人は「意味」を感じて動く
人は、目的が明確なら、不快なことでも行動できる。たとえば朝のアラーム。あの音を心地よいと思う人はいない。けれど「遅刻するよりマシ」という明確な理由があるから、私たちは起き上がる (というか、起き上がらざるを得ない）。ここでは、不快さそのものが「意味」を持つ。嫌な音という手段は、「遅刻を防ぐ」という成果と結びついている。だからこそ、短期的にはきちんと機能する。
しかし、休みの日に同じアラームを鳴らしても、多くの人は止めてまた眠る。目的が弱まる (あるいは消える) と、同じ手段でも意味を失い、動機にならない。この構造は、組織や社会の変革でも同じだ。「遅刻するよりマシ」に相当する切迫した動機がなければ、「やるべきこと」はわかっていても行動は止まる。
行動を止めないために不快な手段は必要かもしれない。「仕事だから仕方がない」と割り切るのも一つの方法だ。けれど、本来、行動は強制よりも自発であるほうが自然だ。人は、命令されるよりも「意味を感じて動く」とき、はるかに持続的で、創造的に力を発揮する。
新しい制度、ツール、仕組みが定着しないのは、多くの場合、「目的」がないからではない。目的と、そこに至る意味の構造が切れているからだ。人は目的だけでは動けない。行動を支えているのは、その途中にある意味なのだ。
KMI という発想は、ここから始まった
私がKMI (Key Meaning Indicators / 主要意味指標) を考えはじめたのは、KPIやKGIでは測れない「感じ方」があると気づいたときだった。
目標を設定し、指標を整え、進捗を可視化しても、人が意味を感じていない状態では、行動は長く続かない。これはモチベーション論ではなく、意味が観測されていない構造的な問題だと思った。
当初の名称は KVI (Key Value Indicators / 主要価値指標)。実装の中で、「どのような価値を感じるかを記録しておこう」という補助的な仕組みにすぎなかった。だが試行錯誤を重ねるうち、本当に捉えたいのは、より内発的で微細な「行動の源泉」となる「感じる意味」だとはっきりした。ここでいう「意味」とは、人生的意義や理念のような抽象的なものに限らず、日々の体験の中で感じられる心理的・社会的な質 (Experiential Meaning) を指す。 安心、誇り、共感、つながりといった実感もまた、意味の一部である。
ためらいを越えて
正直に言えば、当初はこの発想を「そっとしておこう」と思っていた。数値化も難しいし、曖昧なまま扱えば「ふわっとした話」に見えてしまう。けれど、実務や思考を重ねるうちに、避けようとしていたその「意味」こそが、すべての定着の鍵であることに気づいた。
どんなに機能が優れていても、現場が意味を感じない導入は形だけで終わる。逆に、少し不便でも意味があると感じられた仕組みは、驚くほど長く続く。技術や制度が人に根づくかどうかは、意味の流れが決めている。そう確信して、KVI をKMI へと再定義し、メソドロジー自体を単なる導入理論から「意味を変数として扱い、時間の中で持続する行動の条件を明らかにする構造設計理論」となる Semantic Flow (セマンティック・フロー) へと再構築した。
「構造」と「意味」を再定義する
Semantic Flow において、技術や制度といった手段を組み合わせて設計された「構造条件」と、そこから立ち上がる「状態としての意味」の関係はきわめて密接だ。従来のプロジェクトは「どんな手段を導入するか」から始まる。しかしセマンティック・フローでは、その順序を逆にする。「どのような意味（状態）が成立すれば、それはうまくいったと言えるのか」を定義し、その状態が立ち上がるために必要な構造条件を整えていく。
ここで扱う「意味」は、単なるポジティブな感情ではない。それは、構造の中で人が自らの行動に確信を持てているか、あるいはその場に居場所を感じられているかといった「状態」を指す。KMI は、その最初の入口に位置づけられる。人が何を感じたいのかを明らかにすることで、主観を設計の起点にするのだ。
意味は、曖昧ではなく「構造的な主観」
「人の感じ方なんて測れない」と思うかもしれない。しかしセマンティック・フローで扱う「意味」は、単なる気まぐれな感情ではない。それは、特定の構造条件が整ったときに現れる再現可能なパターンとして観測できる。
たとえば「信頼」は、
透明性がある
誠実な応答がある
という条件がそろうと安定して生まれる。対して「不信」は、その条件が崩れたときに現れる。このように、意味は再現可能な構造として扱うことができる。
KMI を「先行指標」として使う
KPI や KGI が結果を測るのに対し、KMI は意味の兆しを観測する。現在の設計では、KMIは単なるスコアではなく、構造的な破綻を防ぐためのセンサーの変数としても機能する。
- 設計 : どんな意味を実現したいかを定義する
例）「安心して挑戦できる環境」「誇りを持てるチーム」 - 観測 : 日常の体験ログや会話、行動の変化に現れるKMIの兆し (KS/KO/KI) を記録する
- 修正 : 得られた傾向をもとに構造を再設計する
KMI は結果ではなく、変化が芽生える瞬間をとらえる。数字が動くより先に、構造の状態が動いたかどうかを見るための指標である。
12の座標：主観を共有するための共通言語
セマンティック・フローでは、こうした意味の立ち上がり方を体系化した「12の座標」を用いる。 組織や個人の体験を「基盤」「循環」「気付き」といった深さと領域で整理することで、「安心」「誇らしさ」「共感」といった主観的な語を共通言語として設計や評価に活用できるようにしている。主観は、共有されることで初めて「構造」として機能する。
日常データを「意味」の文脈に翻訳する
KMI は、主に人の観察や対話から得られる指標だ。たとえば、日常のふとした会話で「最近笑顔が増えたね」とか「声のトーンが少し暗いね」といった言葉が交わされる。それはすでに、人が感情の変化を「意味」に翻訳している行為だ。私たちは日常的に、表情・声・言葉など複数のモードを行き来しながら、意味を読み取り、共有しているのだ。
セマンティック・フローでは、こうした人の観察に加えて、センシング情報やテキストデータからも「意味の兆し」を読み取る設計思想を持っている。たとえば、AIやロボティクスの領域では、NRC VAD v2 (Valence – Arousal – Dominance) のような感情強度データを使い、発話や行動ログを「ポジティブ / ネガティブ」「活性 / 静穏」「主導 / 受動」といった情動の座標に写像する試みが進んでいる。こうしたアプローチを12の座標軸と接続することで、人の感情・認知・行動の流れをより精緻に観測できるようになる。
- 言語：テキストや会話に現れる語り口・比喩・意図
- 音声：声のトーン、抑揚、間
- 表情・身振り：笑顔、緊張、姿勢の変化
これらを人と機械の双方から取得し、意味の変化を多層的に把握する。これは「未来の構想」ではなく、すでに多くの分野で始まっている [*1]。KMI は、「なぜそれが意味を持つのか」を構造として捉え、感情や行動の背後にある意味の流れを読み解こうとする指標だ。
変わりゆく「意味」を見つめ続ける
意味は固定されたものではない。意味を、構造との相互作用の中で動き続けるものとして考えたとき、行動や制度の持続性が生まれる。時代や関係性が変われば、同じ手段から感じられる意味も変わる。だからこそ、KMI で意味の変化を見つめることが、組織や社会を健全に進化させる鍵となる。
KPI が「結果」を測るものだとすれば、KMI は「兆し」を測るもの。そしてセマンティック・フローは、その流れを設計し、観測し、再生するための仕組みなのだ。
Appendix & References
*1 意味を観測する技術の主要な研究・技術領域の一部
- NRC VAD v2 (Valence–Arousal–Dominance)
テキスト中の単語を「快／不快」「活性／静穏」「主導／受動」の三次元で評価する感情辞書。感情強度を数値化する代表的モデル。 - MER (Multimodal Emotion Recognition)
顔・声・テキスト・動作・生理データなど複数モードを統合し、感情状態を推定する研究分野。 - MERC (Multimodal Emotion Recognition in Conversations)
対話中の文脈・沈黙・応答を含め、感情を動的に理解するアプローチ。 - Self-Supervised Learning (自己監督学習)
ラベルなしデータから特徴を学習する手法。感情・意味のパターンを自動抽出できる。 - Cross-Modal Fusion
テキスト・音声・映像など異なるモードを統合し、共通表現空間を生成する技術。 - Hierarchical MoE (Mixture of Experts)
不完全・非同期なマルチモーダル入力を扱えるモデル構造。リアル環境での安定推定に有効。 - Affective Computing (感情コンピューティング)
1990年代にMITのRosalind Picardが提唱。人の感情（Affect）を理解・応答できるコンピュータを目指す研究領域。現在はEmotion AIやSocially Aware AIへ発展。 - Kansei Engineering (感性工学)
1970年代に日本の長町三生が提唱。人が製品や環境から受ける印象・感性を定量化し、設計要件に反映する手法。現在はUX DesignやKansei AIへ発展。
References (2024 – 2025)
- A Comprehensive Review of Multimodal Emotion Recognition – MDPI (2024)
- Multimodal Emotion Recognition in Conversations: A Survey – arXiv (2025)
- When Affective Computing Meets Large Language Models (LLMs) – arXiv (2025)
- Frontiers in Neuroscience – Multimodal Emotion Recognition and Affective Computing Update (2025)
- GMI Insights – Emotion AI Market Analysis 2025 – 2034