ベイジアンの適用: パラメータの補正と自動最適化

前編: Prior α/β 設定の原理で事前確率の設定と学習ロードマップを扱った。本稿はその次の質問に答える: シグナルの大きさ(Impact)はどのように決定し、システムは自らをどう最適化するのか？

エンジンの数式がいくら精巧でも、その数式に入れる数字が的外れなら、的外れな答えが出る。自動車のエンジンがいくら精密でも、燃料のオクタン価が合わなければノッキングが起こるのと同じである。この記事はEXAWinのベイジアンエンジンに正しい燃料を入れるための原則と、システムがデータを蓄積しながら自ら燃料を調節するメカニズムに関する物語だ。

第1章. 尤度のない世界: Pseudo-Count アプローチ

1.1 偽りのない出発点

標準的なベイジアンにおいて、アップデートは尤度関数 $P(D \mid \theta)$ を通じて行われる。しかし営業のシグナル — 「顧客の反応が肯定的だった」、「決裁者が我々に傾いた」 — は、数学的に定義された確率分布から抽出された観測値ではない。

EXAWinはこの限界を仮想観測値(pseudo-count)アプローチで解決する:

これは「このシグナルは SWV × Impact 回の仮想成功観測と同等の証拠的重みを持つ」と宣言することだ。ベータ分布は $\alpha, \beta > 0$ であるすべての実数に対して有効であるため、pseudo-countが整数である必要はない。

この方法論は統計学において専門家判断の抽出(expert elicitation)という名で確立されている (O'Hagan et al., 2006)。専門家が「この証拠は直接観測N回と同等だ」と評価した時、Nをpseudo-countとして $\alpha$ または $\beta$ に加算することは正当化された方法論である。

第2章. f-Coupling: シグナルと Prior の尺度を合わせる

2.1 独立したスケールの危険性

Prior($\alpha_0=2, \beta_0=8$, 強度 $S=10$)とシグナルImpactが独立して設定されると、単一のシグナルが企業のすべての過去の経験を一瞬で圧倒してしまうという非現実的な状況が発生し得る。

2.2 Evidence Fraction ($f$)

解決策は、シグナルのImpactをPrior強度の分数(fraction)として定義することだ:

$f_i$ は「このシグナル1回が企業の事前経験全体の何パーセントに相当する証拠か？」を表す比率である。

2.3 スケール不変性

このカップリングの核心的性質: $f$ が同一であれば、Prior強度 $S$ に関係なくP(Win)の軌跡は完全に同一となる。 $\alpha_0 = rS$, $\beta_0 = (1-r)S$ と置くと $S$ が約分され、$f$ だけの関数になる。$S=10$ であろうと $S=100$ であろうと同一の学習軌跡 — これがカップリングの存在する理由である。

2.4 EPR ガードレール

Evidence-Prior Ratio (EPR)は、1回のミーティングの最大証拠量がPriorをどれだけ揺るがすかを診断する指標だ:

EXAWinはコードレベルでEPRの上限を強制する:

ユーザーがSignal MasterでImpactの値を変更する際、この上限を超えると保存が拒否される。これは経験不足のユーザーがパラメータを極端に設定し、システムを不安定にすることを防ぐ安全装置である。

第3章. 意思決定インピーダンス: 確率から行動へ

3.1 インピーダンス公式

• $T$ = 閾値 — 各ステージで「このディールが通過すべき最低基準」
• $k$ = 傾き — 閾値付近での判別感度

3.2 ステージ別の基本パラメータ

$T$ はステージが進むにつれて増加する。「DiscoveryでP(Win)=30%なら探索を続けよ。しかしProposalまで来て依然として40%なら真剣な再考が必要だ。」

$k$ は判別の感度を決定する。Proposal($k=12$)ではP(Win)が $T=0.50$ の下か上かによってインピーダンスが急激に分かれる — 本格的にコストを投入する段階で曖昧さは許容しないという設計哲学である。

第4章. Auto-Tuner: エンジンが自ら燃料を調節する方法

4.1 データ成熟度 Phase — "記録は十分か？"

Auto-Tunerの最初の質問はシンプルだ: 「この会社で終わったプロジェクトは何件あるか？」

なぜ終わったプロジェクトなのか？ — まだ進行中のディールは「この設定が合っていたのか間違っていたのか」を検証できないからだ。サッカーの試合の前半戦で監督の戦術を評価できないのと同じである。結果の出た試合(Won/Lost)のみが戦術修正の根拠となる。

核心: WonとLostのうち少ない方(min)が全体的な信頼等級を決定する。Wonが50件あってもLostが3件なら、Lostのパターンを学習する根拠が不足しているからである。

Phase別の動的な調整事項もある。Grid Searchの探索範囲はPhase 2で±20%、Phase 5で±50%まで拡張され、Signal Liftの最小出現基準はPhase 2で3回、Phase 5で10回に強化される。データが豊富になるほど、システムはより広い範囲を探索しながらも、より厳格な根拠を要求する — 謙虚さと野心の精巧なバランスである。

Auto-Tunerの完全な技術解剖については、別のシリーズ文書を参照いただきたい:

• AT-01. 全体構造と設計哲学 — 6つの学習対象、分離度、シミュレーション・エンジン
• AT-02. Signal Lift — Laplace smoothing、動的最小出現
• AT-03. Grid Search — Impact/Dampening/Silence 最適化
• AT-04. T/k 最適化 — Youden J, k Grid Search
• AT-05. 統計検証 — ROC AUC, K-fold, Prior推奨
• AT-06. MCMC 事後分布 — Emcee Ensemble MCMC, HDI, R̂ 収束診断

4.2 Auto-Tunerが行うこと — "過去の試合記録を分析するコーチ"

Auto-Tunerを理解するのに最も良い比喩はスポーツコーチの試合分析である — ここからはすべての説明をこの比喩で解き明かす。

あなたの会社がこれまで25のプロジェクトを終えた。10件を勝ち取り、15件を失った。Auto-Tunerはこの25試合の記録を取り出し、「我々のチームの戦術(パラメータ)は最適だったか？」を一つずつ点検する。

① "我々のチームの基本の実力はどれくらいか？" — Prior推奨

質問: "我々が基本的に勝つ確率は何%か？"

システム設定: 現在の Prior = α 2, β 8 → 基本成功率 20%。しかし実際の25のプロジェクト結果を見ると、10件を勝ち取ったため成功率は 40%。システムは語る:

"あなたのチームの実際の成功率は40%に近いです。スタート地点を20%に設定すると、毎回最初の3〜4回のミーティングで「まだ確率が低いです」と繰り返すことになります。スタート地点を上げてみましょうか？"

ただし、この値は自動適用しない。 Priorは「自分たちのチームの基本能力」に対する経営陣の戦略的判断だからである。「40%まで上げると自惚れるかもしれない、保守的に25%に設定するのも戦略だ」というなら — それはコーチ（システム）ではなく監督（経営陣）が決定すべきことだ。

② "どのシグナルが本当に意味があったのか？" — Signal Lift

質問: "我々が記録したシグナルのうち、実際に成功と関連があったものは何か？"

システムが25のプロジェクトのシグナルを取り出し比較する:

Liftが1より大きければ: "このシグナルが現れたディールは実際にうまくいった。" Liftが1に近ければ: "このシグナルは成功とあまり関係がなかった。"

この情報は営業チームに「どのシグナルをより注意深く捉えるべきか」を教えてくれる。

③ "シグナルの重みは適切だったか？" — Impact補正

質問: "Strong Affirmationに1.0点を与えたが、実際には0.7が妥当だったのではないか？"

システムがImpactの値を0.1から10.0まで一つずつ変えながらシミュレーションする:

• "Strongを0.5に下げると — WonとLostのP(Win)が重なりすぎる（判別できない）。"
• "Strongを1.0にすると — Wonの平均P(Win)=55%、Lostの平均=30%。うまく分離できている。"
• "Strongを2.0に上げると — Wonが70%まで達するが、Lostも45%まで上がってくる（過剰反応）。"

最もWonとLostがはっきり分かれるImpact値を探し出し推奨する。医師が血液検査の数値を見て「正常/異常の基準をどこに置くのが最も正確な診断になるか？」を探るのと同じ原理である。

④ "合格ラインをどこに引くか？" — 閾値 $T$ 最適化

質問: "Discovery段階で T=0.35 — この基準は寛大すぎたか、それとも厳しすぎたか？"

システムが過去のデータで検証する:

• T=0.25に下げると: Wonは全て通過するが、Lostもほとんどが通過する → "合格ラインが低すぎて不合格ディールも全て通過させている"
• T=0.35にすると: Wonの80%が通過、Lostの70%が脱落する → "適正レベル"
• T=0.50に上げると: Lostはほとんど脱落するが、Wonも半分が脱落する → "合格ラインが高すぎて良いディールも弾いている"

試験のボーダーラインを決めるのと同じだ。「ボーダーラインを下げすぎると実力のない学生も合格し、上げすぎると優秀な学生も落ちてしまう。」最適なボーダーラインは合格者のうち実際の優秀者の割合と、不合格者のうち実際の不適格者の割合を同時に最大化するポイントである。

⑤ "どれくらいシビアに判別するか？" — 傾き $k$ 調整

質問: "合格ライン(T)付近で、システムはどれくらい敏感に反応すべきか？"

$k$ が小さい時: P(Win)がTに近いと「まだ曖昧です」と柔らかく判断する。初期のステージに適合 — まだ探索中であるため。

$k$ が大きい時: P(Win)がTより少し低いだけで「🔴 危険」と急激に判定する。ProposalやNegotiationに適合 — お金を使い始めた段階で「まあ、様子を見よう」は許されないため。

システムは各ステージごとにkを1〜12の範囲でGrid Searchし、WonとLostのインピーダンス分離が最大化される値を見つける。理論的な上限は $k = 12$ — これ以上だとシグモイドは事実上の階段関数になり、「判別」ではなく「二分法」に転落する。

⑥ "細部の調整" — 減衰と沈黙ペナルティ (Phase 4以上専用)

これら二つのパラメータはPhase 4(min 20件以上)でのみ調整される。データが十分でなければ意味のある微調整が不可能なためだ — 少ないデータで多すぎるパラメータを同時に動かすと過学習の沼に陥るからである。

減衰(Dampening): 1回のミーティングでシグナルが3つ同時に出た場合、一番強いシグナルだけを100%反映し残りは25%だけ反映する。この25%という比率が最適かをGrid Searchで検証する — 0%から100%まで探索し、Won/Lostの分離が最大化する減衰率を見つけ出す。

沈黙ペナルティ(Silence Penalty): 顧客から2週間以上連絡がないと、βが少しずつ増加しP(Win)が下落する。「便りがないのは悪い知らせ」という営業の格言の数学的実装だが、そのペナルティの大きさが適切かを過去のデータで検証する。基本の30%(Weak Negation Impact × 0.30)からスタートして0〜100%の範囲をGrid Searchし、実際に沈黙後にLostになったプロジェクトが多ければ比率を上げ、沈黙後もWonになったケースが多ければ比率を下げる。

MCMC事後分布の推定はPhase 3(min 10+)から実行され、Phase 5(min 50+)で収束が最も安定する。これら二つのパラメータを含む全パラメータに対して、点推定だけでなく不確実性区間(HDI)まで提供される。

4.3 "適用するとどう変わるのか？" — Impedance Impact シミュレーション

推奨ボタンを押す前、管理者が最も気になること: 「これを変えたらディールの点数はどう変化するのか？」

Impedance Impactのテーブルがこの質問に答える:

「現在の設定でDiscoveryの平均インピーダンスが28%だが、推奨のT/kを適用すると54%に上がる。」これは、推奨の設定がWonディールとLostディールをよりよく区別していることを意味する。変化が大きいほど、現在の設定が最適から遠かったということだ。

第5章. シグナル体系の全体マップ

5.1 Impact Types

対称構造: 肯定と否定が同一のf-スケールで対称。Game Changer Negativeは「競合の確定」、「予算の全額削減」といった致命的な否定的シグナルに該当する。

5.2 f-Coupling が保障するもの

1. スケール不変性: Priorの強度が変わっても学習の軌跡は同一
2. EPR ガードレール: 単一シグナルの過度な影響をコードレベルでブロック
3. 対称性: 肯定・否定の同一尺度 — 「同じ強さの証拠は同じ大きさの効果」
4. 解釈可能性: 全ての値が「Priorの何%」として説明可能

参考文献

1. O'Hagan, A., Buck, C.E., Daneshkhah, A., et al. (2006). Uncertain Judgements: Eliciting Experts' Probabilities. Wiley. — 専門家判断の抽出と pseudo-count 方法論。
2. Ibrahim, J.G. & Chen, M.H. (2000). "Power prior distributions for regression models." Statistical Science, 15(1), 46-60. — Evidence Discounting。
3. Youden, W.J. (1950). "Index for rating diagnostic tests." Cancer, 3(1), 32-35. — 閾値最適化の統計的根拠。
4. Cooper, R.G. (2008). "Perspective: The Stage-Gate Idea-to-Launch Process." JPIM, 25(3). — Stage-Gate 意思決定プロセス。