GRAIモデルと3次元KPI――「分類してある」ことをフレームワークと呼ぶのをやめる夜

「これはフレームワークではありません、ただの箱です」

この回の後半は、マイキー氏が長谷川氏と小賀氏のために前夜に組み上げたコンサルティング資料の解説に充てられた。ただし解説は資料の中身からは始まらなかった。「そもそもフレームワークとは何か」という定義の解体から始まっている。前半のメンガー講義が「商品とは何か」を4要件に分解したのと、構造として完全に同じ入り方である。この日の勉強会は前半と後半で扱う対象がまったく違うにもかかわらず、定義を書き換えると使える道具が変わるという一点で通底していた。

マイキー氏の主張は明快だった。世に出回っているフレームワークの大半はフレームワークではない。それはタクソノミー（分類）か、チェックリストのどちらかである。4つの四角に区切って言葉を入れただけのものは、情報を整理するための箱でしかない。良いフレームワークとは変数と関数を持ち、結果が変わるものである。静的（スタティック）ではなく動的（ダイナミック）でなければならない。その好例として挙げられたのがマイケル・ポーターの5フォースで、あれは物事を整理しているのではなく「5つの圧力が高まると業界の収益性が下がる」という命題を示しているから機能する。つまり縦と横の軸の取り方そのものが、フレームワークの質を決める。

そのうえで提示されたのが、この日の中心概念であるGRAIモデル（講義では「グレイモデル」）だった。野中郁次郎のSECIモデルが人間対人間の知識創造サイクルを描いたものであるのに対し、GRAIモデルはそこに機械というアクターを加えたAI版である。暗黙知の扱いが変わる。人間は直接伝えるが、AIはすでに形式知を持った状態から疑似的に暗黙知をパターン化する。形式知の扱いも変わる。人間は文書化・言語化に時間をかけるが、AIは一瞬で生成・要約・結合する。場（Ba）の概念も変わる。SECIが物理的なオフィスや共有空間で成り立つのに対し、GRAIはデジタル空間で成り立つ。そしてスピードが人間の学習速度に依存しなくなり、高速回転が可能になる。マイキー氏はこの4点をAI導入の入り口と位置づけた。

ここからが実装の話になる。マイキー氏は自分がフレームワークの弱さだと考えているものを名指しした。どんなに優秀なフレームワークでもサイクルの流れ自体は見えるが、そこへの達成具合が一切可視化できない。だから彼はGRAIの4象限を底面に置き、KPIの達成度をZ軸に積み上げる3次元モデルを組んでいる。理想は綺麗な正方形が伸びていくことで、歪んだ部分はそのままボトルネックの位置を示す。しかもこの歪みは、社内の統制の問題なのか技術の問題なのか、あるいは自社ではなく業界そのものの歪みなのかを切り分ける材料になる。前田氏との質疑では、右下象限（形式知×ハイコスト）だけは他と同じ計算式で伸ばすとハイコスト側に発散してしまうため、フィボナッチ数列を入れたいという実装レベルの話にまで踏み込んだ。

この資料は、誰に向けて、なぜ作られたのか

資料の解説は1時間10分すぎ、メンガー講義とその質疑がひととおり終わったところから始まっている。マイキー氏は「小賀さんと長谷川さんが今日までに欲しいと言っていた」と切り出し、長谷川氏のために作ってきたものだと明かした。これで小賀氏もコンサルティングでAI導入の提案ができるのではないか、というのが制作意図である。そして「これをそのまま持っていってもらえれば説明はしやすくなるはず」と付け加えた。

ただしマイキー氏は資料そのものより先に、フレームワークの立て方から説明すると宣言した。この順序が重要である。完成品を渡すのではなく、作り方を渡す。この日の講義の値打ちは、むしろそちら側にあった。

もう一つの制作動機は、終盤になって明かされている。前回マイキー氏が軽く作った資料を見せて「適当に作ったものだから渡せない」と話したところ、町田氏がすぐに自分のサービス領域でフレームワークを作って持ってきた。それに感心したので、町田氏へのメッセージとして「フレームワークはこう作る」を今回まとめたという。町田氏本人は「私は箱を作っておりました。箱作りの町田です」と応じ、循環性という観点がすっぽり抜けていたことを認めている。学校で5フォースを習ったとき、年代によって時代が変わるから動きが出るという話になり、そこでの結論が「では5フォースを2つ作ればいい」だったこと、変数が変わっていく部分をどう取り込むかという話は出てこなかったことも述べた。3次元に落とし込むという発想そのものが、そこには存在していなかったという証言である。

大抵の「フレームワーク」はフレームワークではない

マイキー氏がまず板書したのは、否定形の定義だった。大抵の人が作るフレームワークと言われるものは、フレームワークではない。それは二つのどちらかである。ひとつはタクソノミー、つまり分類されているにすぎないもの。もうひとつはチェックリストになってしまっているもの。この二つはどちらもフレームワークではない、と明言した。

典型例として挙げられたのが、四角を4つに区切って言葉を並べる形式である。「やるべきことリスト4選」のような作り方をしているものが大半で、これは情報を整理するための箱にすぎない。性格をテーマにしたフレームワークだと称して、性格の良い人・悪い人をA・B・C・Dに分けただけ、というものも同じである。区切ってあるだけで、区切りと区切りのあいだに関係がない。マイキー氏はこれを「保存ボックス」と呼び、これをフレームワークと呼んでいるものが多すぎる、と切り捨てた。

スタティックとダイナミックの分岐

ではフレームワークと呼べるものは何が違うのか。マイキー氏の答えは「変数によって変化するもの」「結果が変わるものでなければならない」だった。一般的な（＝良くない）フレームワークがスタティック＝静的であるのに対し、正しいフレームワークはダイナミック＝動的である。動的にするために必要なのが変数（バリアブル）と関数（ファンクション）で、この二つを作るところからフレームワークの設計は始まる。

好例として挙げられたのがマイケル・ポーターの5フォースである。あれは物事を整理しているだけではない。5つの圧力が高まると業界の収益性が下がるという命題を示している。だからテーマと目的に加えて、要因・変数・関数をいじることで、まったく違う結論が出てくる。したがって縦軸と横軸の作り方が決定的に重要になる、というのがこのパートの結論だった。

SECIモデルからGRAIモデルへ――人間対人間が、人間対AIになった

ここから本題に入る。マイキー氏はまず「SECIモデルはやりましたよね」と参加者に確認した。SECIモデルは人と人とのコミュニケーションのサイクルを描いたものである。ところがそこにAIが入ってくると、何が起きるのか。知識共有の相手が人間ではなくAIになる。本質的にはそういう条件の変化である。

暗黙知から形式知へ、形式知から暗黙知へ、という変換を繰り返すという流れ自体は変わらない。しかしSECIが人間対人間のモデルであるのに対して、そこから別のモデルが立ち上がっている。それがGRAIモデルであり、マイキー氏は「AIのコミュニケーションのモデルの進化版だと思ってください」「これが2025年に出ている内容です」と説明した。参加者に「このモデルを知っていた人はいますか」と尋ねたところ、返ってきたのは「初めて聞きました」だけだった。

4つの決定的な違い

マイキー氏が挙げた相違点は4つある。第一に暗黙知の扱い。SECIモデルの共同化（Socialization）は人間が直接伝えるプロセスである。これに対してAIは、すでに形式知を入れられた状態から出発しているため、暗黙知を疑似的にパターン化しているにすぎない。だから意味がずれてくる。第二に形式知の扱い。人間は文書化する、マニュアル化する、言語化するという手順を踏むが、AIは一瞬で生成し、要約し、結合する。第三に場（Ba）の概念。SECIモデルの場は物理的なオフィスや共有空間で成り立つが、GRAIモデルの場はデジタル空間で成り立つ。第四にスピード。SECIは人間の学習速度に依存するが、AIは高速回転が可能で、爆発的に増える。

そしてマイキー氏は、この違いこそがAI導入の入り口だと述べた。彼の説明では、参加者の多くはソーシャル・リレーション（共同化）の段階が既にできあがっていない。理由はアウトプットができないからである。共同化は人間がいる環境のもとでしか成り立たないが、AIとの対話であれば、知識獲得と暗黙知の形成が同時に起こり、さらに相手の暗黙知を刺激するプロセスをAIが与えられる。形式知への変換段階でも、人間が対話・文章・概念・表・レポートを介して集団に落とし込むのに対し、AIはプロンプトを通して曖昧な概念を可視化・データ化してしまう。これをぐるぐる回す、というのがGRAIのサイクルである。

4象限――誰が担い、何を測るのかがすべて違う

マイキー氏が実際に組んだフレームワークは、GRAIの発想を2つの軸で切ったものである。縦軸が暗黙知と形式知、横軸がローコストとハイコスト。ただしここでのコストは費用ではない。資料には Cost of Error と書かれており、失敗したときのコストが低いか高いかを意味する。この軸の取り方こそが、PART 1で語られた「縦と横の作り方がものすごく大事」の実演になっている。

そして左側に求められるのはスピードと量、右側に求められるのは正確性と説明責任である。左側は労働者、右側は高スキル人材と経営者。同じフレームワークの中で、担い手も評価指標もまったく違うものが同居する。

左下：デジタル・アセンブリライン（AIが主流になる領域）

すでに形式知が入っていて、AIがアウトプットするだけで完全にオートマティックにできる領域である。マイキー氏はここに「デジタル・アセンブリライン」というスローガンを置き、テーマを構造と効率化とした。KPIは生産性・機会損失・品質の3つ。工場の組立ラインの比喩がそのまま当てられている。

左上：確率論的ミューズ（クリエイティブ領域）

ここが講義でもっとも印象的な命名だった。この領域では、これまで人が「作成者」だったのが「編集長」に変わる。必要になるのは想像力と判断能力である。AIが100個作ってくるものに対して、何が最も最適なのか、何が合理的なのかを人間が選択する。

マイキー氏はこれを「確率論的ミューズ（Stochastic Muse）」と表現した。ミューズとはギリシャの文芸の女神で、人間にひらめきとインスピレーションを与える存在である。AIは文脈をすべて確率論で処理して組み合わせを提示してくる。その組み合わせ自体が人間に「そういう想像があるのか」「そういうひらめきがあるのか」を教えてくれる。自分たちはそこから選べる。この01を生み出す作業こそが、GRAIモデルの核心部分だという位置づけだった。そしてマイキー氏はここに厳しい条件をつけている。「万が一これに創造性がないのであれば、AIがいる意味がない」。

右下：高スキル人材（正確性と説明責任の領域）

生産能力と知識が必要になる領域である。たとえば非常に高額な取引をするときには、全段階で人間がチェックしなければならない状態になる。どんなに良いサービスを使っても、最終的には人間がチェックしなければならない。だからここには第三者による承認、あるいは品質管理システムの構築が必ず必要になる。生成AIが作り、人が最終的に検証して判断するという流れである。マイキー氏は理由を端的に述べた。「AIは曖昧なものばかりアウトプットしてくるから」。KPIは安全性・効率性・コンプライアンス・性能の4つ。

右上：ヒューマンファースト（経営者・執行メンバーの領域）

必ず人間が主導する領域である。戦略の策定、全体レベルの統合システムの設計は、人間が決めなければならない。マイキー氏はここをインテリジェンス・アンプリファイア（知能の増幅装置）と表現し、増幅の機能を作る場所だとした。KPIは意思決定の速度・シナリオカバー・意思決定のコンフィデンス（確信度）である。

2次元では足りない――3次元化が可視化するもの

ここがこの日の講義でもっとも独自性の高い部分だった。マイキー氏は自分がフレームワーク一般の弱さだと考えている点を明確に述べている。「どんなに優秀なフレームワークであっても、サイクルは見えるんですよ、その流れ自体は。ただ、そこに対しての達成具合が全く可視化できない。それがフレームワークの弱さだと思っている」。

この弱点を埋めるために、彼はGRAIの4象限を底面（2次元の四角形）として置き、そこにZ軸を立てた。左側のZ軸がスピードと量、右側のZ軸が正確性と説明責任である。KPIの達成度に応じて、この四角形が上へ積み上がっていく。そうすると自分たちの組織が「いまどういう形になっているか」がすべて可視化できる。

綺麗な正方形を作る、という目標設定

まず平面のまま、どれだけ綺麗な正方形を作れるかを追う。オレンジと水色の側は下に行くほどデータ上で暗黙知の深いところに入り、ピンクと緑の側は上に行くほど形式知が広くなる。そこに積み上げが加わる。KPIの達成具合で立体が伸びていき、歪んでいる部分がそのままボトルネックになっている。マイキー氏はこれを「歪んでるボト自体がボトルネックになっているという状態」と表現した。前田氏が「3次元で作れれば、プロジェクトごとに毎回その形が歪んだりするわけですね」と確認し、マイキー氏が「そう」と応じている。

さらに踏み込んだのが歪みの帰属先の切り分けである。この資料は社内向けなので、歪みは大きく分けて技術的な歪みか、社内の統制上の歪みかのどちらかで説明がつく。社内的な歪みを解消して綺麗な平面が作れるようになったなら、それでも残る歪みは社会的な市場の歪みだと見なせる。逆に、他社が直っているのに自社がまだ直っていないなら、それは社内の問題だと片付けられる。同じ図が、自己診断と業界診断の両方に使えるという設計になっている。

螺旋、データフライホイール、そして「入口と出口が同じ言葉である理由」

前田氏がここで的確な質問をした。3次元モデルというので前回から思っていたのは螺旋モデルのイメージで、レイヤーが上がっていくとローテーションがかかる。ただし移行するときに、どうしても分類しにくいところが出てくるのではないか。基礎や軸空の時間的な停点ポイントで止めてモデルを見るほうが適切になるのか――という問いである。

マイキー氏の答えは「入口と出口の両方で作らなければならない」だった。螺旋階段的に上がっていく動きがデータフライホイールであり、その中身がデータオプス（DataOps）である。データオプスは Plan → Code → Build → Test → Release → Deploy → Operate → Monitor という流れで、これを繰り返すこと自体がデータフライホイールになる。だからロードマップの最初と最後に置かれている言葉はほとんど同じであり、違うのは概念の若干のずれだけで、やることは同じである。そうでなければサイクル性が回らない。

そして決定的な一言が続く。「このサイクル性を作るために、あえてさっきの3次元の図も、完成された四角形ではなく、でっかい最大限の枠組みの中に四角形を作っている」。つまり枠を余らせてあるのは意匠ではなく、まだ伸びしろがあることを図として示し続けるための設計だった。前田氏はここで「SECIスパイラルと相させて見ていたので、GRAIモデルで拡大させていくという形になる」と自分の理解を言語化し、マイキー氏が「そうです」と応じている。

右下の象限だけ計算式が違う――フィボナッチを入れる理由

終盤、マイキー氏が「1個だけ、すごく計算が難しいところがあるんですよ。前田さん、気づきました？」と切り出した。ここから先は、フレームワーク論というより実装の設計思想の話になる。

問題の所在はこうである。デプス（深さ）の部分はそのまま相関性で伸ばせる。暗黙知（タシット）と形式知（エクスプリシット）の軸も相関的に伸ばせる。ところがコストの軸だけが違う。この軸はハイコストとローコストで切ってあるが、この軸の「最大化」とは、ハイコストをローコストにすることを意味する。つまり右に行けば行くほどローコストになるという計算を入れなければならない。ところが他の軸と同じ計算式を入れると、右に行けば行くほどハイコストになってしまう。これは減少ではなく増加の挙動である。左側のローコスト側は左に行くほどローコストになるので素直だが、右下だけが逆向きになる。

マイキー氏が試したいと述べたのがフィボナッチ数列である。理由は二つ挙げられた。ひとつは、ローコストをさらにローコストにすることと、ハイコストをローコストにすることは性質が違うので、同じ計算式を入れないほうがいいということ。もうひとつが実装上の経験則で、「自然数にできるだけ合わせたい」という理由だった。マイキー氏は「その後に自然数で上げても、絶対バグが出るんですよ、そこで」「見ているとITのときも大体そう」と述べ、他の軸が相関的に上がっていくのに対してこの部分だけは必ず数値が歪むので、自然数に一番近いところのフィボナッチをベースに作ったほうが数字がまとまるのではないか、というのが自分の仮説だと明言している。

参加者から鋭い反論が入った。「なぜそこでフィボナッチが出てくるのか。普通に指数関数や対数ではだめなのか。単純に対数でやると逆数的にマイナスに進むのではないか。フィボナッチって比率なのでは」。マイキー氏は「そうです、比です」と認めたうえで、上記の「自然数に合わせたい／バグが出るのはそこだから」という理由を繰り返した。前田氏は「多分、複関数的な考え」と言い換え、自分は最初この話を聞いたとき指数関数的なモデルで考えていたと述べている。マイキー氏はこれを認めつつ、右側だけはあえてフィボナッチを入れてもいいと考えている、と答えた。

KPIは「達成させられる」――10年前のマッチポンプ・システム

勉強会の最後、マイキー氏が10年前にアメリカで作ったシステムの話を披露した。本人が「黒歴史」と呼び、「良い子の皆さん、真似してはいけません」で締めたこの話は、笑い話として語られたが、この日の3次元KPIの議論に対する最も強烈な反証にもなっている。だからこそ本レポートでは切り捨てずに収録する。

構造はこうである。マイキー氏は広告会社の側に立つ。企業（広告主）が広告会社に広告を依頼すると、広告主はクリック率や滞在時間といった数字を要求してくる。マイキー氏はここに、ネットワーク経由でその数字を作りにいく仕組みを組み込んだ。広告のパッケージのなかに「このサイトは10秒間滞在してください」「このサイトは2回クリックしてください」といった条件を埋め込み、ネットワーカーにそれを実行させる。当然、その人たちは商品を買わない。広告を見るのが仕事だからである。

そこから先が仕掛けの本体だった。滞在時間は達成された。クリック率も達成された。それでも売れなかった。すると広告会社の側から広告主にこう言える――「あなた方のホームページが悪いですよ」。ホームページを改革しなければならなくなり、そこにホームページのコンサルティング会社が連動する。クリックだけあって売れないなら「商品の見せ方が悪い」となり、商品を変えることになる。この連鎖でつながったソフトウェア会社・コンサル会社からのバックマージンが、すべて自分たちに入ってくるという仕組みである。参加者から「マッチポンプってやつですね」という言葉が出て、マイキー氏は「そうです。現代版マッチポンプシステム」と認めた。

アメリカの大手広告会社がこぞって依頼してきたという。理由は単純で、顧客から数字を取りたいからである。レポートは提出されるが、広告主はそれを読んでいない。数字が上がっているので「上がりそうです」と言って広告費用を引っ張り出せる。なぜ他社が真似できなかったのかという質問には、「システム屋さんは営業ができないから。自分はシステムも作れるし営業もできるので、全部巻き取った」と答えた。時期はちょうど10年前で、当時一緒にやっていたのがヒラリー・クリントン陣営のスーパーPACのメンバーだったため、大統領選挙の広告時期と重なって都合が良かったとも述べている。参加者の一人が「あれマイキーさんだったんだ、あれ作ったの」「噂話で流れてきた」と反応する場面があった。マイキー氏は自分の名前は絶対にボードメンバーに載せず、設計とシステム構築と営業だけを担当したと語っている。

質疑応答（フレームワーク・GRAI・KPI設計に関する全記録）

宿題・アクションアイテム

1. 手元のフレームワークが「箱」かどうかを判定する。自社や自分が使っている枠組みについて、軸のどれかを動かしたときに結論が変わるかを確認する。変わらないならそれはタクソノミー（分類）かチェックリストであり、フレームワークではない。マイキー氏の判定基準は「テーマと目的があるか」「これをやるとこうなる／怠るとこうならないが言えるか」「4つの枠が相関関係で動くか」の3点である。
2. 循環性を1つだけ足してみる。マイキー氏は町田氏に対して「僕みたいに複雑に考えなくてもいい。循環性だけ意識してフレームワークを作れば、それだけでも説得性は増す」と助言している。まず簡単なフレームワークから作り、段階的に高度化していく。相手のレベルが上がるにつれてリーチできる範囲も広がる、という順序である。
3. GRAIモデル（Böhm & Durst, 2025）を原典で確認する。「SECIモデルのAI版」という説明は掴みとしては優秀だが、実際にクライアントへ説明するなら、4フェーズ×2アクターで8つの相互作用フィールドになるという構造と、human-in-the-loop / machine-in-the-loop の区別まで押さえておきたい。とくに講義中の「AIの暗黙知は疑似的なパターン化にすぎない」という論点は原典に明示がないため、自分の言葉で説明できるようにしておく必要がある。
4. 自社のKPIを4象限に振り分けてみる。暗黙知／形式知と、失敗コストの高低で切ったとき、いま設定しているKPIがどこに偏っているかを確認する。左側（スピードと量）に偏っていないか、右側（正確性と説明責任）の指標が形骸化していないか。とくに右上（経営者領域）の「意思決定の速度」「シナリオカバー」「意思決定のコンフィデンス」を測っている組織はほとんどないはずである。
5. KPIがハックされうる経路を洗い出す。PART 6の広告システムの事例は、中間指標が契約上の目標になった瞬間に最終目的から切り離される様子を示している。自社のKPIについて「これを裏から達成させるとしたら、どうやるか」を敵役の視点で考え、その経路を塞ぐ検証の仕組み（第三者承認・品質管理システム）が置かれているかを確認する。
6. 右下象限の計算式は未決着である。ハイコスト側を右に行くほどローコストへ転換させる関数について、マイキー氏はフィボナッチ比を仮説として置いているが、参加者から出た「指数関数や対数ではだめなのか」という問いには決着がついていない。マイキー氏自身「テストしてみないと」と述べているため、続報を待つ。

用語集