経営判断は、どこまで予測できてしまうのか｜AIがCFOの回答を言い当てた研究から考える

経営判断は、どこまで予測できてしまうのか｜AIがCFOの回答を言い当てた研究から考える

経営判断について語られるとき、そこにはたいてい「その人にしか下せなかった」という含みがあります。同じ情報を前にしても、経験と感覚の差が違う結論を生む。だからこそ判断には価値がある——そう考えるのは自然です。

ところが、この前提を揺さぶる報告が出ています。AIに「特定の企業の、特定の時点のCFO」を演じさせて景況感を答えさせると、実際にそのCFOが答えた内容を統計的に有意に言い当てられた、というものです。もしそれが本当なら、私たちが「固有の判断」と呼んできたものの一部は、立場と履歴から導ける何かだったことになります。

この記事では、その報告を確かめたうえで、「予測できる」と「置き換えられる」を分けて考えるという一点に絞って整理します。

30秒で要点

• Graham・Harvey・Jhaによるプレプリント「CFOs Meet LLMs」（arXiv:2606.13812、2026年6月11日提出、査読前）は、LLMに特定企業・特定日付のCFOを演じさせ、Duke-Federal Reserve CFO Surveyの景況楽観度の設問（2002〜2025年）への回答を予測させた（arXiv:2606.13812）
• 予測された楽観度スコアは、企業固定効果・年四半期固定効果・直近の回答という統制を置いてもなお、実際のCFOの回答を統計的に有意に予測した
• 与える情報（回答履歴・企業属性）が多いほど予測精度は上がり、この関係は四半期集計でも持続した
• ただしこれは「有意に予測する」という報告であって、「置き換えられる」という結論ではない。査読前であり、対象も米国企業CFOの単一設問に限られる

何が調べられ、何が分かったのか

この研究が扱ったのは、Duke-Federal Reserve CFO Surveyという調査に含まれる、景況の楽観度を尋ねる設問です。2002年から2025年までの回答が対象になっています。

手続きはこうです。LLMに対して「特定の企業の、特定の日付におけるCFO」という役を与え、その立場でこの設問に答えさせる。そして、実際にその企業のCFOが同じ時点で答えた内容と突き合わせる。

結果として報告されているのは、予測された楽観度スコアが、実際のCFOの回答を統計的に有意に予測したということです。しかもこれは、企業固定効果と年四半期固定効果、さらに直近の回答という統制を置いたうえでの結果だとされています。

この統制の意味は小さくありません。企業固定効果を置くというのは、「あの会社はもともと強気に答える傾向がある」という企業ごとの癖で説明できる分を差し引くということです。年四半期固定効果は、「2020年春だから誰でも悲観的だった」という時期の影響を差し引きます。そして直近の回答を統制するのは、「前回と同じことを言っているだけ」という慣性で説明できる分を差し引くことです。

これらを取り除いてなお残った予測力がある、と報告されている。つまり、企業の癖でも時期の空気でも前回の答えの繰り返しでもない部分について、外部からの推定が当たっていたことになります。

さらに、与える情報が多いほど予測精度は上がったとされています。回答履歴と企業属性のどちらを追加しても当てはまりがよくなり、この関係は四半期ごとに集計しても持続したと報告されています。

情報を足すほど当たるようになる、という性質は、この現象の構造を示唆します。予測されているのは「CFO一般が言いそうなこと」ではなく、その企業のその立場に置かれた人が言いそうなこと、という個別性を含んだ何かです。

最初に思ったことと、読み直して変わったこと

この要旨を最初に読んだとき、素直に浮かんだのは「では判断とは何だったのか」という問いでした。立場と履歴を渡せば外から言い当てられるなら、その内側にいる人が費やしてきた思考は何をしていたことになるのか。

しかし読み返すと、要旨が言っているのは「有意に予測する」であって、「正確に再現する」ではありません。統計的に有意とは、偶然では説明しにくい関係がある、という意味です。それは「当てずっぽうよりは当たる」を保証しますが、「どれくらい当たるか」までは何も言っていません。

説明力がどの程度なのか——たとえば決定係数のような、ばらつきのうちどれだけを説明できたかを示す数値——は、公開されている要旨からは確認できませんでした。ここは分からない部分として、分からないまま置いておく必要があります。

すると問いの形が変わります。「判断は予測できるのか」ではなく、「判断のどの部分が予測でき、どの部分が予測から外れるのか」です。

「予測できた」は、何を分母にした話なのか

ここは混乱しやすいので、測り方の側から整理しておきます。

「予測できた」と言うとき、実は性質の違う2種類の測り方が混ざっています。

1つめは、関係の有無を測るもの。分母にあたるのは「偶然だけでもこれくらいのズレは起きる」という幅であり、分子にあたるのは「実際に観測された関係の大きさ」です。この比が十分に大きければ、偶然では説明しにくい、つまり統計的に有意だと判定されます。今回の研究の要旨が報告しているのは、この測り方での結果です。

2つめは、当たり具合の大きさを測るもの。代表的なのが決定係数で、分母は「実際の回答が持っているばらつきの総量」、分子は「そのうち予測で説明できたばらつきの量」です。単位を持たない比率として、0から1のあいだで表されます。

この2つは連動しません。データが十分に多ければ、説明できる割合がごく小さくても、有意という判定は出ます。逆に、説明できる割合が大きくても、データが少なければ有意にならないことがあります。有意性はいわば「関係があると言ってよいか」の関門であり、「どれくらい役に立つか」の指標ではありません。

今回の研究について公開されている要旨からは、1つめの結果は読み取れますが、2つめの水準は確認できませんでした。したがって、「有意に予測した」から「実務で頼れるほど当たる」への飛躍は、要旨の情報だけでは埋められません。この空白を埋めずに読み進めると、報告よりも強い結論を自分で作ってしまうことになります。

「予測できる」と「置き換えられる」は、なぜ混同されるのか

この種の報告が伝わるとき、途中で意味がすり替わりやすい箇所があります。「AIがCFOの回答を予測した」が、いつのまにか「AIがCFOの代わりになる」に変わる。

すり替えが起きる理由は、おそらく2つあります。

ひとつは、予測できることは理解していることの証拠だ、という直感です。相手の出方を読める人は相手を分かっている、という日常の感覚が、ここでも働きます。しかし統計的な予測は、対象を理解していなくても成立します。傘の売上から降水量をある程度当てられても、その計算は雨のことを何も理解していません。

もうひとつは、予測が外れた部分が目に入らない構造です。有意に予測したという報告は、当たった側の話です。外れた側に何が含まれていたのか——例外的な事業環境への反応なのか、他の誰も持っていない情報に基づく判断なのか、単なる気分の揺らぎなのか——は、有意性の検定からは出てきません。当たった話だけが可視化されると、外れた部分は存在しないかのように扱われます。

この2つが重なると、「ある程度予測できる」が「本質的に予測可能である」に格上げされます。格上げしているのは研究ではなく、読み手の側です。

予測可能であることは、劣化を意味しない

もうひとつ、感情的に受け入れにくい部分に触れておきます。「自分の判断が予測可能だった」という結果は、自分の判断が浅かった証拠のように感じられます。

しかし予測可能性は、判断の一貫性の裏返しでもあります。同じ状況に対して毎回違う結論を出す人の判断は、外からは予測できません。予測できないことは、優れていることではなく、単に安定していないことかもしれない。

問題は予測可能であること自体ではなく、予測可能な部分を「自分にしか出せない洞察」だと見なしてしまうことです。立場から導ける判断に固有の価値を上乗せして評価すると、本当に固有な部分——他の誰も同じ結論に至らない判断——に注ぐべき時間と説明の労力が、そちらに吸い取られます。

単一の報告を、どこまで信じるか

ここで、もうひとつ別の研究に触れておきます。この研究の結果をどれくらいの重みで受け取るべきか、という問いに関わるからです。

2026年4月1日付でNature誌に掲載された研究（652巻8108号、135–142頁、DOI 10.1038/s41586-025-09844-9）は、社会・行動科学の100の研究を対象に、各研究のひとつの主張について最低5人の再分析者が独立に元データを分析し直す、という取り組みを報告しています（Nature掲載論文）。

報告された内容は次のとおりです。独立した再分析のうち、元の報告と同じ結果（効果量Cohen's dで±0.05の許容範囲内）に到達したのは34%。許容範囲を4倍に広げると57%まで上がりました。結論のレベルで見ると、74%が元の調査と同じ結論に達し、24%は効果なしまたは判断不能、2%は逆の効果を報告しました。

同じデータを使っても、分析者が変われば結果は割れる。しかも、結論のレベルでは4分の3が一致するのに対し、数値のレベルでは3分の1程度しか一致しない。方向性の一致と、大きさの一致は、別の話だということです。

なお、この研究は著者ら自身が「exploratory study（探索的な研究）」と明記しています。確立した比率として扱うべき数字ではなく、傾向を示すものとして読む必要があります。

この結果を、先ほどのCFO研究に重ねてみます。CFO研究はプレプリント、つまり査読を経る前の段階のものです。そして単一の研究チームによる単一の分析です。Natureの再分析研究が示唆するのは、同じデータでも分析者が変われば数値は動きうる、ということでした。

したがって、CFO研究の結果を受け取る適切な重みは、「そういう報告が出た。方向としては注目に値する。ただし数値の水準も、追試での再現も、まだ確認されていない」というあたりに落ち着きます。

これは研究を軽んじる態度ではありません。報告の強さと、そこから引き出してよい結論の強さを、対応させるという作業です。

自分の判断を、2つに切り分けてみる

ここまでを踏まえて、実務的に持ち帰れる視点を整理します。

自分の判断は、おおまかに2つの層に分けて考えることができます。

第1層：立場と履歴から導ける部分。業種・企業規模・財務状況・これまでの意思決定の傾向——これらを知っている人であれば、同じ結論に到達しうる判断です。CFO研究が予測できたのは、おそらくこの層に近いものです。この層の判断は、質が低いわけではありません。むしろ整合的で、説明もしやすい。ただし、その判断に「自分だからこそ」という価値を付けるのは、無理があります。

第2層：そこから外れる部分。同じ立場・同じ履歴の人が、必ずしも同じ結論に至らない判断です。他の誰も持っていない現場の観察に基づくもの、複数の選択肢のどれも整合的な状況で「それでもこちらを選ぶ」と決めたもの、あるいは自分でもうまく説明できないまま下したもの。

重要なのは、第2層が第1層より優れている、という話ではないことです。第2層には、洞察も含まれれば、単なる思い込みや気分も含まれます。第1層から外れているというだけでは、正しさの保証にはなりません。

では、なぜ切り分けるのか。説明の労力を、どこに使うかを決めるためです。

第1層の判断は、立場と前提を共有すれば伝わります。長い説明を必要としません。一方、第2層の判断は、それを言葉にしない限り、他の人には「なぜそう決めたのか分からない」まま残ります。組織の中で判断が引き継がれず、属人的だと言われるものの多くは、この第2層が言語化されていない状態を指しているのではないか——というのが、この記事の仮説です。

判断に迷ったときに立ち返る3つの問い

• この結論は、私と同じ立場・同じ履歴を持つ人なら、誰でも到達するものか？ 到達すると思えるなら、それは第1層です。説明を尽くすより、前提を共有する方が早く伝わります
• 外れる部分があるとしたら、それは何に基づいているか？ 現場の観察か、明示されていない優先順位か、それとも根拠のない直感か。区別がつかないなら、まだ言語化が足りていません
• その報告や数字は、どれくらいの強さで語ってよいものか？ 査読前の単一研究か、追試で確認されたものか。報告の強さを超えて結論を強めていないかを確認します

明日から試せる、最小の検証

大きな仕組みは必要ありません。

次に何かを判断したとき、決めた直後に一度だけ、こう問い直してみてください。「自分と同じ立場・同じ履歴を持つ人なら、誰でもこう言うのではないか？」

多くの人が同じ結論に至ると思えるなら、その判断は第1層に近い。そこで手が止まる、あるいは「いや、他の人なら違う結論もありうる」と思えるなら、それは第2層に近い判断です。

第2層だと思えた判断については、なぜそちらを選んだのかを一文だけ書き留めてみてください。一文で書けないなら、その判断はまだ自分の中でも整理されていない可能性があります。

これを何度か繰り返すと、自分の判断のうちどれくらいが立場から導けるもので、どれくらいがそこから外れるものかの感触が掴めてきます。掴めた比率そのものより、「自分の判断を外から眺める視点を持てるようになること」の方が、おそらく効きます。

確かなことと、まだ確かでないこと

確かなこと

• arXivに2026年6月11日に提出されたプレプリント「CFOs Meet LLMs」が存在し、LLMに特定企業・特定日付のCFOを演じさせて、Duke-Federal Reserve CFO Surveyの景況楽観度の設問（2002〜2025年）への回答を予測させたと報告している
• その予測は、企業固定効果・年四半期固定効果・直近回答の統制を経てもなお、実際のCFOの回答を統計的に有意に予測したと報告されている
• 与える情報（回答履歴・企業属性）が多いほど当てはまりがよくなり、四半期集計でも関係が持続したと報告されている
• 2026年4月1日付のNature掲載研究では、社会・行動科学100研究の独立再分析のうち34%が元の報告と同じ結果（Cohen's d ±0.05以内）に到達し、結論のレベルでは74%が一致、24%が効果なしまたは判断不能、2%が逆の効果を報告したとされている（著者ら自身が探索的研究と明記）

まだ確かでないこと

• CFO研究は査読前のプレプリントであり、結果が今後修正される可能性がある
• 予測の説明力がどの程度の水準なのかは、公開されている要旨からは確認できない。「有意」であることと「実務で頼れるほど当たる」ことは別
• 対象は米国企業のCFOに対する景況楽観度という単一の設問である。他の種類の経営判断——投資の可否、人事、事業の撤退——に同じ性質があるかは、この研究からは分からない
• 予測から外れた部分に何が含まれているのかは、報告されている範囲からは分からない。洞察なのか、ノイズなのか、その両方なのかは、開かれたままの問いである

静かに残しておきたいこと

この記事は、経営判断の価値を否定するために書いたものではありません。

ただ、「自分にしか下せない判断」という感覚のうち、どこまでが本当にそうなのかを、一度立ち止まって見てみる価値はあるのではないか、と考えています。立場から導ける部分をそうと認めることは、判断の価値を下げる作業ではなく、本当に固有な部分がどこにあるのかを見つけるための作業です。

そして、その固有な部分がどこにあるのかは、外部からの予測が「どこで外れたか」を見ない限り、たぶん分かりません。今回の研究は、当たった側の話までしか届けていない。外れた側に何があるのかは、まだ誰も報告していない領域です。

そこにこそ、判断についていちばん知りたいことが残っている——そう考えると、この報告は判断の終わりではなく、問いの入口に見えてきます。

次の一手：私たちは本当に自分で判断しているのかで判断が提示のされ方に影響される構造を、Web・AI・マーケティングにおける判断軸の作り方で判断軸そのものの立て方を、それぞれ深掘りできます。この記事は、その2本に欠けていた「判断がどこまで外から予測されうるか」という実証研究側の視点を補うものとして書きました。

この記事で扱わなかったこと

LLMがどのような仕組みで役割を演じ、どのように回答を生成しているのかという技術的な内部構造には踏み込んでいません。また、この種の予測を実際の業務でどう使うか（たとえば意思決定支援ツールとしての設計）も扱っていません。ここで扱ったのは、予測できるという報告を受け取ったときに、自分の判断をどう見直すか、という一点です。

この記事で扱ったような、自社の判断のどこが立場から導けてどこが固有なのかを整理したい場合は、無料診断ツールで状況を言語化するところから始めることができます。