この記事は、個人の判断パターンを前例から再現する「判断の再現」の検証結果をまとめるシリーズの1本である。判断の再現が成立する条件は姉妹記事「判断の再現が成立する条件」、前例が何件から効くかは姉妹記事「前例は何件から効くか」に譲る。標本設計の基本的な考え方はRAGの幻覚率0%は何件で言えるかにまとめている。
この記事で分かること
- 判断点の記述を粗くすると個人差の再現が上がるという実測
- 粗くしすぎると未知環境への転移がむしろ悪化するという反証
- 抽象度と転移の関係には山があり、中間的な粗さが最も転移を改善するという実測
- 特徴量の作り方自体を変えると、個人差と転移の符号が両方とも反転する例
この記事で分からないこと（正直に書く）
- 山の頂点がどの抽象度にあるかの正確な位置(140通りの探索から絞り込んだ範囲までしか分かっていない)
- 今回検証した以外の判断の種類でも同じ山の形になるかどうか
抽象度を変えると何が起きるか
判断の再現では、判断点をどれだけ具体的な座標のまま扱うか、それともどこまで粗くまとめるかという設計判断がある。自社では、対戦型ゲームの上位プレイヤー47名のデータを使い、抽象度を変えたときに「個人差の再現」と「未知環境への転移」という2つの成績がどう動くかを検証した。マップ固有の座標をそのまま使うL0という水準では、個人差の再現はlift+0.363、未知環境への転移は−0.279(有意な人数は0人)だった(出所: 自社の判断再現の検証記録、確認日2026-09-06)。同じデータでも、何を測るかによって結果の符号が逆になっている。
粗くすると個人差の再現は上がる
座標をより粗くまとめたL1という水準では、個人差の再現はlift+0.468となり、47人全員が有意になった(出所: 自社の判断再現の検証記録、確認日2026-09-06)。L0の+0.363よりさらに改善しており、判断点を粗くまとめるほど個人差は再現しやすくなるという傾向がここまでは見える。
反証: 粗くしすぎると未知環境への転移は悪化する
ところが、同じL1で未知環境への転移を見ると−0.408となり、L0の−0.279よりも悪化していた(出所: 自社の判断再現の検証記録、確認日2026-09-06)。「抽象度を上げるほど成績が良くなる」という単純な見立てに対する反証である。個人差の再現ではL1がL0を上回ったのに、未知環境への転移ではL1がL0を下回っており、同じ方向に抽象度を上げ続けても両方が改善するわけではない。
山の頂上 中間的な抽象化が転移を最も改善する
自社では140通りの抽象度の組み合わせを探索用のグループで試し、有望だった設定を別の検証用グループで1回だけ確認するという手順を取った。その結果、未知環境への転移はL0の−0.279から、中間的な抽象度で−0.117まで改善することが分かった(出所: 自社の判断再現の検証記録、確認日2026-09-06)。L0(具体的すぎる)でも、L1(粗すぎる、−0.408)でもなく、その中間に転移が最も改善する山の頂上がある。抽象度は「上げれば上げるほど良い」でも「具体的なほど良い」でもなく、山型の関係になっている。
特徴量の作り方自体を変えると符号が反転する
抽象度の粗さとは別の軸として、特徴量そのものの作り方を変えるという方法もある。L0の座標をそのまま使う代わりに、移動量と装備のチーム比という指標に置き換えたところ、未知環境において個人差の再現は+0.041、転移も+0.036と、両方とも正の値になった(出所: 自社の判断再現の検証記録、確認日2026-09-06)。L0では未知環境への転移が−0.279だったことを踏まえると、座標をどこまで粗くするかという軸を調整するのではなく、何を特徴量として測るか自体を変えることで、符号そのものが反転する場合があるということになる。抽象度探索の結果は、こうした表現の作り方の違いを前提として読む必要がある。
抽象度の設計が個人差の再現と未知環境への転移のどちらを優先すべきか整理したい場合は、お問い合わせから編集部まで相談してほしい。
よくある質問
Q1. 判断点を粗く抽象化すると個人差の再現は上がるのか
上がる。マップ固有の座標をそのまま使うL0ではlift+0.363だったが、座標を粗くまとめたL1ではlift+0.468となり、47人全員が有意になった。
Q2. 抽象化すればするほど未知環境への転移も良くなるのか
良くならない。L1では未知環境への転移が−0.408となり、L0の−0.279よりも悪化した。個人差の再現が上がったからといって転移も上がるとは限らない。
Q3. 未知環境への転移を改善するにはどうすればよいか
抽象度を上げすぎず、中間的な粗さにとどめることである。中間的な抽象度では転移が−0.117まで改善しており、L0(−0.279)とL1(−0.408)のどちらよりも良い結果になった。
Q4. 特徴量の作り方を変えるとどうなるか
座標をそのまま使う代わりに、移動量と装備のチーム比という指標に置き換えたところ、個人差の再現は+0.041、転移は+0.036と、未知環境でも両方とも正の値になった。抽象度の粗さの調整とは別に、特徴量の設計自体が結果を左右する。