ソートリーダー

不確実な未来をナビゲートする羅針盤としての仮説指向シミュレーション

公開済み

6ヶ月前

2023 年 10 月 25 日

データ駆動型テクノロジーの最近の進歩により、人工知能 (AI) による予測の可能性が解き放たれました。しかし、パンデミックや新たなテクノロジーの混乱などの予測不可能な出来事に見られるように、過去のデータが十分ではない可能性があるため、未知の領域での予測は依然として課題です。それに応じて、仮説指向のシミュレーションは、意思決定者がさまざまなシナリオを検討し、情報に基づいた意思決定を行うことを可能にする貴重なツールとなり得ます。不確実性の時代に望ましい未来を実現する鍵は、仮説指向のシミュレーションとデータ駆動型 AI を併用して人間の意思決定を強化することにあります。

データ駆動型分析で未来を予測できるでしょうか?

近年、AI はデータ主導の目覚ましい進歩によって変革を遂げてきました。 AI の進化の中心には、膨大なデータセットから深い洞察を抽出する驚くべき能力があります。深層学習モデルの台頭と大規模な言語モデル (LLM) はこの分野を未知の領域に押し上げました。データを活用して情報に基づいた意思決定を行う力は、あらゆる規模のあらゆる業界の組織で利用できるようになりました。

製薬業界を例に挙げてみましょう。でアステラス、私たちはデータと分析を使用して、いつどの事業ポートフォリオに投資すべきかを知らせます。一般的でよく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、データ駆動型分析の力を利用して、創薬からマーケティングに至るまであらゆるものについて洞察を得ることができ、最終的にはより多くの情報に基づいたビジネス上の意思決定につながる可能性があります。

ただし、データ駆動型分析は、豊富な履歴データを持つ確立された領域では優れていますが、未知の領域での将来を予測することは依然として困難な課題です。異常な変化や技術革新が起こった地域など、十分なデータがまだ入手できない地域では、データに基づいた予測を行うことは困難です（感染性ウイルスの突然のパンデミックや感染症の影響を予測することは非常に困難です）。特定のビジネスにおける生成 AI の初期段階での台頭)。これらのシナリオは、今後の方向性を描くために過去のデータのみに依存することの限界を浮き彫りにしています。

製薬業界の典型的な例であり、アステラス製薬が定期的に直面している例は、遺伝子治療や細胞治療などの破壊的イノベーションの評価です。入手可能なデータが非常に少ないため、過去の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とポートフォリオへの広範な影響を予測しようとすることは、コンパスなしで濃霧の中を航行するようなものです。

未来を見つめる: 仮説指向のシミュレーション

不確実性の海を乗り越えるための有望なアプローチの XNUMX つは、現実世界のプロセスを模倣する仮説指向のシミュレーションです。未知の領域に挑戦しているビジネスの場合、履歴データが利用できない場合は仮説指向のアプローチを採用する必要があります。モデルは、プロセスの主要な要素が結果にどのような影響を与えるかを表し、シミュレーションは、さまざまな条件下で時間の経過とともにモデルが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「並行世界」でさまざまなシナリオをテストできます。

実際には、これは、それぞれ独自の確率と影響評価を備えた主要なシナリオの寄せ集めを意思決定表に並べることを意味します。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できます。製薬業界では、臨床試験の成功率、市場への適応性、患者数などのさまざまな要因について仮定を立てる必要があります。その後、何万ものシミュレーションが実行され、今後の曖昧な道筋が明らかになり、方向性を決めるための貴重な洞察が得られます。

アステラスでは、戦略的な意思決定を支援するために、シナリオを作成し演繹的推測を行う仮説指向シミュレーションを開発しました。これは、(意思決定テーブルで) シミュレーション仮説をリアルタイムで更新することで実現でき、戦略的意思決定の質の向上に役立ちます。プロジェクトの評価は、シミュレーション手法が登場するトピックの XNUMX つです。まず、市場のニーズや臨床試験の成功確率を含む (ただしこれらに限定されない) さまざまな要因について考えられる仮説を構築します。次に、それらの仮説に基づいて、臨床試験中または製品発売後に発生す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期待値を生成します。計算された値は、リソースの割り当てやプロジェクト計画など、どのオプションを選択する必要があるかを決定するために使用されます。

さらに深く掘り下げるために、この方法を初期段階のプロジェクト評価に適用するユースケースを見てみましょう。初期段階のプロジェクトには本質的に高いレベルの不確実性が伴うため、失敗のリスクを軽減して成功の報酬を最大化する機会は豊富にあります。簡単に言うと、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（戦略的調整、市場拡大、放棄の可能性の評価など）が可能になる可能性が高くなります。したがって、初期段階のプロジェクトのすべての価値を把握するには、柔軟性の価値を評価することが最も重要です。これは、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実現できます。

仮説指向のシミュレーションの影響を測定するには、プロセスと結果の両方の観点からの評価が必要です。 ROI の測定には、コスト削減、時間効率、収益増加などの一般的な指標を使用できます。ただし、特に意思決定に不作為が含まれる場合には、意思決定の全体を把握できない場合があります。さらに、ビジネス上の意思決定の結果はすぐに明らかになるわけではないことを認識することが重要です。たとえば、製薬ビジネスでは、臨床試験から上市までの平均期間は 10 年以上です。

つまり、仮説に基づくシミュレーションの価値は、それが意思決定プロセスにどのように統合されているかを見ることで測定できます。シミュレーション結果が意思決定に与える影響が大きいほど、その価値は高くなります。

データ分析の未来

データ分析 (1) 大規模データ内のパターンを特定しようとする帰納的アプローチ。これは、データ内で見つかったパターンが予測したい未来に適用できるという前提の下で機能します (生成 AI など)。 ); (2) 十分なデータを利用できない現象の解釈と理解に焦点を当てた分析的アプローチ (例: 因果推論)。 (3) 演繹的アプローチ。ビジネスルール、原則、または知識に依存して将来の結果を確認します。利用可能なデータが少ない場合でも機能します (仮説指向のシミュレーションなど)。

LLM およびその他のデータ駆動型分析は、実用的なアプリケーションを大幅に拡大する準備ができています。これらは、人間の作業をスピードアップし、品質を向上させ、場合によっては人間の作業を引き受けることで、仕事に革命を起こす可能性を秘めています。この変革的な変化により、個人は、データの収集/整理/分析/視覚化などの時間のかかる活動ではなく、批判的思考や意思決定など、仕事のより重要な側面に労力を集中できるようになります。アナリスト。そうなると、どの方向に進むべきかという重要性が高まり、人間の意思決定を強化することに焦点が当てられることになります。特に、中長期的な視点で将来の不確実性を管理しながら、戦略的意思決定にデータ分析やシミュレーションを活用する傾向が強まります。

要約すると、上記の XNUMX つのアプローチの間で調和のとれたバランスを達成することで、データ分析の真の可能性が最大化され、急速に進化する環境の中で組織が成長できるようになります。履歴データは非常に貴重な資産ですが、限界を認識することが重要です。この制限を克服するには、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採用することで、組織は予測不可能な将来に備え、先見性と慎重さに基づいた意思決定を確実に行うことができます。