世界の大企業が使う秘密兵器：TRIZとは何か、なぜ強い解決策につながるのか

大企業は、製品を改善し、コストを削減し、より速く解決策を見つける方法を絶えず探しています。技術や事業が複雑になるほど、ある要素を改善すると別の要素が悪化するという、おなじみの状況にぶつかることが増えます。

製品は必要な機能を備えながら、シンプルでなければならない。生産は速く、しかも確実でなければならない。サービスは一人ひとりに合い、同時に利用しやすくなければならない。リーダーは状況を掌握する必要がありますが、チームの自律性も守る必要があります。

こうした課題に直面するのは、SamsungやIntelの研究所だけではありません。起業家、経営者、開発者、デザイナー、そしてごく普通の人々も、日々同じ問題に向き合っています。

収入は増やしたいが、昼夜を問わず働きたくはない。素早く決めたいが、重大な影響を見落としたくはない。AIは使いたいが、自分で考えることまで手放したくはない。いま機能しているものを壊さずに、状況を変えたい。

TRIZは、望む結果を阻んでいるものを見極め、矛盾を見つけ、いつもの妥協から抜け出す助けになります。

そのために、まずエンジニアになる必要も、何年も理論を学ぶ必要もありません。正確に課題を定式化する、矛盾を探す、リソースを分析する、目指すべき結果を思い描く。いくつかの基本的なツールだけでも、課題への向き合い方は変わります。

この考え方は、著書『リアリティへの渇き』の土台にもなっています。本書ではTRIZのツールを、システム思考、認知行動アプローチ、Jobs To Be Done、そしてアイデアの実践的な検証と組み合わせています。曖昧な問題から、現実による検証に耐えた解決策まで進むための、一貫したプロトコルです。

TRIZは発明的問題解決理論です。

その開発は、20世紀半ばにゲンリッヒ・アルトシュラーによって始められました。彼は特許を研究する中で、異なる分野の優れた発明が、しばしば似た原理に基づいていることに気づきました。

技術は変わっても、課題の構造は繰り返される。

部品は頑丈で、しかも軽くなければならない。システムはより速く動き、消費エネルギーは少なくなければならない。機器はより多くの機能を備えながら、複雑になってはならない。

一般的なアプローチでは、許容できる妥協点を選びます。一方を少し良くし、もう一方を少し犠牲にするわけです。

TRIZでは、まず矛盾をそのまま言葉にします。

複雑な製品を操作できるように、インターフェースには多くの情報を表示しなければならない。同時に、ユーザーを圧倒しないように、表示する情報は少なくしなければならない。

ここまで明確にすると、探すべき方向が具体的になります。

• すべての情報を同時に表示する必要があるのか。
• 状況に応じて異なる要素を表示できないか。
• 基本画面はシンプルに保ち、必要になったときだけ追加機能を見せられないか。
• すでに分かっているユーザーの行動を合図として使えないか。

これがTRIZの主要な原則の一つです。二つの不満足な選択肢から一方を選ぶのではなく、重要な要求をどちらも満たす方法を探し始めます。

もう一つのツールは、リソースに注目します。資金、人員、機能、管理を追加する前に、システムの中にすでに何があるかを見直します。

必要なリソースはすでに存在しているのに、十分に使われていないことがあります。情報、空き時間、ユーザーの行動、副作用、蓄積されたデータ、あるいは別の役割も果たせる製品要素かもしれません。

さらに重要なツールが、理想的最終結果です。必要な効果を、最小限のコストと複雑さで実現できている状態を思い描く助けになります。

害が生じる前に、エラーが自ら明らかになるようにするにはどうすればよいか。

この問いが完成した答えをくれるわけではありません。しかし、より有望な方向へ探索を導いてくれます。

TRIZは、知識や経験、実験に取って代わるものではありません。それらをより的確に生かすためのものです。

Samsungは、TRIZを全社規模で活用した最もよく知られた事例の一つです。

同社がこの手法に触れ始めたのは1990年代末です。2001年にはSamsung社内に専門部門が設けられ、TRIZの専門家を招き、半導体事業と印刷事業で最初のプロジェクトが始まりました。

その成果が経営陣の関心を集め、プログラムは拡大していきました。

導入に携わった専門家の報告によると、2002年には23件の研究プロジェクトが実施され、24件の特許が生まれました。経済効果は2,400万ドルと見積もられています。

2003年について、報告書の著者らはSamsung Groupの複数企業を合わせて、約50件のプロジェクト、52件の特許、1億5,000万ドルの効果を挙げています。

2004年のSamsung Electronicsについては、約30件のプロジェクト、64件の特許、6,500万ドルの効果が記されています。

TRIZは一度きりの研修では終わりませんでした。Samsungは社内チームをつくり、エンジニアを育成し、認定制度を整え、TRIZのツールを品質向上プログラムと結びつけました。

特に注目すべきなのは、活用の規模そのものです。同社はアイデア創出だけでなく、現実の技術的制約、特許、製造プロセス、新製品に取り組むためにもこの手法を使いました。

分かりやすい解決策がすでに出尽くし、次の進歩には課題を別の角度から見る必要がある場面で、このアプローチは力を発揮しました。

IntelがTRIZのツールを本格的に使い始めたのは、2000年代初頭です。

2002年には15人のエンジニアが研修を受け、12件の製造・技術課題にこの手法を使いました。第1段階の効果は220万ドルと評価されています。

これを受けて、Intel Systematic Innovationプログラムが立ち上がりました。

同社は、エンジニアに古典的TRIZの全体系を学ぶよう求めませんでした。Intelの実際の製造課題に合うツールを選び、仕事に取り入れたのです。

TRIZは段階的に使うことができる。

最初に理論全体を習得する必要はありません。具体的な課題を一つ選び、矛盾を見つけ、リソースを調べ、適した原則をいくつか使うところから始められます。

後年のプレゼンテーションでは、プログラム責任者が21か月間の累計効果を2億1,250万ドルと見積もっています。生産性の向上と、各プロジェクトの財務成果を合わせた数字です。

ただし、この金額以上に興味深いのは導入のしかたです。

Intelは、解決策を体系的に探すプロセスを、エンジニアの日常業務に組み込みました。TRIZが専門家の経験に取って代わったわけではありません。標準的な方法では結果が出なくなったところへ、その経験を的確に向ける役割を果たしたのです。

TRIZを使ってきたのは、SamsungとIntelだけではありません。

TRIZのツールは、LG Electronics、Siemens、General Electric、Philips、Motorola、Boeing、Procter & Gambleをはじめとする大企業のプロジェクトでも活用されてきました。

取り入れ方の深さは企業によって異なります。社内プログラムを設け、何百人もの社員を育成した企業もあれば、個別のプロジェクトや特定の技術課題にTRIZを使った企業もあります。

それでも関心を集めた理由は明快です。

大企業は、通常の最適化だけでは前に進めない課題に繰り返し直面します。主な改善はすでにやり尽くし、競合との差も小さい。そこから成長するには、矛盾を解かなければなりません。

• 出力を高めながら、消費エネルギーを減らす。
• 原価を下げながら、品質を維持する。
• プロセスを速めながら、ミスを減らす。
• 機能を増やしながら、製品を複雑にしない。

こうした構造は、製造業に限られたものではありません。

開発者は変更をもっと速くリリースしたい一方で、システムの安定性も守りたい。

起業家は売上を伸ばしたい一方で、顧客獲得費を膨らませたくない。

リーダーは予測可能な成果を得たい一方で、管理を絶え間ない監視にはしたくない。

書き手はAIを使いたい一方で、自分の思考と、成果に対する責任は守りたい。

TRIZは、一方を選んでもう一方を諦めるのではなく、より強い解決の形を探す助けになります。

だからこそ、そのツールはエンジニアリングの枠をはるかに越えて役立ちます。

TRIZは、著書『リアリティへの渇き』を支える方法論の柱の一つです。本書が扱うのは、「不確実性、情報過多、自動生成の答えが増え続ける中で、ビジネス、プロダクト、セールス、人生において本当の課題を見抜き、より強い意思決定を行うには」というテーマです。

起業家、経営者、開発者、書き手をはじめ、不確実な状況で判断を下さなければならない人のための実践書です。

本書では、課題に取り組むための一貫したプロトコルを示します。

1. 事実に基づいて状況を記述する。
2. 事実と解釈を切り分ける。
3. 本当の課題を定式化する。
4. 矛盾を見つける。
5. 利用できるリソースを特定する。
6. システムと、起こりうる影響を捉える。
7. 複数の解決案を見つける。
8. その解決が人に強いる代償を確かめる。
9. 小さな実験を行う。
10. フィードバックを得て、行動を調整する。

TRIZは、矛盾とリソースを見つけ、強い解決策を探す役割を担います。

システム思考は、つながり、遅延、副作用を考慮する助けになります。

認知行動アプローチは、事実を不安に駆られた解釈から切り分けるために使います。

Jobs To Be Doneは、人や製品にとっての本当の課題を理解する助けになります。

仮説の検証は、思考の中にある解決策を現実へ引き戻します。

AIは分析を速め、選択肢を提案し、つながりを見つける手助けができます。それでも、課題の最終的な定式化、選択、結果への責任は人間に残ります。