🎲 イノベーションに必要なのは「賭ける勇気」ではない｜失敗を較正データに変えるRisk Intelligenceのススメ

「顧客課題は深い」
「市場は伸びている」
「既存アセットを活用できる」
「PoCでは一定の手応えがあった」

どれも、新規事業の現場で呪文のように繰り返される言葉です。問題は、これらの言葉そのものが間違っていることではありません。本当の悲劇は、それぞれの言葉に対し、自分たちが「どれくらいの確率で賭けているのか」が誰にも分かっていないことです。

顧客課題が本当に存在する確率は、70％なのか、それとも40％なのか。 その課題に対して、顧客が身銭を切ってくれる確率は、60％なのか、20％なのか。 既存チャネルで獲得できる見込みはどの程度あるのか。 技術的に実装できるとして、それが商用水準に届く確率はどれくらいなのか。

こうした「確率の見積もり」がないままPoCに突っ込むと、結果が出たあとに必ず困ったことが起きます。 成功しても、何が当たったのか分からない。 失敗しても、何が外れたのか分からないのです。

結果として、成功は「やはり筋が良かった」という神話として語られ、失敗は「顧客理解が足りなかった」「タイミングが早すぎた」「社内連携が不十分だった」といった、耳障りの良い反省文として処理されます。 もちろん、その反省は事実かもしれません。けれど、事前に仮説の確信度を数値として置いていなければ、それは検証というより単なる後付けの解釈にすぎないと考えています。

私はこれまで新規事業立ち上げやスタートアップの事業創出を様々支援してきましたが、その経験から思うに、問題は、失敗することではありません。 失敗したときに、「自分たちの事前の見積もりがどれだけズレていたのか」を振り返る術を持たないことです。

ここで必要になるのが、Risk Intelligenceという概念装置です。 念のため言っておきますが、これは「大胆にリスクを取る豪胆さ」のことではありません。むしろ真逆。

Risk Intelligenceとは、不確実な状況下において、自分の確信度をできるだけ正確に見積もり、結果を見ながらその見積もりを更新していく能力を指します。Dylan Evansはこれを「確率を正確に見積もる能力」と定義し、主観的な確率見積もりと実際の結果を照合するcalibration testing（較正テスト）の手法と結びつけています(1)。

新規事業に必要なのは、未来を百発百中で当てる水晶玉ではありません。 むしろ、自分たちの見立てが熱狂しすぎていないか、あるいは怯えすぎていないかを測る「温度計」です。

私たちが本当に問うべきなのは、事業案の“もっともらしさ”を会議室で競い合うことではありません。 代わりに考えるべき問いは、「自分たちは実験を重ねるたびに、「見積もりの精度」を更新できているか？」ではないでしょうか。

目次

1. 「90％の確信で外す」か「55％の迷いで外す」か
2. 確率を喰い殺す「物語」
3. PoCが「ただの思い出」に終わる理由
4. 「成功確率」を捨てる
5. 失敗を「消費」する組織、失敗を「較正データ」にする組織
6. 参考文献

「90％の確信で外す」か「55％の迷いで外す」か

Risk Intelligenceと聞くと、どこか「危険を引き受けるマッチョな力」のように響くかもしれません（私は初めて聞いたときそうでした）。 高いリスクを前にしても怯まない。誰も踏み込めない場面で、えいやと一歩踏み出す。そういう起業家的な豪胆さの話だと誤読されやすいかもしれません。

しかし、Risk Intelligenceの本質は、リスクをすき好むことではありません。自分が「どれくらい分かっていて、どれくらい分かっていないのか」を、シビアに確率として扱うことにあります。

ここで重要になるのが、calibration（較正）という概念です。 たとえば、ある人が「70％の確率でうまくいく」と判断したプロジェクトが、長い目で見て本当に10回中7回成功しているのか。あるいは、本人は70％のつもりでも、実際には10回中4回しか当たっていない（＝過剰な自信を持っている）のか。

このズレを見るのが、較正です。 問われているのは「最終的に当たったか、外れたか」の二元論ではありません。その判断に付けた「事前の確信度」が、現実の勝率とどれくらい噛み合っていたか、なのです。

確率判断研究の古典であるLichtensteinらのレビューでも、calibrationは、主観的な確率判断と実際の結果の対応関係を見るものとして整理されています(2)。これは、Risk Intelligenceを「センス」や「勘」といったブラックボックスから引きずり出すために極めて重要だと思います。自信の強さ（マグニチュード）ではなく自信の精度を見る。ここに、この概念の「硬さ」があります。

これを可視化する道具として、予測研究の世界ではBrier score（ブライア・スコア）という指標が使われます(3)。ざっくり言えば、「予測確率」と「実際の結果」のズレを採点する方法です。

たとえば、ある出来事について「90％起きる」と豪語したのに起きなかった場合、その外し方はペナルティとして重く評価されます。一方、「55％しか自信がない」と予測して外した場合、ズレのペナルティはそれほど大きくありません。

ここで大事なのは、予測を単なる「当たり／外れ」の二択で見ないことです。 90％の自信で外したのか。それとも、55％の迷いを抱えたまま外したのか。 この二つは、まったく違う種類の「外れ」なのは言われてみれば当然はないでしょうか。

これは新規事業の現場に、そのまま鋭く刺さります。

仮に、ある事業仮説が検証フェーズで崩れたとしましょう。 そのとき、事前に「これは90％いける」とチーム全体で信じ込んでいたのか。「まだ40％の確率だが、検証する価値はある」と見ていたのか。意味はまったく違います。

前者なら、組織の見立ての精度（温度計）が完全に狂っていたことになります。 後者なら、単に「低い確信度の仮説を、計算通りに小さく検証して棄却しただけ」の健全なプロセスです。

にもかかわらず、多くの新規事業の現場では、この決定的な違いが闇に葬られがちだと感じています。 なぜなら、最初の確率（＝確信度）が議事録のどこにも残っていないからです。 確率が記録されていなければ、外れたときに「自分たちの判断が狂っていた」のか、「そもそも低確率の仮説を淡々と潰しただけ」なのかを区別することすらできません。

Risk Intelligenceとは、未来を見通す特別な才能ではありません。 未来に対する自分たちの見立てのズレを、結果に照らして少しずつ較正していく技術です。

だからこそ、新規事業の会議で問うべきは、「この案に自信がありますか？」という精神論ではありません。それよりも、

• 「その自信は、いま何％ですか？」
• 「前回の検証を経て、その確信度は何ポイント動きましたか？」
• 「〇％動いたと考える根拠は何ですか？」

を聞くべきなのではないかと日々の業務で感じています。

確率を喰い殺す「物語」

では、そもそもなぜ新規事業の現場では、この「確信度」が記録されないのでしょうか。

• 単純に面倒だから
• 数字にして外すと責任が伴うから

などなど様々な理由が思い浮かびますが、私が現場で見てきて最も根深いと感じるのは、新規事業の会議では、確率よりも「物語」のほうが圧倒的に強いという点です。

「この市場は伸びています」
「顧客課題は深いです」
「競合はまだ本格参入していません」
「自社の既存アセットを活用できます」

こうした言葉は、会議室の中で強烈な説得力を持ちます。なぜなら、事業案は単なる仮説のままでは進めず、社内の「合意形成」という関所を抜けなければならないからです。

合意形成には、血の通った物語が要ります。なぜ今なのか。なぜ我々がやるのか。それを一本の美しい筋書きにして語れなければ、予算はつきません。だから、物語そのものが悪いわけではありません。

問題は、物語の引力が強すぎると、そこに潜む不確実性までが綺麗に覆い隠されてしまうことです。

「顧客課題は深い」と語るとき、その確信度は本当は何％なのか。 「既存アセットを活用できる」という見立ては、本当に現場の裏付けがある確率なのか。

本来、これらはすべて確率を伴う仮説にすぎません。しかし会議室の空気に触れると、いつの間にか“事実のような顔”をして並びはじめます。 よく調べたパワポの資料が、いつの間にか「分かっていること」に変わる。強い口調の説明が、いつの間にか「高い成功確度」にすり替わってしまう。

しかし、それは本当に確度が高いのでしょうか。単に「語りがうまい」だけではないのでしょうか。

この点で示唆的なのが、医師の診断判断に関する研究です。Meyerらの研究によると、症例が複雑になり診断の正答率が大きく低下する局面でも、医師の「自信」は正答率ほどには下がらなかったことが示されています(4)。 つまり、高度な専門家であっても、「判断の正しさ」と「主観的な自信」は（綺麗には）連動しないのです。

もちろん、医療診断と新規事業を同列には語れません。ただし、ここで見るべき構造は同じです。 専門性があることと、自分の確信度を正しく較正できることは、まったく別の能力だということです。

業界経験が長い人ほど、説得力のある仮説を出せます。経営層に近い人間ほど、「これは行ける」と一言で場を制圧できる。しかし、雄弁に語れることと、実際に当たっていることは違います。

むしろ経験豊富なベテランほど、不確実な事象に「もっともらしい名前」を付けるのが巧みな印象があります。「市場の潮目」「顧客の深いペイン」「自社ならではの勝ち筋」。 どれも便利な言葉ですが、だからこそ危うい。なぜなら、それらの言葉は不確実性を減らしているのではなく、不確実性に「分かったようなラベル」を貼って安心しているだけかもしれないからです。

新規事業において本当に危険なのは、確信がないことではありません。 確信がないものを、まるで確信があるかのように語り、自分たちまで騙されてしまうことです。

会議の場では「まだ分かりません」と率直に言う人間より、「市場は確実に来ています！」と言い切る人間のほうがリーダーシップがあるように見えがちです。 しかしRisk Intelligenceの観点に立てば、本当にインテリジェントな態度は、安易に言い切りたい誘惑に耐え、自分たちの確信度を、粗くても「パーセンテージ」としてテーブルに置く力です。

たとえば、会議で次のように分解して言えるかどうか、です。

「顧客課題の存在には70％の自信がある。ただし有償で払うかはまだ35％」
「技術実装は80％見えている。一方、運用コストが合う確率は40％程度」

このように物語を解体し、確率へと分解することで、会議の質は劇的に変わるように思います。 抽象的な「賛成・反対」の議論は消え、「どの不確実性を、次の検証で潰すべきか」という具体的な設計へと移行するからです。

確率に分解されない事業案は、いつまでも美しい物語のままです。物語は人を動かしますが、物語だけでは組織は「学習」できません。 私たちがすべきは、物語を捨てることではなく、物語の裏に隠された仮説を、確率としてむき出しにすることなのではないかと思っています。

PoCが「ただの思い出」に終わる理由

物語を解体し、確率へと分解してみると、PoCの景色も大きく変わります。

多くの現場において、PoCは「このアイデアに手応えがあるか」を確認するために行われます。顧客にぶつけてみる。プロトタイプを触ってもらう。机上の空論で終わらせず小さく実験する。それ自体は絶対に不可欠なプロセスです。

ただ、ここで一つ、どうしても拭えない引っかかりがあります。 そのPoCは本当に、組織の「学習」になっているのでしょうか。

PoCの後には、たいてい何らかの振り返りが行われます。ありがちなところでいうと、
「ユーザーの反応は良かった」
「想定より導入ハードルが高かった」
「一部の顧客には刺さったが、横展開には時間がかかりそうだ」

どれも現場のリアルな発見です。しかし、Risk Intelligenceの観点から言えば、それだけでは足りません。 本当に問うべきなのは、PoCの前に置いていた確信度が、PoCの検証を経て「どう更新されたのか」だと私は考えています。

顧客課題の存在に「70％」の自信を持っていた。 PoC後、それは80％に上がったのか。それとも50％に下がったのか。
有償で払う確率を「35％」と見ていた。 実際に3社が有償PoCに進んだことで、それは55％に上がったのか。それとも、価格交渉の厳しさを目の当たりにして30％に下がったのか。

この「更新の軌跡」が記録されなければ、PoCは「とりあえずやってみた」という事実だけが残ります。学習しているように見えて、言ってしまえば、実際にはただの思い出が積み上がっているだけなのです。

ここで参考になるのが、Mellersらによる「スーパーフォアキャスター（超予測者）」の研究です(5)。ここでは、予測の精度をBrier scoreで採点し、訓練・フィードバック・予測の更新を通じて、高精度の予測者を識別・育成していきました。 ここで重要なのは、予測を単なる「当たった／外れた」の二元論で終わらせず、「何％の確信で予測し、新しい情報に触れてどう予測を更新したのか」というプロセスそのものを扱っている点です。

もちろん、地政学的な予測トーナメントと新規事業のPoCは違います。ビジネスには顧客の気まぐれも、社内政治も、競合の動きも絡み合います。 それでも、ここから学ぶべき構造は同じです。予測は、記録され、採点され、更新されて初めて「能力」になるということです。

事前に確信度をパーセンテージで置いていなければ、結果が出ても自分たちの「見立ての精度」が分かりません。見立ての精度が分からなければ、次の判断を鍛えることもできません。 結果として、PoCを何十回繰り返しても、組織のRisk Intelligenceは一向に上がりません。

新規事業の現場で起きているのは、「失敗から学べない」という単純な話ではありません。 失敗から学べないのではなく、「失敗を学習可能なフォーマットで保存していない」という構造的な問題なのです。

たとえば、あるPoCが失敗に終わったとします。顧客インタビューでは感触が良かったのに、有償提案に進んだ瞬間に反応が鈍った。 このとき、「顧客の解像度が足りなかった」「提案価値が弱かった」といった耳障りの良い反省会をしてしまうことはないでしょうか。

しかし、それでは何も決めていないのと同じです。 支払い意思が問題だったのか。導入オペレーションのハードルか。ターゲットセグメントのズレか。 「どの仮説の確信度が下がったのか」を特定しなければ、次の一手もまた曖昧なものになります。

そして、その曖昧さは、やがて現場の「疲労」に変わります。

PoCをやる。反省会をする。「良い学びがあった」とまとめる。でも、次の判断基準はとくに変わらない。 これを繰り返すと、現場には奇妙な無力感が溜まっていきます。新規事業のプロセスはちゃんと回しているし、検証もしている。なのに、組織として「賭け方」がうまくなっている実感がまるで持てないからです。

それは、実験の回数が足りないからではありません。 実験の前後で、確信度を更新するシステムがないからです。

PoCは、アイデアの合否判定ではありません。ましてや、上申資料に貼るための「顧客接点のアリバイ作り」でもありません。 PoCの本当の価値は、事業案そのものを正当化することではなく、「どの仮説を、どれくらい信じてよいのか」を更新することにあります。

だからこそ、PoC後の報告会で問うべき言葉は、「手応えはどうでしたか？」ではなく、 「今回の検証で、どの仮説の確信度が、何ポイント動きましたか？」ではないでしょうか。

この問いに答えられないPoCは、たとえ顧客インタビューを100件こなしていようと、組織の判断能力を鍛えることはないのだと私は思っています。

「成功確率」を捨てる

では、PoCを「ただの思い出」で終わらせず、組織のRisk Intelligenceを底上げする仕組みに変えるにはどうすればいいのか。

実は案外シンプルです。新規事業会議のテーブルに置く「問いの解像度」を変えればいいのです。

まず、「この事業は成功しそうか？」という大雑把な問いを捨てます。続いて、代わりに、こう問うのです。

「前回の検証を経て、どの仮説の確信度が、何ポイント動いたのか？」

ここから見えてくるのは、事業案の表面的な“もっともらしさ”ではありません。不確実性の「更新幅」です。

たとえば、次のような表を会議のスクリーンに映し出してみたとしましょう。

ここに並んでいる数値に厳密な科学的根拠はありません。実際、最初は「えいや」で置いた粗い主観値になるはずです。しかし、それで構いません。

重要なのは、最初から完璧な確率を言い当てることではなく、粗くてもいいから、後から「更新できる形」で仮説をテーブルに残すことです。

これだけで、会議の質は劇的に変わります。

「このPoCは成功だったのか、失敗だったのか」という曖昧な感想戦は消滅します。代わりに、「支払い意思の確信度は上がったが、チャネル獲得の確信度は下がった」「技術の実装見通しは維持されたが、運用コストの見立ては甘かった」というように、学習の解像度が上がります。

すると、次の一手も自動的に決まります。

支払い意思が上がったなら次は価格帯の抵抗線を検証する。チャネル仮説が崩れたなら獲得経路を変える。運用コストの確信度が下がったなら提供体制を見直す。

つまり、PoC後の議論が「次の賭け方の設計」へとダイレクトに繋がるのです。

ここで重要なのは、新規事業の評価軸を「成功確率」だけに閉じ込めないことです。

初期の新規事業において、成功確率は低くて当然です。そこで単純に「成功確率が高い案件だけを生き残らせる」という運用をすると、結局、既存事業の延長線上にある“もっともらしい無難な案”ばかりが残ります。

私たちが本当に見るべきなのは、成功確率ではなく、次の二つです。

• どの不確実性が、今回の検証で潰せた（下がった）のか
• 次に小さく賭けることで、どの確信度を最も大きく更新できるのか

未来を一発で予測するのではなく、外れたときの損失を限定し、当たったときに追加投資できるように賭け方を組む。

この発想は、金融工学における「リアルオプション」の考え方に近いかもしれません。SchwartzのR&D評価に関する議論でも、開発途中で撤退できる（あるいは柔軟に方針転換できる）可能性こそが、不確実性の高いプロジェクトの価値を大きく左右することが示されています(6)。

要するに、「一発で大きく賭ける」よりも、「段階的に賭け、結果を見て次の投資をコントロールする」ことにこそ価値が生まれるのです。

ただし、ビジネスの現場を金融工学のように精密な数式で管理しようとするのは愚かです。顧客の熱狂も、社内政治のうねりも、偶然の出会いも、Excelには収まりません。

なので、「全部を定量化する」必要などありません。

勝敗を左右する「3〜5つの不確実性」だけを、更新可能な形で握っておけばいい。

• 顧客課題は本当に存在するのか
• 顧客は身銭を切って払うのか
• チャネルは機能するのか
• 技術は商用水準に届くのか
• 採算が合う構造を作れるのか

この程度の仮説に対して（本来はもっと個別具体的に明確にすべきですが）、事前確信度を置く。検証後に、事後確信度を置く。その差分を見て、次に何へ賭けるかを決める。たったこれだけでも、組織の学習スピードは圧倒的に速くなります。

このアプローチは、熟練した起業家の意思決定プロセスを解き明かしたSarasvathyの「Effectuation」とも近いと認識しています(7)。

未来を正確に予測（Causation）しようとするのではなく、手元のリソースと許容できる損失（Affordable Loss）の範囲内で、不確実な状況を少しずつコントロールしていく論理です。

ここでもやはり、本質は「当てること」ではありません。

外れたときに、即座に次の賭け方を変えられることです。

Risk Intelligenceを新規事業に持ち込むとは、未来の予言者になることではありません。

自分たちの予測が外れることを前提に、その「外れ方」から最も効率よく学べるように意思決定を設計することです。

だからこそ、新規事業会議で本当に見たいのは、耳障りの良い完璧な事業計画書ではありません。

前回の検証から今回にかけて、どの仮説の確信度がどう動いたのか。その更新を踏まえて、次にどこへ小さく賭けるのか。

この問いに答えられる組織は、たとえ個別プロジェクトが失敗しても、「賭け方」そのものが少しずつ洗練されていきます。

逆に、この問いに答えられない組織は、どれだけPoCを繰り返しても、毎回同じような失敗を無邪気に繰り返すことになります。

新規事業における組織の成熟とは、成功確率の高い案件を百発百中で見抜くことではありません。

低い確率の仮説に小さく賭け、結果を見て確信度を冷徹に更新し、次の賭け方を柔軟に変えられることです。

つまり、会議の最後に問うべきは、「この事業は成功しそうか？」だけではない。

私たちが本当に突きつけるべきは、「この検証によって、私たちの見積もりはどれだけ賢くなったのか？」ではないでしょうか。

失敗を「消費」する組織、失敗を「較正データ」にする組織

ここまで見てきたように、Risk Intelligenceを新規事業に持ち込むことは、未来を正確に言い当てる魔法を手に入れることではありません。

むしろ真逆です。 「未来の見積もりは必ず外れる」という冷厳な前提から出発することです。

市場の立ち上がりは読めない。顧客の本音は捉えがたい。競合は死角から現れる。社内の意思決定すら想定通りには進まない。新規事業とは、そもそも「分からないもの」の塊です。 だからこそ、最初から完璧な事業計画をつくり上げようとする態度には、根本的な危うさがあります。

きれいな右肩上がりの市場規模。滑らかな成長曲線。説得力のあるペルソナ。 これらが美しく整えられていればいるほど、私たちは「不確実な未来を、すでに処理し終えた」という錯覚に陥りやすくなります。本当はまだ分かっていないことだらけなのに、資料の完成度が“未知”をきれいに覆い隠してしまうのです。

新規事業における知性とは、すべてを見通すことではありません。 分からないものを、分からないままテーブルに乗せ、実験のたびに確信度を更新していく力です。

ここで非常に重要なのは、「失敗」という言葉を安易に美化しないことです。 昨今のビジネス界隈では「失敗から学ぶ」という言葉が便利に消費されすぎています。しかし、失敗はそれ自体で自動的に学びを生み出すわけではありません。

事前の見積もり（確信度）がないまま突っ込んだ失敗は、雑に扱えばただの「損失」です。もっとタチが悪いと、後付けで都合よく解釈され、起業家的な「武勇伝」へとすり替わってしまいます。

失敗したあとに、どれほど美しい反省文を語るかは本質ではありません。 失敗する前に、何をどれくらいの確率で信じていたのか。そして失敗したあとに、その見積もりをどう更新したのか。 そこまで冷徹に記録されて初めて、失敗は組織の「学習」に変わります。

そう考えると、新規事業における組織の本当の成熟度は、「成功案件をいくつ持っているか」では測れません。失敗案件がクローズしたとき、その組織のデータベースに何を残しているかで決まります。

単なる情緒的な反省文が残っているのか。 それとも、仮説の確信度がどう動き、どこで見積もりを誤ったのかという履歴が残っているのか。

前者の組織において、失敗は単に「消費」されます。 後者の組織において、失敗は次に勝つための「較正データ」になります。

新規事業の難しさは、最初から正しい答えを持てないことにあります。 だからこそ勝負の分水嶺は、最初の答えの正しさではありません。答えが外れたときに、自分たちの見立てのズレをどれだけ速く、正確に修正できるかです。

組織の評価軸も変えなければなりません。 会議で「絶対にいけます」と強く言い切る人を評価するのか。それとも、自分の確信度をパーセンテージで明示し、検証後にそれを冷静に更新できる人を評価するのか。 PoCをこなした件数を評価するのか。それとも、PoCによって「自分たちの見積もりがどれだけ賢くなったか」を評価するのか。

ここを変えない限り、組織は何度でも同じ罠に戻ってきます。たくさん検討し、たくさん実験し、たくさん反省するのに、いつまで経っても「賭け方」が洗練されないままです。

Risk Intelligenceは、私たちに「果敢にリスクを取れ」と煽るような自己啓発ではありません。

イノベーションとは、未来を神がかり的に当てるゲームではありません。 未来に対する自分たちの誤差を、少しずつ削り落としていく地道な営みなのです。

今週の問い

「失敗」したとき、その内容や反省はどんな形で残していますか？
仕事だけでなく、プライベートでも構いません。

ぜひコメントを残していってください！

参考文献

(1) Evans, D. (2012). “Risk Intelligence.” In Roeser, S., Hillerbrand, R., Sandin, P., & Peterson, M. (Eds.), Handbook of Risk Theory: Epistemology, Decision Theory, Ethics, and Social Implications of Risk. Springer.
(2) Lichtenstein, S., Fischhoff, B., & Phillips, L. D. (1982). “Calibration of Probabilities: The State of the Art to 1980.” In Kahneman, D., Slovic, P., & Tversky, A. (Eds.), Judgment under Uncertainty: Heuristics and Biases. Cambridge University Press.
(3) Brier, G. W. (1950). “Verification of Forecasts Expressed in Terms of Probability.” Monthly Weather Review, 78(1), 1–3.
(4) Meyer, A. N. D., Payne, V. L., Meeks, D. W., Rao, R., & Singh, H. (2013). “Physicians’ Diagnostic Accuracy, Confidence, and Resource Requests: A Vignette Study.” JAMA Internal Medicine, 173(21), 1952–1958.
(5) Mellers, B. A., Stone, E., Murray, T., Minster, A., Rohrbaugh, N., Bishop, M., Chen, E., Baker, J., Hou, Y., Horowitz, M., Ungar, L., & Tetlock, P. E. (2015). “Identifying and Cultivating Superforecasters as a Method of Improving Probabilistic Predictions.” Perspectives on Psychological Science, 10(3), 267–281.
(6) Schwartz, E. S. (2003). “Patents and R&D as Real Options.” NBER Working Paper No. 10114. National Bureau of Economic Research.
(7) Sarasvathy, S. D. (2001). “Causation and Effectuation: Toward a Theoretical Shift from Economic Inevitability to Entrepreneurial Contingency.” Academy of Management Review, 26(2), 243–263.