シャノン＝ウィーバーモデル

従業員20名のEC事業者。月間出荷 3,000件 のうち、出荷ミス（数量違い・商品違い）が月 25件 発生していた。

シャノン＝ウィーバーモデルで分析した結果:

• 符号化: 受注担当がSlackに「○○3つお願い」と略称で依頼
• チャネル: Slackの複数チャンネルに指示が分散
• ノイズ: 類似品番の商品が多く、略称が重複
• 復号: 倉庫スタッフが略称を別商品と解釈

対策として「注文番号+正式品番+数量」のテンプレートを導入し、チャンネルを1つに統一。出荷ミスは月 25件 → 3件 に減少した。

従業員500名のSaaS企業の日本拠点（50名）。米国本社の開発チームに機能要望を伝えるが、実装結果が意図と異なるケースが四半期に 8件 発生していた。

モデルで分析:

• 符号化: 日本チームが「ユーザーが困っている」と感情的に伝えていた
• チャネル: 英語のJiraチケットのみ（スクリーンショットなし）
• ノイズ: 時差によるリアルタイム確認ができず、文化的な「行間」が通じない
• 復号: 米国チームが日本の商習慣を知らず、要件を汎用的に解釈

対策として「ユーザーストーリー+画面モック+受入条件」の3点セットを必須にし、週1回のビデオ同期でフィードバックループを設置。仕様ズレは四半期 8件 → 1件 に改善した。

外来患者 1日150名 を診る総合病院。患者アンケートで「医師の説明がわからなかった」が 28% に達していた。

モデルで分析:

• 符号化: 医師が専門用語（「HbA1c」「エビデンス」）をそのまま使用
• チャネル: 診察室での口頭説明のみ（書面なし）
• ノイズ: 待合室の混雑による焦り、患者の体調不良
• 復号: 高齢患者は医学用語の前提知識がない

対策として「やさしい日本語での説明チェックリスト」と「持ち帰り用の要約シート」を導入。「説明がわからなかった」の割合は 28% → 9% に改善した。