「不確実な未来を航行するための仮説指向シミュレーション」

「美とファッションの世界で織りなす輝かしい未来」

最近のデータ駆動型技術の進歩により、人工知能（AI）を通じた予測の可能性が開かれました。ただし、未知の領域での予測は依然として課題であり、歴史的なデータが不十分な場合があります。パンデミックや新たな技術的な破壊などの予測不可能な出来事が起きた場合にそれが見られます。そのような状況に対応するために、仮説指向のシミュレーションは異なるシナリオを探索し、情報に基づいた意思決定を行うための貴重なツールになり得ます。不確実性の時代において望ましい未来を達成する鍵は、データ駆動型のAIと組み合わせて仮説指向のシミュレーションを使用することにあります。

データ駆動型の分析は未来を予測できるのか？

近年、AIは驚異的なデータ駆動の進歩により、変革の途中にありました。AIの進化の中心には、大量のデータから深い洞察を抽出する驚異的な能力があります。深層学習モデルや大規模言語モデル（LLM）の登場により、この分野は未知の領域に進出しました。データを活用して情報に基づいた意思決定をする力は、あらゆる規模の組織やあらゆる業界にアクセス可能になりました。

例として、製薬業界を取り上げましょう。当社アステラスでは、データと分析を活用して、どの事業ポートフォリオに投資すべきか、いつ投資すべきかを判断するのに役立っています。一般的で理解されている疾患領域に焦点を当てたビジネスモデルを開発している場合、データ駆動型の分析の力により、薬の発見からマーケティングまで、あらゆる分野で洞察を得ることができます。そして、より情報に基づいたビジネスの意思決定につながる可能性があります。

しかし、データ駆動型の分析は、十分な歴史的データがまだ利用できない未知の領域での未来予測は依然として困難です。突如発生する感染性ウイルスのパンデミックや生成型AIの台頭などの特異な変化や技術革新の影響を予測することは非常に難しいでしょう（特定のビジネスの初期段階で突然のパンデミックや生成型AIの影響を予測するのは非常に困難です）。これらのシナリオは、歴史的データにのみ依存して進路を描くことの制約を示しています。

• 「ダイナミックプライシングを活用して収益を最適化する方法は？」
• 「ウェブポータル開発を加速させる8つの戦略」
• 説明可能なAI：ブラックボックスモデルの解明

製薬業界でよくある例として、アステラスが定期的に直面するのは、ジーンおよび細胞療法などの破壊的なイノベーションの評価です。利用可能なデータが非常に少ないため、歴史的データのみに基づいてこれらのイノベーションの正確な価値やポートフォリオへの影響を予測しようとすることは、羅針盤なしで濃い霧の中を進むようなものです。

未来を覗く：仮説指向のシミュレーション

不確実性の中で進むための有望なアプローチの一つは、仮説指向のシミュレーションです。これは現実世界のプロセスを模倣します。もしも未知の領域に進むビジネスである場合、歴史的なデータが利用できない場合に仮説指向のアプローチを採用する必要があります。このモデルは、プロセスのキーファクターが結果にどのように影響するかを表し、シミュレーションはそのモデルが異なる条件下で時間の経過とともにどのように進化するかを表します。これにより、意思決定者は仮想の「平行世界」でさまざまなシナリオをテストすることができます。

実践的には、この手法では意思決定テーブルにさまざまなキーシナリオを提示し、それぞれの確率と影響の評価を行います。意思決定者は重要なシナリオを評価し、これらのシミュレーションに基づいて将来の戦略を策定することができます。製薬業界においては、臨床試験の成功率や市場適応性、患者人口などのさまざまな要素についての仮定を行う必要があります。数万回のシミュレーションを実行して、曖昧な未来の道筋を明らかにし、コースを切るための貴重な洞察を提供します。

アステラスでは、仮説指向のシミュレーションを開発しています。これはシナリオを作成し、帰納的な推論を行うためのものであり、戦略的な意思決定に役立ちます。シミュレーション仮説をリアルタイムで更新することにより（意思決定テーブル上で）、戦略的な意思決定の品質向上に寄与しています。プロジェクトの評価は、シミュレーション手法が活用されるトピックの一つです。最初に、市場需要や臨床試験の成功確率など、さまざまな要素に関する可能性のある仮説を立てます。それから、これらの仮説に基づいて、臨床試験中または製品の発売後に起きるイベントをシミュレーションし、プロジェクトの可能な結果と予想される価値を生成します。計算された値は、リソースの配分やプロジェクト計画を含む選択肢を決定するために使用されます。

さらに詳しく掘り下げるために、早期プロジェクトの評価にこの手法を適用したユースケースを見てみましょう。早期プロジェクトには不確実性が伴うため、失敗のリスクを軽減し、成功のリワードを最大化する機会がたくさんあります。単純に言えば、プロジェクトのライフサイクルが早いほど、柔軟な意思決定（戦略の調整、市場拡大、中止の可能性の評価など）のポテンシャルが高まります。柔軟性の価値を評価することは、早期プロジェクトの価値を最大化するために重要です。実際には、リアルオプション理論とシミュレーションモデルを組み合わせることでそれが実現できます。

仮説指向型シミュレーションの影響を評価するためには、プロセスと結果の両面からの評価が必要です。コスト削減、時間効率、売上成長などの典型的な指標は、ROIを測定するために使用できます。しかし、それらは特に行動しないいくつかの決定を含む場合には、意思決定の全体を捉えることができないかもしれません。さらに、ビジネスの意思決定の結果は、すぐには明らかにならないことを認識することも重要です。たとえば、製薬業界では、臨床試験から市場導入までの平均時間は10年以上かかります。

つまり、仮説指向のシミュレーションの価値は、意思決定プロセスにどのように統合されているかによって測定することができます。シミュレーションの結果が意思決定に影響を与えるほど、その価値は高くなります。

データ分析の未来

データ分析は、3つの主要なトレンドに分かれることが予想されています：(1)大量のデータからパターンを見つけ出そうとする帰納的アプローチ。このアプローチは、データから見つかったパターンを将来の予測に適用できるという前提のもとで機能します（たとえば、生成型AI）；(2)現象の解釈と理解に重点を置いた分析的アプローチ。十分なデータを利用できない場合に利用されます（たとえば、因果推論）；(3)ビジネスルール、原則、あるいは知識に依存する帰納的アプローチ。データが少ない場合でも機能します（たとえば、仮説指向のシミュレーション）。

LLMや他のデータ駆動型アナリティクスは、実用的な応用領域を大幅に拡大する準備が整っています。それらは作業を速くしたり、品質を向上させたり、いくつかの場合は人間の仕事を引き受けたりする可能性があります。この変革的なシフトにより、個人はデータ収集/整理/分析/視覚化などのより時間のかかる活動ではなく、批判的思考や意思決定などの重要な側面に取り組むことができるようになります。このようになると、どの方向に進むかの重要性が増し、人間の意思決定を補完することに重点が置かれるようになります。特に、VoAGIから長期的な視点まで将来の不確実性を管理するために、戦略的な意思決定にデータ分析とシミュレーションが使用される傾向になります。

要約すると、上記の3つのアプローチの間で調和の取れたバランスを実現することで、データ分析の真の可能性を最大限に引き出し、組織が急速に変化する環境で繁栄することができます。過去のデータは非常に重要な資産ですが、その制約を認識することも重要です。この制約を乗り越えるために、データ駆動型のアプローチと並行して仮説指向のシミュレーションを受け入れることで、組織は予測できない未来に備え、洞察と慎重さに基づいた意思決定を行うことができます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!