エフェクチュエーション×BMLサイクル統合 ── Build-Measure-Learn と意思決定の同形性

問題設定：同名異物か、異名同物か

エフェクチュエーション理論（Sarasvathy, 2001）とリーンスタートアップ方法論（Ries, 2011）は、起業家の意思決定プロセスを説く理論として、表面上は競合する位置付けにある。しかし、詳細に比較すると、Build-Measure-Learn（BML）サイクルとエフェクチュエーションの意思決定ループは、同じ構造の異なる表現であることが明らかになる。

本稿では、Ries(2011)のBMLサイクルを構成する三つの段階と、Sarasvathy(2001)が定義した5つの意思決定原則を対応させ、統合モデルを提示する。

1. Build-Measure-Learn サイクルの本質

BMLサイクルの定義

リーンスタートアップの中核は、次の反復的プロセスである（Ries, 2011）。

Build — 仮説を最小限の実装で検証可能な形にしてアウトプットする
Measure — ユーザー反応と実データを収集・分析する
Learn — 学習結果から次の仮説を生成し、ピボットか拡大かを判断する

Ries はこのサイクルを「シンプルなロープ」に例え、その回転速度を競争優位の源泉と見なした。短期に多くのサイクルを回せば、市場への適応精度が向上する、という仮説である。

BMLサイクルの隠れた前提

しかし Ries の記述を詳細に読むと、BMLサイクルを駆動する前提条件が存在する。

Build 段階: 何を作るのか、誰に売るのか、どの機能を優先するか、という初期的な判断が必要である。Ries は「最小限の仮説」と呼ぶが、仮説を立てるには、起業家が手元にある資源と情報を組み合わせるしかない。
Measure 段階: 何を測定するのか、という判断は、起業家の価値観と損失許容度に依存する。全てのメトリクスは測定不可能であり、選別が必要である。
Learn 段階: データから学ぶことは、通常、複数の解釈が可能である。その中から「どの読み方が適切か」は、起業家の判断に委ねられる。

つまり、BMLサイクル自体は透明なプロセスではなく、起業家の主観的な判断が三段階すべてに浸透している。

2. エフェクチュエーション5原則とBMLサイクルの対応

Sarasvathy(2001) が提唱した5つの原則を改めて整理し、BMLサイクルとの対応を図解する。

2-1. 手中の鳥（Bird in Hand）→ Build の前提

段階	主要活動	Effectuation 原則
Build 前	起業家が「何を作るか」を決定	手中の鳥：自分が何を知り、何をできるか、誰を知っているか

手中の鳥は、Build段階に先立つ必須の判断である。起業家が「完全な市場情報」や「完璧な仮説」を待つことはできず、現在持っている知識・スキル・ネットワークから出発するしかない。

Ries が推奨する「最小限の実装」も、実は起業家の現有資源で可能な最小単位を意味する。シリコンバレーのスタートアップが「3人で3ヶ月で最初の製品を作る」というのは、彼らの資源（プログラミング技術、起業ネットワーク、ベンチャーキャピタルとの接点）が豊富だからである。日本の製造業出身者が同じスピードで実装することは難しく、その理由は手中の鳥の構成が異なるからに他ならない。

2-2. 許容可能な損失（Affordable Loss）→ Measure の判断軸

段階	主要活動	Effectuation 原則
Measure 時	何をKPIとするか、いつ撤退するか	許容可能な損失：期待リターンではなく、失っても耐える範囲で判断

BMLサイクルにおいて「Measure」段階は、データ収集と解釈の両者を含む。Ries は多くのメトリクスを提示するが、起業家が全て同じ精度で測定することは不可能である。

ここで登場するのが「許容可能な損失」である。期待リターン最大化（Causation）の思考では、「最大限のデータを集めて、確率に基づいて判断する」となる。しかしエフェクチュエーション（Effectuation）では、「失っても事業継続できる予算内で、優先度の高い測定に集中し、それ以外は見切りをつける」となる。

実際、初期段階の起業家は、Webアナリティクス・ユーザーインタビュー・プロトタイプテスト・市場調査など、多数の測定法から何を選ぶか決断を迫られる。この選別が可能になるのは、自分たちがいくら失ってもよいか、という上限額を決めた瞬間である。

2-3. レモネード（Lemonade）→ Learn 段階の適応的解釈

段階	主要活動	Effectuation 原則
Learn 時	データからの学習と仮説修正	レモネード：予期せぬ出来事を脅威でなく機会と解釈

BMLサイクルの「Learn」段階は、収集したデータから「次は何をするか」を判断する段階である。しかし、データは常に曖昧である。

例えば、あるSaaS企業がユーザーを初期獲得したものの、チャーン率が予想より高い場合を想定しよう。

Causation的な解釈: 「当初の仮説が間違っていた。別のセグメントか別の製品を探すべき」→ ピボット
Effectuation的な解釈: 「高いチャーン率自体が信号だ。チャーンするユーザーはなぜ去るのか。その理由から新しい機会が見えないか」 → 適応

レモネード原則は、BMLサイクルのデータ解釈に「主観的な意味付け」を許容する。悪いニュースも、見方次第で試行の方向を示す指針になり得る、という認識である。これは Ries のピボット概念と相似しているが、エフェクチュエーションではさらに積極的に、予期しない事態そのものが価値を持つと見なす。

2-4. クレイジーキルト（Crazy Quilt）→ Build-Learn の協力設計

段階	主要活動	Effectuation 原則
全段階	パートナーシップ形成と共創	クレイジーキルト：自発的に参加するステークホルダーとの協力

BMLサイクルは、ときに「一人の起業家が一人でサイクルを回すプロセス」と解釈されることがある。しかし、実務においては、初期段階から複数のステークホルダーが関与する。

初期ユーザー、初期投資家、技術パートナー、アドバイザーなど、起業家の周囲に集まった人物たちが、Build の内容、Measure の指標、Learn の解釈に影響を与える。Sarasvathy が「クレイジーキルト」と呼ぶのは、この自発的に参加するステークホルダーとの関係を構築し、彼らの期待値や知見を統合するプロセスである。

Ries も類似した観察を示唆しており、成功した起業家ほど「フィードバック文化」が醸成されていると述べている。これはクレイジーキルト原則の実装形である。

2-5. 飛行機のパイロット（Pilot in the Plane）→ 反復の自律制御

段階	主要活動	Effectuation 原則
サイクル全体	予測に依存しない、行動を通じた創造	パイロット：未来は作られるもの。制御可能な領域に集中

「飛行機のパイロット（Pilot in the Plane）」は、Sarasvathy の5原則の中でも最も抽象的である。これは、起業家が「外部環境の予測」に依存するのではなく、「自分たちの行動が起こせる直接的な成果」に集中すべき、という意味である。

BMLサイクルは、このパイロット原則の実装形に他ならない。ユーザーの反応（=制御可能な現象）を測定し、それに基づいて次の行動を選ぶ。市場予測や競合分析に時間をかけるのではなく、作って、測って、学ぶという行動の連鎖が未来を創造する。

3. 統合モデル：BML-Effectuation Matrix

上記の対応を体系的に整理すると、次のマトリクスが得られる。

┌─────────────────────────────────────────────────────────┐
│         Build-Measure-Learn × Effectuation Matrix        │
├─────────────┬──────────────────────────────────────────┤
│ Phase       │ Effectuation 原則の適用点                │
├─────────────┼──────────────────────────────────────────┤
│ Build       │ Bird in Hand                              │
│             │ ↳ 手元資源（知識・スキル・ネットワーク）  │
│             │    から出発する製品設計                   │
├─────────────┼──────────────────────────────────────────┤
│ Measure     │ Affordable Loss                           │
│             │ ↳ 失っても耐える予算内で測定対象を選別   │
│             │    期待リターンではなく損失上限が判断軸   │
├─────────────┼──────────────────────────────────────────┤
│ Learn       │ Lemonade + Pilot in Plane                │
│             │ ↳ 予期せぬデータから機会を読む           │
│             │    市場予測でなく、測定結果から実行選択   │
├─────────────┼──────────────────────────────────────────┤
│ Throughout  │ Crazy Quilt                              │
│             │ ↳ BML全段階にステークホルダーが参加      │
│             │    フィードバック文化による協力関係       │
└─────────────┴──────────────────────────────────────────┘

このマトリクスの意義は、BMLサイクルの「機械的な適用」ではなく、その背後にある思考体系を明確にすることにある。

4. 実務的含意：どのように使い分けるか

統合モデルから、三つの実務的示唆が導出される。

4-1. 環境による原則の優先順位変動

BMLサイクルを「全ての起業家に同じ速度で回せるプロセス」と見なすことは誤りである。環境要因によって、どの原則に重きを置くべきかは変わる。

技術スタートアップ（シリコンバレー型）: Bird in Hand（優秀なエンジニア集団）が充実しており、Affordable Loss も比較的緩い（VC資金）。故に BML を高速で回せる。
ハードウェアスタートアップ: Build コスト（試作費）が高く、Measure サイクルも長い。Affordable Loss が機能する原則となり、失敗許容度を低く設定して実験計画を立てる。
B2B 企業開発: ユーザーは少数だが、フィードバック頻度が高い。Crazy Quilt（顧客との共創）が統合を加速する。

統合モデルは、「自分たちの環境では、どの原則が強いのか、弱いのか」を診断する道具として機能する。

4-2. ピボットと創造的適応の区別

BMLサイクルでは「ピボット」（方向転換）という決断が重要である。しかし、ピボットにも二種類がある。

効率的ピボット（Efficient Pivot）: データが明確に示す方向への転換。例：「ターゲットユーザーが B から C に変わった」
創造的適応（Creative Adaptation）: 予期しない情報から新しい価値を読み込む転換。例：「チャーンするユーザーの理由を聞いたら、元々想定していなかったニーズが見えた」

前者は Causation でも対応可能だが、後者はレモネード原則（予期しぬ事態から機会を読む）なしには実行できない。統合モデルは、ピボット判断の背後にある心理プロセスを区別する解像度を提供する。

4-3. 「シンプルさ」への過度な信仰の回避

Ries の BML は、その簡潔さゆえに、「とにかく作って試す」という行動指向の文化を組織に醸成する長所がある。しかし、同時に「測定と解釈の主観性」を見落とさせるリスクがある。

統合モデルを適用することで、次の点が明確になる：

Build は、起業家の資源と価値観に基づく選別の結果である（Bird in Hand）
Measure は、失って耐える範囲に基づく測定対象の選別である（Affordable Loss）
Learn は、複数の解釈の中から起業家の判断で一つを選ぶ行為である（Lemonade + Pilot）

つまり、BMLサイクルは「客観的で中立的なプロセス」ではなく、起業家の主観的判断が全段階に浸透しているプロセスなのである。これを認識することで、より自覚的で責任ある意思決定が可能になる。

5. 統合モデルの限界と今後の課題

本稿で提示した BML-Effectuation 統合モデルには、いくつかの限界がある。

5-1. スケーラビリティの問題

Sarasvathy(2001) は主に初期段階の起業家を対象に調査を実施した。そのため、エフェクチュエーション5原則は、初期段階（$0-1M USD）で特に有効である。

一方、BML サイクルは Ries(2011) によって、スケール段階（$10M+ revenue）でも適用可能であると主張されている。実際、Spotify, Airbnb, Netflix などの成長企業でも BML が継続的に運用されている。

統合モデルをスケール段階に拡張する際には、エフェクチュエーション原則がどのような変容を遂げるのか、という問題が残されている。

5-2. 資本集約度と原則の有効性

ハードウェア、インフラ、医療機器など、初期投資が高い産業では、Affordable Loss 原則が単純には機能しない。試作コストが数千万円に達する場合、「失っても耐える範囲」の定義そのものが難しくなる。

このような環境で、BML サイクルをどのように適用するのか、あるいは全く別のフレームワークが必要なのか、という問題は、実務的に重要だが未解決である。

5-3. 文化的・制度的背景の考慮

Ries の BML は、シリコンバレーの起業文化（失敗を学習と見なす、迅速な実装を賞賛する）を前提にしている。一方、Sarasvathy の調査も、欧米の起業家を主対象としている。

日本の企業文化（品質第一、リスク最小化、長期的関係性重視）の中で、BML-Effectuation 統合モデルをどのように適応させるのか、という問題は重要である。

結論

Build-Measure-Learn サイクルとエフェクチュエーション理論は、表面的な競合ではなく、同じ現象を異なる言語で記述した体系である。

統合モデルを適用することで、以下の三点が明確になる：

BML サイクルの背後にある思考体系 — 各段階に浸透する起業家の主観的判断
環境要因による原則の優先順位 — 資金・技術・市場構造によって、どの原則が有効か変わる
ピボットと創造的適応の区別 — データ駆動か直感か、という二項対立を超えた意思決定フレームワーク

今後の研究では、スケール段階・資本集約度・文化的背景を考慮した拡張モデルの構築が必要である。

参考文献

Sarasvathy, S. D. (2001). Causation and Effectuation: Toward a Theoretical Shift from Economic Inevitability to Entrepreneurial Contingency. Academy of Management Review, 26(2), 243-263.
Ries, E. (2011). The Lean Startup: How Today’s Entrepreneurs Use Continuous Innovation to Create Radically Successful Businesses. Crown Business.
Ries, E. (2013). The Lean Startup. 日本語版『リーンスタートアップ』翔泳社（邦訳）.
Sarasvathy, S. D. (2008). Effectuation: Elements of Entrepreneurial Expertise. Edward Elgar Publishing.