキャッチーな未来像に振り回されるのではなく、「どこまでAIに任せ、何を人間が担うのか」という役割設計として考えていきます。

フィジカルAIとは何か──生成AIの次の主戦場は「現場」

本章では、まずフィジカルAIというキーワードの正体を整理します。ChatGPT のような生成AIが扱うのは文章や画像といった「情報の世界」ですが、フィジカルAIは現実空間でモノを動かし、人と協働する存在です。工場内のロボット、自動搬送車、検査装置など、既に身近な形で入り込みつつあります。ここでは、サイバー空間のAIとの違いと、工場OSとの関係性を押さえておきます。

1. 「情報のAI」と「モノのAI」

ここ数年で一般化したのは、文章や画像・コードを扱う「サイバー空間のAI」です。一方、ファナックや安川電機のロボット、AGV・AMR、自動倉庫システムなど、「モノを動かす仕組み」自体は以前から工場に存在してきました。

フィジカルAIとは、この「モノを動かす仕組み」に、AIによる認識・判断・学習機能が本格的に組み込まれていく流れを指します。カメラ画像から外観不良を判定する検査AI、経路を自律判断する搬送ロボット、作業者の動きに合わせて動作を調整する協働ロボットなど、対象は多岐にわたります。

最近では、NVIDIA のようなプレイヤーがシミュレーション環境（デジタルツイン）上でロボットを学習させ、そこで鍛えたモデルを現実世界に転用する「Physical AI」のビジョンを示しています。これが、次のセクションで触れる「Sim-to-Real」の流れです。

2. フィジカルAIの特徴は「影響範囲」と「取り返しのつかなさ」

サイバー空間のAIは、間違っても画面上の情報が誤っているだけで済むケースが多いのに対し、フィジカルAIの誤動作は、人身事故や設備破損、品質事故に直結します。

ここには行動経済学でいう「損失回避」が強く働きます。少しでも危なそうな新技術は避けたい、既存のやり方から大きく変えたくない──。この心理が、フィジカルAIの本格導入を遅らせる要因にもなります。

同時に、一度導入してしまうとサンクコストが大きくなり、「多少問題があっても止められない」状態にも陥りがちです。フィジカルAIは、単なる省人化ツールではなく、工場全体のゲーム設計を見直すトリガーになり得る存在だと捉えるべきでしょう。

3. Sim-to-Real の壁──最後の数％を埋めるのは「性利説OS」

NVIDIA などが進めているフィジカルAIでは、まず仮想空間上のシミュレーション（Sim）でロボットやAIを学習させ、そこから現実の工場（Real）へと適用する「Sim-to-Real」という流れが重視されています。

しかし、現実世界はシミュレーション通りには動きません。床のわずかな凹凸、搬送台車の摩耗、作業者のクセ、センサーの取り付け位置の微妙な違い──そうした「揺らぎ」が積み重なることで、Sim では安定していたアルゴリズムが、Real では途端に不安定になることがあります。

この「Sim-to-Real ギャップ」を埋める作業こそが、まさに人間の出番です。ロボットのログを見ながら、「どの条件のときに、どんな誤動作が起きたのか」を一つひとつ潰していく。これは、単なる機械調整ではなく、現場の文脈・安全基準・生産計画を踏まえた「ゲーム設計のデバッグ」です。

第2シリーズで扱った性利説マネジメントの言葉で言えば、人は「自分や仲間の安全」「自分の評価」「作業のやりやすさ」といった“利”に基づいて動きます。この性利説OSを前提に、「どのようなときにロボットを一時停止させるか」「どこまでを自動化し、どこからを人の介入とするか」といったルールを詰めていく役割は、Sim-to-Real のプロセスと本質的に同じです。

言い換えれば、「Sim-to-Real の最後の数％」は、人間の現場知と性利説OSが担う領域です。ここを「AIの弱点」と見るのか、「人間が価値を発揮する余地」と見るのかで、工場の未来は大きく変わってきます。

4. 神経系としてのDXと、筋肉としてのフィジカルAI

第3シリーズ第1回で、DXは工場の「神経系」であり、情報を集め・伝え・判断を増幅する役割だと整理しました。

これに対し、フィジカルAIはどちらかと言えば「筋肉」に近い存在です。生産ラインや物流ラインにおける具体的な動作を担い、「どこで力を発揮させるか」「どこをあえて人間に残すか」という設計が問われます。

したがって、DXとフィジカルAIの関係は、

• DX：情報の流れと意思決定を最適化する神経系
• フィジカルAI：実際の作業を担う筋肉・手足

と整理できます。どちらか一方だけを入れても工場全体はうまく機能しません。OS（ゲーム設計）とセットで捉える必要があります。

どんな仕事をAIに任せるか──バイアスから見たフィジカルAI適性マトリクス

本章では、「フィジカルAIが得意な仕事・苦手な仕事」を切り分けます。なんとなく「単純作業はロボット」「判断が必要な仕事は人間」と考えがちですが、実際の現場はもっと複雑です。行動経済学的に見れば、人間が「面倒だからやりたくない仕事」ほど、バイアスによりエラーが起きやすく、AI化の優先度も高くなります。まずは工場内のタスクを整理し、どこから着手すべきかの地図を描きます。

1. 2軸で整理する「フィジカルAI適性マトリクス」

タスクをざっくりと次のような2軸で整理してみましょう。

• 横軸：定型性（作業手順がどれだけ一定か）
• 縦軸：曖昧さ・文脈依存度（その場の判断・コンテキスト解釈がどれだけ必要か）

右下（高定型・低曖昧）の領域には、組立・溶接・単純搬送・繰り返し検査などが入ります。ここはまさにフィジカルAIの得意領域です。

一方、左上（低定型・高曖昧）の領域には、イレギュラー対応、段取り替えの優先順位付け、設備トラブル時の原因切り分けなど、人間の経験と直感がものをいう仕事が並びます。

重要なのは、「AI向き／人間向き」と綺麗に線引きするのではなく、「AIがやる部分をどこまで切り出し、人間はどのレイヤーに集中するか」を設計することです。

2. 「人間が苦手な仕事」からAIに任せる

行動経済学の観点から見ると、人間が特に苦手とするのは、以下のようなタスクです。

• 長時間の単調な監視（注意の持続が難しく、注意残余が生じる）
• 極めて低頻度だが重大なイベントの検知（確率を過小評価しがち）
• 細かいルールを延々と適用し続ける作業（意思決定の疲労）

フィジカルAIの導入優先順位を考える際は、「人がやるとバイアスや疲労でミスしやすい仕事」「やらされ感が強く、モチベーションを削る仕事」から狙うのが合理的です。

逆に、「顧客との折衝」「例外処理の方針決定」など、意味づけや利害調整が必要な仕事は、当面は人間が担う前提で設計した方が現実的でしょう。

3. 「誰もやりたくないが、事故ると致命傷」な仕事を浮かび上がらせる

現場のヒアリングをしていると、「本当はやりたくないが、やらないと品質事故につながる」といったタスクが必ず出てきます。例えば、

• ロット切り替え時の二重チェック
• 夜間の定期パトロール
• 荷受け時の数量・ラベル確認

こうしたタスクは、現状維持バイアスにより「今までのやり方」で続けられがちですが、フィジカルAIの導入候補としては極めて有望です。

タスクの定型性やリスク、人的負荷の大きさを整理しながら、「どの仕事をどの順番でAIに任せていくべきか」を構造として見える化していくことが重要になります。感覚や好き嫌いではなく、このマップに基づいて議論できるようになると、現場と経営の合意形成も格段に進めやすくなります。

「完全無人化工場」という幻想──ダークファクトリーへの現実的ロードマップ

本章では、メディアで語られがちな「完全無人化工場」像を一度分解し、現実的な到達シナリオを描きます。全ての工程を一気にダークファクトリー化しようとすれば、投資額もリスクも天井知らずになりますし、行動経済学的にはサンクコストと現状維持バイアスのダブルパンチを食らいます。段階的に範囲を広げるロードマップと、Jカーブ（移行期の一時的な悪化）に耐える覚悟が不可欠です。

なお、本記事でいう「ダークファクトリー」とは、劣悪な職場環境を指す言葉ではありません。人がほとんど常駐せず、フィジカルAIやロボットが中心となって稼働する高度自動化工場を意味します。そのうえで、人間は工場OSを設計・監視し、異常時に介入する役割へとシフトしていく、という前提で議論を進めます。

1. ダークファクトリーへ向かう、現実的な三段階ステップ

現実的なロードマップとしては、ざっくり次の三段階で考えるのが良さそうです。

1. 第1段階：人手中心＋部分的自動化
      危険・単調・夜間など、人がやると負荷の高い部分からピンポイントで自動化するフェーズ。
2. 第2段階：人とフィジカルAIの協働ライン
      ロボットと人が同一ライン上で役割分担し、人間は例外処理や段取り替えに集中するフェーズ。
3. 第3段階：一部ラインのほぼ無人化＋遠隔監視
      品種が限定され、工程変動が少ない領域から「島単位」で無人化を進めるフェーズ。

ここで重要なのは、「工場全体を一度に無人化する」のではなく、「工場の中に無人化された島を増やしていく」イメージを持つことです。

2. Jカーブをどう乗り越えるか

OSを入れ替えるときと同様に、フィジカルAI導入でも必ずJカーブ（導入直後の生産性低下）が発生します。

立ち上げ初期はトラブル対応やチューニングに時間を取られ、「やっぱり人間の方が早い」という声が現場から上がるのは避けられません。

ここで現状維持バイアスが強く働き、「やっぱりやめよう」「前のやり方に戻そう」となると、投資だけが残り、現場には「AIは役に立たない」という悪い記憶が刻まれます。

経営側に求められるのは、「どのくらいの期間・どの程度のJカーブを許容するのか」を事前に定め、その範囲内であればブレずにやり切るコミットメントです。

3. 「全部AI」より「どこまでAIに任せるか」を設計する

完全無人化という言葉はキャッチーですが、現実には「人がやるよりAIの方が得意な領域」と「AIに任せるにはリスクが高すぎる領域」が混在します。

行動経済学的に言えば、「自動化バイアス（自動化された方が正しいと感じてしまう傾向）」に飲み込まれないことが重要です。

• 非常停止や安全に関わる判断をどこまでAIに任せるのか
• 品質上のグレーゾーンに遭遇したとき、誰が最終判断を下すのか
• 予期せぬ事象が起きた際、どの段階で人間にバトンを戻すのか

こうした境界線の設計こそが、フィジカルAI時代の工場OSのコアになります。

フィジカルAI時代の人間の3つの役割──「手を動かす人」からOSデザイナーへ

本章では、フィジカルAIが当たり前に工場内に存在する前提で、「人間にはどんな役割が残るのか」を整理します。単に「クリエイティブな仕事」と言っても抽象的すぎますし、現場の納得感も得られません。ここでは、工場OSの観点から、人間の役割を「設計」「例外処理」「説明・翻訳」という三つのレイヤーに分解し、それぞれにどんな能力・評価軸が必要になるかを考えます。

ここで重要なのは、フィジカルAIが高度な物理的判断や作業を代替すればするほど、人間は「例外時の倫理的判断」や「ゲームのルール（工場OS）そのものの改善」といった、より上位のレイヤーに専念できるようになる、という点です。AIに仕事を奪われるのではなく、仕事の重心がOSデザインとガバナンスの側に移っていく、と捉え直すことが鍵になります。

1. フィジカルAI時代に残る「人間の3つの仕事」を整理する

フィジカルAI時代の工場で、人間が担うべき役割は大きく次の3つに整理できます。

1. 設計者（Designer）
      * どの工程をどう自動化するかを決める
      * タスク分解・ライン設計・安全設計などを行う
      * 「何をAIに任せ、どこから先を人間の判断に残すか」という境界線を引き直す
2. 例外処理者（Problem Solver）
      * 想定外の事象が起きたときに原因を特定し、対処方針を決める
      * ロボットが止まったとき、「なぜ止まったのか」を解釈する
      * Sim-to-Real ギャップを埋めるデバッグを通じて、OSそのものを更新する
3. 説明者・翻訳者（Explainer）
      * 経営層や顧客に対して、「なぜこの自動化を選んだのか」「どんなリスクをどう管理しているのか」を説明する
      * 現場とシステム部門・サプライヤーの間をつなぐ
      * 社内外のステークホルダーに対して、自動化の「目的」と「限界」を言語化する

フィジカルAIそのものは、「こう動くべきだ」と指示された枠組みから外に出ることはできません。OS（ゲーム設計）を考え、例外を扱い、利害関係者に説明する部分にこそ、人間の仕事が残ります。

2. 評価軸を「手を動かす量」から「OSへの貢献」に変える

行動経済学的には、人は「目に見えやすい活動」を過大評価する傾向があります。汗をかいている人、忙しそうに動き回っている人を「頑張っている」と感じてしまう「労働の錯覚」です。

フィジカルAIが作業を代替するほど、この錯覚に頼った評価は機能しなくなります。むしろ、「目に見えにくいが、OS全体への貢献度が高い仕事」をどれだけ正しく評価できるかが、組織の競争力を左右します。

• 不具合の再発率をどれだけ減らしたか
• 自動化ラインの停止時間をどれだけ短縮したか
• 人とAIの役割分担を見直して、どれだけ人の負荷を減らしたか
• AIの提案や自動判断に対して、人間がどれだけ適切に「NO（介入）」を出し、その結果 OS やアルゴリズムの改善につなげたか

といった「OSへの貢献」を正面から評価する仕組みに変えていかなければ、優秀な設計者・問題解決者・説明者は育ちません。

例えば、私が関わっているような中国工場の現場であれば、「AIが出した指示に対してオペレーターが介入した回数」と「その介入が妥当だった割合」をモニタリングし、それをネガティブ指標ではなく「改善提案のトリガー」として評価する、といった設計も考えられます。AIに丸投げするのでも、根拠なく拒否するのでもなく、「どの介入がOSのアップデートにつながったか」を可視化することで、人とAIの健全な協働関係をつくることができます。

ここでも、「何をKPIとして測るか」というゲーム設計が、人の行動を決めていきます。

3. 「フィジカルAIの失敗」をどう取り扱うか

フィジカルAIが導入された現場では、必ずトラブルやヒヤリハットが起きます。そのとき、「誰をどのように責めるか（あるいは責めないか）」のルールをどう設計するかは、人間の心理にとって決定的に重要です。

• 失敗したときに個人を責める文化であれば、人はリスクのある改善提案を避ける
• 失敗をOSの不備として扱い、ルールや設計を見直す文化であれば、学習が蓄積する

行動経済学でいう「帰属バイアス（失敗を個人の資質の問題に帰してしまう傾向）」を乗り越え、「失敗はOSのバグ」と捉えるマインドセットが不可欠です。フィジカルAI時代のマネジメントは、まさにここが試されます。

4. If-Then で見える「フェアなUI」をつくる

第2シリーズでは、中国人マネジメントを題材に「If-Then ルールで行動を設計する」という話をしてきました。フィジカルAIにおいても、この発想はそのまま UI（ユーザーインターフェース）設計に応用できます。

フィジカルAIはしばしば「ブラックボックス」として受け止められます。「なぜ今そこで止まったのか」「なぜそのルートを選んだのか」が分からないと、人はアルゴリズムを過度に不信（アルゴリズム忌避）したり、逆に「AIがそう言うなら」と無批判に従ったり（自動化バイアス）してしまいます。

ここで重要になるのが、「フェアなUI」です。

例えば、ロボットの動きやライン停止の理由を、

• If：コンベヤ上のワーク間隔が一定値以下になった
• Then：安全のため一時停止
• If：温度センサーがしきい値を超えた
• Then：設備に停止指令を送信

といった形で「条件（If）と結果（Then）」のセットとしてログ表示する。

このように、「どの条件を見て、どの選択肢を選んだのか」を人間が後から追えるようにしておくことが、心理的な納得感につながります。もし判断がおかしければ、「If の取り方が現場の実態とずれているのか」「Then のアクションが強すぎるのか」を話し合い、ルールを書き換えればよい。

性利説OSの観点から見れば、人は「自分の説明責任を果たせる仕組み」をフェアだと感じます。フィジカルAIの UI が If-Then ベースで設計されていれば、オペレーターは「なぜこう動いたのか」を上司や顧客に説明できますし、自分の介入（NOと言った判断）がどのルール変更につながったかも追跡できます。

フィジカルAIそのものを透明にするのではなく、「意思決定のロジックを人間の言葉に翻訳して見せる」。このフェアなUI設計こそが、第2シリーズで扱ったIf-Then マネジメントと、第3シリーズの工場OSをつなぐ架け橋になっていきます。

まとめ

最後に、本稿のポイントを改めて整理します。フィジカルAIは、工場を一気に無人化してくれる魔法の杖ではありません。むしろ、「どんなOSで工場を動かしているのか」「人と機械の役割分担をどう設計しているのか」を容赦なく照らし出す鏡のような存在です。日本の製造業が「失われた40年」を回避できるかどうかは、この鏡から目を逸らさず、OSを書き換える勇気を持てるかにかかっています。

フィジカルAIは、

• 人間が苦手な単調・高負荷・高リスクの仕事を引き受け、
• タスクのマトリクス化によって導入優先順位を見極め、
• 島単位のダークファクトリー化を段階的に進めることで、

工場の生産性と安全性を大きく高めるポテンシャルを持っています。

しかし同時に、

• 自動化バイアスにより「AIが決めたことだから正しい」と過信してしまうリスク
• Jカーブの底で現状維持バイアスに負け、「やっぱりやめよう」と振り出しに戻るリスク
• 失敗を個人に帰属させ、学習をOSに反映できないリスク

も内包しています。

だからこそ重要なのは、フィジカルAIそのものより、

• どの仕事をAIに任せ、どの仕事を人間に残すのか
• その境界線を誰がどう決めるのか
• 失敗や例外をどう扱い、OSを書き換えていくのか

という「工場OSの設計」です。

フィジカルAIが当たり前になる時代に、人間が担うべき仕事は、「現場で汗をかくこと」から、「ゲームのルールを作り、例外に向き合い、関係者に説明すること」へとシフトしていきます。AIが物理的な判断や作業を代替するほど、人間は倫理的判断や長期的なゲーム設計に集中できるようになる──そのポジティブな変化を、恐れではなくチャンスとして捉える視点が求められます。

さらに言えば、フィジカルAIを前提とした工場は、労働力不足やパンデミック、政情不安といった地政学リスクに対しても、より強靭なOSを持ちやすくなります。どの地域にどの工程を配置し、どこまでを遠隔監視・自動運転でカバーするのか。次回の第3回では、こうした「地政学リスクとサプライチェーン再設計」をテーマに、多拠点戦略をゲーム設計として捉え直していきたいと思います。

今回はここまでとします。最後までお読みいただき、ありがとうございました。

DXの次に来るもの──「失われた40年」を回避する工場OSとは何か

ChatGPTで作成

皆さん、こんにちは。

本ブログでは、行動経済学を軸にしながら、製造業の現場改善から経営戦略、組織マネジメントまでを横断的に読み解き、ビジネスに活かせる実践知として整理していくことを目指しています。

前回までの第1シリーズでは「工場内の生産管理・IE」を、第2シリーズでは「中国人マネジメント（マネジメントOS）」をテーマに、現場の行動原理をどう設計し直すかを考えてきました。ここで扱ったのは、いわば「人のOS」の話でした。今回からは視座を一段引き上げ、「その人のOSが動く舞台となる『工場全体のOS』」──すなわち工場・SCMの未来（DX・AI・地政学・環境）を扱う第3シリーズをスタートさせます。

いま製造業の現場には、一種の「DX疲れ」が漂ってはいないでしょうか。
「見える化はしたけれど利益は増えない」「AI導入が目的化し、現場の負担だけが増えた」という声もあちこちから聞こえてきます。日本経済は長らく「失われた30年」と呼ばれてきましたが、もし私たちがDXの本質を見誤り、単なるデジタル化（デジタイゼーション）でお茶を濁し続けるならば、この停滞はさらに続き、「失われた40年」へと延長されかねません。特に日本ではそのリスクが顕著です。

第1シリーズの最終回で、私は工場を人体に例えました。IEは身体（骨格）、生産計画はリズム、VEは筋肉、物流は血流、そしてDXはそれらをつなぐ“神経系”に過ぎない、と。神経系は重要ですが、それ自体が価値を生むわけではありません。健康な身体と、適切な生活習慣（ルール）があって初めて機能します。

では、神経系（DX）が整ったその先に、私たちは何を作るべきなのでしょうか。
それが本シリーズの核となる概念、**「工場OS」**です。ここでいうOSとは、コンピュータのWindowsやLinuxではなく、工場とサプライチェーン全体を動かす**「全体最適のゲーム設計」そのもの**を指します。私自身も中国の複数工場の運営に関わる中で痛感しているのは、海外工場・多品種少量・短納期・価格圧力・品質要求といった変数が複雑に絡み合う現代において、部分最適の積み上げではもはや太刀打ちできないという現実です。

さらに今後は、NVIDIAなどが掲げる「Physical AI（フィジカルAI）」の潮流、地政学リスクを踏まえた多拠点SCM、脱炭素と電力制約といった環境要因が、同時に押し寄せてきます。古いOSのままでは、これらを処理しきれません。

そこで今回は、第3シリーズ第1回として、

• なぜDXだけでは「失われた30年」を打破できなかったのか
• 「工場OS」とは何か、それはどのようなゲーム設計なのか
• DXの次に来る「フィジカルAI・地政学・環境」という3つの潮流
• 「失われた40年」を回避するための工場OS設計原則

を整理しながら、これからの工場・SCMのビッグピクチャーを描いていきたいと思います。

DXは“神経系”に過ぎない──「失われた30年」の総括から始める

本章では、第1シリーズの総括も兼ねて、なぜこれまでのDXが「失われた30年」を逆転させる決定打になり得なかったのかを、行動経済学の観点から整理します。結論から言えば、**「ゲームのルール（OS）を変えずに、道具（DX）だけを新しくしたから」**です。

1　工場の「五階層アーキテクチャ」を振り返る

第1シリーズでは、工場を構成する要素を次の五つの階層として整理しました。

1. IE（Industrial Engineering）：
      レイアウト・動線・動作分析など、空間と動作の最適化。工場の「身体（骨格）」。
2. 生産計画：
      ロット編成や段取り順序、手配タイミングなど、時間と順序の制御。工場の「リズム」。計画錯誤や二重バッファとの戦い。
3. VE（Value Engineering）：
      「どこまでやれば価値とみなされるか」という機能定義。工場の「筋肉」。過剰品質（保有効果）を削ぎ落とす領域。
4. 工場内物流：
      部材・仕掛品・製品の流れ。工場の「血流」。滞留は万病の元。
5. DX（Digital Transformation）：
      センサー・システム・可視化など、情報伝達とセンシング。工場の「神経系」。

多くの“痛いDXプロジェクト”は、1〜4の「身体」がメタボで歪んだまま、5の「神経系」だけを高価なものに入れ替えようとします。不健康な身体に高感度センサーを付けても、健康にはなりません。**健康にするのは生活習慣＝ゲームのルール（OS）であり、DXそれ自体ではない**のです。

2　 DX失敗の典型パターンをバイアスから分解する

では、なぜ日本企業ではDXが「手段」ではなく「目的」になってしまうのでしょうか。ここには典型的なバイアスが働いています。

1. 見える化偏重（ナローフレーミング）

   「スループット」や「キャッシュフロー」といった全体指標よりも、

•    稼働率
•    手書き帳票の削減数
•    モニターの枚数
       のような、“計測しやすく、見えやすい指標”ばかりを最適化してしまいます。結果として局所的な効率は上がっても、会社全体の利益にはつながらない「合成の誤謬」が起きます。

2. 現状維持バイアスとサンクコスト効果

   一度動き出したDXプロジェクトは、成果が出ていなくても止まりにくくなります。
   「これだけ投資したのだから」「ここまで作り込んだのだから」というサンクコストが、仕様見直しや中止の判断を鈍らせます。その結果、「既存の業務フロー（OS）」を変える痛みを避けるために、誰も使わないダッシュボードを作り続ける、という逆説的な状態に陥ります。

3. メンタル・アカウンティング（心の家計簿）の分断

   「IT予算」と「工場改善予算」が、頭の中でも組織図上でも別会計になっているケースが多く見られます。本来は一体で投資すべきなのに、IT部門は「システム導入」をゴールにし、製造部門は「生産量や不良率」をゴールにする。こうした分断が全体最適を阻害し、「DX＝IT案件」に矮小化されてしまいます。

4. 現在バイアスと損失回避性

   DXに踏み出そうとすると、

•    目先の残業増
•    既存ルールの見直しによる軋轢
•    一時的な生産性の低下（Jカーブ）

     といった「確実な短期の痛み」が先に立ちます。一方、「このままでは10年後に競争力を失う」という将来の損失は、どうしても割り引いて見られてしまいます。

こうしたバイアスの結果として、「ゲームのルール（OS）はそのまま」「見える化だけ立派」というDXが量産されてきた面があるのではないでしょうか。

3　結論：OSを変えないDXは“バイアス増幅装置”になる

とはいえ、OSを意識したDXには大きなメリットがあります。工場レベルで典型的なのは、次のようなものです。

• 生産性向上とコスト低減（ムダな待ち・運搬・重複入力の削減）
• リードタイム短縮と納期遵守率向上（二重バッファからの脱却）
• 品質とトレーサビリティ強化（原因特定と再発防止のスピードアップ）
• 暗黙知の形式知化による世代交代耐性の向上（「あの人がいないと回らない工場」からの脱却）
• 将来のフィジカルAI・自動化を受け入れる土台づくり（センサー・データ・ルールの整備）

一方で、DXを「やらない／先送りする」ことで生じるデメリットは、静かに、しかし確実に積み重なっていきます。

• 「安い労働力で何とかする」モデルから抜け出せない
• SC再編から「変化に弱い拠点」と見なされ、じわじわ発注量を失う
• フィジカルAIの恩恵を受けにくくなり、自動化の波から取り残される
• 紙・電話・口頭指示のままでは、若手人材から「魅力のない職場」と見なされる

これらは、個社の問題にとどまりません。製造業全体でOSの更新が進まなければ、日本経済のマクロな生産性の伸び悩みは固定化され、「失われた30年」がそのまま「失われた40年」に延長されるリスクが高まります。DXは贅沢品ではなく、「失われた40年」を回避するためのOSアップデートだと捉える必要があります。

工場OSとは何か──工場・SCMを貫く「ゲーム設計」

次に、本シリーズのキーワードである「工場OS」をもう少し丁寧に定義しておきます。

第2シリーズで扱ったのは「人のOS（思考様式・性利説）」でしたが、本シリーズで扱うのは、その人のOSを束ねて動かす「工場全体のOS」です。私がここで「工場OS」と呼んでいるのは、ソフトウェアではなく、「組織の意思決定と行動を規定する、共通のプロトコルと目的関数」です。

1　工場OSを構成する三つのレイヤー

工場OSは、ざっくり整理すると次の三つの要素で構成されます。

1. ルール・指標・インセンティブ（KPI・評価制度）
      * 何を「善（利益）」とし、何を「悪（損失）」とするか
      * 在庫を「安心」と定義するのか、「罪悪」と定義するのか
      * 納期遵守と原価、どちらをどの程度優先するのか
2. 情報の流れ（Information Flow）
      * どの情報を、誰が、どのタイミングで見るのか
      * 本社と工場、工場とサプライヤーの間で、どこに情報の非対称性があるのか
3. 行動の標準（Standard Operation）
      * 例外が発生したとき、現場は「止める」のか「流す」のか
      * どの条件のとき、誰がどの権限で判断するのか
      * If-Thenプランニングとして、どこまで行動が明文化されているのか

DXやAI、ロボットは、これらのOSの上で動く「アプリケーション」や「ドライバ」に過ぎません。OS自体が古かったり、部署ごとにバラバラだったりすれば、高性能なアプリを入れても不具合やクラッシュが頻発するのは自然なことです。

2　行動経済学から見た「工場OSの罠」

現状、多くの工場ではこのOSにいくつかの“バグ”が潜んでいます。代表的なのは、**部署ごとのメンタル・アカウンティング**です。

• 調達部門：単価を下げることが善（大量購入＝在庫増）
• 製造部門：稼働率を上げることが善（作り過ぎ＝在庫増）
• 物流部門：積載率を上げることが善（溜め込み＝リードタイム悪化）

それぞれの部門が、それぞれのKPI（部分最適）を追求すればするほど、会社全体のキャッシュフロー（全体最適）が悪化する。これは行動経済学で言う「部分最適化による合成の誤謬」が、OSレベルでコード化されてしまっている状態です。

そこに損失回避性が重なります。「在庫切れ（機会損失）」を極端に恐れるあまり、過剰在庫という「確実な損失」を許容する。こうした心理が、「在庫を持つことは安心であり善である」というOSとして組み込まれてしまうと、DXでどれだけ見える化しても、なかなか在庫は減りません。

3　現代の工場に必須となる「新しいOSの4条件」

「失われた40年」を回避するための新しい工場OSには、少なくとも次の四つの条件が必要だと考えています。

1. 全体最適の目的関数が明示されていること
      「各部門の効率」ではなく、
      * スループット（利益）
      * キャッシュフロー
      * 事業継続性（レジリエンス）
        といった上位指標が、最上位概念としてコード化されている。
2. KPIの一貫性があること
      上位の目的関数から逆算して、各部門のKPIがコンフリクトしないように設計されている。調達・製造・物流・営業が別々のゲームをしていないこと。
3. DX・AI・ロボットの位置づけが明確であること
      それらを「魔法の杖」ではなく、OSに従って特定のタスクを処理する「アプリ」や「ドライバ」として位置づける。何を自動化し、何を人間が握り続けるのかが事前に定義されている。
4. リファクタリング可能性を持っていること
      地政学リスクや電力コスト、環境規制の変化に応じて、OS自体（ルール・評価制度・KPI）を書き換えられる柔軟性を持つこと。「一度決めたOSは聖域」という状態から脱却すること。

DXの議論を始める前に、本来はこの「工場OS」をどう設計するかを、紙とペンで描き切る必要があります。

DXの次に来る3つの波──フィジカルAI・地政学・環境制約

では、なぜ今、このOSの書き換えが急務なのでしょうか。その背景には、DXの次に控えている「フィジカルAI」「地政学」「環境」という三つの巨大な潮流があります。本シリーズ第2回以降でそれぞれ詳しく扱う予定ですが、ここでは全体像を俯瞰しておきます。

1　フィジカルAI：生成AIの次の主戦場としての「現場」

ここ数年で、チャットボットや画像生成などの生成AIが一気に普及しました。これらは主にサイバー空間で完結するAIでしたが、NVIDIAやArmが描く方向性を見ても、次の主戦場は「Physical AI（フィジカルAI）」、すなわち現場にあります。

ロボット、自動搬送車、自動検査機、協働ロボット、スマートファクトリー。
これらは「言葉」ではなく「モノ」を動かすAIです。

フィジカルAIは、

• センサーやカメラから現実世界の情報を取得し
• AIが状況を認識・判断し
• ロボットや設備を通じて物理的なアクションを行う

というループを回します。

ここで効いてくるのが、第2章で整理した工場OSです。

• 計測ポイントが定義されていない
• データと現場の実態がズレている
• 判断ルールが暗黙知のまま

といった状態でフィジカルAIを入れても、「前提が不安定な世界」にAIを放り込むことになります。結果として、期待外れやトラブルが増え、「やっぱりAIは使えない」という逆方向の学習が起きかねません。

2　地政学×SCM：多拠点前提の工場運営

パンデミック、戦争、輸送網の混乱、輸出規制、制裁──。
この数年で、サプライチェーンを取り巻く地政学的リスクは一気に顕在化しました。「世界の工場・中国」一辺倒の時代は終わり、チャイナ＋1、フレンドショアリングなど、多拠点化が前提になりつつあります。

「どこで作って、どこに運ぶか」という意思決定には、

• 政治リスク
• 物流リスク
• 為替リスク
• 規制リスク

が絡みますが、人はどうしても現在バイアスから「直近の単価や輸送費」だけで判断しがちです。

本来必要なのは、

• 中国・ベトナム・日本のような複数拠点を
• 一つの有機的なシステムとして制御する

ためのOSです。どのリスクをどの程度受け入れ、その代わりにどのメリットを取りに行くのか。行動経済学的には、各プレイヤー（調達・生産・営業・財務）がどのリスクを過小評価しているかを「バイアス地図」として可視化したうえで、SCM設計を再構成する必要があります。

3　環境・エネルギー：電力制約と脱炭素の時代

三つ目の潮流が、環境・エネルギーです。
脱炭素はもはやCSRではなく、SCMへの参加資格（ライセンス）になりつつあります。さらに、AI普及による電力消費の増加とエネルギーコストの高騰が、「電力」という新しい制約条件を工場OSに突きつけています。

CO₂排出や電力使用量は目に見えないため、

• 現在バイアス（今のコスト＞将来のコスト）
• 確率加重の歪み（将来の規制強化を過小評価）
• 楽観バイアス（うちだけは大丈夫だろう）

が重なり、後回しになりがちです。しかし、カーボンボーダー調整やサプライヤーへのCO₂開示要求が広がると、「排出量の多い工場・SCM」は、実質的なコスト増や受注減という形で不利になっていきます。

ここでも、DXの役割は「見える化して終わり」ではありません。

• CO₂・電力・コスト・リードタイムを同じ地図上で比較できるようにし
• どの組み合わせが10年スパンで最も期待値プラスか

を判断するためのOSを整えることが求められます。

三つの潮流の共通項──OSを変えない限り、全部「部分最適プロジェクト」で終わる

フィジカルAI、地政学、多拠点SCM、脱炭素・電力制約──。
一見バラバラなテーマですが、共通しているのは、「OS側を変えない限り、どれも『部分最適プロジェクト』で終わる」という点です。

• ロボットを入れても工程がボトルネックだらけなら意味がない
• 拠点を分散しても管理がバラバラなら在庫が増えるだけ
• 太陽光パネルを入れても、そもそもムダな工程が多ければ焼け石に水

すべては最終的に「どんなゲームを、どのOSでプレイしているか」という問題に帰結します。

これからの工場OSの設計原則──全体最適のゲームをどう組み直すか

最後に、本記事の議論を踏まえて、これからの工場DXとSCM設計において押さえておきたい**工場OS設計の六つの原則**を整理しておきます。派手なテクノロジートレンドではなく、「どんな順番で、どんな設計思想を持つべきか」という地味だが決定的な視点です。

原則1：DX・AIは「アプリ」、工場OSは「設計思想」として分けて考える

議論の出発点を「どんなAIを入れるか」から始めてしまうと、ほぼ確実に道を誤ります。最初に決めるべきなのは、

• 自社の工場とSCMで、何のゲームをしたいのか
    * 在庫極小化のゲームなのか
    * 即納応答力を最優先するゲームなのか
    * 環境負荷最小化のゲームなのか

という「設計思想」です。OS（設計思想）が決まれば、必要なアプリ（AI・ロボット・システム）は自ずと選別されます。

原則2：KPI設計は「行動の誘導装置」であると理解する

行動経済学が教える通り、人は「測られる指標」に合わせて行動を変えます。

もし本気で全体最適を目指すなら、KPIには「足し算の成果」だけでなく「引き算の成果」を組み込むべきです。

• 不要な入力回数
• 無意味な歩数や運搬
• 会議時間
• 紙帳票の枚数

の削減を評価することで、「ムダを減らす行動」が正当に報われるようになります。古いOSは「生産量」「稼働率」といった足し算指標ばかりを評価しますが、新しいOSは「スループットを阻害する要因を減らすこと」を重視するように設計する必要があります。

原則3：「データ → ルール（If-Then） → 自動化」の順番を守る

フィジカルAIや自動化に惹かれると、「まずロボットを」「まずAIを」という順番になりがちです。しかし、順序を誤ると失敗確率が一気に高まります。

1. データ：
      どこで何を測るのか、測られた値は現場の実態と合っているのかを確認する。
2. ルール（If-Then）：
      どの条件のときに、誰がどの指標を優先して判断するのか。暗黙知のままのルールをIf-Thenで言語化する。
3. 自動化・AI：
      データとルールが整った領域から、自動化やAIを乗せていく。「人間が何を手放し、何を握り続けるか」を意識的に選ぶ。

この順番を守ることで、「派手だが続かないDX」を避け、「地味だが効くDX」を積み上げることができます。

原則4：OSは“固定ルール”ではなく、「リファクタリング可能なコード」とみなす

従来の日本的なルールは、一度決めたら変えにくい設計になりがちでした。その結果、

• 現場が変化に合わせて“運用でカバー”し
• バイパスや裏ルールが増殖し
• 公式ルールと実態が乖離する

という状態が常態化してしまいます。

DXとフィジカルAIの時代には、

• OS（ルール・評価制度・KPI）は一定期間ごとに見直す前提
• 問題が発生したら「人」ではなく「ルールと仕組み」を直す

というスタンスが欠かせません。OSを“聖域”にせず、環境変化に合わせてリファクタリングし続ける組織能力こそが、最大の競争優位になります。

原則5：「人間が担うべき判断」をあえて残す

自動化が進めば進むほど、人間の仕事は「例外処理」「価値判断」「トレードオフ調整」に集約されていきます。

• 倫理的・社会的な影響をどう見積もるか
• 地政学リスクとコストのトレードオフをどう許容するか
• CO₂とリードタイム、どちらをどの範囲で優先するか

こうした判断は、当面のあいだ人間の役割です。

行動経済学的には、

• 全てをAIに任せると自動化バイアスが強まり、検証をサボりやすくなる
• 一方で、少しの失敗でAIを全面否定するとアルゴリズム忌避が起きる

という二つの極端の間で揺れがちです。だからこそ、最初から「AIに任せる部分」と「人が担う部分」を設計し、人間が価値判断に専念できるようにOSを組み立てる必要があります。

原則6：Jカーブの「谷」を越える前提で移行期の痛みにコミットする

最後に、もっとも現実的で、しかし見落とされがちなポイントです。OSの入れ替えには、必ずJカーブが伴います。

• ルールが変わる
• システムが変わる
• 権限や責任の線引きが変わる

その瞬間、現場の負担は一時的に増え、トラブルも起きやすくなります。この「移行期の痛み」が、DXプロジェクトの頓挫を招く最大の要因です。

ここで問われるのが、経営と現場のコミットメントです。

• 「一度決めたOSを、Jカーブの底で引き返さない」
• 「短期的な不満やトラブルを前提にしたうえで、対策とコミュニケーションを先に設計しておく」

という覚悟がなければ、DXは「一度派手にやって終わり」のイベントで終わってしまいます。Jカーブの底を越えた先に、

• 減ったムダ
• 軽くなった仕事
• 強くなったレジリエンス

があることを、言葉ではなく具体的な絵として共有できるかどうか。それが、「失われた40年」を避けられるかどうかの分水嶺になるはずです。

まとめ

本記事では、

• DXは工場の“神経系”に過ぎず、それ自体は価値を生まないこと
• 価値を決めているのは、工場とSCM全体の「OS（ゲーム設計）」であること
• DXの次に「フィジカルAI・地政学・環境」という三つの巨大な潮流が控えていること
• 「失われた40年」を避けるためには、OS設計の六つの原則が重要であること

を確認してきました。

行動経済学の言葉で整理すると、

• これまでのDXは、現状維持バイアスやサンクコスト、メンタル・アカウンティングに縛られたまま、古いOS上で新しいアプリを動かそうとしてフリーズしていた
• フィジカルAIや多拠点SCM、脱炭素は、OS側を変えない限り「バイアスと部分最適を高速で増幅する装置」になりかねない
• 逆に、全体最適を志向するOSさえ描ければ、DXとフィジカルAIは「人間の判断を活かすための強力な神経系」として機能し得る

と言えます。

これからの工場とSCMに求められているのは、

• 部分最適の総和を積み上げることではなく
• 「どのゲームを、どのOSで、どんな順番でアップデートするのか」を10年スパンで設計すること

です。DXとフィジカルAIは、そのOSの上に乗る**神経系**であり**増幅装置**に過ぎません。良いゲーム設計の上に乗せれば良い構造を強くし、歪んだゲーム設計の上に乗せれば歪みを強くしてしまう。

「失われた30年」を「失われた40年」にしないために、

• 自社の工場とSCMのOSが、今どのような前提とバイアスの上に成り立っているのか
• どこから順番に、どのレイヤーを入れ替えていくべきなのか

を、改めて問い直すことが出発点になると考えています。

第3シリーズでは、今後全5回程度を想定し、

• 第2回：フィジカルAIが工場をどう変えるか
• 第3回：地政学リスクとサプライチェーン再設計
• 第4回：脱炭素とAI工場──電力制約という新しい変数
• 第5回：フィジカルAI時代の工場人材とマネジメント

といったテーマで、より具体的な設計図を描いていく予定です。中堅メーカーにとっても、日本の製造業全体にとっても、「工場OSをどうアップデートするか」は生き残りをかけた最大のテーマです。

今回はここまでとします。最後までお読みいただき、ありがとうございました。

性善説では中国工場は回らない──冷酷な支配ではなく「フェアなUI」としての性利説マネジメントOS

ChatGPTで作成

皆さん、こんにちは。

本ブログでは、行動経済学や行動心理学の知見を、企業経営や現場マネジメントにどう活かすかを考えていきます。理論だけでなく、現場での失敗や試行錯誤も含めて、「人はなぜそう動くのか」「どうすれば望ましい行動を“自然に”引き出せるのか」を丁寧に掘り下げていくことを目指しています。

昨年末から私は、中国に工場を抱えるメーカーで、生産管理と品質・現場改善を支援する立場になりました。そこで改めて痛感しているのが、「日本的な性善説マネジメントでは、中国工場はまず回らない」という現実です。日本語が堪能な現地スタッフと話していても、「本社の意図を汲んで、いい感じに柔軟に動いてくれるだろう」と期待すると、見事に裏切られます。

そこで今回は、1月からお届けしてきた「中国人マネジメント」シリーズの最終回として、これまでの議論を一段抽象度の高いレイヤーで総括してみたいと思います。ここまで第1弾では「性利説OS」としての前提の違いを確認し、第2弾では品質ゲーム、第3弾では隠蔽ゲームとバグ・バウンティ、第4弾ではあいまいな指示＝バグだらけのソースコードという比喩で、個別のハックを見てきました。

しかし、それらは単なるバラバラのテクニックではありません。実は、「人の心根ではなく、性利的な行動原理を前提に設計された統治OS」の、別々のレイヤーに当てたパッチでもあります。そしてその背後には、2000年以上前の中国で語られた**韓非子・法家思想**とも通じる、「人を変えず、ルールとUIを変える」という発想が横たわっています。

法家と聞くと、「冷酷な支配」「厳罰主義」といったイメージが先に立ちます。しかし行動経済学の観点から読み替えると、法家はむしろ、「人のバイアスと損得勘定を織り込んだメカニズム＆UI設計論」だったのではないか――。性善説ではなく、性利説を前提にしつつも、それを冷酷な支配の道具ではなく、“フェアなUI”として実装できるかどうかが、現代の中国工場マネジメントの分かれ目になっているように思います。

そこで今回は、

• 性善説・性悪説・性利説を「UIの優しさ・残酷さ」という観点から整理し直し、
• 第1〜4弾の内容を性利説マネジメントOSのレイヤー構造として再整理し、
• 韓非子の「法・術・勢」をメカニズムデザインとUI設計の言葉で読み替え、
• 性利説マネジメントOSの設計原則と「心理的安全性」「リファクタリング可能な法」を明文化し、
• 日本本社／駐在員・出張者／現地幹部の立場別Tipsをまとめたうえで、

シリーズ全体のメッセージを整理してみたいと思います。

性善説より性利説が優しい理由──人間観をUIとして捉え直す

日本企業のマネジメント議論では、しばしば「人間観」としての性善説・性悪説が語られます。しかし、中国工場の現場で日々起きているのは、「人は善いのか悪いのか」という哲学ではなく、「どの前提のもとでルールやUIを設計すると、一番フェアに機能するのか」という、ごく実務的な問題です。この章では、性善説・性悪説・性利説を、「どんな人にとって優しいUIなのか／残酷なUIなのか」という観点から整理し直してみます。

性善説は、「人は本来善い」「真面目に頑張れば報われる」という前提に立っています。日本型の組織では、「空気を読む」「忖度する」「あうんの呼吸」など、暗黙の期待や“行間”を共有できることが前提になりがちです。一見すると温かく、人間的な世界です。しかし、ここには大きな落とし穴があります。

「空気を読める人」は評価されますが、「空気を読むことが苦手な正直者」は、しばしば「気が利かない」「協調性がない」と見なされ、一番損をする立場に追い込まれるからです。これは、UIという観点で言えば、高コンテクスト前提の“バリアフリーではない画面設計”と言えます。

一方、性悪説は、「人は放っておけば悪いことをする」という前提から、強い監視と罰で行動を抑え込もうとします。短期的には確かに統制力がありますが、恐怖に依存したシステムは持続性に乏しく、抜け道を探す行動をむしろ助長してしまう危険もあります。モラル・ハザードや不正のトライアングルを考えると、「見つからなければいい」「バレないように工夫しよう」という歪んだインセンティブを生みかねません。

それに対して性利説は、「人は基本的に損得で動く」という冷静な前提を置きます。冷たいように聞こえますが、UIとして見ればむしろ「誰が使っても同じ結果が返ってくる公平なインターフェース」を志向しやすい発想です。

• 何をすれば評価されるのか
• どこからがNGで、どこまではOKなのか
• 報告したときに、自分は得をするのか損をするのか

といったルールが明確であれば、「空気を読むのが得意かどうか」とは無関係に、誰でも同じ土俵で戦えます。性利説を前提にした設計は、実はユニバーサルデザイン／バリアフリーUIに近いと言えるかもしれません。

小さなコラム：車大工と棺桶屋の話

韓非子には、性利説を端的に表すエピソードとして、しばしば次のような話が引用されます。

車大工は、人が長生きして金持ちになることを願う。
棺桶屋は、人が早く死ぬことを願う。
だからといって、車大工が善人で、棺桶屋が悪人なのではない。
それぞれの「利」が、そう願わざるをえない立場をつくっているだけだ。

重要なのは、「どちらが善人か／悪人か」ではなく、「どういう利害構造のなかに置かれているか」です。

同じ人でも、車大工になれば「健康と長寿を願う行動」を取り、棺桶屋になれば「死者が増えるほど売上が上がる」という現実に向き合わざるをえない。行動を決めているのは、その人の道徳心よりも、配置されたインセンティブの構造だ、という冷静な指摘です。

中国工場の現場で起きる「サボり」や「隠蔽」も、これと同じです。

中国人が特別に悪いわけではなく、「サボると得」「隠すと得」になる構造に置かれているから、その行動を選んでいるだけです。ここを性善説で「心構え」の問題として語ってしまうと、永遠にすれ違いが続きます。

だからこそ、中国工場では、性善説ではなく性利説をOSレベルで前提に置き、そのうえでフェアなUIを設計する方が、むしろ人に優しい。この視点を持てるかどうかが、日本本社のマネジメントにとっての分岐点になります。

第1〜4弾で何をしてきたのか──性利説マネジメントOSのレイヤー構造

これまでの4回は、

• OSの違い（性利説OS）
• 品質と手抜き
• 隠蔽とバグ・バウンティ
• あいまいな指示とIf-Thenプランニング

と、一見バラバラなテーマを扱ってきました。しかし、ソフトウェア開発の世界でおなじみの「OS／ゲームルール／UI」というレイヤー構造に当てはめてみると、これらは**性利説マネジメントOSの別々の層に当てたパッチ**として整理できます。

まず一番下のレイヤーにあるのが、第1弾で扱った「性利説OS」です。

日本側が無意識のうちに前提にしている「性善説＋社会規範（忠誠心・空気）」ではなく、中国工場では「性利説＋市場規範（損得・契約）」が圧倒的に強く働いている。このOSの違いを理解しないまま、「日本語が通じるから大丈夫だろう」と考えると、UIは正常に見えても、中で動いているロジックはまったく別物、という事態になります。

その上のレイヤーが、第2弾・第3弾で扱った「ゲームルール（法＋インセンティブ）と情報フロー」です。

第2弾では、品質の手抜きを「不正のトライアングル」と「双曲割引」で分析し、

• プレッシャー（納期・生産ノルマ）
• 機会（検査省略のしやすさ）
• 正当化（みんなやっている／どうせバレない）

の3つが揃っているからこそ、手抜きが“合理的な選択”になることを確認しました。そして、「守ると損」「サボると得」になっているゲームを、「守ると得」「サボると即損」に書き換えるインセンティブ設計を考えました。

第3弾では、同じフレームを「隠蔽ゲーム」に適用しました。

• プレッシャー：報告すると怒られる
• 機会：黙っていればバレないかもしれない
• 正当化：混乱を避けるため／様子を見てから

という構造が、「悪い報告が上がってこない」現場を生み出している。そこで、ソフトウェア業界のバグ・バウンティの発想を持ち込み、

• 第一発見者ボーナス
• 早期報告免責
• 再発防止案まで含めた報告への加点

といったメカニズムで、「正直者が最も得をするゲーム」に設計し直す必要があることを整理しました。

さらに一番上のレイヤーにあるのが、第4弾で扱った「UI＝指示の出し方」です。
どれだけOSとゲームルールを整えても、実際に現場で発せられる指示が

• 「いい感じで」
• 「なるべく早く」
• 「本社の意図を想像しながら柔軟に」

といった日本的あいまいワードであれば、「人間コンパイラ」である現地スタッフは、それを自分にとって一番都合のよい仕様にコンパイルするでしょう。

そこで、第4弾では、指示をIf-Thenプランニング（条件分岐）として書き換え、形容詞を捨てて数値・写真・動画**で仕様定義すること、そしてTeach-backで**「理解のハッシュ値を照合する」ことを提案しました。

このように、第1〜4弾は、

• OSレイヤー：性利説OS
• ゲームルールレイヤー：品質・隠蔽のインセンティブ設計
• 情報フローレイヤー：バグ・バウンティ的メカニズム
• UIレイヤー：指示のIf-Then化・仕様定義・Teach-back

という、統治システム全体のレイヤー構造に、別々のパッチを当ててきたプロセスだったと言えます。

韓非子・法家を「冷酷な支配」から「メカニズム＆UI設計」として読み替える

ここで視点を少し変えてみます。実は、今見てきたような「OS／ルール／情報フロー／UI」という発想に近いことを、2000年以上前の中国で体系化しようとした思想家がいました。それが、秦の始皇帝に影響を与えたと言われる韓非子です。

韓非子は、統治の仕組みを「法・術・勢」という三つの要素で捉えました。

ただし、そのまま現代ビジネスに持ち込むと、「人を操る」「厳罰で縛る」といったイメージが先行し、冷酷な支配術として誤解されがちです。そこで本稿では、この三つをメカニズムデザインとUI設計の言葉で読み替えることで、「性利説マネジメントOS」との接点を整理してみたいと思います。

まず「法」は、言うまでもなくルール・評価軸・賞罰の枠組みです。

行動経済学的に言えば、「どこからどこまでが損失（ロス）としてカウントされるのか」「何をもって成果と見なすのか」という参照点の設計にあたります。第2弾・第3弾で扱った品質ルールや報告ルールは、まさにこの「法」の部分でした。

次に「術」は、しばしば「人を操るテクニック」と訳され、ネガティブに捉えられがちです。しかし、現代の言葉で言い換えるなら、むしろ「望ましい行動を自然と引き出すメカニズムデザイン（行動デザイン）」と見る方がしっくりきます。

バグ・バウンティ、班別インセンティブ、第一発見者ボーナス、早期報告免責といった仕組みは、すべて「正直者が損をしないように情報と行動の流れを設計する術」です。これは陰謀ではなく、「性利的に考えても、この行動を選ぶのが一番得だ」と思ってもらうための仕組み設計にほかなりません。

最後に「勢」です。これも「権威」や「権力」と訳されるため、「偉そうにすること」と誤解されがちですが、ここで重要なのは、「ルールを一貫して運用し続けるコミットメントと強制力」という側面です。

どれだけ立派な法と術を用意しても、違反が起きたときにマネージャーが

• 「今回はたまたまだし、見なかったことにしよう」
• 「長年頑張ってくれている人だから、大目に見よう」

と例外処理を繰り返していれば、現場はすぐにそれを学習します。「ルールは形だけで、実際はなあなあでいける」というメッセージになり、システム全体の信頼性が崩れてしまうからです。

「勢を保つ」とは、威張ることではなく、例外を安易に認めず、ルール通りに運用し続ける一貫性へのコミットメントだと読み替えた方が、現代のマネジメントには適合します。

こうして見てみると、法家OSとは、

• 人の性善を前提にするのではなく、
• 性利的な行動原理とバイアスを織り込んだうえで、
• 法（ルール）・術（メカニズムデザイン）・勢（コミットメント）の三層で統治システムを設計する、

という試みだったとも解釈できます。
それは決して「冷酷な支配のテクニック」ではなく、むしろ、多様なバックグラウンドを持つ人々が働く環境における、“フェアで予測可能なUI”をつくるための古典的知恵だと言えるのではないでしょうか。

性利説マネジメントOSの5原則──心理的安全性と「リファクタリング可能な法」

ここまで見てきたように、性利説OSと法家の枠組みを重ね合わせると、「中国工場マネジメントにおける設計原則」がかなりクリアになってきます。個別のテクニックに分解せず、あえて原則レベルで整理すると、少なくとも次の5つにまとめることができそうです。

原則1：インセンティブとシグナルを揃える

口では

• 「悪い情報ほど早く上げてほしい」
• 「品質を最優先にしてほしい」

と言いながら、実際の評価では、

• 早く報告した人を減点する
• 納期を守った人だけを高く評価する

という運用をしてしまっていないか。ここをチェックするのが最初の原則です。
行動経済学的に言えば、「シグナル（メッセージ）」と「インセンティブ（実際の報酬・罰）」が逆方向を向いている状態は、最悪のUIです。

中国工場に限らず、「言っていること」と「やっていること」がズレている組織では、どれだけスローガンを掲げても、現場は「損得」に従って動くだけです。

補足：性利説OSにおける「心理的安全性」とは何か

ここで、最近のマネジメント論で頻出する「心理的安全性」を、性利説OSの文脈で捉え直してみます。心理的安全性というと、「何を言っても怒られない温かい職場」というイメージが先行しがちですが、異文化環境・中国工場のような現場で本当に効いてくるのは、少し違う側面です。

性利説OSにおける心理的安全性とは、

• ルールが明確で、
• 適用が一貫しており、
• やるべきことをやれば理不尽に怒られないし、やったことは必ず守られる

という「予測可能性の高さ」にあります。

性善説的な「あうんの呼吸」に頼る職場は、一見温かく見えますが、「どこからがアウトなのか」が分からないぶん、実は空気を読めない人にとって最も心理的に不安定で残酷なUIになりがちです。

逆に、性利説OS＋明確なルール運用は、ドライに見えても、

• ルール通りにやれば必ず守られる
• バグ報告をすれば罰ではなく、むしろ評価される

という意味で、多様な人にとっての本当の心理的安全性を生みます。ここを意識して設計できるかどうかが、性利説OSの成否を分けるポイントになります。

原則2：即時性と可視性を優先する

双曲割引の議論でも見たように、人は「遠い将来の大きな損失」よりも、「目の前の小さな得・楽」を選びがちです。これは人間に共通する性質であり、中国人だから特別に短期志向というわけではありません。

だからこそ、フィードバックは“早く・目に見える形で”返す必要があります。

• 不良品をまとめて後で注意するのではなく、その場で本人や班に返す
• 班別のポイントや、報告件数を見える化する
• 早期報告に対して、その日のうちに「助かった」と明示的に伝える

といった仕掛けは、双曲割引を逆手に取って、「良い行動に対する即時の小さな報酬」を設計する工夫だと位置づけられます。

原則3：ナッシュ均衡を設計する

第2・第3弾で見てきたように、多くの問題は、個人の性格ではなく、「サボる・隠す・ごまかす」ことが性利的に合理的になっている均衡から生じます。
ここで必要なのは、「もっと真面目にやれ」という説教ではなく、ゲームそのものの均衡点を設計し直すことです。

• 守る・報告する・仕様を詰める ＝ 一番楽で、一番評価され、将来のリスクも小さい
• サボる・隠す・ごまかす ＝ 一見ラクに見えても、期待値マイナスの賭け（うまくいっても得が小さく、失敗したら大損するギャンブル）

という構造をつくれれば、性利説OSで動く人ほど、望ましい行動を自発的に選ぶようになります。ナッシュ均衡を「良い行動側」にずらすのが、マネジメントの設計課題です。

原則4：小さな割れ窓を放置しない

法家は、「小さな違反を見逃すな」と繰り返します。行動科学で言う**割れ窓理論**も同じ発想です。最初の小さなサボりや隠蔽を「このくらいならいいか」とスルーすると、

• 「ここはこの程度なら許される職場だ」

というメッセージになり、次第にエスカレートしていきます。このとき責められるべきは、最初にサボった個人だけではなく、「それを見て見ぬふりをしたマネジメントの勢の弱さ」でもあります。

原則5：ルールは“リファクタリング可能なコード”と捉える

最後に、法家思想の弱点としてよく指摘されるのが、「法を絶対視するあまり、環境変化に追随できず、硬直化する」点です。現代のマネジメントでは、ここに「リファクタリング」という発想を重ねる必要があります。

• 法は絶対だが、固定ではない
• バグ（運用上の不具合や想定外の副作用）が見つかったら、
    * 人を責めるのではなく、コード（ルール）を修正する
    * 移行期間を設けながら、より良い仕様に書き換える

ルールを一度決めたら終わりではなく、**運用しながら改善する前提で設計する**。このサイクルを回すことこそが、マネージャーの本来の仕事なのだ、という位置づけが重要です。

誰が何を変えるのか──日本本社・駐在員・現地幹部の実務チェックリスト

最後に、「明日から何を変えるのか」を明確にするために、立場別のチェックポイントを簡単に整理しておきます。

日本本社がやるべきこと

• 「性善説＋空気」に頼ったスローガン（忠誠心・気持ち・やる気など）を一度棚卸しする
• 評価・賞罰・報告ルールが、言っていることと同じ方向を向いているかを点検する
• 「本社の意図を汲んで柔軟に動いてほしい」といったあいまいな期待が、現場に期待値マイナスの賭けを強いていないかを振り返る
• 中国工場を「例外扱い」せず、むしろグローバル標準のUIを先行実装する実験場として位置づける

そしてもう一点、実務上非常に重要なのが、「OS入れ替え期のJカーブ」を覚悟することです。性善説的ななあなあ運用から、性利説OS＋明確なルールへ切り替えると、最初の数カ月は必ず反発や戸惑いが生じます。

• それまで見逃されていたバグや違反が一気に顕在化する
• 「前はここまでうるさく言われなかった」といった不満が出る

といった一時的なパフォーマンスの落ち込み（Jカーブの底）は避けられません。
このタイミングで日本本社が

• 「やっぱり厳しすぎたかもしれない」
• 「中国だからこのくらいは目をつぶろう」

とブレてしまえば、せっかくの性利説OSは機能しなくなります。まさにこの移行期こそが、韓非子の言う「勢（コミットメント）」が試される局面だといえるでしょう。

駐在員・出張者がやるべきこと

• 指示をIf-Thenで書き下し、「なるべく」「いい感じで」といった形容詞を極力排除する
• 写真・動画・サンプルなど、**UIとしての具体物**を積極的に使う
• Teach-backで「分かりましたか？」ではなく、「ではあなたの言葉で説明してみてください」と、**理解のハッシュ値を照合する**
• 「本社の望むものを想定して柔軟に動いてほしい」といった、“日本人同士ならなんとなく通じる指示”を封印する
• ルールの運用結果を記録し、「どこでバグが出たか」「どの仕様が現場に合っていないか」を、本社と共有する

現地幹部・班長がやるべきこと

• 班別ポイントやライン別指標など、チーム単位でのインセンティブを設計する
• 初期報告者への免責・加点ルールを明示し、「見つけた人が得をする」文化をつくる
• 小さな割れ窓（ルール違反・手抜き・隠蔽）に対する初動対応フローを、あらかじめ決めておく
• 本社とも対話しながら、運用上のバグが出たルールをリファクタリング対象として上げていく役割を担う

まとめ

ここまで見てきたように、中国工場マネジメントの本質は、「性善説か性悪説か」ではなく、「性利説を前提にフェアなOSとUIを設計できるか」にあります。

性善説は一見、人に優しい思想に見えます。しかし、あいまいな期待や空気読みを前提にした職場は、実は「空気を読むのが得意な人だけが報われ、読めない正直者が一番損をする、残酷なUI」になりがちです。
一方、性利説を前提にした設計はドライに見えますが、「ルールが明確で、誰でも同じ操作をすれば同じ結果が返ってくる」という意味では、むしろユニバーサルデザインに近い発想です。

韓非子・法家思想も、冷酷な支配術としてではなく、

• 法（ルール・評価軸）
• 術（メカニズムデザイン・行動デザイン）
• 勢（一貫したコミットメントと執行力）

という三層で**性利説OSを動かす統治システム**だと読み替えれば、行動経済学と非常に相性の良い「古典的OS設計論」として見直すことができます。

さらに現代では、ここにDX（デジタル・トランスフォーメーション）という強力な実装手段が加わりました。人間が運用するとどうしても情や手加減が入り込んでしまう「法（ルール）」を、

• センサー
• IoT
• ログ
• AIによる異常検知

といった非情なシステムに代行させることで、「例外」や「なあなあ運用」を減らし、性利説OSを最も純粋な形で動かすインフラとして位置づけることができます。
DXは単なる効率化のツールではなく、「フェアなUIとしての性利説マネジメントOS」を現場に埋め込むための実装技術だ、という見方もできるでしょう。

中国工場に限らず、海外拠点、多様なバックグラウンドのメンバー、リモートワークが当たり前になった組織において、求められているのは、もはや「同質的な日本人的性善説でなんとかする」マネジメントではありません。
必要なのは、

• 性利説OSを率直に前提に置き、
• 人のバイアスと損得勘定を織り込んだうえで、
• 誰にとっても予測可能でフェアなUIを設計すること

だと思います。

今回の5回シリーズが、中国工場だけでなく、海外拠点や多様なメンバーを抱える組織全般にとって、「人を変えずに、仕組みとUIを変える」ためのヒントになっていれば幸いです。今後予定しているSCMやセキュリティ、工場DX続編のテーマにも、この「性利説OS＋法家×行動経済学」の視点を横展開していければと思います。

今回はここまでとします。最後までお読みいただき、ありがとうございました。

あいまいな指示はバグの温床 ── 「いい感じで頼む」を仕様書レベルに落とし込む

ChatGPTで作成

皆さん、こんにちは。

本ブログでは、行動経済学や行動心理学・認知心理学・社会心理学といった知見をもとに、「人間のクセ」を前提にした経営やマネジメントのあり方を考えています。きれいごとの精神論ではなく、現場で実際に使えるルール設計・仕組みづくりに落とし込むことを重視しています。

年始には「工場の生産管理と現場改善を行動経済学で読み解く」シリーズとして、「品質は検査ではなく工程で決まる」「なぜ生産計画はいつも破綻するのか」など、工場の“ハードウェア（仕組み・プロセス）”側を整理してきました。一方で、1月12日から始まった本シリーズでは、舞台を中国工場に移し、「人のOS（性善説／性利説・社会規範／市場規範）」という“ソフトウェア（行動原理）”に焦点を当てています。

第1弾では、「日本語が通じてもOSは違う」という前提のもと、日本本社が無意識に前提としている性善説＋阿吽の呼吸と、中国側の性利説＋ローコンテクストな契約感覚のギャップを整理しました。第2弾では、「サボるのが合理的な現場」をテーマに、品質と“手抜き”を不正のトライアングルと双曲割引で捉え直し、「守った方が得、サボると即損」になるゲーム設計を検討しました。第3弾では、「悪い報告が上がってこない現場」を扱い、隠蔽を責めるのではなく、バグ・バウンティ（脆弱性報奨金）の発想で「第一発見者が一番得をする」報告ルールを考えました。

そして第4弾となる今回は、日中コミュニケーションの中でもっとも頻繁に顔を出し、かつトラブルの温床になりがちなテーマ──「いい感じで」「柔軟に」「本社が望むものを想定して」といった曖昧な指示に焦点を当てます。日本本社の側から、「本社が望むものを想定したうえで、柔軟に動いてほしい」と伝えたものの、中国側からは「そんなあいまいな話では動けない」「外したときのリスクだけ自分が負う」と受け取られてしまう場面を、私自身も何度も経験してきました。

ここで大切なのは、「彼らにもっと空気を読ませる」方向に期待値を上げることではありません。性利説OSで動いている人たちにとって、曖昧な指示は“動かない方が合理的”になりがちだという現実を直視し、指示そのものをプログラマティック（仕様書・ソースコード）に設計し直すことです。

今回は、曖昧な指示がなぜ中国工場でバグの温床になるのかを整理したうえで、「指示＝ソースコード」「中国人スタッフ＝コンパイラ」というメタファーで、If-Thenプランニングや数値・写真・動画を使った**“仕様定義レベルのコミュニケーション”**を具体的に考えていきます。

なぜ曖昧な指示が中国工場で“バグ”になるのか

最初の論点は、「曖昧な指示」そのものが悪いのではなく、それがどの文化・どのOSの上で解釈されるかによって、意味と結果がまったく変わってしまう、という点です。日本人同士の現場では何となく通じてしまう「いい感じで」「そこは常識で」「一旦こんなところで」という言葉も、中国工場の現場では“自分にとって損が少ないライン”まで仕事を絞り込むための余地として機能してしまいます。

1. 日本のハイコンテクスト文化と「行間で補う」指示

日本企業では、社内で長く一緒に働くうちに、「この顧客ならこのレベル」「この上司ならここまで求める」といった**暗黙の前提**が共有されていきます。その結果、次のような言い回しが日常的に使われます。

• 「なるべく早めで」
• 「普通のレベルでいいよ」
• 「一旦、この案で様子を見よう」
• 「いい感じでまとめておいて」

これらの言葉には、本来であれば仕様書に書くべき前提や条件分岐（If-Then）が、丸ごと埋め込まれています。日本人同士であれば、「あの顧客ならここまでやらないとクレームになる」「この部長は数字に厳しいから、根拠を2つは用意しておこう」といった暗黙知で補完されるため、多少曖昧でも何とか回ってしまうのです。

言い換えると、日本のハイコンテクスト文化では、「行間を読む」こと自体が一種の能力であり、それが評価や昇進にも影響してきました。この前提をそのまま海外拠点に持ち込むと、「指示の7割が行間に書かれているのに、行間の辞書が共有されていない」という状態になります。

2. 性利説OSから見た“曖昧さ”＝自分に有利に解釈してよい余地

一方で、中国の現場スタッフは、基本的に性利説OSで動いています。つまり、「善悪」ではなく、「自分と家族にとっての利益・損得」を基準に行動するのが自然な前提です。

このOSから見ると、曖昧な指示はこう解釈されます。

• どこまでやれば怒られないのかが明示されていない
    → ならば、最低限のラインまでやっておけばよい
• 追加で頑張ったときに、必ずしも評価されるとは限らない
    → ならば、余計なリスクや手間は避けた方が得
• 本社の期待が明文化されておらず、外したときのペナルティだけは自分に返ってくる
    → 「動かない／余計なことをしない」方が合理的

典型的なのが、あるとき本社側から現地に投げられた次のような指示です。

「本社が望むものを想定したうえで、柔軟に動いてほしい」

日本本社の側からすると、「細かく言いすぎると現場の自律性を奪う」「本社の真意を汲み取りながら主体的に動いてほしい」という、ある種“きれいな”期待が込められています。しかし、性利説OSで世界を見ている現場からすると、次のように映ります。

• 「本社が望むもの」がどこにも書かれていない
• 想定を外したときの責任は自分だけが負う
• 成功しても、それが自分の評価につながる保証はない

この状況では、「積極的に動く」ことはリターン不確実・リスクだけ高い選択になります。行動経済学的に言えば、曖昧なリスクを避けるアンビギュイティ回避と、損失を極端に嫌う損失回避が組み合わさり、「何もしない」「最低限だけやる」という選択の方が合理的になってしまうのです。

3. 指示のバグがもたらすコスト：品質・納期・信頼の三重苦

結果として、日本側と中国側で次のようなすれ違いが起こります。

• 日本側：
    「そこまで言わなくても普通やるでしょ」
    「本社の意図を汲み取って、柔軟に動いてほしい」
• 中国側：
    「言われていないことを勝手にやると怒られる」
    「どこまでやればいいのか書いていない以上、最低限やっておけばフェア」

このギャップは、単なるコミュニケーションスタイルの違いにとどまりません。最終的には、

• 品質問題（日本本社の期待レベルを満たさない）
• 納期の遅延（手戻りが多発する）
• 信頼関係の劣化（「日本側は何を考えているか分からない」「中国側はすぐ手を抜く」）

という三重苦となって跳ね返ってきます。しかも厄介なのは、それが個人の能力や「やる気」の問題として処理されがちであり、「指示というOS」がバグっている可能性が十分に検証されないことです。

「いい感じで」の中身を分解する：曖昧指示の典型パターン

ここからは、現場で頻出する曖昧な指示を、単に「悪い日本語」として切り捨てるのではなく、「日本人の頭の中ではどのようなIf-Thenが前提になっているのか」「性利説OSの中国側はどう解釈するのか」という形で分解してみます。これは、曖昧な日本語を“条件分岐の束”として再構成する作業でもあります。

1. 「なるべく」「できれば」「可能な範囲で」

まずは、「なるべく」「できれば」「可能な範囲で」といった、**努力義務系の副詞**です。

日本側の暗黙の意味は、おおむね次のようなものです。

• 「ほぼ全力でやってほしいが、どうしても無理な場合は早めに相談してほしい」
• 「残業を強制するわけではないが、多少は頑張ってほしい」
• 「リスクを踏まえたうえで、攻めの提案も持ってきてほしい」

一方、中国側の合理的な解釈はこうなりがちです。

• 「やらなくても責められない、オプション扱いのタスク」
• 「余裕があればやるが、優先順位は下でよい」
• 「やったところで必ず評価されるとは限らないので、他の確実なタスクを優先した方が得」

結果として、「なるべくやってほしい」と言った案件ほど、後回しになり、最後には時間切れで手つかず、ということが起きがちです。

2. 「普通は」「いつもどおり」「そこは常識で」

次に、「普通は」「いつもどおり」「そこは常識で」といった表現です。

日本側の頭の中では、「普通」とは次のような意味合いを含んでいます。

• 過去のトラブル事例から学んだ“社内標準”
• 上司や先輩から暗黙に受け継いだ「このくらいはやっておくべき」というライン
• 顧客の期待値や業界標準を踏まえた“暗黙の品質基準”

しかし、中国側にはその前提が共有されていません。したがって、「普通」や「常識」は、「過去に怒られなかった範囲」で定義されてしまいます。

• 過去に問題にならなかったやり方＝“普通”
• まだクレームになっていない品質レベル＝許容範囲

こうしたズレが、「日本側から見るとギリギリすぎる品質」「中国側から見ると問題ない品質」という認識の差を生みます。

3. 「一旦」「とりあえず」「大体このくらいで」

「一旦」「とりあえず」「大体このくらいで」といった言葉も要注意です。

日本側のつもりとしては、

• 完成度70〜80％の暫定案
• 後で本社側がレビューして、方向性を微調整する前提
• 「完璧でなくてよいから、まずは形にしてほしい」というメッセージ

であることが多いでしょう。

しかし、中国側にとっては、「一旦」「とりあえず」と言われたものも“正式な完成物”として扱われがちです。なぜなら、そこから先の修正ややり直しは、自分の追加負担／残業リスクとして跳ね返ってくるからです。

結果として、日本側は「とりあえず出して」と言ったつもりが、中国側は「これで完成」と受け取り、そのギャップが後から大きな手戻りや摩擦として噴き出します。

4. 「いい感じで頼む」をIf-Thenに分解してみる

ここで、「いい感じで頼む」という言葉をあえて分解してみます。本来、日本人マネージャーの頭の中では次のようなIf-Thenが組み合わさっています。

• If 顧客Aなら → 色味は落ち着いたトーンで、文字情報は少なめ
• If 新規提案なら → メリットを強調し、リスクの説明は簡潔に
• If トラブル後のリカバリーなら → まずはお詫びと原因説明を前面に

これを言語化せずに、「いい感じで」「いつものノリで」と伝えてしまうと、性利説OSのコンパイラは、

• 「自分が過去に怒られなかった範囲」
• 「自分にとって作業負荷が低いパターン」

にコンパイルしてしまいます。結果として、「日本側の“いい感じ”」とはまったく違うアウトプットが出てくるのです。

（本稿では後半で、こうした曖昧さをIf-Thenの形に落とし込む具体例を示します）

5. 「本社の期待を想像して動いて」がなぜ機能しないのか

先ほど触れた、「本社が望むものを想定したうえで、柔軟に動いてほしい」という指示も、典型的なNGパターンです。

日本側は、

• 細かく指示しすぎると主体性を奪うのではないか
• 本社の戦略の方向性を自分なりに咀嚼して、能動的に動いてほしい

という期待を込めています。しかし、性利説OSから見ると、こうした指示は次のような損得構造を持ちます。

• 期待を外したときの損失（叱責・評価ダウン）は自分だけが負う
• 成功しても、その貢献が適切に評価されるかどうかは不透明
• 本社の期待は明文化されておらず、「後出しジャンケン」で評価されるリスクが高い

この状況では、「本社の期待を想像して積極的に動く」ことは、期待値マイナスの賭け（うまくいっても得が少なく、失敗したら大損するギャンブル）になりやすく、「言われたことだけを確実にやる」「判断がつかないものは動かない」という行動が最適解になってしまいます。

だからこそ、「本社の期待を想像して柔軟に動いてほしい」という一文を投げる代わりに、「どの範囲までは現場裁量で動いてよくて、どこから先は必ず本社判断に戻すのか」をIf-Thenで定義する必要があるのです。

プログラマティックな指示設計：指示＝ソースコードという発想

ここからは、「曖昧な指示はやめよう」という一般論で終わらせず、指示そのものを“ソースコード”として設計し直す視点に切り替えます。私は、IT系のプロジェクト経験もあるため、次のメタファーで考えると整理しやすいと感じています。

• 指示＝ソースコード
• 中国人スタッフ＝コンパイラ

1. 指示＝ソースコード、中国人スタッフ＝コンパイラ

ソフトウェア開発の世界では、仕様が曖昧なままコードを書き始めると、ほぼ確実にバグと手戻りが発生します。「こう動くと思っていた」「いや、そういうつもりではなかった」というすれ違いは、まさに中国工場の現場でも毎日起きていることです。

ここで重要なのは、人間コンパイラは自然言語の曖昧さを、自分にとって都合の良い仕様にコンパイルする傾向がある、という点です。しかも、その「都合の良さ」は、性善説OSと性利説OSでまったく異なります。

• 性善説OS：
    「相手が助かるように」「チームにとってベストになるように」行間を埋める
• 性利説OS：
    「自分が損をしないように」「怒られないように」行間を埋める

ソースコード側（指示文）が曖昧なままでは、どれだけコンパイラ（現場スタッフ）に「もっと頑張って」「本社の真意を汲んで」と期待しても、出てくるバイナリ（行動）は安定しません。

2. If-Thenプランニングで条件分岐を明文化する

そこで有効なのが、If-Thenプランニングの発想です。日常的に使っている頭の中の条件分岐を、そのまま言語化して指示に組み込んでいきます。

たとえば、先ほどの「本社が望むものを想定したうえで、柔軟に動いてほしい」を分解すると、次のようになります。

• If 顧客が本社の重点領域Aに該当する場合
    Then 価格帯はX〜Y、納期はZ日以内を目安に、現場の判断で提案してよい
• If 顧客から大幅な値引きや仕様変更の要望が出た場合
    Then その場では約束せず、「24時間以内に本社と相談して回答する」と伝える
• If 想定外の要望で判断がつかない場合
    Then 必ず日本側担当者にチャットで状況を共有し、「こう対応したい」という案を添えて相談する

このように、「柔軟に動いてほしい」を、“どの範囲までは裁量で動いてよくて、どこから先はエスカレーションするか”というIf-Thenの束として定義し直します。

同じように、品質・検査・報告などについても、

• If 不良率が○％を超えたら → 検査レベルを1段階引き上げる
• If クレーム種別がAなら → 報告レベルは部長以上にする
• If 現場で判断できない新しい不具合が出たら → 標準作業を一時停止し、日本側と共同で暫定対策を決める

といった形で、「普段は頭の中でやっている条件分岐」を言葉にしていきます。

3. 形容詞を排除し、数値・写真・動画で仕様を定義する

もう一つのポイントは、**形容詞をできるだけ排除する**ことです。

• 「きれいに」「丁寧に」「しっかり」「ちゃんと」
• 「大体」「なるべく」「普通のレベルで」

こうした言葉は、OSによって解釈がいくらでも変わってしまいます。代わりに使うべきなのは、

• 数値（寸法、公差、不良率の閾値、納期の許容範囲）
• 写真（OK・NGのサンプル、許容範囲の境界例）
• 動画（標準作業の一連の流れ、良い例と悪い例）

といった、解釈の余地が少ない情報です。

たとえば、「きれいに梱包しておいて」ではなく、

• 梱包材はA社製の●●を使用する
• 外装箱の潰れ・破れは1cm以上のものはNGとする（写真サンプル付き）
• ラベルは箱の右上から●cmの位置に貼る（サンプル写真付き）

といった形で定義します。最初は面倒に感じますが、一度テンプレート化しておけば、その後のコミュニケーションコストと手戻りコストは大幅に減ります。

4. Teach-backと「理解のハッシュ値」：復唱ではなく“自分の言葉での説明”を求める

また、指示を出す側の確認方法も工夫が必要です。「分かった？」と聞いて「分かった」と返ってくるやり取りだけでは、理解の齟齬を検知できません。

そこで有効なのが、Teach-backです。

• 「今の指示を、自分の言葉で説明してみてほしい」
• 「もし明日、あなたが現場を指導する立場になったとして、チームにどう説明するか」

と問いかけ、相手にIf-Thenや数値・写真を交えながら説明してもらいます。その説明内容が、日本側の想定しているロジックと一致しているかどうかが、いわば「理解のハッシュ値」になります。

一致していれば、「指示というソースコード」が正しくコンパイルされているということですし、不一致であれば、その場で仕様書（指示文）を修正する必要がある、というサインになります。

スピードと柔軟性をどう両立させるか：ルール過多の副作用も見据える

ここまで読むと、「そんなに細かく指示を書いていたらスピードが落ちるのでは」「どんなケースにも対応できるほどIf-Thenを書き切れるのか」という疑問が湧いてくるかもしれません。この章では、どこまでをガチガチに仕様化し、どこから先を“メタルール”に委ねるかという線引きについて考えます。

1. すべてを仕様化することはできない、という現実

まず前提として、現実世界のすべてのケースをIf-Thenで網羅することは不可能です。100％カバーしようとすると、

• ルールが膨大になり過ぎて誰も覚えられない
• 現場が「マニュアル待ち」「指示待ち」になり、自律性が失われる
• 想定外の事象に対応できなくなる

といった副作用が出てきます。

重要なのは、「再現性のあるトラブル」「頻度が高く・影響が大きいパターン」から優先的に仕様化していくことです。これは、ソフトウェア開発で言うところのバグの優先順位付けと同じ発想です。

2. 「ハードルの高さ」と「裁量の幅」を分けて設計する

次に考えるべきは、「どこをガチガチに固めるか」と「どこに裁量を残すか」です。私はよく、次のような線引きを意識しています。

• 品質・安全・コンプライアンス
    → ハードルは高く、裁量は狭く（仕様を細かく定義する領域）
• 段取り・作業手順・現場の工夫
    → ハードルは一定だが、裁量は広く（改善余地を残す領域）

性利説OSの世界では、「裁量＝余地」です。この余地をすべて潰してしまうと、現場が「言われたことだけをやる」のに最適化されてしまいます。一方で、品質や安全のような“守らなければ致命傷になる領域”では、裁量を狭めてでも仕様を明確にした方がよい。

このバランスを意識せずに、「全部いい感じに」「全部細かく」とやってしまうと、どこかで歪みが出ます。

3. メタルールとしての「優先順位」を明文化する

また、細かいIf-Thenの背後には、「何を優先するか」という**メタルール**が必要です。たとえば、次のようなものです。

•  ①安全 ＞ ②品質 ＞ ③納期 ＞ ④コスト

この優先順位が共有されていないと、現場は迷います。

• 「納期は守ったが、安全上のリスクを見逃してしまった」
• 「コストを削減した結果、品質トラブルが増えた」

といったことが起きたとき、「何を優先して判断すべきだったのか」が分からなければ、性利説OSの人間は「一番怒られなさそうな選択」を取り続けます。これは組織全体として見ると、決して合理的とは言えません。

4. 試験運用 → フィードバック → ルールの“リファクタリング”

最後に、指示や標準書も、ソフトウェアと同じく**リファクタリングの対象**だと考えることが大切です。

• 新しいIf-Thenルールを導入したら、一定期間試験運用する
• 現場から「この条件分岐は現実的ではない」「ここはもっとシンプルにできる」といったフィードバックを集める
• 不要な条件分岐を整理し、冗長な記述を削り、より分かりやすい形に書き換えていく

こうしたサイクルを回すことで、「本社が望むものを想像して柔軟に動いてほしい」という抽象的な期待を、「現場の裁量を適切に定義したIf-Thenルール」としてアップデートし続けることができます。

まとめ

今回のテーマは、一見すると単なる「言葉遣いの問題」「コミュニケーションスタイルの違い」に見えるかもしれません。しかし、深く掘り下げてみると、そこには性善説OSと性利説OSのギャップ、そして行動経済学的な損得構造が色濃く影を落としていることが分かります。

日本本社が無意識に使ってしまう、

• 「なるべく」「できれば」「可能な範囲で」
• 「普通は」「いつもどおり」「そこは常識で」
• 「一旦」「とりあえず」「大体このくらいで」
• 「本社が望むものを想定したうえで、柔軟に動いてほしい」

といった曖昧な指示は、性利説OSの中国現場から見れば、「自分に不利な責任だけが増えるリスクの高いゲーム」として受け取られがちです。その結果、「動かない方が合理的」「最低限だけやっておく方が安全」という行動が強化されてしまいます。

だからこそ、私たち日本側がやるべきことは、「もっと空気を読んでほしい」と要求を上げることではなく、指示そのものをフェアで予測可能な形に設計し直すことです。具体的には、

• 曖昧な形容詞・副詞を排除し、If-Thenプランニング＋数値・写真・動画で仕様を定義する
• 「どこまでが現場裁量で、どこから先が本社判断か」を、裁量の範囲として明文化する
• Teach-backを通じて、「指示というソースコード」が正しくコンパイルされているかを確認する
• 品質・安全・コンプライアンスはガチガチに、段取りや工夫の余地は広く、といった形で、ハードルの高さと裁量の幅を分けて設計する
• ルールや標準書を一度決めて終わりにせず、試験運用 → フィードバック → リファクタリングのサイクルを回し続ける

こうした取り組みは、一見すると「人を信じない冷たい管理」のように感じられるかもしれません。しかし、性利説OSで動く人にとっては、曖昧さが少なく、ルールが予測可能で、公平に運用される環境こそが、最も安心して力を発揮できる土台になります。

性善説OSの世界では、「空気を読む」「行間を汲む」ことが美徳でした。けれども、多様な価値観や文化が混ざり合う中国工場では、「空気に頼らないフェアな設計」こそが、新しい意味での誠実さなのだと思います。

次回の第5弾では、今回までに扱ってきたOSの違い・品質と手抜き・隠蔽とバグ・バウンティ・曖昧指示の問題を束ねる思想として、韓非子に代表される法家思想と行動経済学を重ね合わせながら、「性善説では回らない現場をどう“性利説マネジメント”に作り替えていくか」という全体設計を考えていきたいと思います。一見すると冷徹な支配の道具に見える法家思想を、「人間のクセを前提にした究極のユーザーインターフェース（UI）設計」として捉え直し、ITやソフトウェアの設計発想とどのように接続できるのかも含めて、シリーズの集大成として整理していく予定です。

今回はここまでとします。最後までお読みいただき、ありがとうございました。

「悪い報告ほど上がってこない」現場をどう変えるか ── バグ・バウンティ思考でホウレンソウを再設計する

ChatGPTで作成

皆さん、こんにちは。

本ブログでは、行動経済学を企業経営や現場マネジメントの実務にどう活かすかをテーマに、組織の意思決定や現場の行動を「人間のクセ」を前提に読み解いていきます。理論だけでなく、現場での失敗や試行錯誤も含めて、「なぜ人はそう動くのか」「どうすれば望ましい行動を“自然に”引き出せるのか」を、一緒に考えていきたいと思います。

1月5日からの工場シリーズでは、「品質は検査ではなく工程で決まる」「生産計画はなぜ破綻するのか」といったテーマを、IEや工場内物流など、工場の“ハード（仕組み側）”から整理してきました。1月12日からの中国人マネジメントシリーズは、そのハードの上で動く“ソフト（人のOSとインセンティブ）”に焦点を当てています。

第1弾では、「日本語が通じてもOSは違う」という前提から、日本側は「性善説＋社会規範（忠誠心・空気）」、中国現場は「性利説＋市場規範（損得と契約）」で動いていることを確認しました。ここでいう性利説は、「人は冷酷だ」という意味ではなく、「人は自分と家族の利益に沿って合理的に動く。その前提でフェアなルールを設計しよう」という、現実的で公平な考え方です。第2弾では、その性利説OSの上に「品質と手抜き」というアプリケーションを載せ、「サボることが合理的に見えてしまう品質ルール」をどう逆転させるかを扱いました。

今回の第3弾で取り上げるのは、日本側が中国工場に対して抱きがちなもう一つの大きな不満──「悪い報告が上がってこない」「トラブルが隠される」問題です。

「もっと早く言ってくれれば被害は小さく済んだのに」「なぜギリギリまで黙っているのか」。そう感じた経験は、多くのマネージャーにあるのではないでしょうか。しかし、ここでも「性格の問題だ」「文化の問題だ」と片づけてしまうと、構造は一向に変わりません。

行動経済学の視点から見ると、「悪い報告が上がってこない」現場では、不正のトライアングルや損失回避、双曲割引といったお馴染みのフレームが、きれいに揃ってしまっています。そして、性利説OSの人間から見れば、「黙っていた方が得」「最初に報告した人が損」というゲームになっている限り、隠蔽は“合理的な防衛行動”なのです。

そこで今回は、ソフトウェア業界で広まりつつある「バグ・バウンティ（脆弱性報奨金）」の発想を、中国工場のホウレンソウ設計に持ち込みます。「問題を見つけた人＝戦犯」ではなく、「問題を見つけてくれた人＝功労者」にするには、どのようにルールと評価の仕組みを組み替えればよいのか。性利説OSと行動経済学のフレームを使いながら考えていきます。

なぜ悪い報告は上がってこないのか

中国工場で「ホウレンソウが足りない」「悪い情報が上がってこない」と嘆く日本人マネージャーは少なくありません。しかし、第1弾・第2弾で確認してきたように、性利説OSを前提にすると、彼らの行動は決して“不可解な怠慢”ではなく、**自分を守るための合理的な選択**であることが多いのです。この章ではまず、「悪い報告を上げない方が得に見える」構造を、人間の心理と中国工場特有の力学の両面から整理してみます。

1. 誰も「悪い知らせの運び屋」になりたくない

人は本能的に、「悪い知らせの運び屋」になることを避けたがります。

• 悪い報告をすると、上司の機嫌を損ねるリスクがある
• トラブルの“第一発見者”が、そのまま“第一戦犯”として扱われることが多い
• その場で感情的な叱責を受けると、心理的ダメージも大きい

といった経験が積み重なると、「見て見ぬふりをした方が安全だ」という学習が進みます。

行動経済学で言えば、ここには損失回避（リスクある損を極度に避けたがる傾向）と、確証バイアス（自分に有利な情報だけを見ようとする傾向）が同時に働いています。

• 「もしかしたら大事にはならないかもしれない」
• 「担当者が気づいて修正するかもしれない」

と、自分に都合よく解釈し、「わざわざ火中の栗を拾いにいく必要はない」と判断するわけです。
日本でも同様の傾向はありますが、「報告すればむしろ評価される」経験が積み上がっていれば、まだ悪い情報も上がってきます。問題は、過去に「良かれと思って早く報告したのに、ひどく怒られた」という記憶が一度でも刻まれると、それ以降の行動が大きく変わってしまう点です。

2. 中国工場特有の「メンツ」と「責任回避」の力学

中国の工場現場では、性利説OSに加えて、メンツ（顔）を守る文化と、責任を個人に集中させないためのしたたかさが強く働きます。

• 自分のラインで問題が発覚すると、「管理能力が低い」と見なされる
• 上司のメンツも傷つくため、上司自身が「今は言うな」と圧力をかけることもある
• 問題が大きくなるほど、責任の所在を曖昧にしようとする力が働く

こうした状況下では、「最初に正直に問題を上げた人」が、組織内で浮いてしまうリスクが高まります。
性利説OSの人間から見れば、「自分の評価と安全を守るために、ギリギリまで黙っておこう」という判断は、ある意味で自然です。

さらに、中国の多くの現場では、情報が上に行けば行くほど、政治的な要素が絡みやすくなります。「誰が悪いのか」をめぐって派閥争いが起きたり、上層部の判断を覆す材料になったりする恐れがあるため、現場は本能的に「余計な火種」を上げたくないと考えるようになります。

3. 不正のトライアングルが「隠蔽」を必然にする

第2弾では、品質の手抜きに「不正のトライアングル」を当てはめましたが、実は**隠蔽行動にも同じ三角形がそのまま当てはまります**。

• プレッシャー
    * 「納期は絶対に守れ」「クレームは出すな」「問題を起こすな」という強いプレッシャー。ここには、「悪い報告をしたら怒られる」「トラブルを表に出したら評価が下がる」といった心理的圧力も含まれます。
• 機会
    * すぐに上げなくても、その場ではバレない。帳票の書き方次第で、ごまかせてしまう。ラインの中で握りつぶしてしまえば、「工場全体の数字」としては見えなくなる。
• 正当化
    * 「今バラせば余計に混乱する」「とりあえず納期を守る方が会社のためだ」「みんな同じようにやっている」「お客様に迷惑をかけたくない」といった、もっともらしい理由付け。

この三つがそろってしまうと、「情報を隠す」という行動が、不正の一種でありながら、当人にとっては“会社と自分を守るための行動”に見えてしまいます。ここでさらに双曲割引が加わり、

• 今報告すると、確実に怒られる・評価が下がる（確実かつ即時の損）
• 報告しなければ、何とかなるかもしれない（不確実かつ将来の損）

という構図になれば、「とりあえず黙っておこう」という選択が優勢になります。

これらの要素の関係を整理したのが、**図1「隠蔽のトライアングル」**です。

隠蔽を生むインセンティブ構造を可視化する

「悪い報告が上がってこない」現場で起きていることを、もう少し細かく分解してみると、「報告した人が損をする」パターンがいくつも積み重なっていることが分かります。この章では、典型的な四つのパターンを整理し、自社の現場にも当てはめて考えられるようにしていきます。「誰が悪いか」ではなく、「どういう設計になっているか」に焦点を移すことがポイントです。

1. 早期報告者が「戦犯」にされる

最もわかりやすいのが、早期報告者がそのまま“戦犯扱い”されるケースです。

• 「どうしてこんな問題を起こしたんだ」と、事実確認より先に叱責が始まる
• 報告者自身は原因の一部しか担っていないのに、「お前のラインの問題だ」と決めつけられる
• のちに構造的な問題だと分かっても、評価シート上の減点は元に戻らない

こうした経験が一度でもあると、「次からは、最初に手を挙げるのはやめよう」という学習が進みます。性利説OSの人間から見れば、「早く報告した人＝損をする人」という事実が一度でも確認されれば、その後の行動は合理的に変わるのです。

2. 手戻りの負担と“犯人探し”が報告者に集中する

二つ目は、手戻りの負担が報告者とその班に集中するパターンです。

• 問題を報告した班だけが残業して再作業をする
• 他の部署や班は、協力するどころか、「余計なことをして仕事を増やした」と不満をもらす
• 社内の会議で「誰が最初に見逃したのか」と、犯人探しが始まる

これでは、「問題を見つけた人・報告した人」が、社内で孤立するリスクが高まります。
行動経済学的に言えば、人は社会的な孤立を強く恐れるため、「空気を乱す行動」を避けるようになります。報告することで、「自分が孤立するかもしれない」というリスクが見えた瞬間、黙っておくことが合理的な選択肢に見えてしまうのです。

3. 口では「早く報告して」と言いながら、評価では減点する

三つ目は、言葉と評価がダブルスタンダードになっているケースです。

• 公式には「トラブルは早く報告しろ」「悪い情報ほど先に上げろ」と言っている
• しかし評価の場では、「お前の担当でトラブルが多い」という形で暗黙の減点が行われる
• 「早く報告した人」と「ギリギリまで隠していた人」が、最終的に同じように扱われる、あるいは後者の方が“問題なく乗り切った”として高く評価されることさえある

こうした状況は、性利説OSの人間から見れば、「早く報告するのは愚かな行為」に見えてしまいます。行動経済学の用語を使えば、シグナル（言葉）とインセンティブ（実際の報酬・評価）が乖離している状態です。人は言葉ではなく、「何をしたときに得をするのか／損をするのか」という事実の方を敏感に学習します。

4. 将来の大事故より「今日怒られる」方が怖い

四つ目は、双曲割引が露骨に表れるパターンです。

• 問題をその場で報告すると、「即座に怒られる」「その日の空気が悪くなる」
• 報告せずにやり過ごせば、「将来大きな問題になるかもしれない」が、その確率ははっきりしない
• 「今日怒られること」と「半年後に起きるかもしれない事故」を天秤にかければ、前者の方が圧倒的に重く感じられる

この主観的な重みづけが変わらない限り、「将来の大事故を防ぐために、今怒られる道を選ぶ」というのは、よほど献身的な人にしかできない行動です。性利説OSに立つ以上、「献身に頼らない設計」に変えなければなりません。

5. 「報告の損得マトリクス」で自社の現状を眺める

これらをまとめると、現場での意思決定は、ざっくり次のような「報告の損得マトリクス」で捉えることができます。

• 列方向：
    * 左列：現状のルール・評価設計
    * 右列：改善後のルール・評価設計
• 行方向：
    * 上段：報告する
    * 下段：隠蔽する

現状の多くの工場では、

• 左上（現状×報告）＝「即座に怒られる／手戻り・残業／評価も下がる」
• 左下（現状×隠蔽）＝「運がよければバレない／バレなければ何も起きない」

となっており、隠蔽が相対的に“得”になっています。
理想的には、改善後の世界では、

• 右上（改善後×報告）＝「早期報告で加点／免責／感謝される」
• 右下（改善後×隠蔽）＝「後から発覚すると重いペナルティ／チームからの信頼低下」

となり、報告した方が“得”、隠蔽すると“損”というゲームにひっくり返す必要があります。

図2のようなマトリクスを一度描いてみて、自社の現状を四つのマスのどこに置くべきか、現場リーダーと一緒に書き込んでみるだけでも、かなりの気づきが得られます。「うちの現状は、どう見ても“現状×隠蔽＝得”のマスだよね」という共通認識が持てれば、そこから先の議論も建設的になります。

バグ・バウンティ思考でホウレンソウを“得な行動”に変える

では、どうすれば「悪い報告が上がってこない」構造をひっくり返せるのでしょうか。ここで参考になるのが、ソフトウェア業界で一般化しつつある「バグ・バウンティ」の考え方です。この章では、そのエッセンスを整理したうえで、工場マネジメントにどう翻訳できるかを考えていきます。ポイントは、「第一発見者が一番得をするゲーム」に設計し直すことです。

1. バグ・バウンティ：「不都合な真実」に報いる制度

バグ・バウンティとは、ソフトウェアやサービスの脆弱性（バグ）を見つけて報告してくれた人に対して、企業が報奨金や特典を支払う仕組みです。
重要なのは、ここで扱われているのが「企業にとっては不都合な情報」であるにもかかわらず、それを持ってきてくれた人に感謝し、報いる仕組みになっている点です。

• 「問題を見つけた人＝企業を助けてくれた人」と認定する
• 報告の質（再現性・影響度・提案内容など）に応じて報奨金を設定する
• 報告した人の評価や信用は、むしろプラスになる

という設計になっているため、性利説OSの人間にとっても、「問題を見つけたとき、企業に報告するのが一番得」というゲームになります。

2. 工場のトラブル報告にどう応用するか（自首も発見も称賛する）

この発想を、中国工場のホウレンソウに持ち込むとどうなるでしょうか。
キーワードは、「第一発見者ボーナス」と「早期報告免責」です。

• トラブルや不具合、潜在的なリスクを最初に発見して報告した人（班）には、減点ではなく加点をする
• 一定の条件を満たす早期報告については、「その時点での責任追及は行わない」というルールを明文化する
• 報告者には、「原因の一部であっても戦犯扱いしない」「むしろ改善活動のパートナーとして位置づける」

こうすることで、性利説OSから見ても、「黙っているより、早く報告した方が得」という構造になります。

ここで強調しておきたいのは、「他人のミスを見つける発見」と「自分のミスを認める自首」の両方を、勇気ある行動として評価するという姿勢です。

• 他人のラインの異変や、他部署の不自然な数値に気づいて報告する行為
• 自分のラインでやってしまったミスを、ボヤのうちに「実はこういう問題が出てしまいました」と正直に自己申告する行為

いずれも、被害の拡大を防ぐという意味では、会社にとって極めて価値の高い行動です。本来、両者は同じように「リスクを顕在化させた功労者」として評価されるべきです。

バグ・バウンティの世界でも、

• 自分が書いたコードの脆弱性を自分で見つけて報告する開発者
• 第三者として他人のコードをチェックし、脆弱性を見つけるホワイトハッカー

の両方が、企業から感謝され報酬を受け取ります。工場でも同じように、「自分のミスだからこそ言いづらい」状況を理解したうえで、自己申告の勇気をきちんと称賛する設計が必要です。

3. 「問題＋暫定対策」までセットで評価する

もう一歩踏み込むなら、「問題の指摘」だけでなく、「暫定対策や改善案」をセットで上げることを評価軸に加えると、報告の質も高まります。

• 「○○ラインの△△工程で、このままだと不良につながりそうな兆候があります」
• 「とりあえず、今週中はこういう暫定対策で凌げると思います」
• 「根本的な対策としては、○○の治工具を導入するのが良さそうです」

といった形で上がってくる報告は、そのまま改善提案でもあります。

バグ・バウンティでも、単に「ここが危ない」と言うだけでなく、「どのように悪用されるか」「どう修正すべきか」までセットで示す報告ほど高く評価されます。工場でも同じで、「問題＋ストーリー＋初期案」をセットで評価することで、「問題を見つけてくれる人」が「改善を牽引してくれる人」へと育っていきます。

制度を形骸化させないための設計と運用のツボ

最後に、バグ・バウンティ思考を中国工場のホウレンソウに組み込む際の、具体的な設計例と注意点を整理しておきます。素晴らしいコンセプトも、運用を誤ると形骸化したり、「また日本側の思いつきで制度だけ増えた」と現場から反発されたりしかねません。小さく試しながら、現場のフィードバックを取り入れてチューニングする姿勢が重要です。

1. ポイント制＋小さな報酬から始める

いきなり大きな報奨金制度を導入する必要はありません。むしろ、ポイント制＋小さな非金銭報酬から始めた方が、現場の反発も少なく運用しやすいことが多いです。

• 月ごとに「ナイスレポート賞」を決め、報告内容とともに全体に共有する
• 受賞者には、ささやかな金銭的インセンティブや、シフトの優遇、休暇の優先取得権などを与える
• ポイントは個人だけでなく、班やライン単位でも蓄積されるようにし、「チームとして問題を見つける文化」を育てる

このとき、報告内容を共有する際には、「誰が問題を起こしたか」ではなく、「誰がいち早く気づき、どう提案したか」に焦点を当てることが重要です。「この班がこんな問題を起こした」と晒し上げるような発表にしてしまうと、逆効果になります。

2. 日本側マネジメントの一言・一挙手が制度の信頼を決める

制度をどれだけ整えても、日本側マネジメントのリアクションが変わらなければ、現場はすぐに見抜きます。

• 悪い報告を受けたとき、まずは「見つけてくれてありがとう」と言う
• 感情的な怒りが湧いたとしても、それを本人にぶつけるのではなく、別の場で整理する
• 会議の場では、「誰が悪いか」よりも、「どうすれば再発を防げるか」に時間を使う

こうした基本動作が徹底されていないと、どれだけバグ・バウンティ的な仕組みを入れても、「表では褒め、裏では減点する」ダブルスタンダードとして認識されてしまいます。

性利説OSの人間にとって重要なのは、「ルールが予測可能で、一貫していること」です。言葉と行動、制度と運用の矛盾を減らすことが、最大のインセンティブになります。

3. 「悪い報告を歓迎する文化」を壊すNGパターン

最後に、よくあるNGパターンを三つだけ挙げておきます。

1. 裏で評価を下げる
      表向きは「よく報告してくれた」と言いながら、評価面談では「トラブルが多い」として減点するパターンです。これを一度でもやると、制度全体への信用が失われます。
2. 抽象的な説教を重ねる
      報告を受けた直後に、「日頃の意識が足りない」「もっと責任感を持て」といった抽象論で長時間説教するのも逆効果です。
      問題が起きた直後に必要なのは、「事実の把握」と「被害の最小化」であり、説教は構造が整理された後で冷静にやるべきです。
3. 犯人探しに終始する会議
      「最初に誰が気づいたのか」「誰が見逃したのか」といった犯人探しに終始すると、「次からは早く報告しない方がよい」という学習が進みます。
      代わりに、「どの段階で検知できたはずか」「これからはどこにセンサーを置くべきか」と、**検知フローの設計**に焦点を移すことが重要です。

まとめ

第3弾では、「悪い報告ほど上がってこない」現場をどう変えるかを、性利説OSと行動経済学のフレームから考えてきました。最後に、日本本社・駐在員マネジメントとして押さえておきたいポイントを整理し、次回への橋渡しをしておきます。

第一に、「悪い報告が上がってこない」のは、人の性格や文化の問題ではなく、正直者が損をする構造の問題だということです。不正のトライアングルが示すように、プレッシャー（問題を起こすな／怒られる）、機会（ごまかせる余地）、正当化（混乱を防ぐ／会社のため）が揃い、さらに双曲割引によって「今日怒られる」ことが「将来の大事故」より重く感じられる限り、隠蔽は合理的な選択になります。性利説は、人の心が悪いと決めつけるための前提ではなく、「人は利得に沿って動く」という当たり前の前提です。その前提に立つからこそ、構造を変えることに集中できます。

第二に、目指すべきは「悪い報告を歓迎する」と口で唱えることではなく、「第一発見者が一番得をするゲーム設計」です。バグ・バウンティの発想に倣い、問題を見つけて早く報告した人・班を、戦犯ではなく功労者として扱う仕組みをつくる必要があります。そのためには、

• 早期報告に対する免責と加点ルールを明文化する
• 報告の質（問題＋暫定対策＋改善案）を評価軸に組み込む
• 個人だけでなく班・ライン単位でのポイント制や表彰制度を導入する

といった具体的な設計が求められます。ここでも、「守ると得・サボると損」という第2弾の品質ルール設計と同じ発想が生きてきます。

第三に、制度を支えるのは、最終的には**日本側マネジメントの一貫した態度**です。悪い報告が上がってきたときに、

• まず事実とプロセスを冷静に聞き、感情的な叱責を避ける
• 会議では犯人探しではなく、検知フローと再発防止策に時間を使う
• 「見つけた人」「持ってきた人」に対して、感謝と評価をはっきり示す

といった基本動作を徹底できるかどうかで、制度の信頼性は決まります。言葉と行動、制度と運用が矛盾していないことが、性利説OSの人間にとって最も重要なインセンティブになるからです。

日本本社・駐在員が今すぐできる一歩としては、次のような取り組みが考えられます。

• 直近3カ月のトラブル事例を振り返り、「最初に気づいた人」「最初に報告した人」がどう扱われたかを棚卸しする
• 現場リーダーと一緒に、「報告すると得・報告すると損」「黙っていると得・黙っていると損」の2×2マトリクスを描き、自工場のリアルを書き込んでみる
• 小さくてもよいので、「ナイスレポート賞」「第一発見者ボーナス」など、バグ・バウンティ的な仕組みを一つ試してみる

こうした地道な取り組みを通じて、「正直者が損をしない報告設計」に少しずつ近づけていくことができます。

次回の第4弾では、悪い報告だけでなく、日常の指示や仕様の伝え方そのものに目を向けます。「いい感じで頼む」はバグの温床というテーマで、If-Thenプランニングや数値・画像・動画を使った“プログラマティックなコミュニケーション設計”を、中国工場マネジメントにどう組み込むかを考えていきたいと思います。

今回はここまでとします。最後までお読みいただき、ありがとうございました。

「サボるのが合理的な現場」をどうひっくり返すか ── 品質と“手抜き”を性利説と行動経済学で再設計する

ChatGPTで作成

皆さん、こんにちは。

本ブログでは、行動経済学を企業経営や現場マネジメントにどう活かすかをテーマに、組織の意思決定や現場の行動を「人間のクセ」を前提に読み解いていきます。理論だけでなく、現場での失敗や試行錯誤も含めて、「なぜ人はそう動くのか」「どうすれば望ましい行動を“自然に”引き出せるのか」を、一緒に考えていきたいと思います。

昨日公開予定した第1弾では、「日本語が通じてもOSは違う」という話を起点に、日本本社と中国工場の間にある“見えない前提のギャップ”を整理しました。日本側は「性善説＋社会規範（忠誠心・空気）」で動いているのに対し、中国現場は「性利説＋市場規範（損得と契約）」を前提OSとして動いている。このOSの違いを無視したまま、「もっと日本的な気配りをしてほしい」と期待しても、うまくいかないという話でした。

一方で、1月5日からの工場シリーズでは、「品質は検査ではなく工程で決まる」「生産計画はなぜ破綻するのか」といったテーマを、プロセス設計やIEの観点から整理しました。工程や計画の側をいくら整えても、最終的に製品を触るのは現場の人です。ルールと現場の行動がかみ合っていなければ、紙の上では美しい仕組みも、現場では簡単に崩れてしまいます。

そこで今回は、「仕組み」だけでなく「人のOS」を正面から扱っていきます。第2弾のテーマは、もっとも日本側がモヤモヤしやすい領域──品質と“手抜き”です。「なぜ決めた検査を省略するのか」「なぜギリギリのラインでOKを出すのか」「なぜ『まあ大丈夫だろう』という判断が繰り返されるのか」。日本の感覚からすると「品質意識が低い」「サボっている」と見える行動も、彼らの立場から見ると、極めて合理的な損得計算の結果であることが少なくありません。

ここには、以前セキュリティや不正防止の記事でも取り上げた「不正のトライアングル」や、将来よりも今を重く見てしまう双曲割引といった、行動経済学のフレームが色濃く表れています。性善説で「もっと誠実にやってほしい」と訴えるだけではなく、性利説OSを前提に「守った方が得」「サボると即損」になるようにルールと工程を組み替える必要があるのではないか。

そこで今回は、「サボるのが合理的な現場」をどうひっくり返すかという視点から、中国工場の品質と“手抜き”を性利説と行動経済学で再設計する方法を考えていきます。

なぜ「手抜き」が合理的に見えてしまうのか

中国工場の品質問題を議論すると、日本側はつい「品質意識が低い」「真面目さが足りない」といった“心の問題”に話を寄せがちです。しかし、第1弾で確認したように、OSが性利説で動いているとすれば、彼らは彼らなりの合理性で行動しているはずです。この章ではまず、「手抜き」に見える行動が、どのような損得構造のもとで“合理的な選択”になっているのかを、不正のトライアングルと双曲割引という二つのレンズを使って整理していきます。心根を責めるのではなく、前提になっている構造を可視化することが狙いです。

1. 現場から見れば「やるだけ損」の品質ルール

日本側から見ると、「決めた検査をやらない」「微妙なものを流してしまう」という行動は、どうしても「手を抜いている」「品質意識が低い」と映ります。しかし、中国現場の作業者の立場に立って、冷静に損得を計算してみると、見えてくる風景はかなり違います。

たとえば、検査工程を考えてみましょう。決められたステップどおりに検査をきちんと行うと、

• 時間がかかる（＝自分の作業負荷が上がる）
• 不良が見つかると、手直しや報告など自分の仕事が増える
• 生産が遅れれば、上司から叱責されるかもしれない

といった「目先のデメリット」がほぼ確実に発生します。一方で、検査を省略したり、基準ギリギリのものを“OK寄り”で判定したりすると、

• その場では早く楽に仕事が進む
• 不良が後工程まで流れても、自分に直接返ってこないかもしれない
• クレームになったとしても、それが自分の判断に起因すると特定されないケースも多い

という「短期的なメリット」が手に入ります。

この状態を性利説OSで眺めれば、「ルールをきちんと守る」方がむしろ **損な選択** に見えるのは自然です。意識が低いからではなく、構造的に「やるだけ損」「手を抜いた方が得」になっている。ここを変えない限り、「品質意識を高めろ」といくら号令をかけても、現場の行動は変わりません。

2. 不正のトライアングルは品質現場にも潜んでいる

不正や不祥事を分析するときによく使われるフレームに、「不正のトライアングル」があります。

• プレッシャー（動機・圧力）
• 機会（抜け道・監視の弱さ）
• 正当化（自分の行為を正しいと思える理由）

の3要素が揃うと、人は不正に手を染めやすくなるという考え方です。

品質現場にこの三角形を当てはめると、どうなるでしょうか。

• プレッシャー
    * 厳しい生産ノルマ、納期プレッシャー、「今日中にこの数量を終わらせろ」という指示。
• 機会
    * 検査を省略しても、その場で必ずバレるとは限らない。記録も形式的で、誰かが後からまとめて書いてしまうこともある。
• 正当化
    * 「今までもこれで問題はなかった」「他のラインも同じようにやっている」「どうせ日本側は細かいところまでは見ていない」といった、自分なりの言い訳。

つまり、品質に関しても、不正のトライアングルがきれいに成立してしまう構造があるわけです。本人たちは「不正のトライアングル」など知らなくても、結果としてその三角形の中に追い込まれているとも言えます。

3. 遠い将来のクレームより「今この瞬間の楽さ」が勝つ

さらに、ここに時間軸の問題が絡んできます。行動経済学では、将来の損得を過小評価し、目先の損得を過大評価してしまう傾向を**双曲割引**と呼びます。

品質の不備が原因でクレームが発生するのは、多くの場合「ずっと後」です。数週間後、数カ月後、場合によっては1年後かもしれません。そのときに本当に問題が発覚し、自分に責任が返ってくる確率は、現場から見るとかなり低く見えます。

それに対して、

• 今検査をサボればすぐに楽になる
• 今ラインを止めずに流してしまえば、上から怒られずに済む

という「即時のメリット」は、非常に分かりやすく目の前にあります。

双曲割引の観点から見ると、「将来起きるかもしれないトラブルよりも、今この瞬間の楽さを優先する」のは、人間として自然な行動です。しかも性利説OSの世界では、「自分と家族の生活を守る」という極めて現実的な利害が最優先されますから、なおさらです。

ここまでを整理すると、「なぜ手抜きが起きるのか？」という問いに対して、「中国人の品質意識が低いから」という答えは、かなり雑な説明だということが見えてきます。
むしろ正確には、「不正のトライアングルと双曲割引が揃った環境で、性利説OSの人間が合理的に行動した結果」と捉えた方が、構造としては筋が通っています。

品質ルールが「守られない」五つの典型パターン

手抜きの構造を抽象的に理解したうえで、次に必要なのは、自社や自工場に引き寄せて考えることです。この章では、「品質ルールが守られない」場面を五つの典型パターンに整理し、それぞれについて「現場の合理性」と「日本側が受け取る印象」のギャップを可視化していきます。自分ごととして読める“あるある”を通じて、単なる批判ではなく、「どこをどう直せばよいか」を具体的にイメージできるようにするのが狙いです。

1. 検査省略：「どうせ合格だろう」の連鎖

一番わかりやすいのが、目視検査や寸法チェックなどを「飛ばす」ケースです。

• 過去に同じ工程で不良があまり出ていない
• 検査をきちんとやると、全体のタクトが間に合わない
• そもそも、検査者1人に過剰な量のチェックが割り当てられている

といった背景のもと、「このロットは大丈夫だろう」「ここで止めたら後が回らない」という判断から、省略が当たり前になっていきます。

ここでは、「守る＝時間を食う＝自分が怒られるリスクが増える」「サボる＝楽になる＝怒られないかもしれない」という損得構造が、非常にわかりやすい形で現れています。

2. グレーゾーンを“OK寄り”で解釈する

次に多いのが、「基準ギリギリ」のものを“OK寄り”で判定するパターンです。

• 寸法が限界値付近だが、過去の経験上「きっと問題ない」と思える
• 見た目にわずかなムラがあるが、顧客は細かいところまでは見ないだろう
• 自分がNGを出したことで、ラインが止まったり、他の作業者から不満をぶつけられたりするのが嫌だ

といった理由から、「まあOKにしておこう」と判断しがちです。

これは、行動経済学でいう自己奉仕バイアス（自分に都合のいい解釈をしやすい傾向）と、損失回避（確実な損失を避けたがる傾向）が合成された動きとも言えます。「自分の評価が下がる」「人間関係が悪化する」という確実な“損”を避けるために、「将来のクレームリスク」という不確実なリスクを受け入れてしまうのです。

3. 後工程まかせ：「ここで止めたら自分が損」

不良の可能性がある品物を、「一応、次工程に流してしまう」というパターンもよく見られます。

• 自工程で止めると、自分のライン実績が悪く見える
• 後工程で見つかれば、その時点で対応してもらえるかもしれない
• 誰の責任か曖昧になることで、自分だけが悪者にならずに済む

このパターンでは、「責任の所在の曖昧さ」が重要な役割を果たしています。自分の判断でNGにすると、矢面に立つリスクが高まる一方、曖昧な状態のまま流してしまえば、「みんなで薄く責任を分け合う」形にできる。性利説OSから見れば、後者の方が“リスク分散として合理的”に見えてしまうわけです。

4. ロット混在とトレーサビリティ崩壊

数量不足や手戻りが発生した際に、別ロットの品物を混ぜてしまう、ラベルを貼り替えて帳尻を合わせるといったケースもあります。

• 本来はロット単位で管理すべきところを、「見た目が同じなら問題ない」と判断して混在させる
• ラベルや帳票を入れ替えることで、「数字上は合っている状態」をつくる

これは、目先の「数量合わせ」「帳尻合わせ」を優先するあまり、将来のトレーサビリティ崩壊という大きなリスクを抱え込む典型例です。ここでも双曲割引が働き、「将来の大問題」よりも、「今この現場をやり過ごすこと」が優先されます。

5. 記録の“形式化”とデータ捏造

最後に、検査記録や点検チェックリストが、「やったことにするための儀式」になっているケースです。

• 実際には測定していない数値を、過去の値をもとに“それっぽく”書き込む
• チェック項目を一括で“〇”にしてしまい、後からまとめて署名だけする
• システムへの入力を、誰かが後からまとめて「埋める」運用になっている

こうした振る舞いも、一見すると悪意ある不正に見えますが、性利説OSの観点から言えば、「書類上の体裁を整えつつ、自分の負荷を最小化しようとした結果」とも言えます。記録が「実態を反映していなくても、誰も困らない」と認識されている限り、データ捏造は“合理的な省力化”として受け入れられてしまいます。

性利説OSで組み替える品質ルール設計

ここまで見てきたように、「守られない品質ルール」は、性利説OSにとっての合理的な選択の結果でもあります。この章では、「意識を高める」「教育を徹底する」といった精神論から一歩踏み込んで、性利説を前提にしたインセンティブ設計へと発想を切り替えます。キーワードは、「即時性」「班・ライン単位」「守りようのあるルール」です。性利説OSから見ても「守った方が得だ」と思えるゲームに書き換えることを目指します。

1. 「守ると得・サボると損」の即時フィードバックに変える

まず重要なのは、フィードバックの**即時性**です。将来どこかで発生するかもしれないクレームよりも、「今この瞬間の楽さ」が勝ってしまうのが人間です。であれば、不良が発生したときの不利益を、できるだけ「今、この現場」に引き寄せて設計する必要があります。

たとえば、

• NG品は必ずその場で本人（＋班長）に戻し、再作業の工数をきちんと見える化する
• 再作業にかかった時間は、本人や班の実績に紐づけて記録し、評価にも反映する
• 一方で、一定期間クレームゼロや不良率の改善が続いた場合には、班やライン単位でのインセンティブ（手当・シフト優遇・表彰など）を用意する

といった仕組みです。

行動経済学の視点から見ると、「罰」だけではなく、「やった方が得になる報酬」をセットで用意することがポイントです。守れば守るほど、「早く・楽に・評価される」ように設計されていれば、性利説OSの人間にとっても、ルール遵守は合理的な選択になります。

2. 個人ではなく“班・ライン単位”で利得を設計する

中国現場では、個人主義的な側面が強く、「自分だけ損をしたくない」という感情が表に出やすい一方で、同じ班の仲間に対するネットワークもそれなりに機能します。この特徴を活かすためには、インセンティブやペナルティを**班・ライン単位で設計する**ことが有効です。

• 不良率やクレーム発生率を班・ライン単位で集計し、ランキングとして見える化する
• 一定期間、目標水準を達成した班には、全員に小さくても分かりやすい報酬を付ける
• 逆に、基準を大きく下回った場合は、班全体で改善活動に取り組ませる（追加教育・工程改善ワークショップなど）

こうすることで、「自分だけがサボった方が得」という構造から、「自分がサボると班全体に迷惑がかかる」構造に変わります。これは、行動経済学でいう社会的比較や同調圧力を、あえてポジティブな方向に活用する設計です。

3. 「守りようがないルール」を放置しない

もう一つ見落とされがちなのが、「ルールどおりにやろうとしても、物理的に守りきれない」ケースです。検査工数や段取りが過大で、「真面目にやったら絶対にタクトが合わない」状態になっていると、現場は必然的に“裏技”や“ショートカット”を発明します。

ここで必要なのは、「意識を高めろ」ではなく、「工程を見直そう」です。

• 検査項目をリスクベースで絞り込み、本当に重要なところに集中する
• ばらつきの大きい工程には治工具を導入し、「誰でも同じ精度でできる」状態にする
• 検査の一部を上流工程に移し、後工程の負荷を減らす

といった改善は、まさに1月5日からの工場シリーズで扱ったIEや工程設計の領域です。品質ルールが守られない背景には、「守りたくても守れない工程設計」が潜んでいることが多い。ここを放置したまま、「品質意識が低い」と現場を責めるのは、構造の問題を個人の問題にすり替えているに過ぎません。

ケーススタディ：中国工場での現実的な打ち手

抽象論やフレームワークだけでは、「明日から何を変えればよいか」が見えにくいままです。この章では、複数の工場で見られる“ありがちパターン”をベースに、匿名化したケーススタディを三つほど取り上げます。それぞれのケースで、どのような構造が性利説OSの合理的行動を生み、そこに対してどのような設計変更を加えることで、「守った方が得」に書き換えたのかを簡潔にスケッチします。実務での応用イメージを掴むことが狙いです。

ケースA：出荷前検査の省略が常態化していた工場

ある工場では、出荷前検査の担当者が慢性的な人手不足で、全量検査が物理的に不可能な状態になっていました。結果として、「ランダムで抽出検査したことにする」「帳票上は全量検査として記録する」といったルール逸脱が常態化していました。

ここでは、

• 出荷前検査の一部を工程内検査に前倒しし、ライン作業者にも簡易チェックを組み込む
• 再作業工数を班単位で見える化し、出荷前で弾かれるのではなく「工程内で潰した方が得」になるよう評価を組み替える
• 出荷前検査そのものは、リスクの高い項目に絞り、担当者の負荷を現実的な水準に下げる

といった対応を組み合わせることで、「検査を省略せざるを得ない状態」からの脱却を図ることができます。

ケースB：判定グレーゾーン多発ラインの標準化

別の工場では、外観検査の判定基準が曖昧で、検査者ごとに合否の判断がばらついていました。微妙なものは、検査者のその日の気分や、ラインの混み具合に応じて“OK寄り”“NG寄り”に揺れてしまいます。

ここでは、

• 実際の不良サンプルとグレーサンプルを大量に集め、写真付きの「OK／NGカタログ」を作成する
• グレーゾーンの判断は、検査者単独ではなく、班長のダブルチェックを必須にする
• グレーなものを最初に見つけて班長に上げた人は、減点ではなく「発見ポイント」を加点する

といった仕組みを入れることで、「グレーなものはとりあえずOKに寄せる」が、「グレーなものほど早く上げると得になる」に書き換わっていきます。

ケースC：記録が“儀式化”していた工場の見える化

また別の工場では、点検チェックリストへの記入が「やったことにするための儀式」と化していました。実際には測定していない項目まで、一括で“〇”がつけられていることも珍しくありませんでした。

ここでは、

• 測定値を現場のモニターにリアルタイム表示し、「いつ・誰が・どの値を測定したか」が一目で分かるようにする
• 測定忘れや不自然なパターン（毎回同じ値など）があった場合には、自動で班長にアラートが飛ぶようにする
• 一定期間、測定漏れゼロや異常検知ゼロを達成した班には、班全体に小さな報酬を支給する

といった仕組みを導入することで、「記録をごまかすと得」「ごまかしてもバレない」という構造を、「きちんと測定して記録した方が得」に少しずつ変えていくことができます。

まとめ

最後に、この第2弾で伝えたかったポイントを整理し、次回以降への橋渡しをしておきます。ここまで見てきたように、中国工場の品質問題を「意識」や「国民性」で片づけてしまうと、構造に手をつけないまま不満だけが蓄積していきます。このまとめでは、性利説OSを前提としたときに、日本本社・駐在員がどのようなスタンスと打ち手を持つべきかを、改めて三つの視点から整理します。

第一に、現場の「手抜き」に見える行動の多くは、性利説OSから見れば筋の通った**損得計算の結果**であるということです。不正のトライアングルが示すように、プレッシャー（ノルマ）、機会（抜け道）、正当化（「みんなやっている」）が揃い、さらに双曲割引によって将来のクレームよりも目先の楽さが優先される。こうした構造が放置されている限り、「品質意識を高めろ」と言っても、現場の行動は変わりません。

第二に、日本側マネジメントが取り組むべきは、「意識改革」ではなくインセンティブ構造の再設計です。「守ると損・サボると得」になっている現状を、「守ると得・サボると損」に逆転させる必要があります。そのためには、不良や手抜きの影響を「将来のどこか」ではなく「今この現場」に引き寄せ、再作業工数やクレーム対応工数を本人・班・ラインの実績にひもづけることが重要です。同時に、クレームゼロ・不良率改善といったポジティブな成果に対して、班やライン単位で分かりやすい報酬を用意し、「きちんとやる方が速く・楽で・得になる」ゲーム設計に変えていく必要があります。

第三に、「守りようがないルール」を放置しないことです。検査項目や工程設計が現実離れしていると、真面目に守ろうとする人ほど損をする構造になり、結果として「裏技」が横行します。ここには、1月5日からの工場シリーズで扱ったIEや工程改善の知見がそのまま活きます。ルールを現場目線で棚卸しし、「これは本当に守れるのか」「守ったときに誰がどのように得をするのか」を一つひとつ確認していく作業が欠かせません。

日本本社や駐在員が今すぐ始められることとしては、

• 自工場の品質ルールを、「守ると得・守ると損／サボると得・サボると損」の2×2マトリクスに書き出してみる
• 不良やクレームが発生したときの“痛み”が、時間軸と組織のどこに配分されているかをフローで可視化する
• 「品質意識」という言葉をいったん封印し、すべて「構造」「インセンティブ」「工程設計」という言葉に言い換えて議論してみる

といったアクションが挙げられます。こうした地道な作業を通じて初めて、「性善説で説得するマネジメント」から、「性利説OSを前提に設計されたマネジメント」へと、一歩ずつシフトしていくことができます。

次回の第3弾では、品質と並んで日本側が強いストレスを感じやすいテーマ──「悪い報告が上がってこない」「トラブルが隠される」問題を取り上げます。セキュリティ分野で一般化しつつある「バグ・バウンティ（脆弱性報奨金）」の発想を、中国工場のホウレンソウ設計にどう応用できるかを、一緒に考えていきたいと思います。

今回はここまでとします。最後までお読みいただき、ありがとうございました。