帰納思考だけでは、未来は見えない
目次
日本企業の会議で、こんなやり取りを見たことがありませんか。
「過去3年のデータを見ると、このパターンです」 「前回の成功事例を参考に、同じ方法でいきましょう」
過去の実績から法則を見つけ、次の打ち手を決める。一見すると堅実な判断に見えます。
ただ、この思考法には構造的な限界があります。過去の延長線上にしか、答えを置けない。
PwCコンサルティングの「新規事業開発の取り組みに関する実態調査2025」によると、日本企業の新規事業案件で投資回収を達成できた割合はわずか21%。主力事業化に至った企業は1割にも満たない。
なぜこうなるのか。原因の一つは、「帰納思考」への偏りにあります。
帰納思考が日本を支えた時代
まず誤解のないように言っておくと、帰納思考そのものが悪いわけではありません。
帰納思考とは、個別の事実やデータからパターンを抽出し、一般的な法則を導く考え方です。トヨタの「カイゼン」はまさにこれ。現場で起きた不良品のデータを集め、共通パターンを見つけ、工程を改善する。この積み重ねが日本の製造業を世界トップに押し上げました。
校條浩さんは『演繹革命』の中で、この帰納思考こそが戦後の高度経済成長を支えた「三種の神器」（終身雇用、年功序列、企業内組合）と結びつき、驚異的な生産性を実現したと分析しています。
問題はここからです。
1980年代に「ジャパン・アズ・ナンバーワン」と呼ばれた日本は、その後30年間、平均賃金が横ばいのまま停滞しています。帰納思考で成功した成功体験そのものが、次の変化への足枷になった。
これは「イノベーターのジレンマ」の構造です。過去の成功パターンが強固であればあるほど、そのパターンから外れた発想を組織が受け入れられなくなる。
演繹思考が拓く「まだ存在しない未来」
帰納思考の限界を突破するもう一つの思考法が、演繹思考です。
演繹思考とは、一般的な原理や法則を出発点にして、論理を展開し、まだ検証されていない結論を導き出す考え方です。
たとえば、こんな違いがあります。
帰納思考で携帯電話を考えると → 過去の顧客データを分析し、「電池持ちが最重要」「折りたたみ式が好まれる」と結論づける。
演繹思考で携帯電話を考えると → 「すべての情報がデジタル化される」という原理から出発し、「個人が世界中の情報に即座にアクセスできるデバイスが必要になる」と仮説を立てる。
実際に前者は、2007年にAppleがiPhoneを発表した際の日本の携帯電話会社の反応そのものです。「電池が切れるのが一番嫌がられる」「テンキーがないと日本語入力できない」と、過去の顧客データに基づいて否定した。
正直に言うと、私もこの話を読んだとき、自分の仕事の中で同じことをやっていないか背筋が冷えました。「前回うまくいったから」という理由で判断していることが、実は未来への対応を遅らせているかもしれない。
校條さんの指摘で印象的なのは、演繹思考のもう一つの特徴です。失敗が「学習データ」になる。 シリコンバレーのVCは投資先の多くが失敗することを前提に、30〜40社に分散投資します。その中の1社が「大化け」すれば全体のリターンが得られる。帰納思考の日本型VCが「失敗を減らすこと」を目指すのとは、根本的な構造が違います。
「遠くの類推」が突破口を開く
ここでもう一つ、重要な視点を加えます。
演繹思考を実践するうえで鍵になるのが、異なる分野の知識を結びつける力です。認知科学ではこれを「遠隔アナロジー（far analogy）」と呼びます。
デイビッド・エプスタインさんは『RANGE』の中で、ケプラーの事例を紹介しています。惑星の運動法則を発見したケプラーは、天文学の中だけで考えていたわけではありません。光、熱、磁石、船の操舵──天文学とはまったく関係のない領域からアナロジーを引っ張ってきて、従来の常識を打ち破りました。
これは現代でも同じです。エプスタインさんが紹介するイノセンティブ（InnoCentive）というプラットフォームでは、企業が解決困難な課題を公開し、解決策を募集しています。興味深いのは、多くの課題がその分野の専門家ではなく「アウトサイダー」によって解決されていること。NASAが30年間解決できなかった太陽嵐の予測問題を解いたのは、引退した通信技術者でした。
細谷功さんの『具体と抽象』の言葉を借りると、これは「抽象レベルでの模倣」です。ビール工場のベルトコンベアの構造を抽象化して、回転寿司が生まれた。具体レベルで真似れば単なるパクリですが、関係性や構造を抽象化して別分野に応用すれば、イノベーションになる。
認知科学者ケヴィン・ダンバー氏の研究でも、実際の科学者たちがラボミーティングで頻繁にアナロジーを使っていることが確認されています。しかも、説得力のある議論をしようとするときほど、遠い分野からのアナロジーが増える。
つまり、帰納思考で同じ業界のデータばかり見ていると、同じ業界の答えしか出てこない。突破口は、異分野の構造を借りてくることにあります。
明日から変えられること
誤解：データを集めれば正しい答えが出る → 帰納思考は「既に起きたこと」からしかパターンを抽出できません。まだ起きていないことには対応できない。データ分析の前に、「そもそも何が起きうるか」という仮説を立てる時間を10分だけ取ってみてください。会議の冒頭で「もし前提が全部間違っていたら、どうなるか？」と問いかけるだけで、議論の質が変わります。
誤解：自分の業界に詳しければ十分 → 3M社の研究によると、最も革新的な特許を生み出したのは、一つの分野に特化した「スペシャリスト」ではなく、複数の技術分野にまたがる知識を持つ「ポリマス（博識家）」でした。月に1冊、自分の専門とは無関係な分野の本を読む。それだけで「遠くの類推」の引き出しが増えていきます。
誤解：成功パターンを守れば安全 → 校條さんが『演繹革命』で挙げたフィルム業界の例は象徴的です。世界最大のフィルムメーカーだったコダックは、既存の成功パターンを守り続けて2012年に倒産しました。成功パターンに「有効期限」があることを前提に、「いつこのパターンが通用しなくなるか」を定期的に問い直す習慣が必要です。
おわりに
帰納思考を捨てる必要はありません。既存事業の改善には今も有効です。
ただ、帰納だけでは「過去の延長」しか見えない。演繹思考で原理から仮説を立て、異分野の構造を借りてくる「遠くの類推」を加えたとき、初めて「まだ存在しない未来」が視界に入ってきます。
私たちが見ているデータは、すべて過去のものです。未来は、まだどこにも書かれていません。
この記事で参考にした本
『演繹革命 日本企業を根底から変えるシリコンバレー式思考法』校條浩 → 帰納思考と演繹思考の構造的な違い、日本企業が停滞する根本原因を明快に分析した一冊。
『具体と抽象 世界が変わって見える知性のしくみ』細谷功 → 抽象レベルでの模倣がイノベーションを生む仕組みを、アナロジーの視点から解説。
『RANGE 知識の「幅」が最強の武器になる』デイビッド・エプスタイン → 異分野の知識を統合する「遠くの類推」が、専門家を超える創造性をもたらすことをデータで実証。
合わせて読みたい
「正しい施策を積んでも、会社が勝てない理由」から見える構造の話 演繹思考の欠如がどう経営に影響するか、より深く知りたい方に。帰納と演繹の「メガネ」を手に入れる一冊の詳細レビュー。
「よく調べた人」ほど、同じ答えにたどり着く理由 帰納思考で情報を集めるほど「同質化」する構造を、具体と抽象の視点から掘り下げています。
同じデータを見ているのに、違う答えが出る理由 データの見方が結論を左右する仕組みを理解したい方に。帰納思考の「死角」がさらにクリアになります。