Complexity Suppression: An Institutional Theory of Governmental Cognition in Complex Policy Systems
本稿は、政府が複雑な現実を権威的な表象へと必要に応じて単純化するプロセスが、決定的な因果動態の排除、矛盾するフィードバックの濾過、そして認知的な負債の蓄積を招くことで政策の失敗につながるというメカニズムに基づいた制度理論として「複雑性抑制（complexity suppression）」を提唱しており、最終的に、効果的な統治には、行動のための単純化と、学習および修正のための十分なシステム多様性の保持との間の規律ある均衡が必要であると論じている。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
政府は、一人の人間では解決できない問題に直面している。それは、あまりにも広大で、あまりにも速く、そしてあまりにも複雑に絡み合った世界をいかに管理するかという問題である。意思決定を行うために、公共機関は、混沌とした現実を、自分たちの手の中に収まる形へと作り替えなければならない。彼らは人口をカテゴリーへと変え、不確実な未来を予測へと変え、複雑な社会問題を単純な目標やチェックリストへと変えていく。このプロセスは間違いではなく、必然である。世界を管理可能な断片へと簡略化しなければ、政府は何百万人もの人々を調整することも、一ドルを支出することさえもできないからである。しかし、この簡略化という行為には、隠れたリスクが伴う。当局が問題を明確に見せるために、混沌とした細部を削ぎ落とすとき、政策の成否を決定づけるはずの要素そのものを、誤って取り除いてしまう可能性がある。その結果、書類の上では完璧に見えるが、オフィスの外にある現実とは一致しない「バージョン」が生み出されてしまうのである。
国連大学の研究者であるモハメド・アルタイビによる新しい研究は、まさにこれがどのように起こるのかを探究している。彼はこのプロセスを「複雑性の抑制（complexity suppression）」と呼んでいる。これは単に物事を単純化することではない。政府が自らの間違いに対して盲目になるような、過度な単純化のことである。研究によれば、政府が教育計画やパンデミック戦略のような問題に対して簡略化されたモデルを作成すると、そのモデルが「盾」となってしまうことがある。もし計画が失敗した場合、政府は計画そのものではなく、それを実行している人々に責任を転嫁することが多い。時間が経つにつれ、政府が考えていることと、実際に起きていることとの間に乖離が生じる。この研究は、政府が愚かであるとか、学習能力がないと主張しているのではない。むしろ、階層構造、パフォーマンス目標、外部専門家といった、意思決定を助けるために設計された仕組みそのものが、いかにして「計画が間違っている」という警告信号を、意図せずフィルタリングしてしまうのかを示しているのである。
論文では、このフィルタリングが起こる4つの具体的な方法を特定している。第一に、「認識的圧縮（epistemic compression）」がある。これは、複雑で不確実な現実が、整然とした確実なカテゴリーへと押し込められることを意味する、少し難しい言葉である。政府が問題を測定しようとするとき、数えにくい部分や変化の速い部分は無視されがちである。第二に、「階層的圧縮（hierarchical-compression）」は、情報が指揮系統を上がっていく際に発生する。報告書が地方の事務所からトップのリーダーへと移動するにつれ、メッセージを明確かつ決定的なものにするために、混沌とした細部や現場での意見の相違が削ぎ落とされる。リーダーたちはきれいな要約を受け取るが、なぜ計画が失敗しているのかを説明するはずのコンテキスト（背景）を失ってしまうのである。第三に、「指標への置換（metric substitution）」は、測定値そのものが目標になったときに起こる。例えば、テストのスコアだけで判断される学校制度を想像してほしい。教師たちは、数字を良くするためだけに、学習の他の重要な側面を無視して、テスト対策としての指導に集中し始める。測定は現実を映す鏡であることをやめ、それ自体が現実となってしまう。最後に、「認知的外部化（cognitive externalization）」は、政府が外部の専門家に頼りすぎることで、自ら考えることを忘れてしまうときに起こる。彼らは意思決定の権限は保持しているが、受け取った助言を理解したり異議を唱えたりする能力を失ってしまうのである。
これら4つのプロセスは相互に作用し、政府を誤った決定のサイクルに陥れる。研究はこのことを2つの実例で示している。一つ目は、米国の「ノー・チャイルド・レフト・ビハインド（落ちこぼれを許さない）」法である。この政策は、学校に対して厳格なテストスコアの目標を設定することで教育を改善しようとした。政府は「学習」という複雑な目標を、生徒がテストに合格した割合という単一の数値へと単純化した。学校は目標を達成できなかった場合に実質的な不利益を被るため、行動を変えた。彼らは、すでに合格している生徒や、極端に遅れている生徒を無視し、合格ラインぎりぎりの生徒に対して集中的に指導を行った。テストのスコアは上昇したが、教育の質そのものが必ずしも同様に向上したわけではなかった。政府は数字の上昇を見て、計画が機能していると考えていたが、その裏では、計画が予測していなかった形でシステムが適応していたのである。
二つ目の例は、英国のパンデミックへの備えである。コロナウイルスの到来前、英国には特定のシナリオ、すなわち「インフルエンザのようなウイルス」に基づいた詳細な計画があった。その計画は明確で、整理されており、管理しやすいものであった。しかし、性質の異なる新しいウイルスが現れたとき、政府の備えはその新しい現実に適合しなかった。計画があまりにも一つのタイプの脅威に集中しすぎていたため、別の脅威に対処するための柔軟性を失っていたのである。たとえ以前の演習でシステムに弱点があることが示されていたとしても、それらの警告は「計画自体の欠陥」ではなく、「実施上の問題」として吸収されてしまった。政府は、根本的に脅威とミスマッチを起こしている計画の「実行方法」を修正しようとし続けたのである。
論文の核心的な発見は、このサイクルが著者によれば「認知的負債（cognitive debt）」を生み出すということである。金融債務が、収入以上に支出することで蓄積されるのと同様に、政府が自らの信念に反する証拠を無視し続けることで、認知的負債は蓄積される。計画が失敗するたびに、政府が計画ではなく労働者のせいにすると、政府のモデルと現実の世界との間の溝は広がっていく。最終的に、政府はあらゆる権限とあらゆる資源を持っていたとしても、なぜ物事がうまくいかないのかを理解する能力を失ってしまう。政府は、もはや機能しない簡略化された現実の中に閉じ込められてしまうのである。
論文は、解決策は「単純化をやめること」ではないと論じている。政府は、単純化なしには世界を管理できないからである。代わりに、彼らに求められるのは、著者が「規律ある複雑性（disciplined complexity）」と呼ぶものである。これは、行動するために十分に単純化しつつ、その単純化が失敗したときに気づけるよう、混沌とした細部を十分に保持しておくことを意味する。それには、代替となるアイデアを生かし続け、矛盾する証拠に耳を傾け、数字が現実と一致しなくなったときに計画を変更する意志を持つことが必要である。研究は、最も危険なことは、政府が自らの簡略化されたモデルを「絶対的な真実」として扱うことであると示唆している。目標は、地図が領域（テリトリー）の代用品ではなく、あくまで領域を航行するための道具であり続けるような、賢明なシステムを構築することなのである。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。