hum-historical-analogy

歴史的類推

概要

歴史的類推では、過去の出来事から得られた教訓を現在の意思決定に応用します。厳密に用いれば、パターン認識と先見性をもたらします。安易に用いると、表面的な類似点に過度に当てはめ、構造的な違いを無視して誤った結論に導きます。

フレームワーク

IRON LAW: Structural Similarity, Not Surface Similarity

A valid analogy requires shared STRUCTURAL features (causal mechanisms,
power dynamics, systemic patterns), not just surface resemblance.

"This startup is the next Apple" because the founder wears turtlenecks =
surface similarity (worthless). "This market has the same demand-side
network effects as early smartphone adoption" = structural similarity (useful).

類推の評価手順

1. 類推を明示する：「状況 A は、歴史上の出来事 B に似ています。なぜなら……」
2. 構造的な類似点を整理する：どのような因果メカニズム、力学、パターンが共通していますか？
3. 構造的な相違点を整理する：根本的に異なる点は何ですか？
4. バランスを評価する：検討中の具体的な問いについて、類似点は相違点を上回っていますか？
5. 教訓を慎重に引き出す：この類推から得られる、具体的で実行可能な知見は何ですか？
6. 類推の限界を特定する：類推が当てはまらなくなるのはどこですか？

よくある類推の落とし穴

落とし穴	説明	例
つまみ食い	自分の結論を裏付ける歴史的事例だけを選ぶこと	「Kodak は適応に失敗したのだから、私たちは方向転換しなければならない」（現状維持が正しかった事例を無視）
結果バイアス	歴史的な結果を用いて類推を正当化すること	「Amazon はドットコムバブル崩壊を生き延びたのだから、私たちも大丈夫だ」（生存者バイアス）
偽りの精密さ	歴史が寸分違わず繰り返されると期待すること	「2008 年の危機は回復まで 18 か月かかったので、今回もそうなる」
現在主義	現在の知識に基づいて過去の意思決定を評価すること	「彼らは危機が来ると分かっているべきだった」（彼らには今日のようなデータがなかった）

出力形式

# Historical Analogy Assessment: {Current Situation} ↔ {Historical Event}

## The Analogy
"{Current situation} is like {historical event} because..."

## Structural Similarities
| Feature | Historical | Current | Similarity |
|---------|-----------|---------|-----------|
| {mechanism} | {how it worked then} | {how it works now} | Strong/Moderate/Weak |

## Structural Differences
| Feature | Historical | Current | Impact on Analogy |
|---------|-----------|---------|------------------|
| {factor} | {then} | {now} | Weakens/Neutral/Strengthens |

## Validity Assessment
- Overall analogy strength: Strong / Moderate / Weak
- Valid for: {what aspects of the decision the analogy informs}
- Invalid for: {where the analogy breaks down}

## Lessons (with caveats)
1. {lesson} — caveat: {where this might not apply}

例

正しい適用

シナリオ：「2025 年の AI は、1995 年のインターネットに似ています」

構造的な類似点	1995 年のインターネット	2025 年の AI	強さ
多くのアプリケーションを可能にする汎用技術	✓	✓	強い
期待が膨らんだ初期のハイプサイクル	✓（ドットコム）	✓（AI バブルへの懸念）	強い
インフラ構築段階（当時はブロードバンド、現在は GPU／データセンター）	✓	✓	強い

構造的な相違点	1995 年のインターネット	2025 年の AI	影響
導入の速度	ブロードバンドの展開に数年	API 経由で数分以内に AI を利用可能	類推を弱める（導入がより速い）
既存企業の対応	既存企業の対応は遅い（Blockbuster、新聞社）	既存企業が積極的に導入（Microsoft、Google）	類推を弱める（スタートアップには不利）
規制環境	規制は最小限	世界各地で AI 規制が進んでいる（EU AI Act）	類推を弱める（制約がより多い）

判定：中程度の類推 — ハイプサイクルのパターンとインフラ投資段階を理解するうえでは妥当ですが、スタートアップと既存企業の動向を予測するには不適切です ✓

誤った適用

• 「AI はインターネットに似ているのだから、AI 企業はすべて成功する」→ 勝者（Google、Amazon）だけを選び、ドットコム企業の 90％超が失敗したことを無視しています。生存者バイアスに加え、表面的な類似にすぎません。鉄則に反しています。

注意点

• 複数の類推が存在します：どのような現在の状況にも、複数の歴史的な類似例を当てはめられます。それらが正反対の結論を示すこともあります。最もよく知られたものだけでなく、2～3 件の類推を検討してください。
• 最もよく知られた類推が、最悪の類推であることも少なくありません：「これはドットコムバブルに似ている」という表現がよく使われるのは、構造的な類似点が強いからではなく、よく知られているからです。知名度 ≠ 妥当性。
• 類推は予測よりもパターン認識に適しています：「このパターンは過去に X につながったことがある」は有用です。「今回もまた X につながる」は過信です。
• 文化的・制度的な背景は変化します：米国のビジネス史から得た教訓は、台湾の制度環境には当てはまらないことがあります。システム上の違いを考慮してください。

参考資料

• Neustadt と May の「Thinking in Time」の手法については、references/thinking-in-time.md を参照してください。