AIに数学を任せればよいという考えは誤りであり、数学はビジネス判断の質を高める「言語」である。AIが正確な計算に強い一方、曖昧な現実問題の整理や推論は人間の役割であり、数学的素養を持つことでAI活用の価値も最大化できる。本稿は、ビジネス数学を活かすための「TRY（思考）」「DO（意思決定）」「WIN（非線形理解）」の3視点を提示する。
1. 数学はAI時代のリーダーに必須の言語
- 数学は単なる計算ではなく、曖昧な現実問題を整理するための思考ツール
- AIは「明確な問い」に強いが、ビジネスの現実は不確実・不完全
- 人間は推論・常識・創造性により実用的な解を導ける
- 数学的素養を持つことでAIのアウトプットの妥当性を判断できる
2. TRY：自分で思考・推論する
高度なモデルやAIの数値を盲信せず、簡単な数学で健全性チェックを行うことが重要。
重要な教訓
- ドットコムバブル：訪問者数ばかり見てキャッシュフローを無視
- リーマン危機：複雑なモデルが誤った前提を見逃した
- ウーバー評価：市場規模の前提が不合理
実践スキル
- 数値感覚（概算・見積り）を養う
- 仮説→検証の問題解決フレームワーク活用
- 暗算・単純化テクニックの利用
→ 「正確に間違えるより、大雑把に正しい方がよい」
3. DO：意思決定と結果を分けて考える
確率的世界では「正しい意思決定＝最良の結果」ではない。
石油掘削ゲームの教訓
- 数学的に正しい意思決定者は上位に集中
- しかし運任せの一部が最上位になる場合もある
- ただし運任せは破綻リスクが高い
意味
- 評価すべきは「意思決定の質」
- 結果だけで判断すると誤る
- 確率思考を継続することが重要
4. WIN：非線形（掛け算的）世界を理解する
多くのビジネスは足し算ではなく「掛け算」の力学で動く。
コイントス例の示唆
- 期待値はプラスでも多くの人が破綻
- 平均と個人の結果は一致しない
- 掛け算的プロセスは指数的に悪化する可能性
実務への示唆
- 投資・M&A・資源配分は非線形
- リスクを抑えつつ成長率を最大化する必要
- そのための考え方が「ケリー基準」
まとめ
ビジネスリーダーが身につけるべき数学的思考は次の3点。
- TRY：自分の頭で概算・推論する
- DO：意思決定の質を確率で評価する
- WIN：非線形・掛け算的リスクを理解する
AI時代においてこそ、数学を理解する人間がAIを使いこなし、より優れた意思決定を行える。
詳細は下記参照。定期購読登録が必要です。
“The Case for Sharpening Your Math Skills in the Age of AI,” HBR.org, January 05, 2026.