書籍：世界のエリートが学んでいる数学的思考法
著者：マーカス・デュ・ソートイ
出版社：SBクリエイティブ
ASIN : B0FJDWNLPX
『世界のエリートが学んでいる数学的思考法』マーカス・デュ・ソートイ著──日常の見方が変わる思考の技術
数学は苦手だった。そう感じている人こそ、本書を手に取るべきです。オックスフォード大学の天才数学者マーカス・デュ・ソートイが説く「数学的思考法」は、複雑な計算式を解くためのものではありません。不確実な時代に、情報の洪水の中で正しい判断を下すための「考えるための数学」なのです。
AI時代において、人間に求められるのは暗記や計算ではなく、構造を見抜き、パターンを発見し、本質を抽象化する力です。本書は、そうした思考の技術を日常の言葉で教えてくれる一冊です。
この記事でわかること
- オックスフォード大学の数学者が教える「考えるための数学」の本質
- AI時代に数学的思考がなぜビジネスパーソンに必要なのか
- 日常の意思決定を改善する数学的思考の実践法
- 世界のエリートが数学を学び直す理由
- 数学が苦手だった人でも身につけられる思考の技術
30秒でわかる本書のポイント
【結論】：数学的思考とは計算力ではなく、構造を見抜き、パターンを発見し、本質を抽象化する力です。これはAI時代の意思決定に不可欠なスキルです。不確実な時代において、数学的思考法を身につけることで、正しい選択ができるようになります。
【原因】：私たちは数学を「正解を出すもの」と誤解してきました。しかし本来の数学は、複雑な現実を整理し、問題の構造を明らかにするための思考法なのです。
【対策】：日常の判断に数学的思考を取り入れましょう。バイアスに騙されない視点を持ち、パターン認識力を鍛え、抽象化によって本質を捉える習慣をつくることが重要です。
本書の要約
オックスフォード大学の数学者マーカス・デュ・ソートイが、世界のエリートたちに教えている「考えるための数学」を一般読者向けに解説した一冊です。本書が扱うのは難解な数式ではなく、日常の意思決定を改善するための数学的思考法です。パターン認識、抽象化、構造の理解、確率的思考など、ビジネスや人生において実際に役立つ思考の技術が、豊富な事例とともに紹介されます。著者は「数学は一生モノの教養」であり、AI時代だからこそ人間が身につけるべき思考の基盤だと説きます。数学が苦手だった人ほど、本書を通じて「日常の見方が変わる」体験をするでしょう。
こんな人におすすめ
- AI時代に求められる思考力を身につけたいビジネスパーソン
- データに基づく意思決定の質を高めたい経営者・マネージャー
- 数学に苦手意識があるが、論理的思考力を鍛えたい人
- 複雑な問題を構造的に整理する力を養いたい人
- 世界のエリートがなぜ数学を学び直すのか知りたい人
- 子どもに数学の本質を伝えたい親や教育者
- AIに代替されない人間の強みを磨きたい人
本書から得られるメリット
- 複雑な情報を構造的に整理する力が身につく
- データや統計に騙されない判断力が養える
- パターン認識によって問題解決の精度が上がる
- 抽象化思考で本質を見抜く力が鍛えられる
- 日常の意思決定の質が向上する
- AI時代に必要な「考える技術」の基盤が得られる
- 数学への苦手意識が克服できる
なぜ今、世界のエリートは数学的思考を学び直すのか
不確実性に向きあってきた数学的なツールの力を借りることで、皆さんが現代社会を生き抜くための力を身につけることができます。（マーカス・デュ・ソートイ）
いま、世界のトップビジネスリーダーやエリートたちが、こぞって「数学」を学び直しているのをご存知でしょうか？ もちろん、AIが瞬時にやってくれるような「高度な計算技術」を身につけるためではありません。彼らが求めているのは、AI時代を生き抜くための全く新しい武器――「考えるための数学」です。
・最適な意思決定： 勘に頼った大失敗を防ぎ、リスク最小・リターン最大の選択ができる。
・バイアスからの解放： 日常の思い込みや、騙されやすいデータに惑わされなくなる。
データに騙されないための数学的視点
統計の知識は日常生活で非常に役に立ちます。あるものを食べた人のがん発症率が1.5倍という報道を見かけた際、母集団はどれくらいだろうとか、サンプルに偏りがあるかもしれない、といった疑問を持つことができます。つまり報道や広告を鵜吞みにしない習慣がつき、情報の信頼性を見抜けます。
たとえば、メディアで「ある食品を食べた人のがん発症率が1.5倍になった」というニュースを見かけたとき、数学的思考を持つ人はその数字を鵜呑みにはしません。
まず「元々の発症率（ベースレート）はどれくらいなのか」を問い直します。もし元々の確率が「10万人に1人（0.001%）」であれば、1.5倍になったところで「10万人に1.5人（0.0015%）」という極めて低いリスクに過ぎないからです。
もしかしたら、その食品を好む人たちの年齢層や生活習慣に偏りがあったのかもしれませんし、データのバラつきを示す「分散」を無視して、たまたま極端な結果が出た一部分だけをセンセーショナルに報道している可能性もあります。
これこそが、まさに「思い込みに騙されない技術」の実践です。数字のインパクトに惑わされず、その背後にある構造や前提を疑う習慣が身につくことで、私たちは溢れかえる報道や広告の中から情報の真の信頼性を見抜くことができるようになります。
AIがどれほど大量のデータを処理し、もっともらしいニュースを量産する時代になろうとも、そのデータの前提を問い直し、情報の意味を正しく解釈する力は人間にしか持てません。日常の何気ないニュースを数学的な視点で読み解くこと。その小さな習慣の積み重ねが、私たちの意思決定の質を大きく左右していくのです。
ゲーム理論をビジネスに活用する──問題解決の核心
ルールとゲームは常にセットで存在しているのだと思います。経済であれ、社会であれ、あるいは政治であれ、どれもルールに従ってコントロールされています。最良の意思決定を下すにあたって、数学が大きな役割を果たしていることは間違いありません。繰り返しになりますが、ゲーム理論とはルールがどのように機能するかを理解し、最大限の利益が得られるような最善の戦略を見つけるための理論です。
私たちは日常的、あるいはビジネスにおいて、常に何らかの「ルール」と「ゲーム」のセットの中で生きています。経済の動向、社会の仕組み、あるいは政私たちはビジネスや日常の営みにおいて、常に何らかの「ルール」と「ゲーム」のセットの中で生きています。
市場の動向や社会の仕組みにいたるまで、あらゆる営みは目に見えないルールに従ってコントロールされているからです。
この複雑な盤面で常に最良の意思決定を下すために、数学は極めて大きな役割を果たしてくれます。 その代表格が「ゲーム理論」です。これは社会や市場のルールがどのように機能しているかを構造的に理解し、その中で自分が最大限の利益（リターン）を得られる「最善の戦略」を見つけるための強力な思考の枠組みです。
この真髄を教えてくれるのが、有名な「囚人のジレンマ」というモデルです。互いに協力し合えば双方にとって一番良い結果が得られると分かっているにもかかわらず、相手を裏切って自分だけの利益を優先した方が合理的だと考えてしまうため、結果として双方が最悪の結末を迎えてしまうという、人間の意思決定の矛盾を突いた理論です。
ビジネスの現場では、まさにこのジレンマが「価格競争」という形で頻発しています。お互いに現在の適正価格を維持していれば、業界全体で高い利益率を確保できることは誰もが理解しています。しかし、「自社だけが値下げをすれば市場を独占できる」という誘惑に駆られ、全く同じことを競合も考えるため、結果として双方が終わりのない値下げ競争へと突入し、共倒れの結末（ナッシュ均衡）を迎えてしまうのです。
このような冷徹なダイナミクスがさらにシビアに試されるのが、M&Aや入札、あるいはオークションといった一発勝負の交渉の席です。そこは単に自分がいくら出せるかという場ではなく、ライバルがこちらの足元をどう見て、どんな戦略を仕掛けてくるかを何手も先まで読み合う場です。
相手に勝ちたいあまりに熱くなり、適正価値を遥かに超えた高値で落札してしまう「勝者の呪い」を回避するため、数学的思考を持つビジネスパーソンは、相手のインセンティブや心理的な揺らぎ、そしてゲームの構造そのものを冷徹に分析します。
しかし、こうした高度な駆け引きのベースにあるのは、やはり基礎的な「確率論」の視点にほかなりません。確率を理解すると、私たちは直感をそのまま信じるのではなく、常に冷静な判断を下せるようになります。 たとえば、日常に潜む「夢の宝くじ」というワードを目にしても、その当せん確率がいかに低いかが瞬時にわかるため、甘い幻想から綺麗に目を覚ますことができます。
宝くじの還元率は約45％強であり、買えば買うほど理論上は損をする「分が悪いゲーム」です。新規事業や投資案件であっても、その背後にある発生確率と期待値を冷静に天秤にかけなければ、私たちは宝くじを買うときと同じように、感情の罠に嵌まって大失敗を犯してしまいます。
それでもなお、宝くじというゲームに挑むとしたら、数学者は人間の行動心理の盲点を突いた面白い戦略を推奨します。多くの人は数字を自分で選ぶ際、誕生日やラッキーナンバーといった意味のある数字を選び、結果として中途半端に数字を分散させる傾向（バイアス）があります。 そこで、あえて「1、2、3、4、5」のような「連続した数字をまとめて選ぶ」のです。
確率論から言えば、連続した数字が当たる確率は、バラバラに選んだ他の組み合わせと完全に同じです。しかし、直感的に「そんな数字が当たるわけがない」という思い込みに囚われている人間は、そうした組み合わせを極端に避けます。 どの数字を選んでも当選確率は同じですが、もし運よく当選した際、それが誰も選んでいない連続した数字であれば、他の当選者と賞金を分け合う必要がなくなります。
つまり、「他人の心理的な偏りを逆手に取ることで、自分が勝ったときのリターンを最大化する」という、実質的な期待値を引き上げる高度な戦略が成立するのです。
このように確率の正体が見えてくると、ポーカーのような「運」が絡む勝負であっても、勝つ確率は劇的に上がります。確率を知らないままでは、偶然の勝ち負けを単なる運の一言で片づけてしまいますが、数学的思考を味方につければ、リスクを正確に予測し、無謀な勝負を賢く避けることができるようになります。つまり、運任せではなく「理屈で勝つプレイヤー」になれるのです。
こうしたプレイヤーたちの複雑な利害関係やルールをハックし、必勝のロードマップを描き出す「ゲーム理論」。そして、感情的なトラップを排してリスクを精密に予測し、不条理な勝負を賢く避けるための「確率論」。
これら一連の数学的思考が私たちにもたらしてくれるもの、それこそが、複雑怪奇な現実世界をクリアに見通すための「確かな知性の軸」にほかなりません。 不確実性が高く、昨日の正解が今日の正解とは限らない現代のビジネス環境において、経営者やマネージャーが直面する決断の重みは増すばかりです。だからこそ、物事の本質を「抽象化」して捉え、リスクとリターンを冷徹に見極める数学的アプローチが、実務における最強の武器になります。
それは無機質な数字の奴隷になることではなく、感情的なバイアスや目先のトラップを削ぎ落とし、自分がコントロールできる要素とできない要素を峻別して、勝利の一手を合理的に導き出すための、きわめて人間的でクリエイティブな営みなのです。
日常の見方が変わる──数学とはパターンの科学である
数学とはパターンの科学であり、金融市場においても非常に重要な役割を果たしています。
数学とはいわば「パターンの科学」であり、このアプローチは金融市場という最も複雑なゲームを読み解く上でも強力な基盤となります。 その代表例が、オプション取引の価格決定論に革命を起こした「ブラック・ショールズ方程式」です。この数式は、不確実性に満ちた市場のプレミアム（価格）を導き出すものですが、真に重要なのは数式の表面的な美しさではありません。
市場に現れる数字の背後には、実際に現場で物理的に物を作り、人を雇用し、企業活動を拡大・縮小させているリアルな「人間の営み」が存在するという事実です。 したがって、金融市場という巨大なパターンを理解するためには、単に株価の数字を追うだけでは不十分です。
政治の動向、社会の構造変化、そして企業の現場の生々しい活動にいたるまで、入手できるあらゆるデータを方程式の文脈として組み込む必要があります。市場における真の勝者たちは、ニュース画面を流れる記号的な数字に踊らされることなく、その背景にある「現実世界の構造」というマクロなデータを可能な限り多く扱い、パターンの本質を見抜こうとしているのです。
実際にこの「数学的思考法」は、ヘッジファンドやその他の投資の世界において、今も極めて重要な武器として用いられています。投資の成否を左右する精密な分析や意思決定、そして徹底したリスク管理の多くは、数学に基づくロジックと構造的な思考力によって支えられているからです。大手資産運用会社やヘッジファンド、投資銀行には「クオンツ」と呼ばれる部門が設けられ、数学を駆使して市場の分析や投資戦略の開発を専門に行っています。
そこでは数学者や物理学者、エンジニアなど、高度な数理科学の訓練を受けたプロフェッショナルたちが知性を競い合っています。これは決して遠い世界の話ではなく、私たちが自身のポートフォリオを再検討し、どの資産を増やし、どれを減らせばいいのかを論理的に判断したいときにも、根底にあるのは全く同じ数理的なアプローチです。
本書の最大の価値は、こうした高度な数学を「教室の中の死んだ知識」から、私たちの「日常や実務で使える生きた技術」へと変換してくれる点にあります。著者は難解な数式を並べるのではなく、日常の言葉で数学的思考の本質を語り尽くします。
買い物の判断、投資の選択、あるいは有限な時間の使い方といった、誰もが直面する身近なテーマを通じて、数学的思考の有用性が鮮やかに示されていきます。 ビジネスパーソンにとっての「学び直し」という視点から見ても、本書の意義は極めて大きいと言えます。かつて学校のテストで苦しめられ、数学に強い苦手意識を持っている人ほど、本書を通じて「数学とは何か」を全く新しい形で再定義できるはずです。
それは単なる定理の暗記ではなく、世界の見方がガラリと変わるエキサイティングな知の体験にほかなりません。 複雑な現実から文脈を理解し、本質を見抜く力。それこそがこれからの時代に人間に求められる強みであり、数学的思考はその力を養うための最良の訓練です。
数学で可能性を最大化させる。
さらに、私たちが直面する「限られたリソースの中で成果を最大化したい」という欲求に対して、数学は「線形計画法」という極めて実用的なソリューションを提示してくれます。これは、ビジネスにおける予算や人員の最適配置、物流ルートの効率化、製造ラインの最適化だけでなく、日常生活のあらゆる「制約」の中で最高の選択肢を導き出すために役立ちます。
たとえば、限られた食費の中で最も栄養価を高くするメニュー選びや、予算内でレストランでの満足度を最大化させることも線形計画法的なアプローチです。さらに面白いことに、この考え方は「最高のパートナーを見つける可能性を最大化するアルゴリズム」にも応用できます。
これは数学の世界では「最適な停止問題（秘書問題）」として知られ、出会う可能性のある候補者の最初の約38%（データの 1/e）をリサーチと割り切って見送り、その後、それまでに現れた誰よりも優れた人物が現れた瞬間に決断するという戦略です。
これによって、3回に1回は確実に「最高のパートナー」に出会えるという確率が数学的に導き出されます。確実な保証はないにせよ、あてのない直感に頼るより、数学によって「最高のものを手に入れる可能性を最大化する」ほうが、はるかに賢明なアプローチだと言えるでしょう。
また、一見すると難解に思える「微積分」も、私たちの日常や意思決定のプロセスに深く根ざしています。微分とは「瞬間の変化（勢い）」を捉えることであり、積分とは「その変化の積み重ね（総量）」を計算することにほかなりません。私たちが車を運転しているとき、信号の赤を確認してブレーキを踏み、完全に停止するまでに必要な時間と制動距離の関係には、まさに微積分が関わっています。
車のスピード（速度）や加速・減速のダイナミクス、日々のランニングアプリや歩数計が運動量を算出する仕組みも、すべてこの積分的な計算の積み重ねです。それだけではありません。ダイエットにおける体重管理や消費カロリーの累積、感染症（COVID-19）の爆発的な拡大プロセスの予測、さらには投資の世界における「複利計算」による資産の増殖スピードにいたるまで、時間とともに変化し、積み重なっていく現象のすべては、微積分という言語によって完璧に説明されます。
微積分を理解することは、物事の現在の変化率を捉え、その先にある未来の総量を正確に見極める目を養うことなのです。
AI時代における数学的思考の意味
組み合わせという考えは私たち人間とAIの今後の関係性にも関わってくると思つのです。人間とは常に一方を得意としながら、他方を不得意としている生き物です。そのため、自分が不得意な分野において、それを得意とするAIの力を借りることができれば、AIと人間がそれぞれ単独で力を発揮するよりも格段に優れた結果を期待できるでしょう。生活の中で、AIと人間の知能をどのように組み合わせるのが最適なのでしょうか。私はAIというものを、非常に多次元的なこの世界を生き抜くための最良のツールとして位置づけています。
AIが急速に進化する中で、「人間は何を学ぶべきか」という問いが重要性を増しています。本書が示すのは、数学的思考こそがその答えの一つだという視点です。
AIは計算や情報処理においては人間を凌駕します。しかし、問題の枠組みを設定し、データの意味を解釈し、複雑な状況の中で判断を下すのは人間の役割です。そのために必要なのが、構造を見抜き、本質を抽象化し、パターンを発見する力──すなわち数学的思考なのです。
本書を読むと、数学が「AIに代替されない人間の強み」を鍛える道具であることがわかります。これは、キャリアを考える上でも重要な示唆です。単なる作業スキルではなく、思考の基盤を鍛えることが、長期的な競争力につながります。
また、数学的思考は、不確実性の高い時代において、より良い意思決定を支えます。完全な情報がない中で判断を下す力、複数の選択肢を構造的に比較する力、リスクを適切に評価する力──これらはすべて、数学的思考によって養われるのです。
コンサルタント 徳本昌大のView
本書の結論をビジネスの言葉に直すなら、「AI時代の差は、計算力ではなく“前提を見抜き、正しく判断する力”でつく」という話です。AIは計算や集計、推定を一瞬でやってくれます。だからこそ人間に残る仕事は、何を測るべきか／その数字を信じていいのか／結論をどう意思決定につなげるかという“枠組み”づくりになります。
現場では「データに基づく意思決定」が当然になりました。一方で、データの読み違いも増えています。典型は次のようなものです。
・相関関係を見て、因果関係だと思い込んでしまう
・サンプルが偏っているのに、全体の話として結論を出してしまう
・ベースレート（もともとの確率）を無視して、数字のインパクトに引っ張られてしまう
・ばらつき（分散）を見ずに、たまたまの結果を「傾向」だと誤解してしまう
こうしたミスは、根性や注意力の問題というより、チェックの手順がないことが原因になりやすいです。本書の価値は、その手順を「数学的思考」として、再現可能な形で手渡してくれる点にあります。
日々の経営やマネジメントにおいて、直感や経験則だけに頼る意思決定には限界があります。数理的アプローチを「実務の武器」として機能させ、判断を狂わせる「バイアス（思い込み）」を排するための急所は、主に次の3つに集約されます。
1．「確率と期待値」で、決断から熱情を排す
新規事業の立ち上げ、M&A、大規模な投資といった局面は、「リターンの大きさ」に比例して判断がエモーショナルになりがちです。ここで求められるのは、一時的な勢いではなく、「そもそも勝てる構造のゲームなのか」を冷徹に見極める視点にほかなりません。
リスクとリターンを「確率と期待値」という共通言語でフラットに天秤にかけることで、勝負の手綱を握り、無謀な消耗戦を未然に回避することが可能になります。
2．バイアスは避けられないものと捉え、「数学的思考」で潰す
人間の認知バイアスや思い込みは、どれほど注意深くあろうとも消し去ることはできません。騙されないためには、サンプリングの妥当性を検証し、無作為化（ランダム化）を徹底し、データのばらつき（分散）を定量的に捉えるといった「数学的思考による客観的な仕組み」が必要です。
これはAIの運用においても同様であり、元データにバイアスがあれば、AIの出力も正しくなくなります。客観的な数理モデルを用いてバイアスを構造的に見抜く眼力は、これからの時代を生きるビジネスパーソンの必須要件です。
3．「ゲーム理論」で、ルールそのものをハックする
不毛な価格競争に代表される泥沼の消耗戦は、個社の営業努力だけで抜け出せるものではありません。プレイヤーたちを縛るルールそのものが、その行動を強迫的に選択させているからです。
「囚人のジレンマ」が示すのは、まさに「各自が合理的に最適解を求めた結果、全体として最悪の結末を招く」という構造の不条理さです。この力学をあらかじめ理解していれば、不条理なゲームに正面から挑むのではなく、「戦う前に、自社が勝てるゲームを自ら再定義する（ルールを選択する）」という、一段高い視点からの経営戦略が可能になります。
ビジネスの現場で意思決定の失敗を避け、客観的な事実に基づいた正しい選択をするためには、提示された数字を鵜呑みにしない検証手順が必要です。 社内資料、市場の報道、あるいは広告に並ぶ「数字」を目にした瞬間、次の4つの問いを必ず投げかけてみてください。
・ベースレート（基準率）： その事象がもともと発生する「根本的な確率」はどの程度か
・サンプリング： 抽出されたデータに、都合のよい「偏り（バイアス）」は含まれていないか
・分散（ばらつき）： 平均値という集計された数字の影に、見落としてはならない「極端な乱高下（ブレ幅）」が隠れていないか
・因果関係の証明： それは本当に原因と結果なのか、単なる「相関関係の偶然」ではないか
膨大なデータをもとに、一見もっともらしい結論が数多く提示される現代だからこそ、この「客観的な検証手順」を持っているリーダーが、最も正確な意思決定を下すことができます。数学とは、単に数式を解くだけのものではなく、データを正確に読み解き、適切な判断を下すための論理的な思考法なのです。
FAQ
Q1: 数学が苦手でも本書は理解できますか?
A1: 本書は数学が苦手な人にこそ読んでほしい一冊です。難解な数式や計算は登場せず、日常の言葉で数学的思考の本質が語られます。著者は「考えるための数学」という視点から、誰でも理解できる形で数学の価値を伝えています。むしろ、数学に苦手意識がある人ほど、本書を通じて「数学とは何か」を再発見できるでしょう。
Q2: 本書の内容はビジネスの現場でどう活かせますか?
A2: データに基づく意思決定、問題の構造化、パターン認識、リスク評価など、ビジネスのあらゆる場面で数学的思考は役立ちます。特に、データに騙されない視点や、複雑な問題を本質的に理解する力は、経営判断やマネジメントの質を大きく向上させます。本書で学ぶ思考法は、日常の業務にすぐに応用できる実践的なものです。
Q3: AI時代になぜ数学的思考が重要なのですか?
A3: AIが計算や情報処理で人間を上回る今、人間の強みは「構造を見抜く力」「本質を抽象化する力」「文脈を理解する力」にあります。これらはすべて数学的思考によって養われます。AIが提供するデータやパターンを正しく解釈し、適切な判断を下すためには、数学的思考が不可欠です。本書は、AI時代における人間の競争力を高める基盤を提供してくれます。
関連記事
1. 「予想外」を予想する方法 （キット・イェーツ）の書評
ベイズの定理、確率思考、認知バイアス、不確実性の扱い方をテーマにした記事。
今回の「数学的思考法」と最も接続しやすいです。
2. 「数学の言葉で世界を見たら」（大栗博司）の書評
数学を“世界を読み解く言語”として再定義している記事。
構造理解・抽象化・論理的思考という今回のテーマと非常に親和性が高いです。
3. 『天才思考』の書評
第一原理思考、アナロジー思考、チーム思考など、思考のフレームワークに焦点を当てた記事。
|
関連記事
マーカス・バッキンガム＆アシュリー・グッドールのNINE LIES ABOUT WORK 仕事に関する９つの嘘の書評
マーカス・シェリダンの世界一シンプルな増客マシーンの作り方 普段のシゴトをしているだけで勝手に顧客がやってくる!の書評
SENSE FULNESS どんなスキルでも最速で磨く「マスタリーの法則」 （スコット・Ｈ・ヤング）の書評
「当たり前」を疑う100の方法 イノベーションが生まれる哲学思考 (小川仁志）の書評
すごい思考ツール 壁を突破するための〈１００の方程式〉 （小西利行）の書評
自分を変える技術 １分で人生を変える行動イノベーション （大平信孝）の書評 変わりたい人の60秒の使い方
全力化（ベンジャミン・ハーディ）の書評
デザイン経営 各国に学ぶ企業価値を高める戦略 (小山太郎)の書評
キーエンス 最強の働き方 新人からベテランまで、最短で成果を最大化するシンプルなルール（齋田真司）の書評
読みだしたら止まらない 超凝縮 人類と経済学全史（アンドリュー・リー）の書評
ハーバード大学ビジネススクール特別講義演習 あえて違う考え方をしろ 思い込みに囚われずベストな問題解決をするための思考法（ジェラルド・ザルトマン）の書評
最強の経験学習（デイヴィッド・コルブ , ケイ・ピーターソン）の書評
コメント