ハインリッヒの法則

Summary
秀逸ポイント
提唱者・発表時期
詳細説明
具体例／活用案
すぐ使える問い（Killer Question)
参考文献リスト

Summary

安全・品質・信頼性の文脈で、ヒヤリハット（ニアミス）を“兆候データ”として扱うための基本法則です。

「重大事故は、多数の小さな異常の“積み重なり”の上に起きる」

クレーム増加・運用ミス頻発など“違和感”が出たとき、原因を棚卸しし、再発防止の仕組みへ落とし込む局面で使います（リスクマネジメント/品質管理の入口）。

秀逸ポイント

ハインリッヒの法則の価値は、比率（1:29:300）そのものより「小さな異常を拾い上げ、再発防止まで回す“仕組み”が大事故を遠ざける」という視点にあります。重大事故や大炎上は突然に見えても、実務の現場には“軽微なミス”“ヒヤリ”“顧客の小さな不満”“データの微妙な欠損”が先行します。マーケティングでも、広告審査落ちの増加、計測タグの取りこぼし、カスタマーサポートの小さな火種などを放置すると、ブランド毀損・機会損失・法令/規約違反へ連鎖しやすい。だからこそ「事故の未然防止＝兆候管理」というフレームで、運用を“安全設計”へ寄せられます。

提唱者・発表時期

提唱者は米国の安全管理研究者ハーバート・W・ハインリッヒ（Herbert William Heinrich）で、1931年の著書『Industrial Accident Prevention: A Scientific Approach』で事故予防の体系化を試みました。
彼は保険会社（トラベラーズ系とされる）に在籍し、保険・工場側の事故報告をもとに「重大事故1件の背後に、軽微事故や無傷事故（ニアミス）が多数ある」という“ピラミッド”関係を示しました。
ただし同書では「事故の大半は不安全行動に起因する」といった主張も含み、後年の安全思想（システム要因・組織要因重視）からは批判対象にもなっています。

詳細説明

1) 何を主張している法則か（本質は“比率”ではなく“構造”）

一般に「1:29:300（重大事故：軽傷事故：無傷事故/ニアミス）」として知られます。
実務で押さえるべき要点は次の2つです。

（A）兆候の蓄積：重大事象の前に“小さな異常”が頻発しやすい
（B）学習ループ：小さな異常を「記録→分析→是正→再発防止」まで回せる組織ほど、重大事象の確率を下げられる

2) 関連概念との違い（混同しやすいポイント）

概念	目的/焦点	ハインリッヒの法則との違い
バードの三角形（Bird’s Triangle）	事故・損失データで“層”を拡張（物損・ニアミス等）	Heinrichを拡張した別比率。データ源・分類が異なる
スイスチーズモデル	防護壁の穴（多層防御の破れ）に注目	“比率”より、事故が起きるメカニズム（防御の連鎖破綻）を説明する枠組み
Safety-II / レジリエンス	うまくいく条件（成功の要因）を増やす	失敗の削減より、日常の変動を制御する設計へ（“成功の頻度”も見る）
パレートの法則（80/20）	重要要因の集中	事故や不満の“層構造”とは別。比率を80/20に当てはめるのは誤用

3) なぜ批判されるのか（現代的な注意点）

ハインリッヒの法則は“万能の予測式”ではありません。主な論点は以下です。

比率は固定ではない：分野・定義・報告文化で比率は大きく変動し、固定比率の前提自体が疑わしい。
原因は同じとは限らない：軽微事故の原因を潰しても、重大事故の主要因（設備設計、致命的エネルギー隔離、重大リスクの管理不全など）が別の場合、期待どおりに減らない。
“代理指標”の罠：ニアミス件数や軽微事故件数をKPI化すると、報告抑制や“数字づくり”を誘発する。安全指標の限界は学術的にも指摘されています。

4) マーケティングへの翻訳（品質・信頼性の“インシデント管理”として使う）

マーケの現場では、重大事故＝「炎上・規約違反による広告停止・個人情報漏えい・大規模な計測崩壊・誤配信」などです。これらは突然起きるようで、実際には前兆が出やすい。

小さな前兆：広告審査落ち増、CV計測の欠損、配信面のブランドセーフティ懸念、問い合わせの同一パターン増、生成AI出力の軽微な誤情報（ハルシネーション）など
重要なのは「前兆を拾える観測（ログ/ダッシュボード）と、学習ループ（原因分析→対策→再発防止）」を運用設計に組み込むことです。
この発想は、SRE（Site Reliability Engineering）の“ポストモーテム文化”のように、責めずに学びへつなげる実務にも接続できます。

具体例／活用案

1) 「ニアミス報告」を仕組みにした例（安全領域）

NASAのASRS（Aviation Safety Reporting System）：航空のヒヤリハット等を、匿名性・非懲罰性のもとで収集・分析し、知見を共有する制度です。前兆データから“潜在ハザード”を見つける設計が要点です。
トヨタ生産方式（TPS）の「異常があれば止める」：工程内で異常を検知したら止め、流出を防ぎ、再発防止まで回して品質を作り込む発想です。

2) デジタル運用に落とし込んだ例（信頼性領域）

Google SREのポストモーテム文化：障害後に“責めないレビュー”で学びを構造化し、再発防止へつなげます。マーケの計測基盤でも、軽微な欠損をインシデント扱いにすると、後追いの大損害を減らせます。

3) 顧客不満の“氷山”としての応用（CX/クレーム管理）

TARP系の調査として「多くの不満は企業に届きにくい」「不満顧客は周囲に語る」といった示唆が報告されています（例：Goodmanの整理）。
マーケでは、**低評価レビュー・解約理由・問い合わせの“未分類メモ”**をニアミスとして扱い、VOCを定量・定性で回収します。

4) すぐ使える実務テンプレ（マーケ版ヒヤリハット台帳）

収集：広告審査NG、誤配信、タグ欠損、生成AIの誤情報/著作権・個人情報リスク、CSの同型問い合わせ、SNS上の小火種
優先度付け：影響（売上/法務/ブランド/顧客）× 再発確率で並べ替え
会議体：週次15分の“インシデントレビュー”（責めない）
AIマーケ：プロンプト/データ/モデル/運用の逸脱をログ化（AIガバナンス）

誤用の例（注意喚起）

「1:29:300」を自社KPIとして固定：業界・定義・報告文化で変わるため、達成管理すると形骸化します。
軽微事故だけ潰して満足する：重大リスクの固有要因（設計・権限・ガバナンス等）が別なら、重大事故は減りません。
報告者を責める：ニアミスが“見えなくなる”のが最悪です（ASRSやSREが非懲罰性/学習を重視する理由）。

すぐ使える問い（Killer Question)

直近3か月で、軽微だが頻出する異常は何か？（広告審査NG、計測欠損、生成AI誤情報など）“頻度の増加”は前兆です。検知ポイント（ダッシュボード/アラート）と一次対応者を明確にしていますか？影響が小さいうちに潰すほど対策コストは安いです。
ニアミスが上がらない理由は何か？（責任追及、評価、忙殺、権限不足）報告が消えると学習が止まり再発します。報告者が守られ、改善が可視化される導線になっていますか？短期の責任追及より、長期の信頼回復を優先できていますか？
重大リスクは別枠で管理できているか？（法務・セキュリティ・データガバナンス・権限設計）軽微改善だけでは見落とします。オーナー、レビュー頻度、停止権限（止める勇気）は定義されていますか？重大事故は“別系統”で起きることがあります。

参考文献リスト

ハインリッヒの法則の基礎資料

Wikipedia – Herbert William Heinrich
https://en.wikipedia.org/wiki/Herbert_William_Heinrich
ハインリッヒの生涯、経歴、主要業績についての包括的な情報
Wikipedia – Accident triangle
https://en.wikipedia.org/wiki/Accident_triangle
ハインリッヒの法則、バードの三角形、現代的批判についての詳細
Google Books – Industrial Accident Prevention: A Scientific Approach (1931)
https://books.google.com/books/about/Industrial_Accident_Prevention.html?id=Lug3AAAAMAAJ
ハインリッヒの原著（1931年出版）
Open Library – Industrial accident prevention by Herbert William Heinrich
https://openlibrary.org/books/OL6754051M/Industrial_accident_prevention
原著の書誌情報
HathiTrust Digital Library – Industrial accident prevention
https://catalog.hathitrust.org/Record/001106744
原著のデジタルアーカイブ

ハインリッヒの法則の検証と批判

Safety+Health Magazine – Examining the foundation: Were Heinrich’s theories valid?
https://www.safetyandhealthmagazine.com/articles/6368-examining-the-foundation
ハインリッヒ理論の妥当性に関する詳細な検証記事
MEMIC – Heinrich’s Pyramid – Does It Hold Up 90 Years Later?
https://www.memic.com/workplace-safety/safety-net-blog/heinrichs-pyramid-does-it-hold-up-90-years-later
90年後の視点からの評価
SKYbrary Aviation Safety – Heinrich Pyramid
https://skybrary.aero/articles/heinrich-pyramid
航空安全分野での応用と評価
The Systems Thinker – Heinrich/Bird accident pyramid
https://risk-engineering.org/concept/Heinrich-Bird-accident-pyramid
システム思考の観点からの分析
Quentic – The accident triangle explained
https://www.quentic.com/articles/the-accident-triangle-explained/
事故三角形の現代的解説

組織による実践例

NASA ASRS – Program Briefing
https://asrs.arc.nasa.gov/overview/summary.html
航空安全報告システムの公式説明
NASA ASRS – Database Online
https://asrs.arc.nasa.gov/search/database.html
世界最大の自発的安全情報リポジトリ
Toyota – Production System
https://global.toyota/en/company/vision-and-philosophy/production-system/index.html
トヨタ生産方式とジドウカ（自働化）の公式説明
6Sigma.us – Andon Cord in Lean Manufacturing
https://www.6sigma.us/six-sigma-in-focus/andon-cord-lean-manufacturing-tps/
アンドンコードの詳細解説
Google SRE – Postmortem Culture: Learning from Failure
https://sre.google/sre-book/postmortem-culture/
Googleのブレームレス・ポストモーテム文化の公式ドキュメント
Google SRE – Postmortem Practices for Incident Management
https://sre.google/workbook/postmortem-culture/
ポストモーテムの実践的ガイド
Google SRE – Example Postmortem
https://sre.google/sre-book/example-postmortem/
実際のポストモーテムの例

顧客サービスとクレーム管理

TARP – Basic Facts on Customer Complaint Behavior (PDF)
https://newtoncomputing.com/zips/basicfacts.pdf
John Goodmanによる顧客苦情行動の基礎研究
Customer Service Zone – Research: Link between articulated complaints and customer loyalty
https://customerservicezone.com/research-link-between-articulated-complaints-and-customer-loyalty/
苦情とロイヤルティの関係