鳥の目、虫の目、パイロットの目
AI時代のシステムデザイン思考
「閉鎖まで、あと1年」―― その絶望の中で見えたもの
2025年の秋、私はある報せを受け取りました。静岡県伊豆半島の南端に位置する「伊豆下田カントリークラブ」が、2026年1月4日をもって休業に入る――というものです。
1970年代のゴルフブーム期に開場し、かつては会員権を取得するのに数ヶ月待ちという人気を誇ったゴルフ場。東京からヘリコプターで駆けつける富裕層も多く、敷地内には今もヘリポートの跡地が残っています。併設のホテルも予約困難な時代がありました。しかし、バブル崩壊後、利用者は減り続け、経営は厳しさを増し、ついに休業の決断が下されました。40年以上にわたって地域の象徴であった施設の灯が消えるのです。「この場所がなくなる」という喪失感が、私を覆いました。
パイロットの仕事は、一見すると「飛行機を操縦すること」に見えます。しかし本質は違います。刻一刻と変わる気象、機体の状態、管制官の指示、乗客の安全――無数の変数が同時に動く中で、全体を俯瞰しながら、目の前の一手を決断し続けること。それがパイロットの仕事です。そして私は、この思考法が社会の「誰もが諦めた課題」を解く一助となればよいと願っています。
▶ 「全体を見て、人に寄り添い、一手を打つ」―― これこそ、システムデザイン思考の本質ではないでしょうか。
誰もが背を向けている課題でも、バラバラに見えていたピースが、上空から見ると一つの絵になるときがあります。
本稿では、伊豆下田の報せを例にとり、バラバラのピースを一つの絵として捉え、課題解決の足がかりを描いてみようと思います。そして、あなた自身の目の前にある「誰もが諦めた課題」に対して、今日から使える思考の武器を手渡すことを目的としています。
「部分最適」の罠 ―― なぜ、頭のいい人たちが束になっても解けないのか
「正しいこと」をやっているのに、うまくいかない
あなたの周囲でも、同様の状況は見られないでしょうか。
優秀な人材が集まり、十分な予算が確保され、個々の施策は論理的に妥当です。それにもかかわらず、全体としては課題が解決に向かわず、むしろ状況が悪化しているケースです。
例えば、米国ボストンの大規模インフラ事業「ビッグ・ディグ」は、高速道路の地下化によって交通渋滞を解消するという合理的な構想のもと、最先端の技術と巨額の予算を投じて実施されました。しかし実際には、コストの大幅な増大や工期の遅延、品質問題などが相次ぎ、プロジェクト全体の統合管理や複雑性への対応が大きな課題として顕在化しました。個々の技術や施策は妥当であっても、全体としての最適化が十分に機能しなかった典型例といえます。
こうした事態に至る前に、適切な手を打つ必要があります。本稿ではその問題意識のもと、伊豆下田の事例を対象に分析を試みます。当事者の方々からの批判を受ける可能性は承知していますが、復興に資する示唆を得ることを目的としており、その点をご理解のうえご一読いただければ幸いです。
静岡県は、次世代モビリティに関する実証事業を積極的に推進してきました。トヨタのウーブン・シティ、清水港の再開発、県土全域の3次元データ基盤「VIRTUAL SHIZUOKA」、空飛ぶクルマの実証飛行など、各プロジェクトはいずれも先進性が高く、評価に値する取り組みです。
一方で、こうした先進的な施策が展開される中でも、伊豆下田に代表されるように、人口減少や産業空洞化といった地域課題は依然として深刻です。地域間での成長格差や、既存産業との調和、住民合意の形成といった論点も含め、これらは単独の問題ではなく、複数の領域にまたがる構造的課題として捉える必要があります。その結果として、先進的な取り組みが進む一方で、地域全体としての最適化が十分に実現されていない可能性があります。
▶ 問題は、課題の「数」ではありません。課題同士が「絡み合っている」ことです。
人口減少が進むことで地域の担い手が不足し、新たな施策の実行力が低下する。実行力が低いために成果が見えづらくなり、外部投資や人材の流入が進まない。その結果、地域経済はさらに縮小し、人口流出が加速する――。
これは「悪循環」です。一つの課題を解決しても、他の課題が足を引っ張り、全体としては前に進みません。システム思考の用語で言えば、「システムの罠」にはまっている状態です。
💡 システムの罠 個々の部分は合理的に動いているのに、全体として見ると悪い結果を生み続ける構造のこと。誰かが悪いのではなく「仕組み」自体に問題がある状態を指す。
「部分最適」が「全体最悪」を生む
なぜ、このような罠にはまるのでしょうか。答えは明快です。みんなが「自分の担当領域」だけを最適化しようとしているからです。
県庁の交通政策課は交通の最適化を考えます。観光政策課は観光の最適化を考えます。防災課は防災の最適化を考えます。それぞれが正しいのです。しかし、全体を統合する視点がありません。
企業も同じです。空飛ぶクルマのメーカーは機体性能の最適化を追求します。バッテリーメーカーはエネルギー密度の最大化を目指します。しかし、「その技術が社会にどう受け入れられるか」「住民はどう感じるか」「既存の交通事業者とどう共存するか」は、誰かの担当領域からこぼれ落ちます。
これが「部分最適の罠」です。個々のピースは磨き上げられているのに、ジグソーパズルとして組み合わさりません。
💡 部分最適と全体最適 「部分最適」は各部門が自分の範囲だけで最善を尽くすこと。しかしそれが全体の最善とは限らない。全体を見渡して最もよい状態を目指すのが「全体最適」。本稿が目指すのは後者です。
パイロットは「全体」を見る訓練を受けている
私がパイロットとして叩き込まれたのは、まさにこの「全体を見る力」でした。
飛行中、エンジンの計器だけを見ていてはいけません。燃料残量、気象レーダー、他機の位置、管制指示、乗客の状態、代替空港の候補――すべてを同時に把握し、優先順位をつけ、判断します。
ある一つの計器が異常値を示したとき、その計器だけを直そうとするのは素人です。プロは、「なぜその値が出ているのか」をシステム全体の中で理解し、根本原因に対処します。
この思考法を、地上の社会課題に応用します。それが、本稿で伝える「システムデザイン思考」です。
システムデザイン思考とは何か ―― 「鳥の目」と「虫の目」を同時に持つ技術
二つの思考法の「いいとこどり」
システムデザイン思考は、二つの確立された思考法を統合したものです。
① システム思考(鳥の目):全体を俯瞰し、要素間の関係性やフィードバックループ(ある要素の変化が巡り巡って自分自身に影響を返してくる循環構造)、構造的な原因を理解します。MITのジェイ・フォレスター教授が体系化し、ピーター・センゲが『学習する組織』で世に広めました。
② デザイン思考(虫の目):人間中心のアプローチで、利用者に深く共感し、創造的なアイデアを素早くプロトタイプ(試作品)にし、テストを繰り返します。スタンフォード大学d.schoolやIDEO(アメリカのデザインコンサルティング会社)が普及させました。

💡 プログラムマネジメント 複数のプロジェクトを束ね、個々の成果の合計を超えた「全体としての戦略目標」を達成するために統合的に管理する手法。図1の下部に位置し、思考を「実行」に変える力を担う。
▶ システムデザイン思考 = 「鳥の目」で全体を見ながら、「虫の目」で一人ひとりに寄り添う
パイロットに例えるなら、計器盤全体を監視する「スキャン」と、目の前の滑走路に集中する「フォーカス」を、瞬時に切り替える能力です。これが、システムデザイン思考の核心です。
「悪循環」を「好循環」に変える ―― レバレッジポイントという概念
システム思考で最も重要な概念の一つが「レバレッジポイント(てこ入れ点)」です。
複雑に絡み合った問題の中に、「ここに介入すれば、連鎖的に好転する」というポイントが存在します。すべての課題を同時に解決する必要はありません。レバレッジポイントを見つけ、そこに集中すればよいのです。
ドネラ・メドウズは、レバレッジポイントを12段階に分類し、最も効果的なのは「システムのパラダイム(ものの見方の大前提)を変えること」だと指摘しました。
例えば、「移動=個人が自家用車を所有して行うもの」という前提を、「移動=必要な時に最適な手段を利用するサービス」に変えます。これだけで、渋滞、駐車場問題、CO2排出、高齢者の移動困難――すべてが連鎖的に変わり始めます。
「共感」から始める ―― 数字だけでは人は動かない
もう一つ、デザイン思考から受け継ぐ極めて重要な要素があります。「共感(Empathize)」です。
伊豆下田のような例では、最初に行うのは、数字の分析ではなく、ペルソナ(典型的な利用者像)を設定し、その人の一日を、朝起きてから夜眠るまで、詳細に想像することをお勧めします。次の章ではその詳細を記載しますが、この「カスタマージャーニーマップ(顧客体験地図)」を描くことで、数字では見えない「心理的な壁」や「小さな不満」が浮かび上がります。そして、それらを一つひとつ潰していくことで、「使いたくなるサービス」が設計できます。
▶ 構造を理解し(システム思考)、人に寄り添い(デザイン思考)、実行する(プログラムマネジメント)。この三位一体が、システムデザイン思考
伊豆下田 × 次世代モビリティ ―― 誰もが諦めた地方の過疎化。再生の提案
「閉鎖するゴルフ場」を例に
2026年1月4日に休業したゴルフ場。人口2万人、高齢化率40%超、東京から車で3時間。観光客はピーク時の半分。若者の流出…
誰が見ても、「もう無理だ」と思う状況です。実際、多くの人がそう思っているかもしれません。しかし、次に挙げる視点に注目してみましょう。
ヘリポート跡地 ゴルフ場には、かつて富裕層がヘリコプターで来場していた時代の名残として、ヘリポート跡地があります。これを次世代モビリティ(空飛ぶクルマなど)の離着陸場(バーティポート)に転用できます。ゼロから土地を取得する必要がありません。
広大な敷地 27ホールのゴルフ場は、騒音や安全面での周辺住民への影響を最小限に抑えるバッファゾーン(緩衝地帯)として機能します。さらに、次世代技術の実証フィールドとしても活用できます。
既存の観光インフラ ホテル、レストラン、温泉――すでにあるインフラを活かせます。ゼロから作るのではなく、「つなぎ直す」だけでよいのです。
▶ 「課題」と「資源」は、見方を変えれば表裏一体
ステップ1:悪循環の構造を「見える化」する
まず、システム思考のツールである「因果ループ図」と「レバレッジポイント」を紹介します。
💡 因果ループ図(Causal Loop Diagram) 要素間の因果関係を矢印で結び、循環構造を見える化した図。「Aが増えるとBも増える」(正の関係)、「Aが増えるとBは減る」(負の関係)を書き込むことで、問題の構造が浮かび上がる。
例えば、バーティポートの数が増えれば利便性が上がり、利用者が増え、収益が伸び、さらに投資できます――これは正のフィードバックループです。しかし同時に、建設コストが財政を圧迫し、投資が抑制されます――これは負のフィードバックループです。この二つのループのバランスが、システムの挙動を決定します。
レバレッジポイントとは、システムの中で小さな介入が大きな変化を生む「てこ入れ点」のことです。次世代モビリティにおいて、「移動=自家用車で行うもの」というパラダイムを、「移動=最適な手段を利用するサービス」に転換することは、極めて大きなレバレッジポイントとなりえます。
ここでは一例として、伊豆下田が陥っているアクセスと観光の負のスパイラルの構造を取り上げてみましょう。

▶ レバレッジポイントを「アクセス」と仮定。ここを変えれば、すべてが連鎖的に好転するのでは…?
ステップ2:「誰のために」を徹底的に掘り下げる
次に、デザイン思考のアプローチで、すべてのステークホルダー(利害関係者)の「本当のニーズ」を掘り下げます。因果ループ図に、単に数値や統計だけでなく、人々の感情、価値観、行動パターンも要素として組み込むためです。「空飛ぶクルマ導入→移動時間短縮→満足度向上」という単純な因果関係ではなく、「空飛ぶクルマ導入→新奇性への期待→しかし騒音への不安→地域の分断→社会的受容性低下→導入遅延」という複雑な因果連鎖を捉えます。
ゴルフ場経営会社が欲しいのは、単なる「売上」ではありません。従業員の雇用を守りたい、40年の歴史を途絶えさせたくない、という切実な想いです。
下田市民が求めているのは、「空飛ぶクルマ」そのものではありません。若者が地元に残れる雇用、お年寄りが通院に困らない移動手段、「うちの町は誇れる」と思える何か、です。
周辺住民の不安は、「騒音」「事故」だけではありません。「自分たちは恩恵を受けず、リスクだけ負わされるのではないか」という不公平感です。
IT企業やスタートアップが求めているのは、単なるビジネス機会ではありません。広大な敷地で、リアルな環境で、自社の技術を試せる「実証フィールド」です。
こうして、10以上のステークホルダーの「本当の声」を一つひとつ拾い上げていきます。
🤖 AI活用法① ―― 10の声を確実に拾うために
📌問題
ステークホルダーの本音を把握するのは、想像以上に難しい作業です。物理的に会える人数には限界があります。また、対面では建前しか出てこないこともあります。その結果、
・重要な関係者を見落とす
・少数意見を拾えない
・声の大きい人の意見だけが残る
という偏りが起きます。
🗝️AIで何が変わるか
生成AIは、「会う前の仮説構築」を高速化します。例えば、
✔️ 「72歳の元漁師」 「地域商店街の店主」 「子育て世代」
などのペルソナを設定し、AIと対話することで、
・どんな不安を持つか
・何を失いたくないか
・何なら受け入れられるか
を事前に想定できます。さらに、議事録・SNS・アンケートを分析することで、“声なき声”の兆候も見えてきます。
⚠️注意点
AIが生成するのは、「事実」ではなく「仮説」です。現場で本人の声を聴くことは、決して代替できません。AIは、
・現場へ行く前の準備
・行った後の整理
の支援であり、「目の前の人間の言葉」より優先してはいけません。
ステップ3:「全員が得をする」仕組みを設計する
ここからが、システムデザイン思考の真骨頂です。個別のニーズを満たすだけでなく、全員が得をする「Win-Win」の構造を設計します。
💡 Win-Win 関わるすべての当事者がそれぞれ何らかの利益を得られる関係のこと。「誰かが得をすれば誰かが損をする」(ゼロサム)ではなく、全体のパイを大きくして皆で分かち合う発想。
ここでは5つのミッションを統合した地域再生モデルを提案します。

ミッション①:施設と雇用の存続、新産業創出の拠点化
ゴルフ場をバーティポートとして再生し、従業員の雇用を維持します。さらに、広大な敷地をAIキャディー、ドローン技術、バイオマスエネルギー(植物などの生物資源から作るエネルギー)、アウトドアアクティビティ等の実証フィールドとして開放し、スタートアップを誘致します。
ミッション②:地域経済の活性化と産業構造の多様化
東京から30分という革新的アクセスで観光客を誘致します。同時に、実証企業やワーケーション(Work+Vacationの造語。観光地に滞在しながらリモートワークする新しい働き方)利用者も呼び込み、「観光一本足」ではない多角的な地域経済を構築します。
ミッション③:持続可能な地域モビリティの構築
初期は観光利用で収益基盤を固め、段階的に住民の医療・買い物支援、災害時対応へと拡張します。
ミッション④:環境との調和
電動化と再エネ活用で環境負荷を最小化します。ゴルフ場の刈草や間伐材をバイオマスエネルギーに変換し、サーキュラーエコノミー(資源を使い捨てにせず、循環させ続ける経済の仕組み)を実践します。
ミッション⑤:社会実装モデルの確立
伊豆下田での成功を、全国の類似地域に展開可能な「テンプレート」として確立します。
ステップ4:複数のシナリオを描き、最善手を選ぶ
ここで重要なのは、「唯一の正解」を求めないことです。未来は不確実であり、どんなに綿密な計画も、前提が崩れれば無意味になります。
ここでは、4つの異なるシナリオを描き、10の評価基準(初期投資、早期黒字化、長期収益性、技術リスク、地域貢献、住民支持など)を設定し、ステークホルダー全員で採点します。
シナリオA(プレミアムリゾート先行型):富裕層に特化し、高単価で早期黒字化を目指す。しかし、市場規模に限界があり、地域貢献は遅れる。
シナリオB(地域共創・多角展開型):初期から地域全体を巻き込む。長期的なポテンシャルは高いが、初期投資が大きく黒字化に時間がかかる。
シナリオC(実証特化型):公的資金で実証に集中する。リスクは低いが、雇用維持が困難で、勢いを失う恐れがある。
シナリオD(ハイブリッド・適応型):平日は実証飛行でデータ蓄積、週末はプレミアムサービスで収益確保。成功を確認しながら段階的に拡大する。
🤖 AI活用法② ―― 最善手を選ぶ
📌問題
複雑なプロジェクトでは、「どのシナリオを選ぶべきか」で意見が割れます。しかも人間は、
・過去の成功体験
・楽観論
・部門利益
に引っ張られやすく、“見えていない未来”を見落とします。
🗝️AIで何が変わるか
AIは、「第三者視点」を提供します。例えば、
・想定外のリスク
・見落としていた機会
・第5のシナリオ
を提示できます。また、
・評価基準の整理
・重みづけの可視化
・匿名アンケート分析
によって、感情論ではなく「構造的な議論」が可能になります。
⚠️ 注意点
AIは「答え」を出す存在ではありません。AIができるのは、
・選択肢を広げること
・バイアスを減らすこと
・比較を助けること
です。最終判断と責任は、必ず人間が持たなければなりません。
AIは“司令官”ではなく、“参謀”です。
💡 CRM(Crew Resource Management:乗員資源管理) パイロットの世界で確立された、チーム全員の知見を活かして最善の判断を下す技術。機長一人の判断ではなく、副操縦士、航空機関士、客室乗務員、管制官の声を統合する。AIは、このCRMにおける「もう一人のクルー」になりうる。
シナリオDが選ばれたとしましょう。「すべてを同時に完璧にやる」のではなく、「まず小さく成功し、学びながら拡大する」。これが、不確実な世界での最善手です。そして、そのシナリオDに対してペルソナを設定します。例えば――
60代の富裕層夫妻「田中さん」。退職後、ゴルフと旅行が趣味です。時間はありますが、長距離移動は疲れます。空飛ぶクルマのことを友人から聞いて興味を持ちましたが、「本当に安全なの?」という不安もあります。予約はスマホでできるのか。到着後の移動手段は? ゴルフの後は温泉に入りたい。夕食は地元の金目鯛が食べたい――。
この「カスタマージャーニーマップ(顧客体験地図)」から得られた、数字では見えない「心理的な壁」や「小さな不満」を一つひとつ潰していくことで、「使いたくなるサービス」が設計できます。
▶ 完璧な計画を待ってはいけません。不完全でも、今日の一歩が、明日の好循環を生みます。
なぜ、この設計が「みんなが諦めた課題」を解けるのか
振り返ってみましょう。従来のアプローチでは、なぜ解けなかったのでしょうか。
従来:「ゴルフ場の経営を改善しよう」→ 値下げ、マーケティング強化 → 効果は一時的 → 根本原因(アクセス不便)は変わらず → 再び衰退。これは「部分最適」です。
システムデザイン思考:「なぜゴルフ場が衰退しているのか」→ 悪循環の構造を可視化 → レバレッジポイント(アクセス)を特定 → 空飛ぶクルマでアクセスを劇的に改善 → 同時に、ゴルフ場の遊休資産を実証フィールドに転用 → 複数の収益源を確保 → 地域全体を巻き込むWin-Winの構造を設計 → 段階的に実装。
違いは明白です。問題を「点」で見るか、「面」で見るか。そして、解決策を「一つの施策」に賭けるか、「好循環の構造」を設計するか。
今日からあなたが使える「7つのステップ」
伊豆下田の事例は、空飛ぶクルマという特殊な技術を扱っています。しかし、システムデザイン思考の方法論自体は、あらゆる課題に適用できます。ここでは、あなたが今日から使える7つのステップを紹介します。

Step 1:「誰の、何が、なぜ解けないのか」を問い直す
多くの人は、「問題」と「症状」を混同しています。「売上が落ちている」は症状であり、問題ではありません。「なぜ売上が落ちているのか」の構造を理解して初めて、問題が定義できます。
まず、白い紙に向かって、こう問いかけてみてください。
「この課題は、誰の、どんな困りごとなのか?」
「なぜ、今まで解けなかったのか? 何が邪魔をしているのか?」
「この課題は、他のどんな課題とつながっているのか?」
伊豆下田の場合、一例として「ゴルフ場の経営難」という表面的な問題の奥に、「アクセス不便を起点とした地域全体の複合的悪循環」という構造的問題が潜んでいました。
Step 2:「悪循環」を図に描く
因果ループ図を描きましょう。難しく考える必要はありません。付箋とペンがあれば十分です。
① 問題に関わる要素(人口、観光客数、売上、アクセス、雇用、住民満足度など)を付箋に書き出します。
② 要素間の因果関係を矢印で結びます。「Aが増えるとBも増える」なら「+」、「Aが増えるとBは減る」なら「−」です。
③ 矢印をたどって「ループ(循環)」を見つけます。それが悪循環(負のスパイラル)の正体です。
④ そのループの中で、「ここを変えれば全体が動く」というレバレッジポイントを探します。
一人でやるのもよいですが、関係者を集めてワークショップ形式でやると、驚くほど多様な視点が集まります。「自分には見えなかったつながり」が見えてきます。
Step 3:「人」に会いに行く
データ分析だけでは、人は動きません。現場に行き、当事者の話を聞きましょう。
伊豆下田であれば、ゴルフ場の従業員、地元の旅館のおかみさん、漁師、高齢者、商店街の店主、市役所の職員――一人ひとりとの対話が欠かせません。
大切なのは、「何が欲しいですか?」と聞くことではありません。「普段、どんな一日を過ごしていますか?」「最近、何に困っていますか?」「嬉しかったことは?」と、その人の生活に寄り添うことです。
そこから、数字には現れない「本当のニーズ」が浮かび上がります。
🤖 AI活用法③ ―― 現場の対話を深める。
📌問題
現場ヒアリングでは、限られた時間の中で「本音」にたどり着く必要があります。しかし実際には、
・何を聞けばよいか分からない
・表面的な会話で終わる
・重要な論点を聞き逃す
ことが少なくありません。
🗝️AIで何が変わるか
AIは、「対話の予習」を支援します。事前に、
・相手の属性
・地域背景
・立場
を入力することで、
・想定される懸念
・深掘りすべき論点
・本音を引き出す質問
を提案できます。さらに、対話後には、
・感情が強く出た部分
・他者との矛盾
・次回深掘りすべきテーマ
を整理できます
⚠️注意点
仮説に固執してはいけません。現場の声がAIの予測と違ったなら、修正すべきは「現場」ではなく「仮説」です。
AIよりも、目の前の人間を信じる。
これが鉄則です。
Step 4:「全員が得をする」構造を設計する
Win-Winは、きれいごとではありません。設計するものです。
ステークホルダーを全員リストアップし、それぞれの「提供できる価値」と「受け取りたい価値」を整理します。そして、価値の交換が成立する仕組みを設計します。
伊豆下田では、例えば「観光客が地域で使えるクーポン」という仕組みで、ゴルフ場と地域商店街のWin-Winを設計することもできます。「住民優先利用制度」と「地域貢献基金」で、周辺住民との信頼関係を構築することも可能です。
全員が100%満足する解はありません。しかし、全員が「まあ、納得できる」範囲の解は、必ず見つかります。
🤖 AI活用法④ ―― 「隠れたWin-Win」を発見し、合意形成を加速する
📌問題
多くの議論は、「誰が得をして、誰が損をするか」というゼロサム思考に陥ります。その結果、
・対立が固定化する
・妥協だけで終わる
・本来の可能性が見えなくなる
ことがあります。
🗝️AIで何が変わるか
AIは、ステークホルダー間の“価値交換”を可視化できます。例えば、
・誰が何を提供できるか
・誰が何を求めているか
・どこに未接続の価値があるか
を整理することで、「隠れたWin-Win」が見えてきます。
さらに、各シナリオが与える影響を一覧化することで、合意形成の土台を客観化できます。
⚠️注意点
AIは、“全員が納得する解”を自動生成してくれるわけではありません。利害対立そのものは、最後は人間同士が向き合う必要があります。
AIは、対立を消す道具ではなく、「対話を建設的にする道具」です。
Step 5:「小さく試す」を恐れない
デザイン思考の核心は、「Fail Fast, Fail Cheap(早く失敗し、安く失敗する)」です。
完璧な計画を立ててから動くのではなく、不完全でもいいから早くプロトタイプ(試作品)を作り、実際に試し、フィードバックを得て改善します。
伊豆下田のシナリオDは、まさにこの発想です。いきなり全面展開するのではなく、「平日は実証、週末はプレミアムサービス」という小さな実験から始めます。そこで得たデータと学びを元に、次のステップを決めます。
あなたのプロジェクトでも同じです。「まず、一番小さな単位で試してみる」。それが、最も確実な前進方法です。
Step 6:「数字」と「物語」の両方で語る
意思決定者を説得するには、数字(定量データ)が必要です。KPI(重要業績評価指標:目標の達成度を測るための数値指標)、収支予測、経済波及効果――。
しかし、人の心を動かすには、物語(ナラティブ)が必要です。「60代の田中夫妻が、空飛ぶクルマで伊豆下田に降り立ち、AIキャディーの助言でベストスコアを更新し、温泉で疲れを癒し、地元の金目鯛に舌鼓を打つ」――この物語が、関係者の心に火をつけます。
数字だけでは「頭」は動きますが「心」は動きません。物語だけでは「心」は動きますが「信頼」は得られません。両方を使いこなすことが、プロジェクトを動かすカギです。
Step 7:「適応」し続ける
計画は、実行した瞬間に陳腐化し始めます。現実は、計画通りにはいきません。
大切なのは、計画に固執しないことです。定期的に立ち止まり、「計画と現実のズレはどこにあるか」「前提条件は変わっていないか」「新しい情報や技術はないか」を確認し、柔軟に修正します。
パイロットは、フライトプラン(飛行計画)を出発前に提出します。しかし、離陸した後、気象が変われば、躊躇なくプランを変更します。目的地は変えません。しかし、ルートは柔軟に変えます。
これが、「適応的戦略」の本質です。
「不可逆」の世界で、最善の一手を打つ覚悟
一度作ったインフラは、後戻りできない
本稿で最も伝えたいことの一つが、「不可逆性」という概念です。
💡 不可逆性 一度実行したら元に戻すことが極めて困難な性質のこと。物理的インフラだけでなく、組織改編や大型システム導入、人材の喪失なども不可逆性が高い意思決定にあたる。
道路、港湾、バーティポート、充電ステーション――物理的なインフラは、一度整備すると、数十年単位で使い続けることが前提となります。「やっぱり別の場所がよかった」と変更することは、事実上不可能です。
1960年代に整備された道路網の多くが、現在の人口分布や交通需要と合致せず、維持管理コストだけがかかる「負の遺産」となっています。この過ちを繰り返してはなりません。
50年後の社会を正確に予測することは不可能です。しかし、50年以上使われることを前提にインフラを設計しなければなりません。この矛盾が、意思決定を極めて困難にしています。
だからこそ、「事前検証」に全力を注ぐ
静岡県には、VIRTUAL SHIZUOKA(バーチャル静岡)という強力な武器があります。県土全域の約90%をカバーする高精度3次元データです。
このデジタルツイン(現実の地形や建物を仮想空間上にそっくり再現した「双子」のようなもの)を活用すれば、実際にインフラを建設する前に、仮想空間で何度でも試すことができます。バーティポートの配置案を10通り作り、それぞれの需要予測、騒音影響、災害時の機能性、コストを比較検討します。
さらに、「楽観シナリオ」「標準シナリオ」「悲観シナリオ」の複数パターンでシミュレーションし、どのシナリオでも一定の性能を維持できる「ロバスト(頑健)な解」を探します。
「えいやっ」で決めていたことを、データとシミュレーションに基づいて科学的に判断します。ただし、シミュレーションの限界も認識し、過信は禁物です。
「柔軟性」を設計に組み込む
完全な予測が不可能であれば、将来の変化に対応できる「柔軟性」をインフラに組み込みます。
例えば、バーティポートをモジュール式(部品の組み合わせで構成し、必要に応じて追加・交換できる方式)に設計します。需要が増えたら拡張し、減ったら縮小できます。充電設備は、将来の全固体電池にも対応できるよう、スペースと配管に余裕を持たせます。
初期コストは増えますが、将来の大規模改修を回避でき、長期的にはコスト削減になります。「今の最安値」ではなく、「50年トータルの最適値」を選びます。これが、不可逆性に向き合う覚悟です。
あなたの仕事にも「不可逆」はある
「不可逆性」は、インフラだけの話ではありません。あなたの日常にも溢れています。
新しい組織体制を導入したら、元に戻すのは容易ではありません。大型システムを導入したら、リプレースには数年かかります。一度失った顧客の信頼を取り戻すのは、新規獲得の何倍もの労力がいります。人材を失えば、その人が持っていた暗黙知(マニュアルには書かれていない、経験から得た知恵やノウハウ)は二度と戻りません。
だからこそ、重要な意思決定ほど、事前検証に時間をかけるべきなのです。「とりあえずやってみよう」が許される局面と、許されない局面があります。その見極めが、リーダーの真価です。
最後に
本稿を通じて、私が最も伝えたかったことを、最後にもう一度記します。
* * *
課題は「複雑」であることが普通です
絡み合った課題に、銀の弾丸(たった一つの完璧な解決策)はありません。しかし、構造を理解し、レバレッジポイントを見つけ、好循環を設計すれば、確実に前に進めます。
* * *
「全体」を見ながら、「一人」に寄り添ってください
鳥の目で全体を俯瞰し、虫の目で一人ひとりの声を聴く。この往還が、実効性のある解決策を生みます。
* * *
完璧を待ってはいけません。小さく始めて、学びながら進みましょう
不完全な情報の中で、それでも一歩を踏み出す勇気。パイロットは、すべての気象条件が完璧になるのを待ちません。安全なマージンを確保した上で、離陸します。
* * *
「自分だけが得をする」仕組みは、長続きしません
すべてのステークホルダーが「まあ、納得できる」構造を設計します。Win-Winは理想論ではなく、設計するものです。
* * *
技術は手段であり、目的ではありません
空飛ぶクルマも、AIも、デジタルツインも、すべては人々の幸福のための道具です。道具が目的化した瞬間、私たちは大切なものを見失います。
* * *
あなたの目の前にも、「みんなが諦めた課題」があるはずです。
それは、会社の業績不振かもしれません。地域の衰退かもしれません。チームの機能不全かもしれません。環境問題かもしれません。教育の課題かもしれません。
どんな課題であっても、システムデザイン思考は使えます。構造を見る。人に寄り添う。小さく試す。学びながら進む。全員が得をする仕組みを設計する。
そして、あなたの目の前の「不可能」も、想像し、設計し、一歩を踏み出した瞬間から、「可能」へと変わり始めます。
▶ 未来は、選択によって創られます。
あなたの一歩が、世界を変える好循環の起点になります。
西伊豆、そして伊豆下田の豊かな自然と、そこに暮らす人々の温かさは、私の人生において大きな支えとなっています。
この地の素晴らしさを後世へ伝えていくために、私にできることが少しでもあれば――その想いで、本書を執筆しました。
また、本稿で紹介したAI活用術については、実践に活用できるプロンプト例も多数存在します。しかし、真に価値ある設計は、実際に現場へ足を運び、人々の声を聴き、地域を理解した上で生まれるものだと私は考えています。
そのため、本稿ではあえて詳細なプロンプト例の掲載は控えました。
いつか本当に地域に貢献できる成功事例として、皆さまにお伝えできる日が来るよう、力を尽くしてまいります。
最後までお読みいただき、ありがとうございました。
