適切な修正を選ぶ

パターンを診断したら、次の問いは何を最初に変えるかです。これが重要なのは、多くの人が反応的に介入を選ぶからです。最も声高なもの、最も恥の大きいもの、または最も感情的に動揺させるものを変えようとします。それは努力につながることが多いですが、より良いシステムにはつながりません。

Adaptable Disciplineは、介入を異なる方法で選ぼうとします。デフォルトの問いは「何が最も重要に感じるか？」ではありません。「どの変更がリターンをより利用しやすくする可能性が最も高いか？」です。

実際に制約がある場所に介入する

問題がfrictionであれば、動機づけの介入はほとんど効果がないかもしれません。問題がcapacityであれば、プレッシャーを加えるとシステムが悪化するかもしれません。問題がpurposeであれば、toolsを最適化しても、間違った方向に速く進むだけかもしれません。

だからこそ、介入は診断に従うべきです。フレームワークは、最も感情的に帯電した表面ではなく、本当のボトルネックを変えようとしています。

最初の介入は通常、実際のボトルネックを動かす最小の変更であるべきです。より小さな動きでシステムを改善できるなら、そこから始めてください。

これは通常、以下を優先することを意味します：

ポイントは、それ自体のためのミニマリズムではありません。ポイントは、より安い介入はテストしやすく、継続しやすく、最初の問題の上にさらに別の問題を生み出しにくいということです。

異なるパターンには異なる最初の動きが必要です。

これらは絶対的なルールではありませんが、良いデフォルトです。

介入の中には、制約を外しているように感じながら実際にはそうでないものがあります。

よくある例：

偽の介入は通常、一時的な感情的な安堵をもたらしますが、システムをより機能的にはしません。

変更を加える前に、それが何を改善するはずかを問うことが役立ちます。

リターンをより安く？より速く？より見えやすく？恥を軽く？より合致した状態に？始めやすく？

それに答えられなければ、介入はまだ曖昧すぎるかもしれません。

このフレームワークにおける介入は反復的です。変更を加え、実際に何が変わるかを観察し、次の動きを決めます。だからこそ、comeback speedや他の可視化ツールが重要です。介入が実際のシステムを変えたのか、それとも一日だけその見方を変えたのかを確認するのに役立ちます。

目標は最初の試みで完璧な介入を見つけることではありません。現実の条件下でリターンがより信頼できるシステムに近づくことです。

この反復的なアプローチのより詳しい説明については、小さな実験を走らせるを参照してください。

試してみる：すでに診断したプラクティスに一つの介入を選ぶ

プラクティスを診断する方法からの診断がある後に使ってください。

ボトルネックを名前付けする。 一つの言葉またはフレーズ：friction、capacity、drift、purpose、mindset、tools、またはmetrics。
それを標的にする最小の変更を選ぶ。 最も満足感のある変更ではなく、リターンをより安くする最短の経路のもの。縮小バージョン、より明確な次のステップ、一つの環境変化。
偽の介入を確認する。 この変更はボトルネックに対処しているか、それとも状況がどれほど悪いかという感覚に対処しているか？後者なら、選び直す。
何を改善するかを名前付けする。 リターンが安く？入口が明確に？失敗したときの恥が軽く？名前付けできなければ、介入はまだ曖昧すぎます。

次のステップ： 小さな実験を走らせるでは、これをテスト可能な変更に変える方法を示します。