あなたは、ビジネスや学校の世界で行われている、巨大で目に見えないゲームのレフェリー（審判）になったと想像してください。このゲームでは、プレイヤー（環境に配慮しようとする企業や、大学に入学しようとする学生など）は、パフォーマンスを向上させるために「隠れた行動」をとります。レフェリー（格付け機関や試験採点者など）は、そのプレイヤーがどれほど努力したかを示す「ノイズ混じりの手がかり」を目にしますが、真の観客（投資家や大学など）には、レフェリーが出した「最終的なスコア」だけが見えます。厄介なのは、プレイヤーが賢いことです。彼らはレフェリーのルールを知っており、本当の成果を出すことよりも、高いスコアを得るためだけに「システムを出し抜こう（ゲーミング）」として、努力を偽ったり、スコアに直結する部分だけに集中したりすることがあります。これは「情報デザイン」と「モラルハザード」の世界です。「モラルハザード」とは、単に「バレなければサボったり、騙したりしてもいいと考える人がいる」ということを指す、少し難しい言葉です。そして「情報デザイン」とは、全員に公正にプレイしてもらうために、どの程度の情報を開示すべきかを決定する技術のことです。大きな問いは、「レフェリーはプレイヤーのパフォーマンスの詳細をすべて示すべきか、それともプレイヤーのモチベーションを維持するために一部を隠すべきか？」というものです。

「Optimal Rating Design under Moral Hazard（モラルハザード下における最適な格付け設計）」と題されたこの論文は、その問いを深く掘り下げています。著者であるメリアム・サイディとアリ・シュリデは、格付けシステムの完璧なルールブックを作り上げようとする、熟練のゲームデザイナーのように振る舞っています。彼らは、万能な答えは存在しないことを発見しました。時には、すべてを見せることが最善の場合もあります。しかし多くの場合、最も賢明な手段は、情報を「検閲（センサーシップ）」すること、つまり、特定の結末の境界線を意図的に曖昧にすることです。彼らは、最適な検閲の方法は、プレイヤーの努力が成功の確率をどのように変化させるかに完全に依存するということを突き止めました。もし、一生懸命取り組むことが「ホームラン」の可能性を高めると同時に「三振」の可能性も高めるのであれば、最善の格付けシステムは、悪い結果を隠すこと（低い検閲）であり、リスクを取ることを促します。逆に、一生懸命取り組むことが、結果をより一貫したものにし、リスクを減らすだけであれば、最善のシステムは素晴らしい結果を隠すこと（高い検閲）であり、何もしないことを防ぎます。彼らはまた、プレイヤーが実際には努力せずに、見た目だけを整えて良いスコアを得ようとする複雑な状況（「ウィンドウ・ドレッシング（見せかけの装飾）」と呼ばれるもの）において、レフェリーは時として中間スコアを完全に隠すべきであることを示しています。

隠れた努力とノイズ混じりの手がかりのゲーム

この論文を理解するために、シンプルな物語で舞台を整えましょう。街で最高のパンを売りたいパン屋がいると想像してください。パン屋は、一生懸命働く（高級な粉を使い、何時間もこねる）か、あるいは近道をする（安い粉を使い、機械任せにする）かを選択できます。街の顧客（市場）は素晴らしいパンを求めていますが、彼らはパン屋の手元を見ることはできません。彼らが見ることができるのは、焼き上がったパンの塊だけです。格付け機関（仲介者）はパン屋を見守り、「手がかり」を察知します。例えば、厨房の匂いや、パンの焼き色の変化などです。この手がかりにはノイズが含まれています。良い匂いがしたからといって必ずしも素晴らしいパンができるわけではありませんし、悪い匂いがしたからといって必ずしも悪いパンができるわけでもありません。

格付け機関には選択肢があります。顧客に手がかりの内容を正確に伝えるか、あるいは「良い」「普通」「悪い」といった漠然とした要約を与えるかです。パン屋は格付け機関のルールを知っています。もし機関が厳しすぎれば、パン屋は努力をやめてしまうかもしれません。もし機関が甘すぎれば、パン屋は一生懸命やるのをやめて、ただ「良く見えるように」することに注力するかもしれません。格付け機関の目的は、パン屋に最大限の努力をさせる、あるいは、あるいは哀れなパン屋を生き残らせる、あるいは、パン屋が「良い」という格付けを得るために細工することを防ぐような、格付けシステムを設計することです。

この論文の巧妙なトリックは、格付けシステムは単にスコアを与えるだけでなく、パン屋の努力に対して「価格」を設定しているという点に気づいたことです。格付けが「良い」であれば、パン屋はそのパンに対して高い価格を得られます。「悪い」であれば、低い価格になります。パン屋は、一生懸命取り組んだ場合にどれだけの追加収益が見込めるかに基づいて、自分の努力の度合いを決めます。著者は、**「中間価格（interim prices）」**という巧みな概念を導入しています。これは、パン屋の「裏読み」による信念のようなものです。最終的な格付けが出る前に、パン屋はこう考えます。「もし良い匂いがしたら、顧客は最終的にどう判断するのだろうか？」論文は、もし格付けシステムが公平である（つまり、より良い匂いが常に高い期待価格につながる）ならば、可能な格付けシステムの集合は、生のデータの激しい変動を「滑らかにする」ものに限定されることを証明しています。生のデータが持つ激しい変動よりも、価格を大きく跳ね上がらせるような格付けを作ることはできません。できるのは、平均化することだけなのです。

真実を隠す魔法

この論文の最もエキサイティングな部分は、「いつ真実を隠すべきか？」という問いへの答えです。著者たちは、パン屋の努力が「起こりうる結果の形」をどのように変えるかに依存するという答えを見出しました。彼らは、主に3つのシナリオを特定しています。これらを MLRP、ELRP、CLRP と呼びます。

1. 標準的なケース (MLRP): すべてを見せよ！
教科書的な古典的な世界では、パン屋が一生懸命働けば、あらゆる面においてパンが良くなります。一生懸命働くパン屋は、たとえどこを見ても、素晴らしいパンを作る確率が高くなり、悪いパンを作る確率は低くなります。論文は、この退屈で予測可能な世界においては、完全な開示が最善であることを確認しています。すべてを公開すべきです。なぜなら、もし悪いパンの結果を隠してしまうと、パン屋が実は一生懸命努力しているという事実まで隠してしまう可能性があるからです。もし良いパンの結果を隠せば、彼らの努力に対する報酬を取り上げてしまうことになります。したがって、この標準的なケースでは、透明性が王道となります。

2. リスクを取る革新者 (ELRP): 災難を隠せ！
次に、パン屋がイノベーター（革新者）である場合を想像してください。彼らは突拍子もない新しいレシピに挑戦しています。もし彼らが一生懸命働けば、伝説的な世界一のパンを生み出すかもしれませんが、同時に、パンを丸ごと焦がしてしまう（大惨事）可能性もあります。もし何もしなければ、平凡なパンができるだけです。ここでは、一生懸命働くことが「裾野（テイル）」を広げます。つまり、最高の結果をより起こりやすくすると同時に、最悪の結果もより起こりやすくするのです。これが 「拡大型尤度比特性 (Expanding Likelihood Ratio Property: ELRP)」 です。

論文は、この場合、最善の格付けシステムは 「低い検閲（lower censorship）」 であると示唆しています。つまり、格付け機関は本当に悪い結果を隠すべきだということです。もしパン屋がパンを焦がしてしまったとしても、機関は単に「あまり良くなかった」と言うだけで、具体的な惨状までは明かすべきではありません。なぜなら、もしパン屋が「大失敗したら公に恥をかく」と知っていれば、リスクのある新しいレシピに挑戦することを怖がってしまうからです。悪い結果をひとまとめにして「安全な」平均的な評価を与えることで、機関はパン屋に対して、ダウンサイドに対する保険を提供します。これにより、パン屋は伝説的なパンを作ることを夢見て、リスクを取り、懸命に働くよう促されます。これは、親が子供に「もしロケットを作ろうとして爆発しても、それは『学習体験』だったと言うから大丈夫だよ」と言って、火をつけるのを怖がらせないようにするのと似ています。

3. 慎重な維持者 (CLRP): 奇跡を隠せ！
逆に、パン屋がパンの「一貫性」を保ちたいと考えている場合を想像してください。もし彼らが一生懸命働けば、ミスをしなくなります。伝説的なパンを作るようになるわけではありませんが、焦がしたパンを作ることもなくなります。一生懸命働くことは、分布を中央へと「圧縮」します。これが 「圧縮型尤度比特性 (Compressing Likelihood Ratio Property: CLRP)」 です。

この場合、論文は 「高い検閲（upper censorship）」 を主張しています。格付け機関は、本当に素晴らしい結果を隠すべきです。もしパン屋が偶然にも完璧なパンを作ったとしても、機関はそれが「奇跡」であったことは明かさず、単に「良い」とだけ言うべきです。なぜなら、もしパン屋が「完璧なパンを作れば手厚い報酬が得られる」と知っていれば、運に頼って手抜きをする誘惑に駆られるかもしれないからです。しかし、もし機関がトップの賞を隠していれば、パン屋は「『良い』という評価を得る唯一の方法は、一貫性を持ち、悪い評価を避けることである」と認識します。高いスコアを隠すことで、機関はパン屋が「何もしない」ことや「一貫性のなさ」によって失敗することを防ぎます。もし何もしなければ、誤って悪いパンを作ってしまう可能性があり、その悪いパンは露呈して罰せられるからです。これは、生徒が「運良く正解する」ことではなく、「失敗しないこと」に集中するように、テストの「A+」は見せず、「F」は見せる教師のようなものです。

ウィンドウ・ドレッシングの罠

論文はまた、巧妙な問題である 「ウィンドウ・ドレッシング（見せかけの装飾）」 にも取り組んでいます。これは、プレイヤーが市場には貢献しないものの、格付け上は良く見えるような行動をとる現象です。例えば、ある企業が、実際の環境破壊を無視しながら、ESGスコアを良く見せるために派手な広告キャンペーンにお金を使うことがあります。あるいは、学生が内容を理解せずに、テストの答えを暗記するようなケースです。

著者たちは、たとえ格付けシステムが努力を測定する上で完璧であったとしても、プレイヤーが「信号を偽造」できる場合には、それでも問題が起こり得ることを明らかにしました。彼らは 「単調相対情報性 (Monotone Relative Informativeness: MRIP)」 というルールを導入しています。これは、「高いスコアは、プレイヤーが『本当の仕事』をした結果なのか、それとも『偽物の仕事』をした結果なのか？」という問いです。

もし高いスコアが常に「偽物の仕事」から得られやすいのであれば、最善の格付けシステムは 「高い検閲（upper censorship）」 （高いスコアを隠すこと）です。これにより、詐欺師がトリックによって大きな報酬を得ることを阻止できます。逆に、高いスコアが常に「本当の仕事」から得られやすいのであれば、最善のシステムは 「低い検閲（lower censorship）」 （低いスコアを隠すこと）となり、真の労働者を奨励します。ここでの重要な洞察は、システム全体を変える必要はなく、詐欺師が得意とする特定のスコアの部分だけを検閲すればよいということです。これは、教師が「ある生徒は多肢選択式の回答には強いが、記述式には弱い」と気づいた場合、その生徒の知識の真の姿を知るために、多肢選択式のスコアは見せず、記述式のスコアだけを見せることに決めるようなものです。

中間領域：再分配テスト

最後に、論文は異なる目標である 「再分配（redistribution）」 について考察します。例えば、恵まれない環境にある生徒を支援したい学校制度を想像してください。学校は、一部の生徒が（例えば、静かに勉強できる場所がないなど）より困難な状況にあることを知っています。そのため、彼らは同じスコアを得るために、他の生徒の2倍の努力をしなければならないかもしれません。学校は、全員に努力を促しつつ、苦境にある生徒にブーストを与えるようなテストを設計したいと考えています。

著者たちは、この場合、最適なテストは 「中間検閲（mid-censorship）」 を用いる可能性があることを発見しました。これは、中間スコアを隠し、非常に高いスコアと非常に低いスコアの両方を見せるという、奇妙な中間的な手法です。なぜでしょうか？もし中間層を隠せば、苦境にある生徒たちが、自分たちの努力を反映していない「平凡な」スコアによって意欲を削がれるのを防げるからです。同時に、高いスコアを見せることでトップの成績者を報い、低いスコアを見せることで全員に緊張感を持たせることができます。これは、「中間の結果をまとめて優しさを示しつつ、両端の鋭さを維持する」というバランス調整なのです。

総括

この論文は、単一の「最善の格付けシステム」は存在しないという結論を下しています。完璧な設計は、評価される対象となる「仕事の性質」に完全に依存します。

• 仕事が 定型的で予測可能 なら、すべてを見せなさい。
• 仕事が リスクを伴う革新的 なものなら、大胆さを促すために失敗を隠しなさい。
• 仕事が 一貫性と安全性 に関するものなら、不作為を防ぐために奇跡を隠しなさい。
• 仕事に 偽装 が含まれるなら、偽装者が操作できるスコアを隠しなさい。
• 目標が 公平性 なら、脆弱な人々を守るために中間領域を隠しなさい。

著者たちは、これらの結果を数学的に証明しており、これらの「検閲」戦略が単なる推測ではなく、複雑な方程式から導き出された最適な解決策であることを示しています。彼らは、最善の格付けシステムはしばしば単純で決定論的なルール、すなわち「スコアがX以下なら『悪い』、XからYの間なら『普通』、Y以上なら『良い』」というものであることを示しています。しかし、魔法は「どこにその境界線を引くか」にあるのです。努力が成功の確率をどのように変えるかを理解することで、私たちは単にパフォーマンスを測定するだけでなく、実際に「より良いパフォーマンスを生み出す」格付けシステムを設計することができるのです。

Amazonのレビューから、大学入試、ESGスコアに至るまで、格付けに満ちた世界において、この論文は規制当局や設計者にためのツールキットを提供しています。もし、ある格付けシステムが真実を隠しているように見えたとしても、それは間違いや陰謀ではなく、最も賢明な選択である可能性があることを、この論文は示唆しているのです。