カネビン・フレームワーク（Cynefin Framework）問題の性質を正しく診断する

理論の概要

カネビンフレームワークは、知識管理の研究者デイブ・スノーデン（Dave Snowden）が1999年にIBMで開発した意思決定・マネジメントのフレームワークです。「カネビン」はウェールズ語で「すみか」「環境」を意味します。2007年にハーバード・ビジネス・レビューに発表された論文「A Leader’s Framework for Decision Making」（スノーデンおよびメアリー・ブーン共著）で広く知られるようになりました。

このフレームワークが示す本質は「問題の性質は一様ではなく、それに応じて適切なアプローチが根本から異なる」という点です。すべての問題に同じ解き方を適用しようとすることが、組織の判断を誤らせます。

カネビンフレームワークの各領域とアプローチ

カネビンは問題の性質をいくつかの領域に分類し、それぞれに異なる意思決定の型を示します。

自明（Clear）

因果関係が明白で、ベストプラクティスが存在します。

煩雑（Complicated）

専門家が分析すれば答えが導き出せます。複数の正解が存在し得ます。

複雑（Complex）

因果関係が事後にしか分かりません。多数のアクターの相互作用から創発的なパターンが生まれ、「正解」は事前に存在しません。

混沌（Chaotic）

因果関係がまったく不明な緊急状態です。

無秩序（Disorder）

四つの領域のどこにいるかすら分からない状態です。各人が慣れ親しんだアプローチを無意識に適用するため、問題が悪化します。対処の第一歩は「この問題はどの領域にあるか」という診断そのものです。

カネビンの最大の実践的価値は、この「問題の性質の診断能力」にあります。多くの組織では「複雑」な課題が「煩雑」として誤分類され、それが変革の失敗につながっています。

SCMへの適用と実践的アプローチ

SCMが扱う事象の複雑系シフト

冒頭に触れたコロナ禍以降、複雑系イベントはSCMの現場に連続して押し寄せています。半導体不足（2021年）による自動車・電子機器の生産停止、ウクライナ侵攻（2022年〜）がもたらしたエネルギー・資源・物流の大規模な再編、中東情勢の緊迫化（2024年〜）による調達ルートへの影響、そしてトランプ政権による関税引き上げ（2025年）が引き起こした貿易構造の急変、いずれも「事前に正解を計算することが原理的に不可能」という点で共通する複雑系の事象です。

世界経済フォーラムが2026年1月に発表した報告書『Global Value Chains Outlook 2026』は、「グローバルサプライチェーンは構造的なボラティリティの新たな時代に入った」と指摘しています。変動はもはや一時的なショックではなく、恒常的な条件として経営に織り込むべき性質のものになっています。

なぜ複雑を煩雑として扱ってしまうのか

多くの企業が複雑化するSCM環境の変化を認識し、重要な取り組み課題と捉えているにもかかわらず、なぜ以前と同じアプローチを取り続けるのでしょうか。

経路依存性：大量生産・リーン・JIT・カイゼンといった日本のSCMの成功体験は、「問題には正解があり、分析と改善で到達できる」という前提を組織に深く埋め込んでいます。

生存者バイアス：かつての安定した環境で有効だったアプローチが「組織の標準」として定着します。それが機能しなかった事例は記録に残りにくく、成功例だけが継承されます。

KPIによる単純化バイアス：在庫回転率・欠品率・リードタイムのような計測可能な指標は「煩雑」な問題に対応します。地政学リスクや需要構造の変化のような「複雑」な事象は指標化しにくく、対処が後回しになりがちです。

結論として「過去の勝ちパターンが、問題の性質が変化した後も慣性として適用され続ける」という構造が、組織の適応を妨げています。

SCM課題のカネビン分類と対応の方向性

SCMの代表的な課題をカネビン領域に位置づけると、以下のように整理できます。

従来のSCMの取り組みは、コスト削減・リードタイム短縮・在庫最適化といった自明・煩雑な課題の解決を中心に積み重ねられてきました。しかしこれまで示した通り、地政学リスクや社会要請の高まりを背景に、複雑系課題への対応が求められる局面が増えています。問題の性質が異なれば、求められるアプローチも根本から変わります。次節では、複雑系課題に対してSCMがどう向き合うべきかを述べます。

複雑系課題へのアプローチ

小さな実験の並行設計：最初から完璧な計画は立てられません。失敗が許容できる規模の実験を複数並行して設計・実施し、何が機能するかを学ぶことが基本姿勢です。たとえば地政学リスクへの対応において、単一調達先の最適化ではなく、複数の調達シナリオを小規模に試す設計が実践的な出発点になります。

感知能力と疎結合な組織設計： 「複雑」な領域では、現場の変化を早期に察知し意思決定に結びつける感知能力が組織に備わっていることが前提です。そのためには、中央集権的な計画への依存を減らし、現場への権限委譲と分散した自律的判断を許容することが求められます。同時に、構成要素同士のつながりを必要以上に固く結ばない「疎結合（ルースカップリング）」の構造設計が重要です。単一の最適解に依存せず冗長性とオプション性を持つことで、ある部分の問題が全体に波及することを防ぎ、環境変化への適応力が高まります。

領域に応じたAIの活用：AIは領域によって活用のスタンスが異なります。「自明」と「煩雑」の領域では、補充発注の自動化・需要予測・輸送最適化など、正解を高精度に導き出すツールとして機能します。一方「複雑」な領域では、「正解を計算する」ことを求めるのではなく、「仮説を素早く生成し、実験し、学習を蓄積する」ツールとして活用することが重要です。エージェント型AIによる地政学リスクのモニタリングや複数シナリオの並行シミュレーションは、複雑系課題への対応速度を飛躍的に高める可能性を持ちます。

笹川亮平（フォーティエンスコンサルティング株式会社）が提唱するジェネラティブSCM（SCM6.0）における「Augmented Intelligence（拡張知性）」の考え方は、このカネビン的な視点と直接接続します。AIは人間の判断を置き換えるのではなく、「複雑」な環境での感知・適応・学習を拡張するパートナーです。

カオスへの備え

「複雑」に備えていても「混沌」は訪れます。BCPにカネビンの視点を組み込むとは、「混沌状態でまず行動するための意思決定権限と初動プロトコルを平時に定めておく」ことです。そして応急処置で安定化させたら、速やかに「複雑」の領域へ移行し、試して観察し適応するサイクルに切り替えます。混沌に長く留まることは避けなければなりません。

最適化から適応へ

カネビンフレームワークは「どんな問題にも最適解がある」というSCMの支配的な前提を根本から問い直します。複雑な現代のグローバルサプライチェーンにおいて、問題の性質を正確に診断し、それに応じたアプローチを選択できる能力は、SCMリーダーの最も基本的なコンピテンシーの一つです。

現在のサプライチェーンが「制御ではなく自律的な適応」を必要とするのは、多くのSCMの核心課題が「複雑」の領域にあるというカネビン的な診断と一致します。「最適化から適応へ」この転換の理論的基盤として、カネビンは不可欠な地図を提供しています。