小さな実験を走 らせる
Adaptable Disciplineを使った構築は反復的なプロセスです。正しい設計が事前に手渡されることはほとんどありません。多くの場合、パターンを検出し、仮説を立て、変更を加え、そしてシステムが実際にどう動くかを観察します。
それはフレームワークの弱点ではありません。フレームワークがどう機能するかの一部です。
なぜ実験が重要なのか
プラクティスは外から見ると似たような複数の理由で失敗することがあります。動機の問題のように感じることがfrictionかもしれません。一貫性のなさのように見えることがcapacityのミスマッチかもしれません。怠惰のように感じることが、弱いpurpose、欠けているtools、またはまだ特定していないチャネルを通じてレバレッジを獲得しているdriftかもしれません。
だからこそ実験が重要です。曖昧な疑いからより良いエビデンスへと進む助けになります。
仮説は作業説明である
このフレームワークにおいて、仮説はシステムで何が起きているかの作 業説明です。
こんな形かもしれません：
- frictionの仮説：「リターンが繰り返し失敗しているのは、セットアップコストが高すぎるからだ。」
- capacityの仮説：「システムは、通常持っているより多くのエネルギーがあるときにのみ機能する。」
- purposeの仮説：「プラクティスが崩壊し続けているのは、リターンを正当化するのに十分な明確さが方向性にもうないからだ。」
- mindsetの仮説：「戻る動きが遅れるのは、毎回の失敗が証拠に変わるからだ。」
仮説は完璧である必要はありません。次の有益なテストをガイドするのに十分な明確さがあれば良いです。
実験はどのように見えるか
実験とは、仮説が本当の制約を指しているかどうかを確認するために行う意図的な変更です。
それは以下のようなことかもしれません：
- 行動前のステップ数を減らす
- 一週間returnを縮小する
- 次のステップをワーキングメモリではなく外部化する
- 指標を変える
- 一つの境界を守って、プラクティスがより coherent になるかを見る
ポイントは生活をランダム化することではありません。システムが異なる動きをするかどうかを観察できる意味のある変更を加えることです。
明確になる前に、さらにdriftするかもしれない
実験は一時的に不確実性を増加させることがあります。本当のボトルネックが何かを学んでいる間に、driftが少なくなるどころか、多くなることがあるかもしれません。それはプロセスが壊れていることを意味しません。システムがより見えるようになっていることを意味することが多いです。
観察が明確なままで、仮説が反証可能なままである限り、その一時的な混乱は価値があることがあります。目標は即座の整然さではありません。根本原因、または少なくとも最もレバレッジの高い変更を見つけることです。
実験中に何を観察するか
実験は、より良い情報をもたらすときに有益です。変更が有効な間、以下に注目してください：
- returnが安くなったか、明確になったか
- comeback speedが変わったか
- より難しい条件下でもシステムが better に持ちこたえるか
- 別のボトルネックが見えてきたか
- 介入が一つの問題を別の問題を生み出すことで解決したか
観察は介入と同じくらい重要なのがここです。
結果の読み方
すべての有益な実験が明確な成功または失敗で終わるわけではありません。結果がそれより診断的なこともあります。
- 仮説はほぼ正しかった： 期待した場所でリターンが安くなり、以前よりシステムが better に持ちこたえた
- 問題が移動した： 一つのボトルネックが改善したが、別のものが見えてきた
- 仮説は部分的だった： 変更は助けになったが、良い条件下でのみ、つまり別の制約がまだ有効
- 仮説は間違っていた： 介入はほとんど何も変えなかった、つまり間違った問題を解決しようとしていた可能性が高い
実験は勝利の動きを見つけることだけではないため、これは重要です。システムが実際に何をしているかについてより混乱を減らすことでもあります。
シンプルな例
ライティングプラクティスが三日間順調な後に崩壊し続けるとします。frictionの仮説を立てます：再開のコストが高すぎる。そこで各セッションを終えるとき、次の文と次のサブセクションをドキュメントに待たせておきます。
その変更により四日目が easier になれば、仮説は有益でした。リターンがまだ遅れていても、今度は本当の問題が最 初の失敗後の羞恥心のように見えるなら、実験はそれでも助けになりました。主なボトルネックはfrictionだけでなかったことが明らかになりました。システムがより明確になりました。
反復の見返り
実験が上手くなされると、見返りは積み重なります。同じ曖昧な推測をしなくなります。失敗の本当の構造をより見えやすくなります。急いでいるが間違ったボトルネックにある変更ではなく、最もレバレッジの高い変更を見つける可能性が高くなります。
それがAdaptable Disciplineで構築することのより深い見返りの一つです。時間をかけて、一つのプラクティスを改善するだけでなく、現実の条件下でシステムを理解し、再設計し、安定させる能力を改善しています。
持ちこたえられていないプラクティスで検討中の変更を選んでください。
- 診断を名前付けする。 これはどんな種類の失敗ですか？できるだけ具体的に一文で。
- 仮説を書く。 「[具体的な変更]をすれば、[具体的な成果]が改善されるはずだ。なぜなら[これが標的にしている制約]だから。」反証可能にしてください——うまくいったかどうかを判断できる必要があります。
- 何を観察するかを名前付けする。 変更がうまくいっているとは何で判断しますか？再開が cheaper、失敗後のリターンが faster、最初のステップのfrictionが少ない、comeback speedが改善？一つのシグナルを選ぶ。
- 時間ウィンドウを設定する。 評価する前にどのくらい実行しますか？一週間で通常パターンを見るのに十分です。
完了の目安： 反証できる仮説があるとき。
次のステップ： 機能しているかを知るでは、ウィンドウが閉じた後に結果を読む方法を示します。