Anthropic経済指標:経済プリミティブ

問題:断片化された価値言語

組織は通常、経済的価値に関する共通言語を欠いています。あるチームは成功をスループットで測定し、別のチームはレイテンシで、さらに別のチームは単位あたりコストで測定します。この断片化は、機能を超えた一貫性のある意思決定を妨げます。

「推論あたりの計算コスト」「人間相当のタスク完了」「意思決定レイテンシ」などのプリミティブは、すべてのステークホルダーを共通の参照フレームに固定します。これらは部門間のインセンティブを翻訳し、透明なトレードオフ分析を可能にします。

• 例:* カスタマーサポート全体にAIアシスタンスを展開している企業が、異なる部門がROIを異なる方法で測定していることを発見します:
• サポートは解決されたチケットあたりのコストを測定
• プロダクトは機能採用速度を測定
• 財務は影響を受けた収益1ドルあたりのコストを測定

共有プリミティブ「インタラクション単位あたりの経済的価値」を定義することで、チームはトレードオフを透明に比較し、最も効率的なシステムに作業を振り分けることができます。

• アクション:* 組織の測定実践を監査してください。各機能がリソース配分を正当化するために使用する上位3つの指標を特定します。どこで矛盾していますか?それらの間を翻訳する2〜3の機能横断的なプリミティブを定義します。これらをすべての意思決定者がアクセスできる参照テーブルとして公開します。

システム構造とボトルネック特定

ボトルネックとは、ワークフローの段階において、スループット(単位時間あたりの出力)が上流または下流の段階よりも低く、キューの蓄積とレイテンシを生み出す段階です。ボトルネックは静的ではありません。システム構成が変化すると移動します。

• 理論的枠組み:* 多段階パイプラインでは、最も低いスループットを持つ段階が全体のシステムスループットを制約します。形式的には:段階iが速度r_iで出力を生成し、段階i+1が速度c_iで消費する場合、r_i > c_iのとき、段階i+1がボトルネックになります。ボトルネックの上流の段階を最適化しても、エンドツーエンドのスループットの改善は得られません。キューの深さとレイテンシが増加するだけです。

• AIシステムにおける経験的パターン:* AI拡張ワークフローは予測可能なボトルネック移動を示します。フェーズ1(初期展開):ボトルネックはモデル推論コストまたはレイテンシです。フェーズ2(コスト削減):ボトルネックは人間のレビュー能力またはデータ準備に移行します。フェーズ3(スケール):ボトルネックは意思決定レイテンシまたは統合の複雑さに移行する可能性があります。ボトルネックが移動した後もフェーズ1の制約を最適化し続ける組織はリソースを浪費します。

• 具体例:* 金融引受システムは当初、モデルの精度と推論速度を最適化します。引受決定あたりのコストが35%低下します。突然、制約は引受担当者の可用性になります。モデルは引受担当者がレビューして承認できるよりも速く決定を生成します。プリミティブ「引受担当者1時間あたりの決定数」がこの変化を明らかにします。組織は次に引受担当者ツール(例:意思決定説明ダッシュボード)に投資し、レビューワークフローを並列化して、エンドツーエンドのスループットを40%改善します。

• 特定方法:* (1)ワークフローを段階と遷移を持つ有向非巡回グラフ(DAG)としてマッピングします。(2)各段階について、スループット(単位時間あたりの出力)とレイテンシ(入力から出力までの時間)を測定します。(3)最も低いスループットを持つ段階を特定します—これがボトルネックです。(4)そのボトルネックを解消するコストを定量化するプリミティブを定義します(例:スループットの追加単位あたりのコスト)。(5)小規模な実験を実行します:ボトルネックの解消に投資し、エンドツーエンドの経済性が改善するかどうかを測定します。(6)システム構成が変化するため、四半期ごとに繰り返します。

• 運用規律:* 月次ボトルネックレビューを確立します。各重要なワークフローについて、現在のボトルネックとそれを解消するコストを特定します。このコストを利益(改善されたスループット×単位あたりの価値)と比較します。投資収益率に基づいてボトルネック解消の優先順位を付けます。決定を文書化し、エンドツーエンドの指標が改善されるかどうかを追跡します。

---

• 図5：金融引受システムにおけるボトルネック最適化の効果（出典：Anthropic Economic Index case study）*

• 図3：マルチステージパイプラインにおけるボトルネック識別（Anthropic Economic Index system theory）*

• 図4：AI システムにおけるボトルネック遷移の段階。モデル推論コストから人間レビュー容量を経由して意思決定レイテンシへと、段階的に制約要因が移行する過程を可視化。*

参照アーキテクチャと測定の一貫性

経済プリミティブの参照アーキテクチャは、どの指標がどこで測定されるか、それらがシステム間でどのように流れるか、どの制約が交渉不可能かを確立します。アーキテクチャがなければ、プリミティブは一貫性がなく、比較不可能になります。

あるチームは「タスクあたりのコスト」をアプリケーション層で測定し、別のチームはインフラストラクチャ層で測定するかもしれません。彼らは異なるものを測定しており、比較できません。参照アーキテクチャは一貫性を強制し、トレードオフを可視化します。

• 例:* 参照アーキテクチャは以下を指定します:

1. すべての推論コストはモデル呼び出し層で測定される
2. レイテンシはユーザーリクエストからレスポンスまでエンドツーエンドで測定される
3. 人間のレビュー時間はセッションごとではなく、タスクごとに追跡される
4. 成果あたりのコストは、モデルコスト+レビューコスト+インフラストラクチャオーバーヘッドの合計として計算される

これにより、すべてのチームが同じ式を使用し、公平に比較できることが保証されます。

• アクション:* 経済プリミティブの1ページの参照アーキテクチャを設計します。測定ポイント(データが収集される場所)、集約ルール(指標がどのように組み合わされるか)、交渉不可能な制約(例:「レイテンシはXを超えてはならない」)を含めます。これをステークホルダーと共有します。観測可能性スタックに実装します。すべてのコストベネフィット分析の基礎として使用します。

• 図6：経済プリミティブに基づく参照アーキテクチャ構造*

ワークフローにおけるプリミティブの運用化

レポートにのみ存在するプリミティブは無視されます。それらは展開ゲート、リソース配分決定、インシデント対応に織り込まれなければなりません。これには運用規律とツールが必要です。

• 例:* 新しいモデルバージョンを展開する前に、自動ゲートがチェックします:「これはタスクあたりのコストを少なくとも5%削減するか、コストを増加させずにレイテンシを10%改善しますか?」チームは明示的なオーバーライドと事後の正当化なしにこれをバイパスできません。これはプリミティブをリリースプロセスに組み込みます。

• アクション:* チームが毎月行う3つの重要な決定を特定します。それぞれについて、それを通知すべきプリミティブを定義します。計算を自動化し、決定時に表示します。決定がプリミティブの観点から正当化されることを要求します。これが30日以内に行動を変えるかどうかを追跡します。

• 図7：プリミティブのワークフロー統合プロセス（Anthropic Economic Index operationalization framework）*

測定駆動型リソース再配分

行動を伴わない測定は演劇です。プリミティブは目に見えるリソース再配分を推進しなければなりません。プリミティブがシステムAがシステムBよりも30%コスト効率が高いことを示しているのに、リソースがシステムBに流れ続けている場合、プリミティブは運用化されていません—無視されています。

• 例:* 月次レビューはチーム間でプリミティブを比較します。チームXの成果あたりのコストがチームYよりも15%悪い場合、レビューは尋ねます:なぜですか?その差は品質、レイテンシ、またはリスクによって正当化されますか?そうでない場合、リソースは再配分されます。これはインセンティブの整合性を生み出します。

• アクション:* 月次「プリミティブレビュー」ミーティングをスケジュールします。チームとシステム間で主要な指標を比較します。10%を超えるギャップについては、根本原因を調査し、是正措置を提案します。是正措置がギャップを埋めるかどうかを追跡します。四半期ごとにリーダーシップに結果を報告します。

指標歪曲の緩和

プリミティブは設計が不十分な場合、行動を歪める可能性があります。タスクあたりのコストを最適化すると、低品質の作業を急ぐインセンティブが生まれる可能性があります。精度を最適化すると、過剰エンジニアリングのインセンティブが生まれる可能性があります。指標は行動を駆動し、一次元のプリミティブはグッドハートの法則に対して脆弱です:測定がターゲットになると、それは良い測定ではなくなります。

緩和には多次元プリミティブと定性的チェックが必要です。

• 例:* タスクあたりのコストだけを最適化する代わりに、「精度≥95%かつレイテンシ≤2時間を条件とするタスクあたりのコスト」を最適化します。これはゲーミングを防ぎます。指標をスポットチェックと組み合わせます:完了したタスクの5%の月次監査で品質を検証します。

• アクション:* 各プリミティブについて、ガードレールを定義します。品質、レイテンシ、その他の次元の最小許容値を指定します。これらを測定システムに組み込みます。プリミティブがガードレールに達した場合、直ちにエスカレーションします。ガードレールが繰り返し達成される場合は、プリミティブを調整します。

実装ロードマップ

経済プリミティブはオプションではありません。それらは組織が価値について整合し、規模で一貫した決定を行うための言語です。

• タイムライン:*

1. 第1〜2週: ステークホルダーを招集して、組織の3〜5つのコアプリミティブを定義する
2. 第3〜4週: 参照アーキテクチャを設計し、測定インフラストラクチャを実装する
3. 第5〜8週: 3つの重要な決定にプリミティブを組み込む
4. 第9〜12週: 最初の完全な測定サイクルを実行し、結果に基づいて調整する

小さく始め、影響を測定し、うまくいくものをスケールします。

• 図10：経済プリミティブ導入の実装ロードマップ（Anthropic Economic Index implementation framework）*

基盤層としての経済プリミティブ

経済プリミティブは、組織システム全体で価値創造とリソース配分の定量的比較を可能にする、還元不可能で形式的に定義された測定単位です。それらは運用制約として機能します—単なる記述的指標ではなく—組織が生産性を測定し、サービスに価格を付け、トレードオフを評価する方法の一貫性を強制します。

• 定義と範囲:* 経済プリミティブは、明示的な境界、定義された測定ポイント、標準化された集約ルールを持つ測定可能な量です。例には以下が含まれます:推論呼び出しあたりの計算コスト、タスクあたりの人間のレビュー時間、リクエストからレスポンスまでのレイテンシ、検証された成果あたりのコスト。プリミティブは、(1)形式的に指定され、(2)コンテキスト全体で一貫して測定され、(3)リソース配分決定に直接リンクされているという点で、アドホック指標とは異なります。

• 理論的根拠:* 共有プリミティブを持たない組織は、指標の断片化を経験します—各機能は互換性のない測定を使用してローカルに最適化します。サポートチームはチケットあたりのコストを測定し、プロダクトチームは機能採用速度を測定し、財務は影響を受けた収益あたりのコストを測定します。この断片化は一貫した資本配分を妨げ、システムレベルの非効率性を不明瞭にします。プリミティブは共通の参照フレームを確立し、ステークホルダーがトレードオフを透明に比較し、最も経済的に効率的なシステムに作業を振り分けることを可能にします。

• 経験的観察:* AI拡張ワークフローでは、指標の不整合が隠れたコストを生み出します。AIアシスタンスを展開するサポート組織は、1時間あたりに解決されたチケット(スループット)で成功を測定する一方、財務はチケットあたりのコスト(単位経済性)を測定し、運用はレビュアーの可用性(容量制約)を測定する可能性があります。これらの測定間を翻訳するプリミティブがなければ、組織はモデル改善、レビュアー採用、またはワークフロー再設計のどれに投資すべきかを判断できません。

• 具体的な実例:* 法的文書レビューシステムを考えます。初期展開はモデルの精度を最適化し、文書あたりのコストを40%削減します。しかし、推論コストが低下すると、ボトルネックが移動します:モデルは人間のレビュアーが検証できるよりも速く出力を生成するようになります。プリミティブ「レビュアー1時間あたりの文書数」がこの制約を露呈します。組織は次にモデル改善からレビュアーツールとワークフロー並列化への投資を再配分し、エンドツーエンドの経済性を25%改善します。

• 実行可能な仕様:* (1)機能全体で組織の測定実践を監査します。各機能がリソース配分を正当化するために使用する上位3つの指標を文書化します。(2)矛盾を特定します:指標が異なる優先順位を示している場所はどこですか?(3)矛盾する測定間を翻訳する2〜3の機能横断的なプリミティブを定義します。(4)これらのプリミティブを明示的な式と測定ポイントを持つ参照テーブルとして公開します。(5)すべてのリソース配分決定が関連するプリミティブを引用することを要求します。

---

参照アーキテクチャと測定ガバナンス

経済プリミティブの参照アーキテクチャは以下を指定します:(1)どの指標が測定されるか、(2)それらがどこで測定されるか(測定ポイント)、(3)それらがどのように集約されるか、(4)どの制約が交渉不可能か、(5)それらがシステム間でどのように流れるか。

• アーキテクチャ原則:*

• 一貫性: すべてのチームが、システムの同じポイントで同じ式を使用して同じ量を測定します。

• 追跡可能性: すべてのプリミティブは、測定ポイントから決定ポイントまで追跡できます。

• 監査可能性: 測定ロジックは文書化され、バージョン管理され、変更管理の対象となります。

• 構成可能性: プリミティブは曖昧さなしに組み合わせて高レベルの指標を導出できます。

• 具体的な参照アーキテクチャ:* AI支援ワークフローの参照アーキテクチャは以下を指定する可能性があります:

プリミティブ	測定ポイント	式	集約	制約
推論コスト	モデルAPI呼び出し	(呼び出しあたりのAPIコスト) × (タスクあたりの呼び出し数)	すべてのタスクの合計	タスクあたり≤$0.50
レビューレイテンシ	人間レビューシステム	(タスク準備完了からレビュー完了までの時間)	タスク全体の95パーセンタイル	≤2時間
精度	検証層	(正しい成果 / 総成果)	タスクタイプ全体の集約	≥95%
成果あたりのコスト	集約層	(推論コスト + レビューコスト + オーバーヘッド) / (検証された成果)	月次平均	≤$2.00

• ガバナンス:* (1)参照アーキテクチャを所有するプリミティブ評議会(機能横断的なステークホルダー)を設立します。(2)すべての新しい指標が展開前にレビューおよび承認されることを要求します。(3)アーキテクチャをバージョン管理し、変更ログを維持します。(4)追加、削除、または再定義すべき指標を特定するために四半期ごとのレビューを実施します。(5)自動測定インフラストラクチャを通じて一貫性を強制します。

• 実装仕様:* (1)1ページの参照アーキテクチャ文書を設計します。測定ポイント、式、集約ルール、制約を含めます。(2)アーキテクチャを強制する測定インフラストラクチャ(観測可能性スタック)を実装します。(3)意思決定者にプリミティブを表示するダッシュボードを作成します。(4)プリミティブが制約に違反したときのアラートを確立します。(5)アーキテクチャをすべてのステークホルダーと共有し、承認を要求します。

---

ワークフローと決定ゲートにおける運用化

レポートにのみ存在するプリミティブは無視されます。それらは日常のワークフロー、展開ゲート、リソース配分決定に組み込まれなければなりません。

• 統合ポイント:*

• 展開ゲート: 新しいモデルバージョンを展開する前に、主要なプリミティブ(例:タスクあたりのコスト、レイテンシ、精度)を最小閾値だけ改善することを確認します。

• リソース配分: 採用、ツールへの投資、またはシステムの最適化を決定する際、プリミティブを使用して影響を定量化します。

• インシデント対応: システムが劣化したとき、プリミティブを使用して修復の優先順位を付けます(例:成果あたりのコストに最も影響を与える問題を修正する)。

• パフォーマンスレビュー: ローカル指標だけでなく、組織プリミティブへの貢献に基づいてチームを評価します。

• 具体的な展開ゲート:* 新しいモデルバージョンをリリースする前に:

1. 新しいバージョンでタスクあたりのコスト、レイテンシ、精度を測定します。
2. 現在の本番バージョンと比較します。
3. 強制:「(タスクあたりのコストが≥5%減少する)または(コストを増加させずにレイテンシが≥10%改善する)または(コストまたはレイテンシを増加させずに精度が≥2%改善する)場合にのみリリースする。」
4. ゲートが失敗した場合、明示的なオーバーライドと事後の正当化を要求します。
5. オーバーライドを追跡し、月次でレビューします。

• 具体的なリソース配分:* 追加のレビュアーを採用するかどうかを評価する際:

1. 現在のレビューレイテンシとレビューあたりのコストを測定します。
2. 追加のレビュアーがレイテンシとコストに与える影響を推定します。
3. 投資収益率を計算します:(エンドツーエンドのスループットの改善 × 成果あたりの価値) / (追加のレビュアーのコスト)。
4. ROIが組織のハードルレート(例:12ヶ月以内に3倍)を超える場合にのみ採用を承認します。
5. 実際の成果を追跡し、結果に基づいて採用決定を調整します。

• 運用規律:* (1)チームが毎月行う3つの重要な決定を特定します。(2)それぞれについて、それを通知すべきプリミティブを定義します。(3)計算を自動化し、決定時に表示します。(4)決定がプリミティブの観点から正当化されることを要求します。(5)これが30日以内に行動を変えるかどうかを追跡します。(6)結果に基づいて反復します。

---

測定、モニタリング、および是正措置

行動を伴わない測定は見せかけに過ぎない。プリミティブは、目に見えるリソースの再配分と行動変容を促進しなければならない。

• 測定頻度:*

• リアルタイム: 重要なプリミティブ(例:推論コスト、レイテンシ)は継続的に監視され、閾値を超えた場合にアラートをトリガーする。

• 日次: 運用プリミティブ(例:完了したタスク、保留中のレビュー)は集計され、運用チームによってレビューされる。

• 週次: 戦術的プリミティブ(例:タスクあたりコスト、精度)は、チームリーダーによってレビューされ、新たな問題を特定する。

• 月次: 戦略的プリミティブ(例:成果あたりコスト、エンドツーエンドレイテンシ)は、リーダーシップによってレビューされ、リソース配分に反映される。

• 比較分析:* 月次レビューでは、チームやシステム間でプリミティブを比較する。10%を超える差異がある場合は、根本原因を調査する:

• その差異は、品質、レイテンシ、またはリスクの違いによって正当化されるか?

• あるチームが異なるプロセスや技術を使用しているか?

• その差異は、データ品質、測定誤差、または真のパフォーマンス差によるものか?

• その差異を埋めるコストはいくらか?

• 是正措置フレームワーク:*

1. 特定: 月次レビューで差異を特定する(例:チームAの成果あたりコストがチームBより15%悪い)。
2. 調査: 根本原因分析により、その差異が正当化されるかどうかを判断する。
3. 提案: 正当化されない場合、是正措置を提案する(例:チームBのプロセスを採用、ツールへの投資、リソースの再配分)。
4. 実施: 定義されたタイムラインで是正措置を実行する。
5. 検証: 是正措置が90日以内に差異を埋めるかどうかを測定する。
6. エスカレーション: 差異が持続する場合、戦略的介入のためにリーダーシップにエスカレートする。

• 具体例:* 月次レビューで、カスタマーサポートのチケットあたりコストが営業サポートのチケットあたりコストより20%高いことが判明。調査の結果:(1)カスタマーサポートはより複雑なチケットを処理している(正当化される)、(2)カスタマーサポートは古いツールを使用している(正当化されない)、(3)カスタマーサポートはレビューレイテンシが高い(正当化されない)。是正措置:(1)ツールのアップグレード(コスト:5万ドル、予想節約額:年間20万ドル)、(2)追加レビュアーの雇用(コスト:15万ドル、予想節約額:年間30万ドル)。90日後、チケットあたりコストの差異は5%に縮小(複雑さの違いにより正当化される)。

• 運用規律:* (1)月次の「プリミティブレビュー」ミーティングをスケジュールする。(2)チームやシステム間で主要指標を比較する。(3)10%を超える差異について、根本原因を調査し是正措置を提案する。(4)是正措置が差異を埋めるかどうかを追跡する。(5)四半期ごとにリーダーシップに結果を報告する。(6)プリミティブが一貫して行動変容を促進できない場合は調整する。

---

リスク軽減とガードレール

プリミティブは、設計が不十分な場合、行動を歪める可能性がある。タスクあたりコストの最適化は、低品質な作業を急ぐインセンティブになる可能性がある。精度の最適化は、過剰エンジニアリングのインセンティブになる可能性がある。これはグッドハートの法則の一例である:測定値が目標になると、それは良い測定値ではなくなる。

• リスクカテゴリー:*

• 指標のゲーム化: チームが他の目標に害を与える方法でプリミティブを最適化する(例:品質を犠牲にしてタスクあたりコストを削減)。

• 狭い最適化: チームが他のプリミティブを犠牲にして単一のプリミティブを最適化する(例:コストを増やしてレイテンシを改善)。

• 測定誤差: プリミティブが誤って、または一貫性なく計算され、誤ったシグナルにつながる。

• 不整合: プリミティブが組織戦略と整合しておらず、リソースの誤配分につながる。

• 軽減戦略:*

• 多次元プリミティブ:* タスクあたりコストだけを最適化するのではなく、「精度≥95%、レイテンシ≤2時間、顧客満足度≥4.0/5.0を条件としたタスクあたりコスト」を最適化する。これにより、トレードオフを明示的にすることでゲーム化を防ぐ。

• 定性的チェック:* 定量的プリミティブと定性的監査を組み合わせる。完了したタスクの5%を月次監査し、品質を検証し、エッジケースを特定し、ゲーム化を検出する。ユーザーやレビュアーからの定性的フィードバックは、指標だけでは捉えられない文脈を提供する。

• 制約の強制:* 各プリミティブについて、品質、レイテンシ、その他の次元の最小許容値であるガードレールを定義する。これらを測定システムに組み込む。プリミティブがガードレールに達した場合、直ちにエスカレートする。ガードレールに繰り返し達する場合はプリミティブを調整する。

• 具体例:*

• プリミティブ: タスクあたりコスト

• ガードレール: 精度≥95%、レイテンシ≤2時間、顧客満足度≥4.0/5.0

• モニタリング: タスクあたりコストの日次追跡;精度とレイテンシの週次監査;顧客満足度の月次調査

• エスカレーション: 精度が95%を下回った場合、最適化の取り組みを停止し調査する。レイテンシが2時間を超えた場合、キューの深さを減らすためにリソースを再配分する。満足度が4.0を下回った場合、根本原因分析を実施する。

• ガバナンス:* (1)各プリミティブについて、ガードレールを定義し根拠を文書化する。(2)ガードレールを測定システムに組み込む。(3)ガードレールが破られた場合のエスカレーション手順を確立する。(4)四半期ごとにレビューを実施し、ガードレールが適切かどうかを評価する。(5)ガードレールに繰り返し達する場合はプリミティブを調整し、組織目標との不整合を示す。

---

• 図15：リスク緩和とガードレール設定の概念 データソース：Anthropic Economic Index risk framework*

実装ロードマップと次のアクション

経済プリミティブはオプションのインフラではなく、組織が価値について整合し、規模において一貫した意思決定を行うための言語である。実装には、4つのフェーズにわたる規律ある実行が必要である。

• フェーズ1(第1～2週):定義*

• 部門横断的なステークホルダー(財務、運用、製品、エンジニアリング)を招集する。

• 現在の測定慣行を監査する。各機能が使用する上位3つの指標を文書化する。

• 矛盾とギャップを特定する。

• 組織の3～5つのコアプリミティブを定義する。それぞれを次の項目で文書化する:定義、測定ポイント、計算式、集計ルール、制約。

• ステークホルダーの承認を得る。

• フェーズ2(第3～4週):アーキテクチャとインフラストラクチャ*

• 参照アーキテクチャを設計する(測定ポイント、計算式、集計ルール、制約を含む1ページの文書)。

• アーキテクチャを強制する測定インフラストラクチャ(可観測性スタック)を実装する。

• 意思決定者にプリミティブを表示するダッシュボードを作成する。

• プリミティブが制約を破った場合のアラートを確立する。

• ドライランを実施:1週間プリミティブを測定し、精度を検証する。

• フェーズ3(第5～8週):運用化*

• プリミティブを3つの重要な意思決定に組み込む(例:デプロイメントゲート、リソース配分、インシデント対応)。

• プリミティブの計算を自動化し、意思決定時に表示する。

• 意思決定をプリミティブの観点から正当化することを要求する。

• チームにワークフローでプリミティブを使用する方法をトレーニングする。

• これが30日以内に行動を変えるかどうかを追跡する。

• フェーズ4(第9～12週):測定と反復*

• 最初の完全な測定サイクル(月次プリミティブレビュー)を実行する。

• チームやシステム間でプリミティブを比較する。

• 10%を超える差異を調査し、是正措置を提案する。

• 是正措置が差異を埋めるかどうかを追跡する。

• 結果に基づいてプリミティブを調整する。

• 四半期ごとにリーダーシップに結果を報告する。

• 成功基準:*

• すべてのリソース配分の意思決定が関連するプリミティブを引用する。

• プリミティブがチームやシステム間で一貫して測定される。

• チーム間の差異が90日以内に5～10%縮小する。

• プリミティブに基づく是正措置が180日以内にエンドツーエンドの経済性を≥10%改善する。

• リーダーシップがプリミティブを使用する

• 図2：部門別メトリクスの競合と共通プリミティブによる統合（Anthropic Economic Index framework）*