thinking-model-selection

モデル選択

thinking-model-router と重複します。 どのモデルが適しているかすでに分かっている場合は、ルーティングを省略してそのモデルを直接呼び出してください。分からない場合は、thinking-model-router が唯一の入口です。まずそこから始めてください。このスキルでは、問題をどのように分類するか、選択したモデルをいつ見限るべきかをさらに詳しく説明します。（監査では、この内容を thinking-model-router に統合することが推奨されています。現時点では、最初の窓口としてルーターを優先してください。）

概要

どのメンタルモデルにも、特に優れた領域と、うまく機能しない領域があります。モデル選択とは、どの問題にどのモデルが適しているかを見極めるメタスキルです。熟練者は多くのモデルを知っているだけではありません。それぞれをいつ適用するかも知っています。誤ったモデルを使うことは、モデルを使わないことより悪い場合がよくあります。

基本原則： 地図は土地そのものではありません。自分の進む道に最も役立つ地図を選びましょう。

使用する場面

• 新しい種類の問題に直面している
• 現在のアプローチがうまくいかない
• 複数の関係者が異なるフレームワークを提案している
• 分析の構成方法を決めている
• どのツールを使うべきかを他の人に教えている
• 意思決定プロセスを構築している

意思決定フロー：

Facing a problem?
  → Have you identified the problem type? → no → CLASSIFY THE PROBLEM FIRST
  → Does your usual model fit? → no → CONSIDER ALTERNATIVES
  → Are you using a model by habit? → yes → QUESTION THE FIT

使用しない場面

• どの思考ツールを使えばよいか分からない場合。 thinking-model-router から始めてください。適切なスキルへ振り分ける唯一の入口です。このスキルでは問題の分類方法とモデルのマッチング方法をさらに詳しく説明しますが、対象をルーターが絞り込んだ後に限ります。
• 問題の種類をすでに分類できている場合。 デバッグの問題だと分かっているなら、thinking-scientific-method または thinking-five-whys-plus を直接呼び出してください。すでに分かっていることを確かめるために、モデル選択の手順を最初から実行する必要はありません。
• 問題が定型的で、通常のアプローチが適している場合。 モデル選択には追加の手間がかかります。慣れた問題では、効果があると分かっているモデルを使ってください。
• すべてのタスクの最初にこれを実行したくなった場合。 そうすると、メタスキルが負担になります。ほとんどのタスクにモデル選択は不要で、必要なのは実行です。通常のアプローチが明らかに失敗した場合に限って使ってください。

転送先： ほぼすべての場合、まず thinking-model-router から始めてください。問題を分類し、適切なスキルへ一度で振り分けます。このスキルは、その分類がどのように行われるかを示すリファレンスであり、ルーターの代わりではありません。

トリガーカード

通常の問題解決アプローチが明らかに失敗し、タスクに別のツールを適合させる必要がある場合：

1. 問題を分類する： 診断／意思決定／理解／創造／評価。
2. 制約を確認する： 時間的なプレッシャーはあるか。情報に不足はあるか。リスクは高いか。複雑さはどうか。
3. 適合させる： 以下の「問題とモデルのマッチング」テーブルでカテゴリを確認し、具体的なモデルを選択する。
4. 終了基準を設定する： 15 分以上洞察が得られない場合、または重要な事実に合わない場合は切り替える。

どのアプローチを使うべきかまったく分からない場合は、thinking-model-router から始めてください。分類と振り分けを一度で行います。

問題とモデルのマッチング

ステップ 1：問題を分類する

## Problem Classification

Problem: [Describe the problem]

Problem dimensions:
| Dimension | Assessment |
|-----------|------------|
| Predictability | Can outcomes be predicted? [High/Medium/Low] |
| Complexity | How many interacting parts? [Simple/Complicated/Complex] |
| Time horizon | When do consequences matter? [Immediate/Short/Long] |
| Reversibility | Can decisions be undone? [Easily/With difficulty/Not at all] |
| Information | How much do you know? [Complete/Partial/Minimal] |
| Stakeholders | Who's affected? [Individual/Team/Organization/Society] |

ステップ 2：モデルのカテゴリに適合させる

## Model Category Matching

Based on classification, which category fits?

| Problem Type | Model Category | Examples |
|--------------|----------------|----------|
| Root cause unknown | Diagnostic models | 5 Whys, Scientific Method, Kepner-Tregoe |
| Decision under uncertainty | Probabilistic models | Bayesian, Expected Value, Regret Minimization |
| System behavior | Systems models | Feedback Loops, Leverage Points, Archetypes |
| Cognitive bias risk | Debiasing models | Pre-mortem, Red Team, Steel-manning |
| Resource allocation | Constraint models | Theory of Constraints, Opportunity Cost |
| Innovation/exploration | Generative models | First Principles, TRIZ, Effectuation |
| Domain classification | Meta models | Cynefin, Circle of Competence |

ステップ 3：具体的なモデルを選択する

## Model Selection

Category: [From Step 2]

Candidate models:
| Model | Fit Score | Strengths for This Problem | Weaknesses |
|-------|-----------|---------------------------|------------|
| [Model 1] | [1-5] | [Why it fits] | [Limitations] |
| [Model 2] | [1-5] | [Why it fits] | [Limitations] |
| [Model 3] | [1-5] | [Why it fits] | [Limitations] |

Selected model: [Choice]
Rationale: [Why this model for this problem]

モデル選択マトリックス

問題の種類別

DIAGNOSTIC PROBLEMS (What's causing this?)
├── Known categories exist → Kepner-Tregoe (systematic analysis)
├── Need quick root cause → 5 Whys Plus (iterative drilling)
├── Hypothesis-driven → Scientific Method (test and falsify)
└── System-wide issue → Feedback Loops (find reinforcing patterns)

DECISION PROBLEMS (What should we do?)
├── High stakes, irreversible → Regret Minimization, Pre-mortem
├── Under uncertainty → Bayesian, Probabilistic Thinking
├── Resource constrained → Opportunity Cost, Theory of Constraints
├── Multiple options → Kepner-Tregoe (decision analysis)
└── Type 1 vs Type 2 → Reversibility Framework

UNDERSTANDING PROBLEMS (How does this work?)
├── Complex system → Systems Thinking, Feedback Loops
├── Human behavior → Jobs to be Done, Incentive Analysis
├── Organizational → Archetypes, Leverage Points
└── Competitive → Red Team, Game Theory

CREATIVE PROBLEMS (How might we...?)
├── Break assumptions → First Principles, TRIZ
├── Limited resources → Effectuation, Via Negativa
├── Technical contradiction → TRIZ
└── Unknown territory → Thought Experiments, Cynefin (probe)

EVALUATION PROBLEMS (Is this good?)
├── Arguments/proposals → Steel-manning, Red Team
├── Predictions → Probabilistic, Calibration
├── Longevity → Lindy Effect
├── Safety → Margin of Safety, Pre-mortem
└── Expertise fit → Circle of Competence

領域別

## Domain-Model Mapping

| Domain | Primary Models | Why |
|--------|---------------|-----|
| Debugging | Scientific Method, 5 Whys | Hypothesis-differential localization, root cause |
| Architecture | Systems Thinking, Leverage Points | Interconnections, intervention |
| Product | Jobs to be Done, Cynefin | User needs, complexity |
| Strategy | Red Team, Pre-mortem | Adversarial, risk |
| Performance | Theory of Constraints, Fermi | Bottlenecks, estimation |
| Decisions | Reversibility, Regret Minimization | Stakes assessment |
| Innovation | First Principles, TRIZ | Breakthrough thinking |
| Risk | Margin of Safety, Probabilistic | Uncertainty handling |

モデルの失敗パターン

誤ったモデルを使う

## Model Mismatch Indicators

Signs you're using the wrong model:
- Analysis feels forced or awkward
- Key aspects don't fit the framework
- You're ignoring important factors
- Results don't match intuition consistently
- Stakeholders don't recognize the framing

Common mismatches:
| Situation | Wrong Model | Right Model |
|-----------|-------------|-------------|
| Complex adaptive system | Root cause analysis | Systems thinking |
| Simple process problem | Systems thinking | Checklist/SOP |
| Uncertain future | Detailed planning | Effectuation |
| Known domain | First principles | Best practices |
| Political problem | Technical analysis | Stakeholder mapping |

モデルの使いすぎ

## Model Overuse Patterns

"When you have a hammer, everything looks like a nail"

Signs of overuse:
- You use the same model for every problem
- You haven't learned new models recently
- Problems that don't fit are "forced" into the model
- You dismiss problems that don't fit your model

Fix: Deliberately practice with unfamiliar models
     Ask: "What model would someone else use?"
     Rotate models intentionally

モデル選択のプロセス

クイック選択（2 分未満）

## Quick Model Selection

1. What type of problem? [Diagnostic/Decision/Understanding/Creative/Evaluation]
2. What's the constraint? [Time/Information/Stakes/Complexity]
3. What's the default model for this type?
4. Any reason NOT to use the default?
5. Proceed or reconsider

Default models by type:
- Diagnostic → 5 Whys Plus
- Decision → Reversibility check first
- Understanding → Systems Thinking
- Creative → First Principles
- Evaluation → Steel-manning

慎重な選択（5 分超）

## Deliberate Model Selection

1. Characterize the problem fully
2. Identify 3-5 candidate models
3. Score each on fit
4. Consider combining models
5. Select and document rationale
6. Plan to reassess if model doesn't illuminate

Selection criteria:
| Criterion | Weight | Model A | Model B | Model C |
|-----------|--------|---------|---------|---------|
| Problem fit | 30% | | | |
| Available info | 20% | | | |
| Time to apply | 15% | | | |
| Stakeholder acceptance | 15% | | | |
| My competence with model | 20% | | | |

モデル選択テンプレート

# Model Selection: [Problem]

## Problem Characterization
Type: [Diagnostic/Decision/Understanding/Creative/Evaluation]
Complexity: [Simple/Complicated/Complex/Chaotic]
Stakes: [Low/Medium/High]
Reversibility: [High/Medium/Low]
Information: [Complete/Partial/Minimal]

## Candidate Models
| Model | Fit | Strengths | Weaknesses |
|-------|-----|-----------|------------|
| | | | |

## Selected Model
Model: [Choice]
Rationale: [Why this model]

## Fallback
If selected model doesn't work: [Alternative]
Signs to switch: [Indicators]

## Application Plan
How I'll use this model:
1. [Step]
2. [Step]

メタモデルのガイドライン

複数のモデルを使う場合

## Model Combination Triggers

Use multiple models when:
- Problem spans multiple types
- Single model leaves blind spots
- Stakes are very high
- Time allows deeper analysis

Combination patterns:
- Sequential: Use A to narrow, then B to decide
- Parallel: Use A and B independently, compare results
- Nested: Use A at macro level, B at micro level

モデルを見限る場合

## Model Exit Criteria

Stop using a model when:
- 15+ minutes with no insight
- Key facts don't fit the framework
- You're forcing the analysis
- Someone suggests a better fit

Don't stop just because:
- The answer is uncomfortable
- It requires more work
- Results disagree with intuition (investigate why)

検証チェックリスト

• 問題の種類を分類した
• 複数の候補モデルを検討した
• モデルと問題の適合性を確認した
• 習慣でモデルを使うことを避けた
• モデルが機能しない場合の代替策がある
• このモデルが適している理由を説明できる

重要な問い

• 「これは本当はどのような種類の問題なのでしょうか？」
• 「この分野の専門家なら、どのモデルを使うでしょうか？」
• 「このモデルを使っているのは、問題に合っているからでしょうか。それとも、使い慣れているからでしょうか？」
• 「このモデルでは、問題のどの側面が考慮されていないでしょうか？」
• 「別の答えを導くのは、どのモデルでしょうか？」
• 「いつ別のモデルに切り替えるべきでしょうか？」

マンガーの知恵

「頭の中にモデルを持っておく必要があります。そして、間接的な経験と直接的な経験の両方を、このモデルの格子の上に並べていく必要があります。」

「主要な分野における重要な考え方を理解し、そのすべてを日常的に活用しなければなりません。いくつかだけではなく、すべてです。」

力は、単独のモデルにあるのではありません。多くのモデルを持ち、それぞれをいつ使うかを知っていることにあります。ツールは、タスクに適合して初めて役立ちます。モデル選択というメタスキルは、知っているすべてのモデルの価値を高めます。