「日本にコンビニは何店舗あるか」「このプロジェクトはおおよそ何時間かかるか」――手元にデータがないのに、おおよその数を出さなければいけない場面があります。そんなときに役立つのがフェルミ推定です。正確な値を当てる技術ではなく、掴みどころのない数量を要素に分解して、筋の通った概算にたどり着くための考え方です。
結論から言えば、フェルミ推定とは「大きすぎて見当もつかない数」を、推測できる小さな要素に分解し、それらを掛け合わせて全体を概算する思考法です。難しい計算は要りません。分からない塊を、分かる単位まで割っていく――この発想は、そのままタスクの所要時間を見積もる作業にも通じます。
私はAIタスク管理アプリ「するたす」を開発・運営しています。本記事では、この思考法の基本と解き方を例題つきで整理し、開発者の視点で「つまずきやすい3つのパターン」「精度を上げる設計原則」「日々の仕事への応用」まで解説します。それ自体が分解思考の練習になるので、見積もりが苦手な方ほど役立つはずです。
大きな問いを枝分かれで整理する手法は「ロジックツリーの作り方」を、要素を漏れなく分ける考え方は「MECEとは」を併せてご覧ください。
フェルミ推定とは何か：分からない数を分解して概算する思考法
まず検索意図に正面からお応えします。フェルミ推定とは、正確なデータがない問いに対して、手持ちの常識や仮定だけを使って、おおよその数量を論理的に導き出す方法です。名前は物理学者エンリコ・フェルミに由来し、彼が学生に「シカゴにピアノ調律師は何人いるか」といった一見答えようのない問いを出したエピソードで知られています。
核心は「分けて掛ける」だけ
この思考法の本質は驚くほどシンプルです。答えようのない大きな数を、推測できる小さな要素に分解し、それらを掛け合わせる。たとえば「日本のコンビニの年間売上総額」を出すなら、店舗数 × 1店舗あたりの1日の売上 × 365日、というように、それぞれは見当のつく数に割っていきます。
ここで大事なのは、各要素が「ぴったり正確」である必要はない点です。この方法では、多少ずれた仮定でも、掛け合わせる過程で誤差がならされ、桁（オーダー）としては妥当な値に落ち着きます。求めるのは正解の一致ではなく、桁が合っているか、論理に飛躍がないかです。
つまりフェルミ推定とは、計算力を競うものではなく、分からない塊をどう分けるかという「分解の設計」を問うものなのです。だからこそ、コンサルや外資の採用面接でも、論理的思考の測定手段として使われています。
「分解思考」の練習になる理由
タスク管理アプリを設計する中で、この概算の手法と日々の仕事の見積もりが、まったく同じ構造を持っていることに気づきました。「この資料作成は何時間かかるか」という問いも、要素に分けて積み上げれば答えが見えてきます。
- 大きな問いをそのまま見ると固まる：「日本に電柱は何本？」も「この企画はいつ終わる？」も、塊のままでは手が出ません。
- 分けた瞬間に手がかりが生まれる：面積あたりの本数、工程ごとの作業時間――分けると、それぞれは推測できる単位になります。
この「分けると手が出る」という体験こそ、フェルミ推定が分解思考のトレーニングになる理由です。問いを枝分かれで整理する型は「ロジックツリーの作り方」でも詳しく扱っています。
💡 大きいタスクを「動ける小単位」に分けたい方へ
このページ下部の体験フォームで、タスク名を入れるだけでAIが「今日動ける小ステップ」まで分解します。フェルミ推定と同じく、大きな塊を扱える単位に割る感覚が掴めます。登録不要・無料です。
フェルミ推定でつまずく3つのパターン【開発者視点】
ここからが本記事の核心です。AIタスク管理アプリ「するたす」を開発する立場から、分解という行為がなぜ難しく感じられるのかを分析する中で見えてきた、フェルミ推定でつまずく典型的な3つのパターンを率直に整理します。いずれも頭の良し悪しではなく、分け方の問題です。
つまずき1：分解の前に「全部いっぺんに」考えようとする
「日本のラーメン市場の規模は？」と聞かれて、いきなり最終的な金額を頭の中で出そうとすると、必ず固まります。要素に分ける前に答えを当てにいくのは、最もよくある失敗です。やるべきは、まず「店舗数」「客単価」「来店頻度」といった要素に分け、一つずつ推測することです。
つまずく人は計算が苦手なのではなく、最初の一手として「何で割るか」を決められていないだけのことが多いのです。塊を見て固まったら、それは分解の合図だと捉えてください。塊を扱える単位に割る基本は「タスク分解の基本：今日から動ける3ステップ」で具体的に解説しています。
つまずき2：要素が重複・抜け漏れして筋が通らない
分解はしたものの、要素同士が重なっていたり、肝心な要素が抜けていたりすると、概算は一気に崩れます。たとえば人口を「都市部」と「地方」に分けたつもりが、その境界が曖昧でダブルカウントしてしまう。これは分け方が「漏れなく・ダブりなく」になっていないために起きます。
フェルミ推定で筋を通すには、要素を切る軸を意識することが欠かせません。年齢で切るのか、地域で切るのか、用途で切るのか――一つの軸で漏れなく分けると、重複も抜けも防げます。この「漏れなく・ダブりなく」の考え方は「MECEとは」でじっくり扱っています。概算の精度は、分け方の質でほぼ決まります。
つまずき3：仮定を置かずに「分からないから」で止まる
分解した先で「1店舗あたりの売上なんて分からない」と手が止まってしまう。これも頻出のつまずきです。この手法では、分からない要素には堂々と仮定を置きます。「コンビニ1店舗の1日の客数は1,000人くらい」「客単価は700円くらい」と、自分の生活実感から仮の数字を置けばいいのです。
大事なのは、仮定が当たっているかではなく、仮定を置いた根拠を言葉にできるかです。「自分が毎朝コンビニで買う額がこのくらいだから」と理由を添えれば、その数字には説得力が宿ります。この概算法が論理的思考の測定に使われるのは、まさにこの「仮定の置き方」に思考の質が表れるからです。分からないことを理由に止まるのではなく、仮置きして前に進む――この姿勢が概算を完成させます。
この3つに共通するのは、いずれも「分け方が定まっていない」という一点です。これは計算の才能ではなく、どう分けて、どう仮定を置くかという設計の技術なのです。
フェルミ推定の精度を上げる設計原則と解き方
では、どう分ければ筋の通った概算になるのか。やみくもに数字を並べる進め方と、設計に沿って分ける進め方では、たどり着く答えの納得感がまったく変わります。まずは両者の違いを整理します。
行き当たりばったり vs 設計に沿った分解の比較
| 観点 | 行き当たりばったり（精度が低い） | 設計に沿った分解（筋が通る） |
|---|---|---|
| 最初の一手 | いきなり答えを当てにいく | まず要素に分ける軸を決める |
| 分け方 | 重複・抜けが起きる | 漏れなく・ダブりなく切る |
| 分からない要素 | 「分からない」で止まる | 根拠つきで仮定を置く |
| 検算 | 出した数をそのまま信じる | 桁が常識的か振り返る |
| ゴール | 正解にこだわる | 桁の妥当さと論理を重視 |
違いは明確です。精度を上げるには、当てずっぽうで数字を出すのをやめ、分ける軸を先に決めてから一つずつ積み上げることです。順に設計原則を見ていきます。
設計原則1：分ける「軸」を最初に決める
フェルミ推定の最初の一手は、計算ではなく「何で割るか」を決めることです。「日本の年間ペットボトル消費量」なら、人口 × 1人あたりの年間消費本数、という軸が立ちます。軸さえ決まれば、あとはそれぞれの要素を推測するだけです。最も効くのは、この出発点の軸選びです。
軸を決めるコツは、「供給側から数えるか、需要側から数えるか」を意識することです。コンビニの売上なら、店舗から積み上げる（供給側）か、利用者から積み上げる（需要側）か、どちらの軸でも概算できます。両方で計算して桁が近ければ、その概算の確かさが裏づけられます。慣れないうちは、この軸選びを言葉にしてから手を動かすと、分解の迷いが減ります。
設計原則2：分からない要素には根拠つきで仮定を置く
分解した先の細かい数字は、自分の生活実感を根拠に仮置きします。「自分は週に2回コンビニに行く」「1回700円使う」といった身近な数字から出発すれば、突拍子もない値にはなりません。仮定はあてずっぽうではなく、自分の経験という根拠に裏打ちされた推測であるべきです。
もうひとつのコツは、覚えやすい基準値をいくつか持っておくことです。日本の人口は約1.2億人、世帯数は約5,400万、1年は約365日――こうした数字を出発点に持っておくと、概算の組み立てが一気に速くなります。基準値からの掛け算で、たいていの数量はおおよその桁にたどり着けます。
設計原則3：最後に「桁」で検算する
概算が出たら、その桁が常識的かを振り返ります。「日本のコンビニ年間売上が10兆円規模」と出たなら、それが現実離れしていないかを感覚と照合する。この手法のゴールは正解の一致ではなく桁の妥当さなので、この検算が仕上げになります。桁が一つずれていれば、どこかの要素の仮定が極端だったサインです。そこを見直せば、概算の精度はぐっと上がります。
🎯 大きな塊を「分けて動ける」にするのが「するたす」です
- ✅ 入力はタスク名だけ → AIが扱える小ステップに自動分解
- ✅ 分けた要素はチェックリストで残る → 見積もりの軸が見える
- ✅ 今日やる最初の一歩に絞れる → 塊を見て固まらない
※登録不要で体験フォームが使えます
📱 PCの方はスマホで読み取り
フェルミ推定を仕事に応用する：所要時間の見積もり
フェルミ推定の考え方は、面接対策や雑学にとどまりません。日々の仕事で最もつまずきやすい「この作業、どれくらいかかる？」という見積もりに、そのまま使えます。ここでは例題を通して応用法を示します。
例題：30ページの資料作成は何時間かかるか
「資料を作る」という塊のままでは、見積もりは出せません。そこでフェルミ推定の発想で分解します。まず軸を「ページ数 × 1ページあたりの作業時間」に決める。30ページを、構成検討・本文作成・図表・見直しといった工程に分け、それぞれの時間を仮置きする。たとえば1ページあたり平均20分なら、30ページで約10時間――という概算がすぐに立ちます。
ここでも、各工程の時間は正確である必要はありません。桁として「半日では終わらず、丸2日は見ておくべき」と分かれば、スケジュールを現実的に組めます。塊のまま「たぶん1日で終わる」と感覚で見積もるより、分けて積み上げるほうが、見積もりのズレは確実に小さくなります。
分析・分解は人が、その先の実行はAIに任せる
フェルミ推定で「どの軸で分けるか」「どんな仮定を置くか」を考えるのは、人間にしかできない設計の仕事です。一方で、分けた先の細かいタスクを「今日やる最初の一歩」まで落とし込む実行段階は、AIに任せると軽くなります。分析と実行を分けて、得意なほうに振る――この役割分担が、見積もりと着手のハードルを下げます。
大きな問いを枝で整理してから着手する流れは「ロジックツリーの作り方」と、分けた塊を動ける単位にする「タスク分解の基本3ステップ」を組み合わせると、より実践的に回せます。
フェルミ推定に関するよくある質問（FAQ）
Q1. フェルミ推定とは結局どういう意味ですか？
正確なデータがない問いに対して、常識や仮定を使っておおよその数量を論理的に導く思考法です。大きすぎて見当もつかない数を、推測できる小さな要素に分解し、掛け合わせて全体を概算します。物理学者エンリコ・フェルミに由来する名前で、論理的思考の練習として広く使われています。
Q2. フェルミ推定はどう解けばいいですか？
まず「何で割るか」という分解の軸を決めます。次に、分けた各要素に自分の生活実感を根拠とした仮定を置き、それらを掛け合わせて概算を出します。最後に、出た数の桁が常識的かを振り返って検算します。いきなり最終的な答えを当てにいかず、分けてから積み上げるのが基本の流れです。
Q3. フェルミ推定は正確な答えが出ないと意味がない？
いいえ、フェルミ推定が求めるのは正解の一致ではなく、桁（オーダー）が妥当で、論理に飛躍がないことです。多少ずれた仮定でも、掛け合わせる過程で誤差がならされ、桁としては妥当な値に落ち着きます。大事なのは結論の数字より、どう分けてどんな仮定を置いたかという思考の筋道です。
Q4. フェルミ推定は仕事に役立ちますか？
役立ちます。とくにタスクの所要時間の見積もりに直結します。「この作業は何時間かかるか」を、工程ごとに分けて積み上げれば、感覚で見積もるよりズレが小さくなります。フェルミ推定で鍛えられる「大きな塊を分けて概算する力」は、見積もりや計画づくりの土台になります。
Q5. フェルミ推定が苦手です。どう練習すればいいですか？
身近な数量から練習するのがおすすめです。「自分の家の本棚に本は何冊あるか」「通勤電車の1両に何人乗っているか」など、生活の中の数を分けて概算してみてください。苦手の正体は計算力ではなく分け方が定まらないことなので、まず分解の軸を言葉にする習慣をつけると上達します。大きな塊を分ける感覚は、日々のタスク分解でも鍛えられます。
まとめ：フェルミ推定は「分けて概算する」分解思考そのもの
- フェルミ推定とは、データのない問いを推測できる要素に分解し、掛け合わせて概算する思考法
- つまずく原因は計算力ではなく、分ける軸が定まらない・重複や抜けが出る・仮定を置けず止まるの3つ
- 精度を上げる設計原則は 分ける軸を最初に決める・根拠つきで仮定を置く・桁で検算する
- ゴールは正解の一致ではなく、桁の妥当さと論理に飛躍がないこと
- この分解思考はそのままタスクの所要時間の見積もりに使え、分析は人・実行はAIと分けると軽くなる
🚀 「するたす」を無料で試す
フェルミ推定と同じ「分けて動ける」感覚を、毎日のタスクで。タスク名を入れるだけで、AIが今日やる最初の一歩まで自動分解します。
📱 PCの方はスマホで
この記事をシェア：
著者：藤岡 拓也（Takuya Fujioka）
AIタスク管理アプリ「するたす」開発者・運営者
タスク分解の”摩擦”をゼロにすることをテーマに、プロダクトを日々磨いています。
