はじめに――改善を続けているのに、なぜ変わらないのか
計画を立て、実行し、結果を確認し、改善する。
いわゆるPDCAサイクルは、企業や行政、学校、労働組合など、さまざまな組織で利用されている。
Plan(計画)、Do(実行)、Check(評価)、Act(改善)。
この四つの過程を繰り返すことで、活動の質を高めていくという考え方である。
一見すると、合理的な方法に思える。
実際、計画を立てっぱなしにせず、結果を確かめて次の活動に反映させることには、大きな意味がある。
しかし、ここで一つ疑問が生まれる。
PDCAを繰り返している組織が、必ずしも成果を上げているわけではないのはなぜだろうか。
例えば、ある組織が毎年同じ行事を開催しているとする。
終了後には反省会が開かれ、参加者の意見を集め、次年度への改善点がまとめられる。
翌年は案内文を工夫する。開催時間を変更する。広報の回数を増やす。
それでも参加者は減り続ける。
さらに翌年、また改善策が検討される。
この組織は、確かにPDCAを実践しているように見える。
しかし、そもそも、その行事を続ける必要があるのかという問いは、一度も検討されていないかもしれない。
改善を繰り返しているのに、活動の基本的な枠組みは変わらない。
ここに、PDCAの運用が陥りうる落とし穴がある。
今回は、組織学習の研究で知られる「シングルループ学習」と「ダブルループ学習」を手がかりに、PDCAが本当に組織の思い込みを修正できるのかを考えてみたい。
1.PDCAは何を改善するための仕組みなのか
PDCAの基本的な考え方は、それほど複雑ではない。
まず目標を設定し、その目標を実現するための計画を立てる。
次に、計画に基づいて活動を実施する。
活動が終わったら、結果を確認する。
そして、計画と実際の結果の違いを分析し、次の活動を改善する。
例えば、ある組織が新規加入者を年間100人増やすという目標を立てたとする。
そのために説明会を開催し、案内資料を配布し、個別の働きかけを行う。
年度末に集計したところ、加入者は60人だった。
目標には40人届かなかった。
そこで、活動を振り返る。
説明会の開催回数が少なかったのか。
案内資料がわかりにくかったのか。
個別の働きかけが十分ではなかったのか。
こうした問題を検討し、翌年度の活動を改善する。
これはPDCAの基本的な使い方である。
しかし、ここで注意したい。
この改善は、「現在の活動方法を工夫すれば、目標を達成できる」という前提に立っている。
その前提が正しければ、改善は有効だろう。
しかし、前提そのものが間違っていたらどうなるだろうか。
説明会という方法自体が、加入を働きかける対象者に適していないのかもしれない。
案内資料の問題ではなく、組織が提供している価値が十分に伝わっていないのかもしれない。
あるいは、加入を妨げている要因が、活動方法とは別のところにあるのかもしれない。
そうであれば、説明会の回数を増やしても、資料を改善しても、十分な成果は得られない可能性がある。
必要なのは、既存の方法を改善することだけではない。
その方法を選んだ判断そのものを検証することなのである。
2.シングルループ学習とは何か
組織学習の研究者クリス・アージリスとドナルド・ショーンは、組織が経験から学ぶ仕組みを考えるうえで、重要な概念を提示した。
それが「シングルループ学習」と「ダブルループ学習」である。
シングルループ学習とは、基本的な目標や判断の前提を維持したまま、行動や方法を修正する学習である。
例えば、室内の温度を一定に保つサーモスタットを考えてみよう。
設定温度より室温が低くなれば、暖房が作動する。
設定温度に達すれば、暖房が停止する。
これは、設定された目標と実際の状態の違いを検出し、行動を調整する仕組みである。
しかし、サーモスタットは、そもそも設定温度が適切なのかを自分で判断しているわけではない。
目標は与えられたものとして扱われている。
組織でも、同じようなことが起こる。
「この行事の参加者を増やす」という目標が設定されていれば、参加者を増やす方法が検討される。
広報を改善する。
開催日時を変更する。
参加を呼びかける回数を増やす。
しかし、「この行事を開催することが、組織の目的を実現するための最善の方法なのか」という問いは、検討の対象にならない。
このように、既存の目標や前提を維持しながら行動を修正することが、シングルループ学習の特徴である。
ただし、シングルループ学習が悪いわけではない。
目標が適切であり、問題が実行方法にある場合には、非常に有効な学習方法である。
問題は、シングルループ学習だけでは、目標や前提そのものの誤りを発見できない場合があることだ。
3.ダブルループ学習は、何を問い直すのか
これに対して、ダブルループ学習は、行動を修正するだけでなく、その行動を導いている目標、価値観、判断基準、前提そのものを問い直す。
先ほどの行事の例で考えてみよう。
毎年開催している行事の参加者が減っている。
シングルループ学習では、参加者を増やす方法を考える。
一方、ダブルループ学習では、さらに問いを深める。
「そもそも、なぜこの行事を開催しているのか」
「この行事によって、何を実現しようとしているのか」
「参加者数を増やすことが、本当に最も重要な目標なのか」
「行事以外の方法で、同じ目的を実現できないのか」
例えば、行事の目的が、組織の構成員同士の交流を深めることだったとする。
そうであれば、大規模な行事を年に一度開催するよりも、小規模な交流会を複数回開催したほうがよいかもしれない。
あるいは、日常的な情報交換の仕組みを整えるほうが有効かもしれない。
場合によっては、行事を廃止し、別の活動に予算と人員を振り向けるという結論も考えられる。
ここで変わるのは、単なる実施方法ではない。
「交流を深めるためには、この行事を開催する必要がある」という前提そのものが検証されている。
これがダブルループ学習の重要な特徴である。
ただし、ダブルループ学習は、必ず従来の目標や活動を変更することを意味しない。
検証した結果、従来の方法が最善だと判断されることもある。
重要なのは、変更するかどうかではなく、変更してはいけないと考えていた前提まで検証の対象にできるかどうかなのである。
4.PDCAとダブルループ学習は対立するのか
ここで、誤解を避けておきたい。
PDCAとダブルループ学習は、対立する概念ではない。
また、PDCAが必ずシングルループ学習にとどまるわけでもない。
PDCAのなかでも、計画の目的や前提を検証し、必要に応じて変更することは可能である。
例えば、Checkの段階で、単に目標の達成率を確認するだけでなく、目標の妥当性そのものを検討する。
Actの段階で、活動方法だけでなく、活動の目的や評価基準まで見直す。
このように運用すれば、PDCAを通じてダブルループ学習に相当する検討を行うこともできる。
したがって、問題はPDCAという手法そのものにあるのではない。
PDCAを、何を検証するための仕組みとして使っているのか。
そこに問題がある。
計画どおりに実行できたか。
目標を何%達成したか。
前年度より成果が改善したか。
こうした評価は重要である。
しかし、それだけでは、計画や目標そのものの妥当性はわからない。
間違った目標に向かって効率的に活動している組織は、PDCAによって、さらに効率的に間違った方向へ進んでしまう可能性さえある。
必要なのは、PDCAを否定することではない。
PDCAのなかに、前提を問い直す仕組みを組み込むことなのである。
5.仮説を立てることと、結論を先に決めることは違う
ここで、仮説検証という考え方について整理したい。
組織が活動方針を決めるとき、そこには何らかの仮説が存在する。
例えば、「学校を訪問する回数を増やせば、組合への加入者が増える」という考え方があるとする。
これは、一つの仮説である。
しかし、実際には、訪問回数と加入者数の関係は単純ではないかもしれない。
訪問先の学校によって、組合への関心が異なる可能性がある。
訪問する時間帯や、話しかける相手、伝える内容によっても成果は変わるだろう。
そもそも、訪問回数よりも、訪問後に関係を継続できるかどうかが重要なのかもしれない。
こうした可能性を検討するためには、仮説を具体的にする必要がある。
例えば、次のように考える。
「訪問しやすい学校を重点校として選び、継続的に接点を持つことで、広範囲に単発の訪問を行うよりも、限られた活動時間あたりの加入者数を増やせるのではないか」
これなら、比較や検証が可能になる。
訪問回数だけでなく、接触した人数、継続的な関係を持てた人数、実際に加入した人数などを記録すれば、活動の成果をより具体的に検討できる。
もちろん、重点校とそれ以外の学校では、もともとの条件が違う可能性がある。
そのため、単純に加入者数を比較するだけで、活動方法の優劣を断定することはできない。
それでも、仮説を明確にすることで、何を調べればよいのかが見えてくる。
一方、結論を先に決めてしまうと、検証は形だけになる。
「学校訪問は重要だから、訪問回数を増やすべきだ」
この結論を変えないまま、訪問回数だけを評価していれば、訪問によって何が実現したのかは十分に検証されない。
仮説検証とは、最初の考えが正しいことを証明する作業ではない。
最初の考えが間違っている可能性も含めて、現実と照らし合わせる作業なのである。
6.成果が出ないとき、なぜ「努力不足」という結論になりやすいのか
組織の活動で目標を達成できなかったとき、よく使われる説明がある。
「取り組みが不十分だった」
「徹底できなかった」
「意識が足りなかった」
「もっと努力する必要がある」
もちろん、実際に活動量が不足していた場合もある。
しかし、こうした説明には注意が必要である。
なぜなら、目標を達成できなかった原因を、実行する側の努力不足だけに求めると、計画そのものの問題が見えなくなるからだ。
例えば、ある組織が構成員を増やすために、すべての対象職場を定期的に訪問する計画を立てたとする。
しかし、実際には人員も時間も足りず、計画を実行できなかった。
そこで、「もっと積極的に訪問する必要がある」という反省がまとめられる。
翌年度も同じ計画が立てられる。
そして、また実行できない。
この場合、問題は本当に努力不足なのだろうか。
限られた人員と時間では実行できない計画を立てていること自体が、問題なのかもしれない。
それなら、検討すべきなのは、努力を増やす方法だけではない。
訪問対象を絞り込む。
活動の優先順位を変更する。
訪問以外の方法で関係を維持する。
あるいは、目標と投入できる資源の関係を見直す。
こうした選択肢も必要になる。
「もっと頑張ろう」という結論は、時として、計画の誤りを検証しないための便利な説明になってしまう。
努力は重要である。
しかし、努力の量を増やすことと、活動の合理性を高めることは同じではない。
7.数値目標は、組織を合理的にするのか
PDCAでは、数値目標を設定することが多い。
参加者数、加入者数、売上高、活動回数、達成率。
数値を利用すれば、活動の変化を把握しやすくなる。
しかし、数値目標にも落とし穴がある。
例えば、学校訪問を年間100回実施するという目標を設定したとする。
年度末に100回の訪問を達成すれば、目標は達成されたことになる。
しかし、その訪問によって何が変わったのだろうか。
組合への理解は深まったのか。
相談できる関係は築けたのか。
新たな加入につながったのか。
訪問回数だけを評価していれば、こうした問題は見えない。
活動回数は、活動の量を示す指標である。
しかし、活動の成果そのものを示すとは限らない。
一方、加入者数だけを評価することにも限界がある。
加入には、活動方法だけでなく、対象者の状況や外部環境なども影響するからである。
だからこそ、組織は複数の指標を組み合わせる必要がある。
活動量を示す指標。
活動の質を示す指標。
実際の成果を示す指標。
そして、活動に必要だった費用や時間。
これらを総合的に検討することで、活動の実態に近づくことができる。
ただし、数値化できない価値も存在する。
信頼関係の形成や、組織に対する安心感などは、単純な数字だけでは捉えきれない。
したがって、数値による評価と、現場で得られる質的な情報の両方が必要になる。
測定しやすいものが、必ずしも最も重要なものとは限らない。
このことを忘れると、組織は数値目標を達成すること自体を目的にしてしまう可能性がある。
8.PDCAが自己正当化の仕組みになるとき
第4回では、組織が過去の判断を正当化しようとする心理について考えた。
実は、この自己正当化は、PDCAのなかにも入り込む可能性がある。
例えば、ある事業で期待した成果が得られなかったとする。
本来であれば、事業の目的や方法を検証する必要がある。
しかし、担当者が過去の判断を守ろうとすれば、評価の仕方が変わってしまうことがある。
当初は参加者数の増加を目標にしていたのに、参加者が減少すると、「参加者同士の交流が深まった」と説明する。
当初は新規加入者の増加を目標にしていたのに、加入者が増えなければ、「組織の存在を知らせることができた」と評価する。
もちろん、交流の深化や認知度の向上にも価値はある。
しかし、当初の目標を達成できなかったという事実とは、区別しなければならない。
事前に設定していなかった成果を、後から成功の根拠として持ち出す場合には、注意が必要である。
こうした評価を繰り返すと、どのような結果が出ても「一定の成果があった」という結論になってしまう。
それでは、失敗を発見することが難しくなる。
さらに、反省会で出された改善点が、翌年度に実行されたかどうかも確認されない場合がある。
毎年、同じような反省が記録される。
しかし、その反省を踏まえた変更が行われたかどうかは検証されない。
これでは、PDCAを実施しているように見えても、実際には学習の循環が成立していない。
PDCAが組織を改善するための仕組みではなく、活動を継続することを正当化するための形式になってしまうのである。
9.本当に検証するなら、失敗の条件を先に決めておく
こうした問題を避けるためには、活動を始める前に、何をもって成果とするのかを明確にしておくことが有効である。
例えば、新しい加入促進活動を半年間試すとする。
その際、単に「加入者を増やす」という目標を立てるだけでは不十分である。
どのような方法を実施するのか。
どの程度の時間や費用を投入するのか。
何を記録するのか。
どのような結果が出れば継続するのか。
どのような結果が出れば方法を変更するのか。
こうした判断基準を、可能な範囲で事前に設定しておく。
そうすれば、活動終了後に都合よく評価基準を変更することを防ぎやすくなる。
ただし、事前の数値目標を絶対視する必要はない。
予想外の出来事が起こったり、新しい情報が得られたりすることもある。
その場合は、目標を修正してもよい。
重要なのは、なぜ修正したのかを記録し、当初の計画との違いを明らかにすることである。
さらに、失敗した場合に何を学ぶのかも考えておきたい。
仮説が支持されなかったからといって、その活動が無意味だったとは限らない。
例えば、学校訪問の回数を増やしても加入者数が増えなかったとする。
それによって、「訪問回数を増やすだけでは十分ではない」という知見が得られるかもしれない。
次に、訪問の内容や継続的な関係づくりを検証することができる。
このように、仮説が支持されなかった結果も、次の活動に利用できる。
失敗を隠さず、次の判断に役立つ情報へと変えることが、組織学習の重要な働きなのである。
10.組織が学習するためには、何を変えればよいのか
では、ダブルループ学習を組織の活動に取り入れるには、どうすればよいのだろうか。
必ずしも、新しい会議や複雑な制度を設ける必要はない。
既存の会議や活動報告のなかに、いくつかの問いを加えることから始められる。
第一に、活動の目的を確認する。
「私たちは、何を実現するためにこの活動を行っているのか」
第二に、現在の方法を選んだ理由を確認する。
「なぜ、この方法が有効だと考えたのか」
第三に、実際の結果を確認する。
「当初の予測と、実際の結果はどう違ったのか」
第四に、前提そのものを検証する。
「そもそも、最初の考え方が間違っていた可能性はないか」
第五に、別の選択肢を検討する。
「現在の方法を改善する以外に、目的を実現する方法はないか」
こうした問いを繰り返すことで、組織は活動の結果だけでなく、判断の仕組みそのものを検証できるようになる。
ただし、問いを立てるだけでは不十分である。
異なる意見が出されたとき、それを実際に検討する必要がある。
従来の方針に疑問を示した人が、組織への忠誠心を疑われるような環境では、前提を問い直すことは難しい。
また、活動を変更する権限がなければ、いくら問題を発見しても改善につながらない。
組織学習には、情報を集める仕組みだけでなく、判断を変更できる仕組みも必要なのである。
11.改善を続けることと、変化に対応することは同じではない
ここまで考えてくると、PDCAについて、もう一つ重要な問題が見えてくる。
それは、改善を続けることと、環境の変化に対応することは、必ずしも同じではないということだ。
例えば、ある組織が長年にわたり、紙の広報誌を中心に情報発信を行ってきたとする。
読者を増やすために、紙面を改善する。
記事の内容を工夫する。
発行回数を増やす。
こうした改善には意味がある。
しかし、情報を受け取る人々の生活習慣が変化し、スマートフォンで情報を得ることが一般的になっているならば、紙面の改善だけでは対応できない可能性がある。
必要なのは、広報誌を改善することだけではない。
「組織の情報を、どのような方法で届けることが最も有効なのか」という問いを立て直すことである。
その結果、紙の広報誌を維持しながら、ウェブサイトやSNSを組み合わせるという方法が見つかるかもしれない。
あるいは、情報の種類によって媒体を使い分けるほうが合理的かもしれない。
ここでも、紙の広報誌が古いから廃止すべきだという結論を先に決める必要はない。
重要なのは、情報発信の目的から方法を考え直すことである。
過去の方法を改善し続けることが、未来への適応を保証するわけではない。
むしろ、過去の方法を磨き上げることに集中しすぎると、別の可能性を見落としてしまうこともある。
12.組織の学習とは、何を蓄積することなのか
組織には、さまざまな記録が残される。
会議録、活動報告、決算書、事業計画、総括文書。
しかし、記録が蓄積されることと、組織が学習することは同じではない。
例えば、毎年の活動報告に「参加者が少なかった」と記録されていたとする。
それだけでは、翌年度の活動を改善するための情報として十分ではない。
なぜ参加者が少なかったのか。
どのような対策を実施したのか。
その対策は、どのような結果を生んだのか。
過去の判断がどのように修正されたのか。
こうした情報が残されていれば、次の担当者は過去の経験から学ぶことができる。
逆に、結果だけが記録され、判断の理由や検証過程が残されていなければ、担当者が交代するたびに同じ試行錯誤を繰り返すことになるかもしれない。
組織の学習とは、単に経験を積み重ねることではない。
経験から得られた知識を、次の判断に利用できる形で蓄積することである。
そのためには、成功例だけでなく、失敗例も記録する必要がある。
さらに、なぜ成功したのか、なぜ失敗したのかについての仮説も残しておくことが重要になる。
もちろん、過去の分析が正しいとは限らない。
だからこそ、記録された知識もまた、新しい経験によって検証される必要がある。
組織の知識は、固定された正解の集まりではない。
現実に応じて更新され続けるべきものなのである。
おわりに――PDCAで最も重要なのは、最初の計画を疑えるかどうか
PDCAは、組織の活動を改善するための有効な方法になりうる。
しかし、その効果は、どのように運用するかによって変わる。
計画を実行し、結果を確認し、方法を修正する。
それだけでも、活動の効率を高めることはできる。
しかし、最初の目標や前提が間違っていた場合には、方法の改善だけでは十分ではない。
必要なのは、活動の前提そのものを問い直すことである。
シングルループ学習は、既存の目標に向かって、よりよい方法を探す。
ダブルループ学習は、その目標や判断基準そのものが適切なのかを問い直す。
どちらか一方だけが重要なのではない。
日常的な改善にはシングルループ学習が必要であり、環境の変化や根本的な問題に対応するには、ダブルループ学習が重要になる。
そして、両者を適切に組み合わせることで、組織は自らの活動を修正し続けることができる。
この連載では、認知バイアスと自己欺瞞から出発し、思い込みの働き、メタ認知、集団浅慮、組織の自己正当化について考えてきた。
そこに共通するのは、人間も組織も、自分の判断を正しいものとして受け入れやすいという問題である。
だからこそ、検証が必要になる。
ただし、検証とは、最初の判断が正しかったことを証明する作業ではない。
間違っていた可能性を含めて、現実と照らし合わせることである。
優れたPDCAとは、計画を予定どおりに実行するための仕組みではなく、必要であれば計画そのものを捨てられる仕組みである。
そして、ここで最後の問いが生まれる。
過去の活動を検証し、問題を発見し、方法を修正できる組織であれば、衰退を避けることができるのだろうか。
人口減少や社会環境の変化によって、組織の構成員が減少している場合、その傾向は今後も続くと考えるべきなのだろうか。
過去のデータから未来を予測することと、未来を決定されたものとして受け入れることは違う。
次回は、この問題を考えてみたい。
次回:第6回「組織の衰退は避けられないのか――過去の傾向から未来を断定する危険」
参考文献
Deming, W. E.(1986)『Out of the Crisis』。品質改善と継続的な学習に関する代表的著作。なお、デミングが重視したのはPDSA(Plan–Do–Study–Act)であり、一般的なPDCAとの違いには注意が必要である。
Argyris, C. & Schön, D. A.(1974)『Theory in Practice: Increasing Professional Effectiveness』。行動を導く理論と学習について論じた著作。
Argyris, C. & Schön, D. A.(1978)『Organizational Learning: A Theory of Action Perspective』。組織学習、シングルループ学習、ダブルループ学習の理論を展開した著作。
Argyris, C.(1976)「Single-Loop and Double-Loop Models in Research on Decision Making」『Administrative Science Quarterly』21(3), 363–375。
Argyris, C.(1991)「Teaching Smart People How to Learn」『Harvard Business Review』。有能な人々が自らの判断を検証することの難しさを論じた論考。