forecast-premortem

予測のプレモーテム

目次

• インタラクティブメニュー
• クイックリファレンス
• リソースファイル

基本原則：問題を逆転させます。「これは成功するか？」ではなく、「失敗した――その理由は？」と問いかけます。

---

インタラクティブメニュー

何をしますか？

主なワークフロー

1. 失敗プレモーテムを実施する - 予測が外れたと仮定し、その理由を説明します 2. 成功プレモーテムを実施する - 悲観的な予測（20%未満）の場合 3. トンボの目の視点 - 複数の視点から失敗を捉えます 4. テールリスクを特定する - ブラックスワンと未知の未知を見つけます 5. 信頼区間を調整する - 調整幅を数値化します 6. フレームワークを学ぶ - 手法を詳しく学びます 7. 終了 - メインの予測ワークフローに戻ります

---

1. 失敗プレモーテムを実施する

失敗したと想像して、予測をストレステストしましょう。

Failure Premortem Progress:
- [ ] Step 1: State the prediction and current confidence
- [ ] Step 2: Time travel to failure
- [ ] Step 3: Write the history of failure
- [ ] Step 4: Identify concrete failure modes
- [ ] Step 5: Assess plausibility and adjust

ステップ 1：予測と現在の確信度を明示する

教えてください：

1. 何を予測していますか？
2. 現在の確率はどのくらいですか？
3. 信頼区間はどのくらいですか？

例：「このスタートアップは 2 年以内に ARR 1,000 万ドルに到達する」 - 確率：75%、信頼区間：60～85%

ステップ 2：失敗の時点にタイムトラベルする

水晶玉エクササイズ：

解決日まで時間を進めます。**今は［解決日］です。事象は起きませんでした。**これは確定事項です。異議を唱えてはいけません。

どのように感じますか？ 意外ですか？予想どおりですか？衝撃的ですか？この感情的な反応から、あなたの本当の確信度がわかります。

ステップ 3：失敗の経緯を書く

**バックキャスティングのストーリー：**失敗した時点から時間をさかのぼり、ここに至った経緯を書きます。

問いかけ：

• 「この結果につながった見出しは……」
• 「最初に問題の兆候が現れたのは……」
• 「今振り返れば、……から気づくべきでした」
• 「重大な過ちは……でした」

検討するフレームワーク：

• **内部摩擦：**チームが燃え尽きた、共同創業者同士が対立した、実行に失敗した
• **外部ショック：**規制が変わった、競合他社がローンチした、市場が変化した
• **構造的欠陥：**ユニットエコノミクスが成り立たなかった、市場が小さすぎた、技術がスケールしなかった
• **ブラックスワン：**パンデミック、戦争、金融危機、予期せぬ混乱

包括的な分類については、失敗モードの分類を参照してください。

ステップ 4：具体的な失敗モードを特定する

ストーリーから、具体的で実行可能な失敗原因を抽出します。

各失敗モードについて：（1）何が起きたか、（2）なぜ失敗につながったか、（3）その可能性、（4）早期警告シグナル

例：

失敗モード	メカニズム	可能性	警告シグナル
主要エンジニアが退職した	技術リーダーシップを失い、製品が遅延した	15%	コードコミットの減少、不満
競合他社が無料プランを開始した	ユニットエコノミクスが崩壊した	20%	採用の急増、ベータ版の情報漏えい
規制が成立した	ビジネスモデルが違法になった	5%	法案の提出、ロビー活動

ステップ 5：妥当性を評価して調整する

妥当性テスト：

自問してください：

• 失敗の筋書きを書くのはどれくらい簡単でしたか？
  • とても簡単 → 確信度を 15～30％下げます
  • とても難しく、荒唐無稽に感じた → 確信度は妥当でした
• もっともらしい失敗要因をいくつ特定しましたか？
  • それぞれが 5％を超える可能性のある要因が 5 つ以上 → 高い確信度を保つには不確実性が大きすぎます
  • 可能性の低い要因が 1～2 つ → 確信度は高いままでもかまいません
• 「未知の未知」を発見しましたか？
  • はい、複数あります → 信頼区間を 20％広げます
  • いいえ、リスクはすべて既知です → 確信度は妥当です

定量的な方法： 失敗要因の確率を合計します：

P(failure) = P(mode_1) + P(mode_2) + ... + P(mode_n)

この合計が 1 - your_current_probability を上回る場合、確率を高く見積もりすぎています。

例： 現在の成功確率：75％（暗示される失敗確率：25％）、失敗要因の合計：40％ 結論： 失敗リスクを 15％過小評価しています。調整後： 成功確率 60％

次へ： メニューに戻るか、調査結果を記録します

---

2. 成功プレモーテムを実施する

悲観的な予測を立てる場合――起こりそうにない成功が実現したと仮定します。

Success Premortem Progress:
- [ ] Step 1: State pessimistic prediction (<20%)
- [ ] Step 2: Time travel to success
- [ ] Step 3: Write the history of success
- [ ] Step 4: Identify how you could be wrong
- [ ] Step 5: Assess and adjust upward if needed

ステップ 1：悲観的な予測を述べる

教えてください：（1）どのような低確率の出来事を予測していますか？（2）なぜ確信度がこれほど低いのですか？

例：「核融合エネルギーは 2030 年までに商用化される」――確率：10％、根拠：技術的な課題が大きすぎる

ステップ 2：成功した未来へタイムトラベルする

今は 2030 年です。核融合エネルギーが商用化されています。 これは実際に起きました。現実のことです。どのようにして実現したのでしょうか？

ステップ 3：成功の経緯を書く

ありそうにないことをバックキャストする： これが実現するには、何が起きる必要がありましたか？

• 「ブレークスルーは……のときに起きました」
• 「……という前提が間違っていたのは、……だったからです」
• 「実現を可能にした鍵は……でした」
• 「振り返ると、私たちは……を過小評価していました」

ステップ 4：自分が間違っている可能性を特定する

悲観的な見方に異議を唱えます：

• 現在の制約を重視しすぎていませんか？
• 指数関数的な進歩を過小評価していませんか？
• 並行して進められているアプローチを無視していませんか？
• 過去の失敗に影響されていませんか？

ステップ 5：評価し、必要であれば確率を上方修正する

成功の筋書きが驚くほどもっともらしい場合は、確率を上げます。

次へ： メニューに戻ります

---

3. トンボの複眼の視点

相反する複数の視点から失敗を見ます。

トンボは複眼で、同時に多くの角度から物を見ます。ここでは、まったく異なる視点を採用してこれをシミュレートします。

Dragonfly Eye Progress:
- [ ] Step 1: The Skeptic (why this will definitely fail)
- [ ] Step 2: The Fanatic (why failure is impossible)
- [ ] Step 3: The Disinterested Observer (neutral analysis)
- [ ] Step 4: Synthesize perspectives
- [ ] Step 5: Extract robust failure modes

ステップ 1：懐疑論者

最も手厳しい批判者になりきります。 あなたは空売り投資家であり、競合他社であり、悲観論者です。なぜこれは必ず失敗するのでしょうか？

極端に考えます： 最悪の事態を想定し、あらゆる欠点を強調し、情状酌量も、好意的な解釈も一切しません

出力： 懐疑的な視点から見た失敗理由の一覧

ステップ 2：熱烈な支持者

最も強く信じる人になりきります。 あなたは創業者の母親であり、熱狂的な信奉者であり、楽観論者です。なぜ失敗などありえないのでしょうか？

極端に考えます： 最良のケースを想定し、あらゆる強みを強調し、最大限に好意的かつ楽観的になります

出力： 楽観的な視点から見た成功理由の一覧

ステップ 3：利害関係のない観察者

中立的な分析者になりきります。 結果に利害関係はありません。シミュレーションを実行し、データを冷静に分析しています。

分析的に考えます： 感情的な利害を持たず、純粋に統計的な推論を行い、参照クラスを用いて考えます

出力： 根拠を伴う、バランスの取れた確率推定

ステップ 4：視点を総合する

共通点を見つけます： 3 つすべての視点で挙がった失敗要因はどれですか？

• 懐疑論者が言及した
• 熱烈な支持者でさえ否定できなかった
• 観察者が統計的に特定した

これらが堅牢な失敗要因です――実際に起きる可能性が最も高いものです。

ステップ 5：堅牢な失敗モードを抽出する

統合結果：

失敗モード	懐疑派	熱狂派	観察者	堅牢？
市場が小さすぎる	間違いない	意見が分かれる	ベースレートからはそのとおり	はい
実行リスク	間違いない	ありえない	五分五分	可能性あり
技術がスケールしない	間違いない	すでに解決済み	不明	調査する

すべての視点を経ても残った、堅牢な失敗に絞って調整します。

次へ： メニューに戻る

---

4. テールリスクを特定する

ブラックスワンと未知の未知を見つけます。

Tail Risk Identification Progress:
- [ ] Step 1: Define what counts as "tail risk"
- [ ] Step 2: Systematic enumeration
- [ ] Step 3: Impact × Probability matrix
- [ ] Step 4: Set kill criteria
- [ ] Step 5: Monitor signposts

ステップ 1：「テールリスク」に該当するものを定義する

基準： 発生確率が低い（5%未満）、影響が大きい（結果を完全に変えてしまう）、通常の計画の範囲外、多くの場合は外生的なショック

例： パンデミック、戦争、金融危機、規制による禁止、重要人物の死、自然災害、技術革新による破壊

ステップ 2：体系的に列挙する

網羅的に検討するには、PESTLE フレームワークを使用します。

• 政治： 選挙、クーデター、政策変更、地政学的な変化
• 経済： 景気後退、インフレ、通貨危機、市場暴落
• 社会： 文化の変化、人口動態の変化、社会運動
• 技術： 画期的な発明、破壊的変化、サイバー攻撃
• 法律： 新たな規制、訴訟、知的財産に関する問題、コンプライアンスの変更
• 環境： 気候事象、パンデミック、自然災害

各カテゴリーについて、次のように問いかけます。「発生確率は低くても、この予測を覆す出来事は何でしょうか？」

詳細なカテゴリーについては、失敗モードの分類を参照してください。

ステップ 3：影響度 × 発生確率のマトリックス

テールリスクをプロットします。

High Impact
│
│  [Pandemic]        [Key Founder Dies]
│
│
│  [Recession]       [Competitor Emerges]
│
└─────────────────────────────────────→ Probability
  Low                              High

注目点： 発生確率が非常に低くても、影響が大きいリスク

ステップ 4：中止基準を設定する

主なテールリスクごとに、「中止基準」を定義します。

形式：「［イベント X］が発生した場合、確率は［Y］%まで低下する」

例：

• 「FDA が当社の薬を承認しなければ、確率は 5%まで低下する」
• 「主要なエンジニアが辞めた場合、確率は 30%まで低下する」
• 「競合他社が無料プランを開始した場合、確率は 20%まで低下する」
• 「規制が成立した場合、確率は 0%まで低下する」

重要な理由： 注視すべき明確な指標が得られます

ステップ 5：兆候を監視する

中止基準ごとに、早期警告の兆候を特定します。

中止基準	警告の兆候	確認頻度
FDA による不承認	第 2 相試験の結果、FDA からのフィードバック	毎月
エンジニアの退職	コードの進捗速度、満足度調査	毎週
競合他社のサービス開始	急速な採用、ベータ版のリーク、特許	毎月
規制	法案の提出、ロビー活動、公聴会	四半期ごと

監視を設定する： カレンダーのリマインダー、ニュースアラート、自動追跡

次へ： メニューに戻る

---

5. 信頼区間を調整する

プレモーテムによって信頼区間をどれだけ変えるべきかを定量化します。

Confidence Interval Adjustment Progress:
- [ ] Step 1: State current CI
- [ ] Step 2: Evaluate premortem findings
- [ ] Step 3: Calculate width adjustment
- [ ] Step 4: Set new bounds
- [ ] Step 5: Document reasoning

ステップ 1：現在の信頼区間を明示する

現在の信頼区間： 下限：%、上限：%、幅：___ パーセントポイント

ステップ 2：プレモーテムの結果を評価する

以下の項目について、プレモーテムをそれぞれ 1～5 点で評価します。

1. ストーリーのもっともらしさ - 1 = 失敗はばかげていると感じた、5 = 失敗は避けられないと感じた
2. 失敗モードの数 - 1 = ありそうにないモードが 1～2 個だけ、5 = もっともらしいモードが 5 個以上
3. 発見した未知の未知 - 1 = 驚きはなく、すべて既知だった、5 = 多くの盲点が明らかになった
4. トンボ型の統合 - 1 = 視点が完全に分かれた、5 = すべての視点で失敗モードについて合意した

合計スコア： __ / 20

ステップ 3：幅の調整を計算する

調整式：

Width multiplier = 1 + (Score / 20)

例：

• スコア = 4/20 → 乗数 = 1.2 → 信頼区間を 20%広げる
• スコア = 10/20 → 乗数 = 1.5 → 信頼区間を 50%広げる
• スコア = 16/20 → 乗数 = 1.8 → 信頼区間を 80%広げる

現在の幅： ___ ポイント、調整後の幅： 現在の幅 × 乗数 = ___ ポイント

ステップ 4：新しい範囲を設定する

方法：現在の推定値を中心に対称に広げます

New lower = Current estimate - (Adjusted width / 2)
New upper = Current estimate + (Adjusted width / 2)

例： 現在：70％、CI：60～80％（幅＝20）、スコア：12/20、倍率：1.6、新しい幅：32、新しい CI：54～86％

ステップ 5：推論を記録する

記録する項目：（1）どの失敗モードが調整の要因になったか、（2）どの視点が最も多くの気づきをもたらしたか、（3）どのような未知の未知が見つかったか、（4）今後どのようなモニタリングを行うか

次へ： メニューに戻ります

---

6. フレームワークを学ぶ

手法を詳しく学びます。

リソースファイル

📄 プレモーテムの原則 - 人間が過信しやすい理由、後知恵バイアスと結果バイアス、逆転の力、プレモーテムの有効性に関する研究

📄 バックキャスティングの手法 - 構造化されたバックキャスティングのプロセス、時間的推論の手法、因果連鎖の構築、ナラティブと定量的なバックキャスティング

📄 失敗モードの分類体系 - 包括的な失敗カテゴリー、内部要因と外部要因による失敗、防止可能な失敗と防止不可能な失敗、テールリスクに対する PESTLE フレームワーク、キル基準のテンプレート

次へ： メニューに戻ります

---

クイックリファレンス

プレモーテムの心得

1. 失敗は確実だと仮定する - 失敗するかどうかではなく、なぜ失敗するかを議論します
2. 具体的にする - 曖昧なリスクは役に立ちません。具体的なメカニズムが重要です
3. 複数の視点を使う - 懐疑論者、熱狂者、観察者
4. 失敗モードを定量化する - それぞれの確率を推定します
5. キル基準を設定する - 何があれば考えを変えるかを把握します
6. 兆候をモニタリングする - 早期警告のシグナルを追跡します
7. 信頼区間を広げる - プレモーテムが簡単すぎた場合は、過信しています

一文でまとめると

予測が失敗したと仮定し、どのように失敗したかの経緯を書き出して、それを使って盲点を特定し、確信度を調整します。

他のスキルとの連携

• 前に使うもの： インサイドビュー分析の後に使います（ストレステストの対象が必要です）
• 後に使うもの： scout-mindset-bias-check を使って調整を検証します
• 併用するもの： 定量的な更新には bayesian-reasoning-calibration と併用します
• 連携先： モニタリングシステムと適応型予測

---

リソースファイル

📁 resources/

• premortem-principles.md - 理論と研究
• backcasting-method.md - 時間的推論のプロセス
• failure-mode-taxonomy.md - 包括的な失敗カテゴリー

---

始める準備はできましたか？上のメニューから番号を選んでください。