forecast-premortem

予測のプレモーテム

目次

• 予測のプレモーテムとは？
• このスキルを使うタイミング
• 対話型メニュー
• クイックリファレンス
• リソースファイル

---

予測のプレモーテムとは？

予測のプレモーテムとは、予測がすでに失敗したと仮定し、失敗に至った経緯を逆算して組み立てるストレステスト手法です。これにより、盲点、テールリスク、過信が明らかになります。

基本原則： 問題を逆転させます。「成功するだろうか？」ではなく、「失敗した。なぜだろう？」と問いかけます。

重要である理由：

• 失敗を想像するよう促し、過信を抑えます
• 考慮していなかった具体的な失敗要因を特定します
• 漠然とした疑念を具体的なリスク変数に変えます
• 信頼区間を適切に広げます
• 「未知の未知」を浮き彫りにします

起源： Gary Klein の「プレモーテム」手法を、確率的予測に適用したものです

---

このスキルを使うタイミング

次の場合にこのスキルを使います：

• 確信度が高い（>80% または <20%）—過信している可能性が最も高い状態です
• 確信を感じている—確信は予測における危険信号です
• 予測が重要である—賭け金が大きく、堅牢性が必要です
• インサイドビュー分析の後—具体的な詳細を使ったため、大局を見落としている可能性があります
• 予測を確定する前—確定前の最後の確認です

次の場合は使わないでください：

• 確信度がすでに低い（約50%）—すでに不確実性を認識しています
• 影響の小さい些細な予測—時間をかける価値がありません
• 純粋なベースレート予測—プレモーテムはインサイドビューの調整に使うものです

---

対話型メニュー

何をしますか？

主なワークフロー

1. 失敗のプレモーテムを実施する — 予測が失敗したと仮定し、その理由を説明します 2. 成功のプレモーテムを実施する — 悲観的な予測（<20%）向けです 3. Dragonfly Eye の視点 — 複数の視点から失敗を見ます 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探します 5. 信頼区間を調整する — 調整幅を定量化します 6. フレームワークを学ぶ — 方法論を詳しく学びます 7. 終了 — メインの予測ワークフローに戻ります

---

1. 失敗のプレモーテムを実施する

予測が失敗したと想像して、ストレステストを行いましょう。

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述べる

教えてください：

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

例：「このスタートアップは2年以内に ARR で 1,000 万ドルに達する」—確率：75%、CI：60～85%

ステップ 2：失敗の時点へ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。**現在は［解決日］です。この出来事は起きませんでした。**これは確定事項です。異議を唱えないでください。

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？この感情的な反応は、あなたの本当の確信度を示します。

ステップ 3：失敗の経緯を書く

バックキャスティングの物語： 失敗した時点から時間を遡り、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……」
• 「最初の問題の兆候は……」
• 「振り返ると、……だったので気づくべきでした」
• 「決定的な間違いは……」

検討するフレームワーク：

• 内部の摩擦： チームの燃え尽き、共同創業者の対立、実行の失敗
• 外部からの衝撃： 規制の変更、競合の参入、市場の変化
• 構造的な欠陥： ユニットエコノミクスが成り立たない、市場が小さすぎる、技術を拡張できない
• ブラックスワン： パンデミック、戦争、金融危機、予期しない混乱

包括的な分類については、失敗要因の分類を参照してください。

ステップ 4：具体的な失敗要因を特定する

ストーリーから、具体的で実行可能な失敗原因を抽出してください。

失敗要因ごとに、（1）何が起きたか、（2）なぜ失敗につながったのか、（3）その可能性、（4）早期警戒シグナルを示してください。

例：

失敗要因	発生メカニズム	可能性	警戒シグナル
主要エンジニアが退職した	技術面でのリーダーシップを失い、製品開発が遅れた	15%	コードのコミットが減少、不満の声
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れた	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

妥当性のテスト：

自問してください。

• 失敗のストーリーを書くのはどれくらい簡単でしたか？
  • 非常に簡単 → 確信度を15～30%下げる
  • 非常に難しく、ばかげていると感じた → 確信度は適切でした
• 妥当な失敗要因をいくつ特定しましたか？
  • 5つ以上の要因がそれぞれ5%を超える可能性 → 高い確信を持つには不確実性が大きすぎます
  • 1～2つの要因で、可能性が低い → 確信度は高いままでかまいません
• 「未知の未知」を発見しましたか？
  • はい、複数あります → 確信区間を20%広げる
  • いいえ、リスクはすべて把握済みです → 確信度は適切です

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 より大きい場合、あなたの確率は高すぎます。

例： 現在の成功確率：75%（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

悲観的な予測の場合 ― 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）どのような可能性の低い出来事を予測していますか？（2）なぜ確信度がそれほど低いのですか？

例： 「核融合エネルギーは2030年までに商業化される」― 確率：10%、理由：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業利用されています。 これは実際に起きました。現実です。どのように実現したのでしょうか？

ステップ 3：成功の経緯を書く

起こ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ったのでしょうか？

• 「ブレークスルーは……のときに起きました」
• 「……という前提について、私たちが誤っていたのは……だったからです」
• 「鍵となった実現要因は……でした」
• 「振り返ってみると、私たちは……を過小評価していました」

ステップ 4：自分が誤っている可能性を特定する

悲観的な見方に異議を唱えてください：

• 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？
• 並行して進むアプローチを無視していませんか？
• 過去の失敗に引きずられていませんか？

ステップ 5：評価し、必要に応じて上方修正する

成功のストーリーに意外なほど妥当性がある場合は、確率を引き上げます。

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捉えます。

トンボは複眼で、同時にさまざまな角度から物事を見ます。これを、極端に異なる視点を採用して再現します。

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

最も手厳しい批評家になりきってください。 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？

極端に考えてください： 最悪の事態を想定し、欠点をすべて指摘し、情けをかけず、好意的な解釈をしない

出力： 懐疑的な視点からの失敗理由の一覧

ステップ 2：熱狂的な支持者

最も強く信じる人になりきってください。 あなたは創業者の母親であり、熱狂的な支持者であり、楽観論者です。なぜ失敗する可能性はないのでしょうか？

極端に考えてください： 最良の結果を想定し、強みをすべて指摘し、最大限に好意的かつ楽観的に考える

出力： 楽観的な視点からの成功理由の一覧

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ってください。 あなたは結果に利害関係がありません。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。

分析的に考えてください： 感情的な関与を避け、統計的な推論に徹し、参照クラス思考を用いる

出力： 根拠を伴うバランスの取れた確率推定

Step 4: 視点を統合する

重なりを見つけます： 3つの視点すべてに現れた失敗モードはどれですか？

• 懐疑派が指摘した
• 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、堅牢な失敗モードです。実際に起こる可能性が最も高いものです。

Step 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	熱烈な支持者	観察者	堅牢か？
市場が小さすぎる	間違いなく	議論の余地あり	ベースレートから見て可能性あり	はい
実行リスク	間違いなく	ありえない	五分五分	どちらともいえない
技術がスケールしない	間違いなく	すでに解決済み	不明	調査が必要

すべての視点をくぐり抜け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

Step 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である、多くの場合、外生的なショックである

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的変化

Step 2: 系統的に列挙する

網羅的に確認するには、PESTLEフレームワークを使います：

• 政治： 選挙、クーデター、政策変更、地政学的変化
• 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
• 法務： 新たな規制、訴訟、知的財産権に関する争い、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

各カテゴリについて、「この予測を覆すような、発生確率の低い出来事は何か？」と問いかけます。

詳しいカテゴリについては、失敗モードの分類を参照してください。

Step 3: 影響度 × 発生確率のマトリクス

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

注目する点： 発生確率が非常に低くても、影響度が高いもの

Step 4: 中止基準を設定する

主要なテールリスクごとに、「中止基準」を定義します：

形式：「[事象 X]が起きたら、確率は[Y]%に下がる」

例：

• 「FDAが当社の医薬品を承認しなければ、確率は5％に下がる」
• 「主要なエンジニアが辞めたら、確率は30％に下がる」
• 「競合他社が無料プランを開始したら、確率は20％に下がる」
• 「規制が成立したら、確率は0％に下がる」

重要な理由： これで、注視すべき明確な指標が得られます。

Step 5: 兆候を監視する

中止基準ごとに、早期警戒シグナルを特定します：

中止基準	警戒シグナル	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	コードの開発速度、満足度調査	毎週
競合他社のサービス開始	採用急増、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範囲をどの程度変更すべきか、数値化します。

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

Step 1: 現在の信頼区間を示す

現在の信頼区間： 下限：％、上限：％、幅：___パーセントポイント

Step 2: プレモーテムの結果を評価する

次の観点でプレモーテムを採点します（各1～5点）：

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 = 起こ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. 発見された未知の未知 - 1 = 驚きはなく、すべて既知、5 = 多くの盲点が明らかになった
4. ドラゴンフライ統合 - 1 = 視点が完全に分かれた、5 = 全員が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 → CI を 20% 広げます
• スコア = 10/20 → 乗数 = 1.5 → CI を 50% 広げます
• スコア = 16/20 → 乗数 = 1.8 → CI を 80% 広げます

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：新しい境界を設定する

方法：現在の推定値を中心に対称に広げる

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、乗数：1.6、新しい幅：32、新しい CI：54～86%

ステップ 5：判断の根拠を記録する

記録する内容：（1）調整のきっかけとなった失敗モード、（2）最も示唆に富んでいた視点、（3）新たに発見した未知の未知、（4）今後行うモニタリング

次へ： メニューに戻る

---

6. フレームワークを学ぶ

方法論を詳しく学びます。

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、反転思考の力、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方法 - 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、内部と外部の失敗、防止可能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： メニューに戻る

---

クイックリファレンス

プレモーテムの鉄則

1. 失敗は確実だと仮定する - 失敗するかどうかではなく、なぜ失敗するのかを議論します
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のかを把握します
6. 兆候をモニタリングする - 早期警告シグナルを追跡します
7. CI 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て、その経緯を書き出し、そこから盲点を見つけて確信度を調整します。

他のスキルとの連携

• 前に： 内側の視点による分析の後に使います（ストレステストする対象が必要です）
• 後に： scout-mindset-bias-check を使って調整を検証します
• 併用： 定量的な更新には bayesian-reasoning-calibration と組み合わせます
• 活用先： 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

---

始めますか？上のメニューから番号を選んでください。