自己量化ムーブメントの成り立ちと現在地
2007年に Wired マガジンの編集者 Gary Wolf と Kevin Kelly が「Quantified Self（自己量化）」という言葉を造語したとき、彼らが売ろうとしていたのは一つのシンプルな約束でした。
「測定できなければ、改善することはできない」という Kelly の言葉は、データが多いほど人生が良くなるという信念の表れです。
この約束は強力です。特にテック業界に身を置く人間にとっては。実際、スマートウォッチ、フィットネストラッカー、ヘルスケアアプリ、さらには AI を活用した個人データ分析ツールなど、「測定」を支援するデバイスやサービスは爆発的に増えました。
MIT Technology Review の記事の著者も、2011年に Fitbit を購入することから自己量化の旅を始めたといいます。単純なステップカウンター機能から出発した試みが、やがて複雑な個人データ追跡へと進化していったわけです。
メトリクスが隠蔽するもの
しかし、ここからが問題です。記事の冒頭で著者は率直に述べています。
メトリクスが明かすことは確かに多くありますが、それ以上に隠蔽し、あるいは腐敗させることがあるのです。
これは業界経験が長いエンジニアの方ならば、直感的に理解できるのではないでしょうか。なぜなら、開発現場でも同じ現象が繰り返されているからです。
著者の場合、Fitbit で歩数を記録し始めた当初のゴールは「自然の中にもっと出かけること」「より良い思考を得ること」でした。しかし、数週間で目的地は変わります。6000歩の目標が 10,000歩になり、やがて 20,000歩へと膨張し、本来の目的（自然に親しむこと、創造的な思考を得ること）は完全に消失してしまったというわけです。
以下が、メトリクスが陥りやすい落とし穴です。
- 目標のすり替え：数字を達成することが本来の目的を置き換えてしまう
- 計測不可能な価値の喪失：感情的な充足感、人間関係の質、創造性といった数値化しにくい要素が無視される
- 常態化した過度な最適化：「より良い数字」を求める心理が無限に続く
- 自己欺瞞：データを持つことで「理解している」という幻想に陥る
自己知識と数値化の矛盾
著者の動機は当初「自己知識を得たい」というものでした。これ自体は悪くない目標に思えます。けれども、この目的設定そのものが「第一の誤り」だったと振り返られています。
文化的に私たちは「より多く知ることは良い」という前提を深く持っています。特に AI 時代に入り、その信念は一層強化されました。データが多いほど良い決定ができる、という論理です。
しかし、生活の複雑性、感情の多層性、人間関係の微妙さといった本質的な要素は、数字では捉えられません。むしろ、数字に還元しようとする過程で、それらの本質は失われていくのです。
人生の意味と人生の最適化は、けっして同じものではありません。
システムエンジニアの立場からいえば、ソフトウェア開発でも同じロジックが働きます。コード行数、テスト カバレッジ、デプロイ頻度といったメトリクスは改善を促しますが、それらの最大化が必ずしも「良いソフトウェア」の構築につながるわけではないということは、多くの開発者が経験的に知っているはずです。
計測文化への警告
この記事が 2026年6月に MIT Technology Review で発表されたタイミングは象徴的です。AI 企業が個人のデータ追跡をビジネスモデルの中核に据え、企業も個人もメトリクス偏重に傾く時期だからです。
エンジニアの方の中には、GitHub の commit count、Cloud Run のデプロイ数、BigQuery のクエリ実行時間といった各種メトリクスを毎日チェックしている方も多いでしょう。「計測すること」は確実にパフォーマンスを上げます。同時に、それが本当に意味のある仕事につながっているかは、数字からは見えないのです。
著者が強調したいのは、メトリクスを捨てよ、ということではありません。むしろ、メトリクスの本質的な限界を認識した上で、「何を測るべきか」「何は測ってはいけないか」を慎重に選別することの重要性です。
