第6章 結論を根拠から組み立てる

第5章では、意思決定の問いを下位の問いへ分けました。調査を進めると、顧客群別の解約率、インタビューの発言、支援工数、競合事例など、多くの材料が集まります。しかし、材料を順番に並べても、提案にはなりません。

たとえば、次の説明を考えます。

初期設定を完了していない顧客の解約率は高く、インタビューでも設定の難しさが指摘されました。競合 3 社は導入支援を提供しています。したがって、当社も全新規顧客へ導入面談を提供すべきです。

一見、結論と根拠が揃っています。しかし、初期設定未完了と解約の関連だけでは、面談によって解約が減るとは言えません。インタビュー対象が偏っているかもしれません。競合が実施していることは、自社でも有効だという証拠ではありません。全顧客へ広げる前に、対象、効果、工数、危険を確かめる必要があります。

本章では、論証を事実や観測から、どの推論を通じて、どの強さの主張を導くかを明示することと定義します。結論を先に書くことと、結論を先に決めて証拠を選ぶことは違います。読者へは結論から伝えながら、作り手は反対証拠と代替説明を含めて結論を組み立てます。

実務では、事実・証拠・推論・主張を分け、証拠に合わせて主張の強さを調整し、推論を確かめ、反例と代替説明を入れ、判断基準によって推奨へ統合します。

小さく取り消しやすい判断なら、まず次の 4 点を一枚に置きます。

主張: 何を、どの条件で勧めるか
主要な証拠: 何を観測したか
推論: なぜその観測から主張へ進めるか
次の行動: 誰が何を行い、何を見て止めるか

影響が大きくなるほど、競合する説明、代替案、例外条件、価値判断、専門家の確認、正式な承認を加えます。

6.1 事実、証拠、主張、推論を分ける

「データが示している」と書くだけでは、論理の接続が見えません。本書では、次の 4 つを区別します。

事実と証拠は同じではありません。事実は、ある主張との関係で証拠になります。競合 3 社が導入支援を提供していることは、「導入支援が業界で実行可能」という主張の参考にはなります。しかし、「自社の解約を減らす」という主張への直接的な証拠にはなりません。

推論は、文章で省略されやすい部分です。

事実:
未完了群の 90 日以内解約率は 20%、完了群は 5% だった。

推論:
期間、顧客属性、獲得経路などの主要な差を確認したうえで差が残るなら、
初期設定未完了は解約危険を識別する材料になる。

主張:
初期設定未完了を、支援試行の対象条件の一つとして使う価値がある。

ここでは、原因だとも、支援すれば解約が減るとも主張していません。証拠が支えられる範囲へ主張を合わせています。

英国出身の哲学者 Stephen E. Toulmin（スティーヴン・E・トゥールミン）は、日常や専門分野で行われる実際の議論が、どのように正当化されるかを研究しました。著書『The Uses of Argument』では、data（根拠となる情報）、claim（主張）、warrant（情報から主張へ進む正当化）などを区別しています。本書の 4 要素は、この考え方を事業上の意思決定へ使いやすく整理したものです。Toulmin の枠組みを完全に再現することより、普段省略される「なぜその証拠からその主張へ進めるのか」を表に出すことを重視します。

重要な論証では、4 要素に加えて、推論そのものの裏付けと例外条件を確認します。たとえば、「初期設定未完了は解約危険を識別する」という推論の裏付けには、顧客群を分けても差が再現することが必要です。裏付けは権威的な一般論を置くだけでは足りず、今回の対象と条件へ適用できる資料や分析で確かめます。例外条件には、ログ欠損、特殊な利用目的、別経路で価値を得る顧客などがあります。

6.2 主張の強さを証拠に合わせる

同じ観測から、異なる強さの主張を作れます。

「可能性がある」「示唆される」と弱めれば、どんな飛躍も許されるわけではありません。どの証拠から、何がどの程度不確かなのかを書きます。

主張には、対象、条件、期間、確かさを付けます。

直近 6 か月の新規顧客では、顧客規模と獲得経路を分けても、初期設定未完了群の 90 日以内解約率が高かった。未観測の要因は残るため原因とは断定しないが、未完了を支援対象の識別条件として試す根拠になる。

限定は、主張を弱く見せるためではありません。どの範囲で判断に使えるかを明らかにします。限定を外して強く言うと、短期的には説得的でも、反例が一つ見つかっただけで提案全体の信頼を失います。

6.3 推論の種類によって確かさが変わる

実務では、演繹（えんえき）、帰納（きのう）、アブダクション（観測を最もよく説明する仮説を選ぶ推論）を組み合わせます。

演繹（えんえき）

前提が正しく、推論形式が妥当なら、結論が必ず成り立つ推論です。

前提 1: 支援対象は、初期設定が未完了の顧客に限る。
前提 2: A 社は初期設定を完了している。
結論: A 社は支援対象ではない。

演繹は確実に見えますが、前提の定義や事実が誤っていれば、実務上の結論も誤ります。「完了」の定義、データ更新時点、例外条件を確認します。

帰納（きのう）

観測した複数の事例から、より広い傾向を推測します。

観測:
調査した未完了顧客では、完了顧客より解約率が高かった。

結論:
同じ条件の新規顧客でも、未完了群は解約危険が高いと予想する。

帰納の結論は、観測範囲を超えるため確実ではありません。標本の選び方、件数、ばらつき、期間、母集団との違いを確認します。件数が多くても、同じ偏った顧客だけを観測していれば一般化できません。

アブダクション（最良の説明への推論）

観測を説明する候補から、現時点で最もよい説明を選ぶ推論です。「最良の説明への推論」と呼ばれることがあります。

観測:
特定の広告経路で、初期設定未完了と解約が同時に増えた。

説明候補:
その経路から、サービスと適合しない顧客が増えた。

説明として自然でも、真実だとは限りません。ほかの候補を十分に考えたか、事前の予測と合うか、後付けの前提が多くないか、新しい観測を予測できるかを確認します。

Stanford Encyclopedia of Philosophy（スタンフォード哲学百科事典）は、スタンフォード大学の研究組織が公開するオンライン哲学事典です。各項目はその分野の専門家が執筆・更新し、編集委員による査読を経て公開されます。一般向け辞書や大学の公式見解ではなく、専門分野の論点と研究状況を確認するための参考資料です。そのアブダクションに関する項目では、最良の説明への推論が日常と科学で広く使われる一方、どの説明を候補とし、何を「最良」とするか、その正当性には議論があると整理しています。

3 種類は競合する手法ではありません。アブダクションで原因仮説を作り、演繹でその仮説から観測されるはずの結果を導き、調査や試行の複数の観測から帰納的に適用範囲を評価します。

6.4 ピラミッドは説明の順序を作る

分析は、事実を見つけ、仮説を変え、追加調査を行うという往復で進みます。その順番をそのまま報告すると、聞き手は最後まで結論を待たなければなりません。

ピラミッドストラクチャーは、最上位に一つの結論を置き、その下へ結論を直接支える同じ種類の理由をまとめ、さらに下へ事実や証拠を置く構造です。読み手は、最初に答えを知り、その後で「なぜそう言えるのか」を上から下へ確認できます。

この構成法をビジネス文書の作成手順として体系化したのが、Barbara Minto（バーバラ・ミント）の Pyramid Principle（ピラミッド原則）です。Minto は経営コンサルティングの現場でこの方法を開発しました。単に結論を先に書く方法ではありません。同じ問いへ答える理由を一つのまとまりにし、そのまとまりを要約する上位メッセージを置くことで、書く前に論理の重複、抜け、階層の混同を見つける方法です。本書では、提案の説明順を整えるために使いますが、構造が整っていても根拠が正しいとは限らないため、論証の確認とは分けます。

推奨:
解約危険が高い未完了顧客に限り、4 週間の手動支援を試す

├─ 必要性:
│  未完了は、解約危険を識別する材料になる
│  └─ 顧客群を分けても、未完了群で解約率が高い
│
├─ 期待効果:
│  手動支援は初期設定完了を増やす可能性がある
│  └─ 小規模試行で完了率の差を確認する
│
└─ 実行可能性:
   対象を限定すれば、既存人員で安全に運用できる
   └─ 想定件数、工数上限、停止条件を満たす

上位の主張を、下位の主張が同じ種類の理由として支えているか確認します。「必要性」「競合事例」「実施スケジュール」のように、根拠、参考情報、実行手順が同じ階層へ混ざると、推奨の論理が見えません。

また、下位の理由がすべて正しくても、上位の結論が自動的に導かれるとは限りません。上の例では、必要性、期待効果、実行可能性に加え、顧客への危険、代替案、学習価値との比較が必要です。ピラミッドの整った形を、論証の妥当性と混同しません。

結論から伝えるのは、異論を隠すためではありません。聞き手が「何について判断を求められているか」を理解し、下位の根拠を評価できるようにするためです。

6.5 一つの証拠へ働かせすぎない

説得力のある一つの数値や発言に、複数の役割を持たせると危険です。

「未完了群の解約率が高い」という観測は、対象を絞る参考になります。しかし、次の主張を単独では支えません。

• 未完了が解約の原因である
• 手動面談が最善の解決策である
• 面談を全顧客へ提供すべきである
• 面談の費用を回収できる
• 顧客が面談を望んでいる

主張ごとに、必要な証拠を分けます。

証拠の量より、主張への関連性、信頼性、競合する説明を見分ける力を見ます。同じデータを複数の主張へ使うこと自体は問題ではありません。ただし、各主張に対して何を証明せずに残すかを明記します。

インタビューの印象的な一言も同様です。発言は、その人の経験を理解する重要な証拠ですが、顧客全体の頻度を示すものではありません。定量データと定性データを、互いの代用品ではなく、異なる問いへ答える証拠として組み合わせます。

同じ主張について証拠が矛盾したときは、平均して一つの結論へ急ぎません。対象、期間、用語の定義、収集・測定方法、欠損、証拠の質を並べます。たとえば、ログでは離脱が多いのにインタビューでは困難が語られないなら、対象者が継続顧客へ偏っていないか、ログの「未完了」が実際の利用を表しているかを確認します。矛盾を解けなければ、両方を示し、推奨を小さくするか追加確認へ回します。

6.6 反例と代替説明を論証に入れる

反対証拠を最後の「リスク」へ追いやると、中心の主張が実際より確実に見えます。重要な反例と代替説明は、主張を作る段階で扱います。

たとえば、初期設定を完了していないのに継続している顧客がいるとします。その顧客を外れ値として除く前に、利用目的、別の価値体験、支援経路を調べます。仮説の適用条件を見つけられるかもしれません。

代替説明は、現在の説明と同じ観測を説明できる別の仮説です。

観測:
未完了群で解約率が高い

説明 A:
初期設定を完了できないため、価値を得られず解約する

説明 B:
サービスに適合しない顧客は、初期設定を完了せず解約する

説明 C:
担当者の支援が少ない顧客は、未完了にも解約にもなりやすい

説明 A だけを前提に支援を増やすと、B では不適合顧客の解約を先送りし、C では担当者の配分問題を見落とします。A、B、C を見分ける証拠を確認し、期限内に見分けられなければ、不確実性を残して試行を小さくします。

反対意見への対応は、すべてを論破することではありません。

• 主張の対象や条件を限定する
• 追加証拠で反対意見を弱める
• 不確実性を認め、停止条件を付ける
• 代替案の方がよければ推奨を変える
• 今回は判断できないと結論づける

提案の信頼性は、反論がないことではなく、重要な反論を受けても、何を決められ、何をまだ決められないかが分かることから生まれます。

6.7 推奨は事実だけでは決まらない

「解約率が高い」という事実から、「面談を実施すべき」という推奨は直接導けません。推奨には、目的、価値判断、制約、代替案が含まれます。

事実:
未完了群の解約率が高い。

目的:
価値を得られる顧客の早期解約を減らす。

判断基準:
期待効果、顧客への危険、支援工数、実行可能性、学習価値。

代替案:
全顧客へ支援 / 危険の高い顧客だけ支援 / 支援せず原因調査 / 現状維持。

推奨:
危険の高い未完了顧客へ限定し、停止条件付きで 4 週間試す。

判断基準の重みは、データだけから決まりません。解約低下を優先するか、顧客の自律性や現場負荷をどこまで重視するかは、説明責任を伴う判断です。コンサルタントは、基準と各案のトレードオフを示し、決定者が選んだ理由を残せるようにします。

コンサルタントが作るのは、証拠と価値判断を明示した推奨です。その推奨を採用するかは決定者が選びます。採用した決定、変更した条件、採用しなかった理由を、コンサルタントの推奨と分けて記録します。

推奨には、少なくとも次を含めます。

1. 誰が、何を決めるのか
2. どの案を、どの条件で勧めるのか
3. 主要な根拠と、その推論は何か
4. ほかの案よりよい理由は何か
5. 何がまだ分からないか
6. どの条件で開始、停止、見直すか
7. 誰が実行し、何を測るか

今回の試行例では、顧客対応者 2 人、合計週 8 時間、対象 20 社を上限とします。苦情、同意撤回、通常業務の待ち時間、1 社あたり工数、より価値の高い通常業務への影響が合意した上限を超えたら停止します。4 週間後に、実施率、初期設定完了率、顧客反応、工数を比較し、対象拡大、支援内容の修正、中止を選びます。90 日解約への効果は、その時点では確定せず追跡します。拡大する場合も対象数と期間に次の上限を設け、長期成果または危険が基準を外れたら再び止めます。

「データドリブン」という言葉で、価値判断を隠してはいけません。データは選択の結果を予測する助けになりますが、どの結果を望ましいとするかまでは決めません。

6.8 AI には文章より推論をレビューさせる

AI は、文章を滑らかにし、ピラミッド形式へ並べ替えられます。しかし、存在しない接続を自然な文章で補い、関連を因果へ強め、限定を削ることがあります。

まず、文章ではなく論証の部品を渡します。

意思決定:
どの顧客群へ、どの初期支援を試すか。

主張:
解約危険が高い未完了顧客へ、4 週間の手動支援を試す。

事実・観測:
[定義、母集団、期間、数値、調査方法、出典を付ける]

判断基準と制約:
[期待効果、危険、工数、実行可能性、学習価値]

依頼:
1. 各事実が、どの主張をどの程度支えるか対応づける
2. 事実から主張へ進む暗黙の推論を文章にする
3. 関連から因果、観測から一般化、事実から価値判断への飛躍を指摘する
4. 競合する説明と、主張に合わない反例を挙げる
5. 証拠より強い表現と、曖昧な限定語を指摘する
6. 推奨を変えうる不足情報を示す

与えられていない事実を補わず、推測は推測と記すこと。

AI の指摘も、論理的に正しいとは限りません。反例として作った事例が実在するか、提示した推論規則が今回の事業に当てはまるかを確認します。AI が「証拠不足」と言っても、決定期限と取り消しやすさによっては、小さく進む判断が合理的です。

複数の資料を要約させるときは、要約文だけで論証を作りません。元資料の定義、対象、期間、限界へ戻ります。AI が異なる資料の主張を一つに統合すると、各資料が実際には述べていない結論が生まれることがあります。

機密情報を入力できない場合は、承認された環境を使うか、論証の構造だけを抽象化します。抽象化によって失われた条件は、人間が元資料と照合します。

論証は最終報告の直前に初めて見せません。分析開始時に事実の定義、中間時点で主要な推論と反対証拠、決定前に判断基準と推奨を、データ責任者、実行責任者、意思決定者と段階的に確認します。決定者が参加できない場合は、代理で確認できる範囲と権限、本人が最終確認する期限を決めます。未合意点、各立場の理由、誰がいつ決めるかを残します。

推奨を更新したときは、何の事実・証拠・推論・価値判断が変わり、以前の推奨をどのように修正したかを記録します。結論だけを上書きせず、変更理由を決定者が追えるようにします。

6.9 論証を完成させる 7 つの確認

提案前に、上位の推奨から下位の証拠へたどり、次を確認します。

1. 主張: 誰に、何を、どの条件で受け入れてほしいか
2. 証拠: 各主張を直接評価する事実・観測があるか
3. 推論: なぜその証拠から主張へ進めるかを説明できるか
4. 強さ: 関連、原因、効果、推奨を混同していないか
5. 代替: 競合する説明と現状維持を含む別案を比べたか
6. 限界: 反例、不確実性、適用条件を示したか
7. 行動: 決定、実行、測定、停止へつながっているか

チェックに使う時間にも上限を置きます。小さな試行では短いレビューで 4 点を確認し、顧客、安全、法令、人員、大規模投資へ影響する判断では、代替案、反対証拠、専門家の確認、正式な承認へ時間を配ります。すべてを同じ深さで埋めることは目的ではありません。

考えてみる問い

最近作った提案から、「したがって」を一つ選んでください。その直前の事実だけで、直後の主張へ本当に進めるでしょうか。間にある暗黙の推論、別の説明、価値判断を書き出してみましょう。

よい論証は、反論できない文章ではありません。どの事実を、どの推論で、どの強さの主張へつないだかが見え、新しい証拠によって結論を変えられる構造です。

ここまでで、問いを立て、仮説を置き、論点を分け、結論を組み立てる基礎が揃いました。第3部では、その論証に使う情報をどう見極め、調べ、データとインタビューから証拠を作るかを扱います。

参考資料

最終確認日: 2026 年 7 月 15 日。本章の 4 要素、主張の強さ、推奨の 7 要素、論証確認の 7 項目は、以下の資料を踏まえた本書独自の整理です。

• Stephen E. Toulmin ― The Uses of Argument ― 哲学者 Toulmin による、根拠、主張、その間を正当化する理由などから実際の議論を捉える考え方を参照
• Stanford Encyclopedia of Philosophy ― Abduction ― 専門家が執筆し編集委員が査読するオンライン哲学事典から、アブダクションの定義、利用、正当化をめぐる論点を確認
• Barbara Minto ― The Minto Pyramid Principle ― 経営コンサルティングのために開発された、結論とそれを支える考えを階層化する文書構成法を参照