『レピュテーション・エコノミー』（2015年）は、デジタルフットプリントを最適化し、一流のオンライン評判を確立する方法を解説する一冊です。著者らは新たなトレンドを特定し、職業的にも経済的にも成功する可能性を高める方法を明らかにします。
この本の要点：ネット上でのあなたのあらゆる行動が評判に影響する理由を学ぶ
オンラインショッピングは便利なものです。欲しいものを求めて店から店へと歩き回る代わりに、ワンクリックで手に入るのですから。しかし、そこには落とし穴もあります。たとえば靴を一足オンラインで買うと、その後数週間にわたって靴の広告が大量に表示されることになります。なぜなら、ネット上でのあなたの行動すべてが痕跡を残すからです。
そして、あなたの後を追いかけてくるのは買い物や閲覧の習慣だけではありません。私たちは、就職できるかどうかを含め、あなたの評判全体がネット上の行動によって左右される時代に入りつつあります。本書では、この到来しつつある時代について学び、備えることができます。本書でわかること：
- 従来型の大学教育が近い将来、過去のものになるかもしれない理由
- 次の仕事を得られるかどうかが「機械を満足させる能力」にかかってくる理由
ネット上でのあらゆる行動は記録・保存・分析され、あなたの評判スコアが決まる
インターネットが登場する以前、人々は自分を世間にどう見せるかをかなり細かくコントロールできていました。しかし現在では、そうした厳密なコントロールは過去のものとなっています。この変化の一因は、データ保存容量の劇的な拡大です。かつては、CIAやNSA、IBMのような大規模組織だけが、大量のデータを保存するリソースを持っていました。
そこへインターネットが登場し、今では誰でもほぼ無料で膨大なデータを保存できるようになりました。個人にとってこれは、デジタルフットプリント、つまりネットサーフィンの後に残るデータの痕跡（Facebookにアップロードした写真、クレジットカードの取引履歴、ATMでの引き出し記録）が、さまざまな企業によって記録され、永続的に保存されることを意味します。さらに、新しいテクノロジーによって、このデータを分析し、数値化し、結論を導き出すことがより簡単かつ安価になっています。そして企業は、顧客の行動パターンを読み取るためにデータ分析ツールへの依存を強めています。たとえばAmazonは、Hadoopと呼ばれるシステムを使って、数億件もの購入履歴からパターンを見つけ出し、カスタマイズされた商品レコメンドを行っています。LinkedInも同様のシステムで「知り合いかも」を表示しています。
こうしたシステムは、大量のデータを数値スコアとして整理します。そして今や、ほぼすべてのものが処理され、スコア化されています。つまり、ネット上でのあなたの行動すべて、マウスのクリックひとつひとつが数字として表されているのです。そして多くの企業がこれらの数字をアルゴリズムに入力し、個人の評判スコアを算出しています。評判スコアはまもなく、どこにでも存在するものになるでしょう。言い換えれば、就職であれ住宅購入であれ、将来何かをしたいと思ったときには、まず自分の評判スコア——あなたのオンライン上の習慣の総和——と向き合わなければならないのです。
評判スコアは瞬時に更新され、人生のあらゆる領域での行動予測に使われる
デジタルフットプリントとデジタル評判は、テクノロジーの進歩とともにますます重要になっていきます。さらに、私たちが今後オンラインで共有する情報は、ほぼ瞬時に公開されるようになります。たとえば、上司がSNSであなたを褒めれば、良い社員としての評判が即座に上がるでしょう。逆に、不機嫌なFacebookのコメントは即座にスコアを下げます。
そして、あなたに関する膨大な情報が他人に公開されるようになると、接点のなかった企業までもがあなたを獲得しようとするかもしれません。あなたがいつも同じコーヒーショップに通い、金曜日のランチには同じ料理を食べ、同じディーラーで車を買うタイプだとしましょう。あなたの評判スコアはその忠誠心を反映し、多くの企業があなたのビジネスを勝ち取ろうと声をかけてくるでしょう。オンライン上の評判は、人生の他の部分にも影響を及ぼします。仕事を例に取りましょう。今日、ある会社でのあなたの行動は、明日、他の分野での行動を予測するために使われます。たとえば、広告担当者として良い評判を築けば、その情報は自動的にソーシャルメディアマーケティングの適性を予測するために使われるのです。
つまり、あなたの評判は「ポータブル（持ち運び可能）」なのです。このように、レピュテーション・エコノミーにおいて人々は、たとえ情報が限定的で又聞きであっても、データに基づいて意思決定を行います。ベビーシッターを雇いたいとしましょう。おそらく、その人が子守をしているところを見たことはないでしょうし、あなたの子供はユニークで、特有の課題を抱えています。そのシッターがちゃんと子供の面倒を見てくれるかどうかを知る術は実際にはありません。
しかし、シッターの評判スコアにアクセスできれば、（過去の仕事や学歴に関する）正確な又聞き情報がたくさん手に入り、決定が容易になります。さて、誰かがあなたやあなたの小さなビジネスに恨みを抱いているとしましょう。その人物がインターネット上であなたについての嘘を広め始めたらどうなるでしょうか。残念ながら、コンピューターにそうしたコメントを検閲させるようプログラムすることはできません。
不正確な情報はデジタル評判を強力かつ永続的に傷つける可能性がある
テクノロジーがどれほど進歩しても、コンピューターは事実と虚構を区別する能力を決して持ち得ません。そのため、企業に関する虚偽または不正確な情報は、その評判を致命的に傷つける可能性があります。競合他社がYelpにあなたの会社について偽のネガティブレビューを投稿したり、偽アカウントを作成してネガティブなコメントを書くよう人にお金を払ったりするケースを想像してみてください。偽のコメントをひとつずつ積み重ねることで、評判をじわじわと破壊し、あなたの会社を妨害するのです。
同様に、個人に関する虚偽または不正確な情報も、その人の職業上の評判を大きく傷つける可能性があります。誰かがあなたを異常なほど崇拝するか嫌うあまり、ネット上であなたになりすまし始めたとしましょう。その人物はあなたの名前を使って、あなたが決して容認しないようなことをしたり言ったりして、あなたの評判を取り返しのつかないほど汚すかもしれません。では、あなたやあなたのビジネスがこの種の攻撃を受けたら、どうすればいいのでしょうか。被害を最小限に抑えるにはどうすればいいのでしょうか。多くの場合、間接的に対応する方が良いとされています。なぜなら、疑惑を公に反論することは、助けになるどころか害になる可能性があるからです。
なぜでしょうか？ 紛争にさらに注目を集めてしまう可能性があるからです。また、攻撃的または防御的に見えてしまうかもしれません。間接的な対応なら、より慎重かつ理性的に対処できます。たとえば、誰かが「あなたは解雇された」とブログに書いたとします。実際にはあなたは自ら辞任したのだとしたら、送別会の写真や上司からの温かいお別れの手紙の写真を投稿することで、その主張が虚偽であることを証明できるかもしれません。評判が壁にぶつかると、諦めたくなるのも無理はありません。
会話の流れを変え、良い評判を確保するために先手を打とう
でも絶望しないでください。立ち直る方法はあります。鍵となるのは、先手を打つことです。自分についてどのような情報が収集されているかを変えることは不可能ですが、人々がどの情報に注意を向けるかはコントロールできます。その方法はいくつかあります。
ネガティブな評判に対抗するひとつの方法は、衝撃的なことをして会話の流れを断ち切ることです。自分を弁護する代わりに、人々に別の話題を始めさせるのです。あなたが「怠け者で食生活が悪い人」という見られ方にうんざりしているとしましょう。自分の習慣を正当化しようとする代わりに、ジムに通い始めましょう。そして、毎週のワークアウトの写真を同僚に大量に見せるのです。会話を変えるもうひとつの方法は、議論の枠組みを事前に組み替えることです。
それはまさに、Facebookがオレゴン州の砂漠に大量のエネルギーを消費するデータセンターを建設し始めたときに行ったことです。オレゴン州は長らく環境運動の中心地だったため、Facebookの広報チームは、このプロジェクトのエネルギー効率の良さについての情報を広めることで、広報上の大惨事を回避しました。ここでもうひとつ重要なポイントがあります。企業も個人も、自分の強みに集中することで利益を得られるということです。たとえば、あなたともう一人のマネージャーが同じ昇進を争っているとしましょう。相手が自分の部門の収益成長に注目を集めようとしているなら、彼がその指標を選んだのには理由があるに違いありません。
この場合の最善の戦略は、比較の基準をあなたが優れているものに移すことです。同様に、2000年代初頭にYahoo!のブランドが劣化したときも、同社は有名な新CEOを雇い、マイクロブログプラットフォームのTumblrを数十億ドルで買収することで話題を変えました。
デジタル評判はキャリアに大きな影響を与える
レピュテーション・エコノミーでは、誰を雇い誰を解雇するかといった重要な決定を、コンピューターがますます私たちに代わって行うようになっています。この傾向は「機械がほぼ下す決定」、つまりDAMMと呼ばれています。この言葉が示すように、これらの決定は人間の監視を最小限にして行われます。採用を考えてみましょう。現在、多くの企業が求職者のスクリーニングにコンピューターを使用しています。
何しろ、採用担当者は時間がかかりコストもかかります。一方コンピューターは、毎秒何千もの決定を下すことができ、昼休みも給料も必要ありません。Mars One機構は、火星ミッションへの参加を希望する20万人以上の応募を受け取りました。仮に人間が各応募書類の評価に5分かけるとすると、すべてを処理するにはフルタイムで9年間働かなければならない計算になります。賢い求職者は、こうした自動化されたスクリーニング手順を予測し、コンピューターに優しい形式で応募書類を準備するでしょう。コンピューターがあなたの実績を認識し分類しやすくすれば、良い結果が得られる可能性が高まります。こうした自動システムのほとんどは、雇用主の要件に基づいてキーワードを探します。
ですから、求人票に「公認会計士（CPA）」とあれば、スクリーニングソフトが応募書類から会計という言葉をスキャンするように誰かがプログラムした可能性が高いでしょう。覚えておいてください。DAMMはあなたのキャリアを一気に押し上げることもあります。フィリピンを拠点とする無名の歌手、アーネル・ピネダのケースがそうです。彼はJourneyのヒット曲のカバーをYouTubeにアップロードするのが好きでした。彼のパフォーマンスは何千もの高評価を得て、「Journey カバー」などと検索したときに彼が結果の上位に表示されるようになりました。そしてこの自動ランキングシステムが、やがて彼をスターへと押し上げたのです。ピネダは最終的にJourneyのワールドツアーの新しいフロントマンになりました。評判がキャリアを形作る力について——そう、信じることをやめてはいけません。
過去の実績と評判が、採用判断においてますます重視されるようになる
優秀な人材の採用は難しい課題です。応募者が実際にどのようなパフォーマンスを発揮するかを企業が正確に知る方法はないからです。結局のところ、直感と履歴書の評価、その後の人柄重視の面接に頼る従来の採用アプローチは、それほど効果的ではないのです。これは、MBAの学生グループに、従来型の対面面接に基づいて2人の候補者から1人を選ばせるという研究で証明されました。結果は厳しいものでした。十分に訓練された将来のマネージャーたちが、より優秀な候補者を選べたのは、わずか56パーセントの確率でした。
そこで、見かけ上の適性と実際のパフォーマンスのギャップを埋めるために、採用担当者は実際の仕事をシミュレートした実地テストにますます頼るようになっています。候補者は、低パフォーマンスの候補者をふるい落とすために設計された特定の課題を完了するよう求められます。たとえば出版業界では、編集アシスタント志望者は原稿を編集して能力を示すよう求められます。企業がこのギャップに対処するために使うもうひとつの方法がアクハイヤーです。企業が成功しているスタートアップを買収し、その創業者やスタッフを採用するというものです。このアプローチは、GoogleやFacebookのような巨大テック企業が、優秀なエンジニアやソフトウェアデザイナーを採用する際に最もよく使っています。
そして近い将来、改善されたコンピューターによる評判スクリーニングが、過去の実績データに基づいて将来の採用候補者をより良く評価する手段を企業に提供するでしょう。このアプローチは、現在フットボールのスカウトがNFL選手を採用する際に行っていることに似ています。応募者の履歴書や職歴は、NFLのスカウトが大学フットボールのキャリアをヤード、タックル、レシーブなどの統計に基づいて評価するのと同じ方法で分解・分析されます。つまり、利用可能なデータを使って、コンピューターが応募者リストをスキャンし、突出したスタッツを持つ人材を見つけ出すのです。そして、トップパフォーマーが雇用の世界で最も価値ある選手となるでしょう。
レピュテーション・エコノミーは従来の教育を不安定化させる
大学に進学する人が増えているにもかかわらず、雇用主は関連するスキルと訓練を受けた求職者を見つけるのに苦労しています。なぜこのような食い違いが起きるのでしょうか。学生が大学に入学する理由のひとつは、自分が高いパフォーマンスを発揮する可能性が高いことを雇用主にシグナルとして示すためです。しかし、画一的な4年制のキャンパス教育という従来型モデルは、多くの学生に合わないという証拠が増えています。
早く学べる学生もいれば、同じ内容を習得するのにもっと時間がかかる学生もいます。さらに、大学はスキルを測る効果的な方法とは言えません。だからこそ、レピュテーション・エコノミーは、従来のシグナルを、実際の学習成果をより明確に伝える新しいシグナルに置き換えようとしています。これにより、学生や求職者の評価方法は完全に変わるでしょう。企業は、実際に重要な基準に基づいて決定を下すようになります。中心になる問いは「この人物は、この特定の会社の、この特定の仕事で、良い社員になるかどうか」です。では、代替システムはどのようなものになるのでしょうか。
数学者のサル・カーンの例を見てみましょう。彼は2006年にYouTubeで数学の授業をアップロードし始めました。視聴者は急速に増え、カーンはヘッジファンドのアナリストの仕事を辞めて自分の会社を立ち上げました。彼のミッションは何でしょう？ 自分が通った名門校を時代遅れにし、ハーバードの卒業証書を、誰もがどこでも達成できる教育に置き換えることです。
現在、カーンアカデミーは最大級の非営利オンライン学校のひとつで、生物学から芸術、経済学まであらゆる分野の動画を提供しています。このモデルは多くの点で従来の教育とは異なります。必修カリキュラムや学期はありません。学生は好きなだけ速く進むことができます。そして1時間の講義の代わりに、授業は15分単位の短いレッスンで提供されます。同様のアプローチが一般的になるにつれて、学生がオンラインで学ぼうと、教室で学ぼうと、徒弟制度を通じて学ぼうと、もはや問題ではなくなります。学習が測定可能で、特定の仕事で成功する能力を示すものであれば、彼らは今日のレピュテーション・エコノミーに飛び込む準備ができているのです。
最終要約
本書の核心：今日ネット上で行うすべてのことは記録・保存・分析され、あなたの評判スコアが決まります。そのスコアは瞬時に更新され、あなたの行動を予測するために使われます。 これはあなたのキャリア、ビジネス、そして人生のあらゆる領域に大きな影響を及ぼすでしょう。 さらに読みたい方へ： 『ソーシャル化する世界』 テッド・コイン＆マーク・バビット著 ソーシャルメディアは一時的な流行ではありません。ビジネス文化を大きく変えつつあります。『ソーシャル化する世界』は、企業が独自のソーシャルメディア戦術を進化させることがなぜ重要なのかを説明し、新しいテクノロジーを取り入れて自社の戦略に組み込みたいと考えている経営者に役立つヒントを提供します。
