意思決定におけるバイアスと限界
前の節では、合理的意思決定と直感的意思決定の違いを見ました。ここで、いよいよ少し厄介で、でもかなり興味深い話に入ります。それが、バイアスと人間の認知的な限界です。
「バイアス」と聞くと、悪意とか偏見だけを思い浮かべるかもしれません。けれど、意思決定の文脈でいうバイアスは、もっと広い意味を持ちます。
ここでは、人が情報を受け取り、考え、判断するときに生じやすい、一定方向への偏りを指します。ダニエル・カーネマンとエイモス・トヴェルスキーは、1974年の有名な論文で、不確実な状況で人が使う判断の近道を「ヒューリスティクス」として整理し、それが体系的な誤り、つまり予測可能な偏りを生むことを示しました。
彼らが特に取り上げたのは、代表性、利用可能性、アンカリングと調整です。そしてもうひとつ、忘れてはいけないのが「限界」です。
ハーバート・サイモンは、1950年代から1970年代にかけて、人間は完全に合理的な計算機ではなく、知識も計算能力も限られた存在だと論じ、「限定合理性」を打ち出しました。サイモンの1978年ノーベル賞講演でも、古典的な完全合理性の理論は人間に強い知識・計算能力を仮定しすぎており、行動理論はもっと控えめで現実的な人間像に立つべきだと述べられています。
この節の目標は単純です。人間はなぜ賢いのに、時々かなり妙な判断をするのか。その仕組みを、笑いすぎず、責めすぎず、でもきちんと理解することです。
本節で学ぶこと
この節では、次のことを身につけます。
- 意思決定における「バイアス」と「限界」の違いを説明できる。
- 主要なバイアスを、具体例とともに理解できる。
- 人間の判断は「弱いから失敗する」のではなく、「限られた条件の中で動くから偏りやすい」のだと理解できる。
- AI時代に、なぜ人間側の点検が必要なのかを考えられる。
【結論】人はいつも間違うのではない。だが、いつもまっすぐでもない
ここで最初に一番重要なことを伝えます。
人間の判断は、壊れているわけではありません。むしろ、かなり高性能です。短時間で状況を読み、人と話し、危険を避け、複雑な社会で生きています。すごい。
ただし、その高性能さは「どんな条件でも完璧」という意味ではありません。人間は、情報が多すぎたり、時間が足りなかったり、感情が揺れたり、最初の印象に引っぱられたりします。サイモンの限定合理性は、まさにそこを押さえた考え方で、人は完全な最適化よりも、限られた条件の中で十分納得できる案を探しやすいと考えます。
つまり、バイアスと限界は「人間がダメだから起きる不具合」ではなく、限られた時間・情報・注意力の中で生きる人間に、かなり自然に起こる現象なのです。
1. バイアスとは何か
意思決定におけるバイアスとは、判断が偶然ではなく、一定の方向に偏りやすくなることです。ポイントは「ランダムなミス」ではなく、「同じような条件で、同じ方向のズレが繰り返し起こる」ことです。
カーネマンとトヴェルスキーの研究が大きかったのは、こうしたズレが気分次第のばらつきではなく、ある程度予測可能なパターンを持つと示した点にあります。後のノーベル賞資料でも、彼らの研究は、人々が伝統的な合理的選択モデルの予測を体系的に破ることを明らかにしたと整理されています。
たとえば、あなたがフリマアプリで中古のイヤホンを買うか迷っているとします。最初に「定価3万円」と見せられたあとで「今だけ1万2千円」と言われると、かなり安く見えます。
けれど、もし最初の数字がなかったら、その1万2千円をどう感じたかは変わるかもしれません。これは、判断が“最初の数字”に引っぱられる典型例です。こういう偏りがバイアスです。
2. 限界とは何か
一方で、限界は「偏り」よりもっと土台の話です。人間は、そもそも無限の情報を同時に処理できません。注意力にも、記憶にも、時間にも上限があります。
ジョージ・A・ミラーは1956年の有名な論文「The Magical Number Seven, Plus or Minus Two」で、人間の短期的な情報処理にはかなり厳しい容量制約があると論じました。
Britannica の解説では、この論文が、短期記憶で扱える情報のまとまりがだいたい7±2チャンク程度だと提案したものとして紹介されています。なお、後続研究ではこの数はもっと少ない可能性も指摘されていますが、人間の情報処理に強い上限があるという問題意識自体は非常に重要です。
つまり、限界とはこういうことです。
- 一度に見られる情報量に限りがある
- 長時間ずっと集中し続けるのは難しい
- 条件が多いほど比較が苦しくなる
- 複雑になると、近道や省略に頼りやすい
ここからバイアスが生まれやすくなります。言い換えると、限界があるから、バイアスが起こりやすい。この関係はかなり大事です。
3. 代表的なバイアス その1・利用可能性ヒューリスティック
1974年のトヴェルスキーとカーネマンの論文で示された代表的な判断の近道のひとつが、利用可能性ヒューリスティックです。これは、思い出しやすい例ほど、頻度が高い・重要だと感じやすい傾向を指します。
具体例
ニュースで飛行機事故を見た直後に、「飛行機ってすごく危ないのでは」と感じることがあります。
でも、その判断は必ずしも統計に基づいていません。頭に映像が強く残っているから、危険が大きく見えているのです。これは、思い出しやすさが判断を押している状態です。
なぜ起きるのか
人間の脳にとって、「すぐ思い出せる」は便利な手がかりです。けれど便利な手がかりは、必ずしも正確な手がかりではありません。目立つ事件、感情が動いた出来事、最近見聞きした話ほど、頭の中で存在感が大きくなります。結果として、「よく起きること」と「よく思い出せること」が混ざります。
身近な場面
- SNSで炎上事例を多く見ると、「世の中は炎上ばかりだ」と感じる
- 受験失敗談ばかり読んだあとで、必要以上に不安になる
- 病気の体験談が印象的すぎて、確率を冷静に見られなくなる
4. 代表的なバイアス その2・代表性ヒューリスティック
これも1974年のトヴェルスキーとカーネマンが整理した概念です。代表性ヒューリスティックとは、ある人や出来事が「いかにもそれらしい」ほど、そのカテゴリーに属すると判断しやすい傾向です。
具体例
白衣を着て、静かに話していて、難しい本を抱えている人を見て、「研究者っぽい」と思う。もちろん、その人が研究者である可能性はあります。けれど、判断の根拠は「統計」より「雰囲気の一致」です。
何が問題か
「らしさ」で判断するのは速くて便利ですが、実際の確率を無視しやすくなります。本当は人数の少ない集団なのに、見た目が典型的だから、その可能性を高く見積もってしまうことがあります。これは、見た目の説得力に確率が押し負けている状態です。
身近な場面
- 服装や話し方だけで「この人はしっかりしていそう」と判断する
- 派手な広告を見て「売れていそう」と思う
- “起業家っぽい雰囲気”だけで事業の実力まで高く見てしまう
ここで大事なのは、「第一印象を持つな」ではありません。第一印象は自然に生まれます。ただ、第一印象は証拠そのものではないと知っておくことです。
5. 代表的なバイアス その3：アンカリング
これも1974年論文の中核にある概念です。
アンカリングとは、最初に見聞きした数字や情報が、その後の判断の基準点になってしまうことです。トヴェルスキーとカーネマンは、初期値がその後の推定に強く影響することを示しました。
具体例
ある中古ノートパソコンについて、
- 最初に「新品価格は18万円でした」と見る
- そのあとで「中古で9万円です」と提示される
このとき、9万円がかなりお得に見えることがあります。
けれど、本当に大事なのは「今の相場」「状態」「保証の有無」であって、最初の18万円が適切な比較対象とは限りません。
身近な場面
- セールの「元値」に引っぱられる
- 最初に聞いた年収水準で、給与条件の印象が決まる
- 会議で最初に出た案が、その後の議論の枠になる
アンカリングはかなりしぶといです。
「引っぱられている」と自覚していても、完全には離れにくい。そこが、このバイアスの少し不思議で、少し怖いところです。
6. 損失回避とフレーミング効果
カーネマンとトヴェルスキーは1979年にプロスペクト理論を提示し、人は絶対的な財の量ではなく、基準点からの得失として結果を捉えやすいこと、そして同じ大きさなら利益より損失のほうに強く反応しやすいことを示しました。ノーベル賞資料でも、彼らの理論は、意思決定者が富の水準ではなく参照点からの変化を評価し、さらに損失に対して利益より敏感であることを特徴のひとつとして説明しています。
損失回避のイメージ
1,000円もらう喜びと、1,000円失う痛み。
多くの人にとって、後者のほうが強く感じられます。ノーベル賞資料では、適度な損失は同程度の利益の約2倍の重みで感じられるとする推定も紹介されています。
フレーミング効果
1981年、トヴェルスキーとカーネマンは The Framing of Decisions and the Psychology of Choice で、同じ中身でも、表現の仕方が変わると選択が変わることを示しました。
具体例
次の2つは、実質的にはかなり近い内容です。
- A：成功率90%
- B：失敗率10%
数字の意味は近くても、受ける印象はかなり違います。
前者のほうが明るく、後者のほうが不安を呼びます。こうして、内容そのものではなく、見せ方が判断を動かす現象がフレーミング効果です。
身近な場面
- 「合格率80%」と「不合格率20%」
- 「手数料無料」と「別条件で費用発生あり」
- 「今買わないと損」と「今は見送ってもよい」
ここで少し笑えるのは、人は言葉に弱いのに、自分は言葉に強いと思いがちなことです。
この自信、だいたい少し危うい。
7. 確証バイアスと「見たい証拠だけを見る」問題
確証バイアスとは、自分の仮説や信念に合う情報を集めやすく、合わない情報を軽く扱いやすい傾向のことです。
この問題に関係する古典的研究としてよく参照されるのが、ピーター・ワソンの1960年のルール発見課題です。現代の推論研究の文脈でも、ワソンの研究は、後の確認的な情報探索やバイアス研究に大きな影響を与えたものとして位置づけられています。
具体例
「このスマホは絶対に名機だ」と思ってレビューを探すとき、
- 高評価レビューばかり読む
- 低評価は「使い方が悪いだけ」と片づける
- 不具合報告を見ても「たまたまだろう」と流す
こういう動きは、とても人間らしい。
でも、判断の精度は下がります。
身近な場面
- 好きな学校の良い情報ばかり集める
- 応援している候補者に都合のよい記事だけ読む
- 一度買うと決めた商品について、欠点を見なくなる
確証バイアスが厄介なのは、本人の中では「ちゃんと調べた」と感じやすい点です。
実際には、調べた範囲が偏っていただけかもしれません。
8. 人間の限界は、バイアスの“土壌”になる
ここで一度、全体をつなぎます。
バイアスは単独で空から降ってくるわけではありません。多くの場合、その背景には人間の限界があります。
主な限界
- 注意力に限界がある
- 短期記憶に限界がある
- 時間が足りない
- 複雑な比較を長く維持しにくい
- 感情や疲労の影響を受ける
ミラーの短期記憶研究が象徴的なのは、人間の情報処理は思っている以上に狭い入口から行われている、と示した点です。だから、情報が多いと、人は簡略化します。簡略化自体は必要です。しかし、その簡略化が特定の方向に寄ると、バイアスとして現れます。
たとえば、通販サイトで40種類のワイヤレスイヤホンを比較する場面を考えてください。
性能、価格、重さ、防水、マイク、ケースの大きさ、再生時間、保証。全部きっちり比べるのはしんどい。だから人は、「とりあえずレビュー評価が高いもの」「有名ブランド」「セール中のもの」などの近道を使います。これは合理性の放棄ではなく、限界の中での現実的な対処です。けれど、その近道が必ずしも最善とは限りません。
9. バイアスはなくせるのか
現実的に、バイアスは完全にはなくせません。
なぜなら、バイアスは人間の情報処理の副作用のようなものだからです。速く判断する、少ない労力で決める、経験で動く。これらは生きるうえで必要です。その結果として、偏りが生まれます。だから「ゼロにする」より、気づいて、減らして、点検するほうが現実的です。
減らすための基本策
- 最初の印象をいったん疑う
- 反対の証拠をわざと探す
- 数字の見せ方を変えて確認する
- 一晩おいてから決める
- 条件を表にする
- 他人に説明してみる
ここで面白いのは、かなり地味な対策が効くことです。だいたい、表にする、比べる、反証を見る。こういう地道な方法です
10. AI時代に、なぜこの話が重要なのか
AIは、要約、比較、整理、候補提示が得意です。
だから一見すると、バイアス問題はAIで解決しそうに見えます。けれど実際はそう単純ではありません。
AIに入力する情報が偏っていれば、出力も偏ります。
しかも、AIの文章は整って見えるぶん、人は「ちゃんとしていそう」と感じやすい。すると、人間側のアンカリングや確証バイアスが、AIのもっともらしい文章と組み合わさって、むしろ厄介になることがあります。これは、AIが万能ではなく、人間の判断環境の一部として働くからです。サイモンの限定合理性の観点から見ても、外部ツールが入っても、最終的な意思決定にはなお人間の知識・計算・評価の限界が関わります。
だからAI時代に必要なのは、「AIを信じるか疑うか」という二択ではありません。
むしろ、人間のバイアスと限界を知ったうえで、AIをどう使うかを設計することです。
【具体例】文化祭の出し物会議は、なぜ迷走するのか
最後に、具体例で全体をまとめます。文化祭の出し物を決める会議を想像してください。候補は、お化け屋敷、カフェ、ゲームコーナー
会議で起こりやすいこと
- 去年お化け屋敷が盛り上がった記憶が強く、利用可能性ヒューリスティックが働く
- 「うちのクラスはこういうの得意そう」という“らしさ”で代表性ヒューリスティックが働く
- 最初に出た案がそのまま議論の基準になり、アンカリングが起きる
- 自分の推し企画の良い点ばかり集めて、確証バイアスが起きる
- 予算や準備時間を同時に考えきれず、認知的限界が出る
このとき、会議がうまくいくクラスはどうするか。たいてい、次のような工夫をします。
- 条件を先に書き出す
- 評価基準をそろえる
- 反対意見を一度は出す
- 「盛り上がりそう」以外の観点も見る
- 決める前に、現実的な制約を確認する
つまり、良い意思決定とは、バイアスのない超人が行うものではなく、バイアスがある人間たちが、少し工夫して精度を上げる営みなのです。
本節のまとめ
この節では、意思決定におけるバイアスと限界を学びました。
- ハーバート・サイモンは、1950年代以降の研究で、人間は完全合理ではなく、知識や計算能力に限界を持つ存在だとして限定合理性を提唱した。
- ジョージ・A・ミラーは1956年、人間の短期的な情報処理容量に強い制約があることを示す有名な議論を提示した。
- トヴェルスキーとカーネマンは1974年、代表性、利用可能性、アンカリングといったヒューリスティクスが、予測可能な判断の偏りを生むことを示した。
- 1979年のプロスペクト理論では、人は参照点からの損得で判断し、利益より損失に強く反応しやすいことが示された。
- 1981年には、同じ内容でも表現の仕方によって選択が変わるフレーミング効果が示された。
- 確証バイアスの研究史では、ピーター・ワソンの1960年の課題が、その後の確認的な情報探索研究に大きな影響を与えた。
要するに、人の判断は、まっすぐな一本線ではありません。
便利な近道を使い、限られた容量で考え、言い方に揺らぎ、損に敏感で、時々かなり自信満々に偏ります。けれど、それを知れば、判断は少しずつ整えられます。
次の節では、この偏りを踏まえたうえで、意思決定プロセスをどうモデル化し、設計していくかへ進みます。ここから先は、「人は偏る」で終わらせず、「では、どう設計すればマシになるのか」を考える段階です。少し希望が見えてきます。
参考文献
- Herbert A. Simon, Nobel Prize Lecture, Rational Decision-Making in Business Organizations（1978）
- Stanford Encyclopedia of Philosophy, Bounded Rationality
- Amos Tversky & Daniel Kahneman, “Judgment under Uncertainty: Heuristics and Biases” (Science, 1974)
- Advanced Information on the Prize in Economic Sciences 2002, Nobel Prize
- Amos Tversky & Daniel Kahneman, “The Framing of Decisions and the Psychology of Choice” (Science, 1981)
- George A. Miller, “The Magical Number Seven, Plus or Minus Two” に関する Britannica 解説
- Cambridge Elements, Human Reasoning（Wason 1960 の位置づけを含む）