レッスン6：論理の基本——演繹・帰納とよくある論理的誤り

このレッスンで学ぶこと

演繹と帰納の違いを理解する
業務での使い分けを把握する
よくある論理的誤り（早すぎる一般化・相関と因果の混同・藁人形論法・二者択一の誤り）を見分けられる
数字に騙されない発想を持つ
「ロジカル＝冷たい」誤解への返答を深める
論理を絶対視しない知性を整理する

前のレッスンでは、仮説思考の使い所と落とし穴を整理しました。今回のレッスンでは、論理を支える 2 つの基本（演繹・帰納）と、業務で頻発する論理的誤りを扱います。これらを知ることで、自分の議論を磨くだけでなく、相手の議論の弱点や落とし穴に気づけるようになります。

演繹と帰納——2 つの推論方法

論理的な推論には、大きく 2 つの方法があります。

演繹（えんえき、deduction）

「一般的な原則」から「個別の結論」を導く推論方法です。

例：

大前提：すべての人間は死ぬ
小前提：ソクラテスは人間である
結論：ソクラテスは死ぬ

これは古典的な三段論法（さんだんろんぽう）です。大前提が正しくて、小前提も正しければ、結論は必ず正しいのが演繹の特徴です。

業務での例：

大前提：当社は四半期ごとに業績を公表している
小前提：今は第 2 四半期末である
結論：来週、業績公表がある

帰納（きのう、induction）

「個別の事例」から「一般的な原則」を推測する推論方法です。

例：

事例 1：このリンゴは甘い
事例 2：あのリンゴも甘い
事例 3：別のリンゴも甘い
結論：（この種類の）リンゴは甘い

帰納は、個別事例を観察して一般化する推論で、確率的にしか正しくありません。「次のリンゴは絶対に甘い」とは言えず、「甘い可能性が高い」までです。

業務での例：

事例：A 社の役員は高学歴
事例：B 社の役員も高学歴
事例：C 社の役員も高学歴
結論：日本企業の役員は高学歴の傾向（あくまで「傾向」）

業務での使い分け

場面	推論方法
規則・契約の適用	演繹（規則を個別ケースに当てはめる）
過去の事例から将来を予測	帰納（事例から傾向を読む）
戦略策定	両者を組み合わせる
データ分析からの示唆	帰納
制度設計	演繹

業務では両者を行き来します。「過去のデータから傾向を読む（帰納）」→「その傾向を一般原則として個別ケースに当てはめる（演繹）」という流れが典型的です。

💡 ポイント 演繹は「正しさを保証する」、帰納は「確率を高める」。両者の性質を理解すると、自分の主張の強さがどこから来ているかを認識できます。

帰納の落とし穴——早すぎる一般化

帰納で最も多い誤りが、「早すぎる一般化（hasty generalization）」です。

早すぎる一般化とは

少数の事例から、強すぎる一般則を導いてしまうことです。

例：

「同期 2 人が転職して年収が上がった」 → 「転職すれば年収が上がる」
「ある SNS で X が流行った」 → 「Z 世代は X を好む」
「1 つの店舗で売上が下がった」 → 「全店舗が下がる」

事例数が少ない、偏った事例、特殊な状況を無視した一般化は、しばしば現実と乖離します。

対策

事例数が十分か（少なくとも 30 例、できれば数百）
事例が代表的か（特殊なサンプルでないか）
反証する事例を探したか
「すべて」「常に」「絶対」のような強い言葉を避ける
「傾向として」「多くの場合」のように、確率的な表現に置き換える

⚠️ 注意 ビジネスでは「すべて」と言いたくなる場面がたくさんあります。「すべての顧客が」「すべての社員が」「すべての競合が」——いずれも、検証する事例数が足りないことが多いです。

相関と因果の混同

データ分析や業務報告で頻発するのが、「相関と因果の混同」です。

相関と因果の違い

相関：2 つの事象が同時に変化する関係（一緒に動く）
因果：1 つの事象が別の事象を引き起こす関係（原因と結果）

相関があっても、因果があるとは限りません。

古典的な例

「アイスクリームの売上」と「水難事故」は相関する（夏に両方増える）
だからといって、「アイスクリームを食べると水難事故が起きる」のではない
真の原因は「気温」で、両方が独立に気温の影響を受けている（第三の変数）

業務での例：

「研修参加者は離職率が低い」 → だからといって「研修が離職を防ぐ」ではない
真の可能性：もともと離職しにくい人が研修に参加する傾向（選択バイアス）

因果を判定する 3 つの条件

統計学的に、相関から因果を判定するには、

時間的順序：原因が結果より先にある
相関：2 つの事象に統計的な関係がある
第三の変数を排除：別の原因の影響がない（ランダム化実験、計量経済学的手法など）

業務では完璧な因果推論は難しいですが、「相関を見たら、因果かどうかを慎重に判断する」癖を持つだけで、誤りが減ります。

📝 補足 統計的な因果推論の詳細は別の専門書を参照してください。本コースは「相関と因果は別物」と「第三の変数を疑う」の発想までを扱います。

藁人形論法（ストローマン）

議論の場面で頻出する誤りが、「藁人形論法（straw man argument）」です。

藁人形論法とは

相手の主張を、わざと弱い形（藁人形のように脆い形）に解釈して反論することです。本来の主張を直接ではなく、変形した主張を相手にしているように見せます。

例

相手の主張：「リモートワークを週 2 日認めるべき」
藁人形：「相手は全員フルリモートにしたいと言っている。それは無理」と反論
実は：相手は「週 2 日」と限定して主張している

藁人形論法は、議論を破壊する強力な誤りで、本人が無意識に行うこともあります。

対策

相手の主張を、相手が言ったとおりに繰り返して確認する（「あなたの主張は X ですね？」）
自分の反論が、本当に相手の主張に対応しているか確認する
相手の主張を「最も強い形」に解釈して反論する（プリンシプル・オブ・チャリティ）

💡 ポイント 「相手の最も強い主張」に反論できないなら、それは反論として成立していません。藁人形を倒しても、本物の議論は進みません。

二者択一の誤り（偽の二分法）

複雑な選択肢を、無理やり 2 つに絞ってしまう誤りを「二者択一の誤り（false dichotomy）」と呼びます。

例

「コストカットか、品質向上か、どちらかしかない」 → 実は両立できる場合もある
「集中か、多角化か」 → 中間や組み合わせの選択肢もある
「リモートか、出社か」 → ハイブリッドの選択肢もある

なぜ起きるか

議論を急ぐと、選択肢が見えなくなる
自分の好む選択肢を引き立てるために、対立を強調する
中間や複合の選択肢を考えるのが面倒

対策

「ほかに選択肢はないか？」と問う
「中間や組み合わせはあり得るか？」と探る
MECE な切り口で、本当の選択肢を列挙する

数字に騙されない発想

業務報告でよく見る「数字の罠」を整理します。

罠 1：母数の取り違え

「リピート率が 50%」 → 母数は何件？ 2 件中 1 件なら意味がない
「離職率が 10%」 → 何人中の何人？全社か部署か役職か

罠 2：基準の取り違え

「前年比 200% 達成！」 → 前年が非常に低かったかも
「業界平均より高い」 → 業界平均が低かったら意味薄

罠 3：選択バイアス

「成功事例の 90% が当社サービスを使っている」 → 使わなかった成功事例は無視されている
「アンケート回答者の 70% が満足」 → 不満な人はそもそも回答しなかったかも

罠 4：パーセントと絶対値の取り違え

「売上が 10% 増えた」 → 元が 100 万円なら 10 万円増、1 億円なら 1,000 万円増
絶対値も併せて確認

罠 5：可視化の歪み

グラフの軸の起点をゼロにしない（変化が大きく見える）
円グラフで近い数値が並ぶ（差が見にくい）
棒の幅や高さを意図的に変える

⚠️ 注意 数字は「事実」のように見えますが、解釈と提示の仕方で誤らせます。業務では「数字を見たら母数・基準・バイアスを確認する」を習慣化しましょう。

「ロジカル＝冷たい」誤解への深い返答

レッスン 1 で触れた「ロジカル＝冷たい」誤解に、もう一段深く返答します。

論理は感情を否定しない

論理は「事実と関係を整理する道具」で、感情を否定する道具ではありません。

論理的に整理した提案でも、相手の感情を尊重して伝えられる
「君の意見には根拠が薄い」を「君の意見に追加で根拠があれば、より強くなる」と言い換えられる
結論を出すうえで、感情面の影響を「変数の 1 つ」として組み込める

論理が効かない場面もある

信頼関係の構築（共感、傾聴、時間が必要）
創造（飛躍、直感、偶然が必要）
感情の処理（受け止め、共有が必要）
文化や価値観の違いを越える対話

これらの場面では、論理だけでは不十分です。論理は「補助」になっても「主役」にはなりません。

論理を絶対視しない知性

本コースの推奨スタンスは、「論理を絶対視しない知性」です。

論理を持つことで、感情に流されない判断ができる
同時に、感情・創造・関係性の場面では、論理を控える
どちらを優先するかを場面で判断する

これが、本コースが目指す「温かいロジカル」です。

💡 ポイント 「ロジカル全振り」も「ロジカル不要論」も両極端です。場面で使い分ける知性が、現代の知的労働者に求められます。

講師の現場メモ：「『すべての顧客が』が招いた致命的誤判断」

私（中野）が独立後、ある食品メーカーの新商品検討プロジェクトを支援した話です。マーケ部長が「アンケートで、すべての顧客が新商品に興味を示している。発売決定で問題ない」と社内で報告していました。

私はアンケートを見せてもらいました。

回答者：30 人
回答方法：店舗で対面、社員が直接ヒアリング
質問：「新商品に興味はありますか？」

これは「すべての顧客」と一般化できる調査ではありません。

30 人は事例数として少ない（早すぎる一般化）
店舗での対面ヒアリングは、興味なしと言いにくい雰囲気がある（社会的圧力）
「興味はありますか？」は社交的な質問で、Yes になりやすい（質問のバイアス）
店舗に来る人は元々関心が高い（選択バイアス）

私はマーケ部長と社長の前で、「このアンケートからは『興味がある可能性が高いという仮説』までは言えますが、『すべての顧客が』とは言えません。発売判断には別のデータが必要です」と説明しました。

社長は最初、私に少し気を悪くしたようでしたが、別の手法（ネット調査 500 人、購買意向の段階質問）を追加で実施すると、「興味あり」は 35%、「購買意向あり」は 12% でした。大幅修正です。

その後、発売予定価格と機能を見直して再度調査し、購買意向 30% まで上げてから発売。当初の予定どおり発売していたら、在庫過剰で数千万円の損失になっていた可能性が高い案件でした。

そのときに痛感したのは、「論理的に思考する」というのは、自分の仮説や報告に対しても容赦なく適用する姿勢が大事だ、ということです。本コースで「論理的誤りを知る」を扱うのは、他者の議論を批判するためではなく、自分の議論を磨くためです。

「ほら、君の議論には早すぎる一般化があるよ」と指摘するためではなく、「自分の議論に早すぎる一般化がないか確認する」ために、本コースの知識を使ってください。

まとめ

このレッスンでは、以下のことを学びました。

演繹：一般原則から個別結論を導く。三段論法が典型
帰納：個別事例から一般原則を推測する。確率的にしか正しくない
業務では両者を行き来する
早すぎる一般化：少数の事例から強すぎる一般則を導く誤り。事例数・代表性・反証事例の確認で対策
相関と因果の混同：2 つが同時に変化していても、因果があるとは限らない。第三の変数を疑う
因果推論の 3 条件：時間的順序、相関、第三の変数の排除
藁人形論法：相手の主張を弱い形に解釈して反論する誤り。相手の主張を最も強い形で確認するのが対策
二者択一の誤り：選択肢を無理に 2 つに絞る誤り。中間や組み合わせを探す
数字の罠：母数の取り違え、基準の取り違え、選択バイアス、パーセントと絶対値、可視化の歪み
「ロジカル＝冷たい」誤解への深い返答：論理は感情を否定しない、論理が効かない場面もある、論理を絶対視しない知性が現代の知的労働者に求められる

次のレッスンでは、伝える技術（結論ファースト・PREP 法・図解）を扱います。

確認クイズ

このレッスンの理解度をチェックしましょう。