【チーム分析のパラダイムシフト】古代マヤの知恵とIMOが融合！「理想の基準」でボトルネックを特定する新フレームワーク
チーム分析における最大の難問は、「そもそも、このチームにとって何が理想的な初期条件（Input）なのか」という客観的な基準が欠如していることでした。
成果が出ているチームが、実は特定のメンバーの過剰な負荷に依存した「持続不可能な状態」であっても、既存のモデルではそれを見抜くことが困難です。この課題を解決するため、永峰式マヤロジックシステム（MLS）は、現代の組織論（IMOモデル）に古代マヤの「普遍的なバランスの原則」を統合した、全く新しい診断フレームワークを提示します。
IMOモデルへの「理想の定規」の組み込み
本フレームワークは、チーム分析を「結果論」から脱却させるために、IMOモデルの「I（Input）」を再定義します。
概念としての「四方位のバランス」
ここで活用するのは、個人の予言ではなく、ツォルキン暦が持つ「四方位（赤・白・青・黄）」の循環概念です。
MLSでは、チーム活動を以下の4つのフェーズに分類し、これらが過不足なく循環している状態を「客観的な理想のInput（I）」と定義します。
| 色 | 方位 | フェーズ |
|---|---|---|
| 赤 | 東方位 | 始動（創造・ブレスト） |
| 白 | 北方位 | 秩序（企画・知恵） |
| 青 | 西方位 | 変容（運営・調整） |
| 黄 | 南方位 | 結実（成果・成長） |
論理構造へのマッピング
古代マヤの概念を、IMOモデルの各要素に以下のようにマッピングし、定量的な分析を可能にします。
| IMO要素 | 役割（MLSにおける定義） | データの源泉 |
| I (Input) | 理想の基準（定規） | マヤの概念に基づく四方位の理想的なリソース分散比率 |
| M (Mediator) | 現状の実態の測定 | 独自の20問の調査による現状のプロセス・スコア |
| O (Output) | 最終結果の評価 | 目標達成度、学習、組織の持続可能性 |
「理想と現状」のギャップ分析
本フレームワークの最大の価値は、「理想のI」と「現状のM」の間に生じている定量的なギャップ（乖離）を可視化することにあります。
ギャップ分析のメカニズム
- 理想値の算出：チームメンバーの潜在的なリソースをMLSで分析し、そのチームが本来持っている「理想的なリソース配分（期待値）」を算出します。
- 現状値の測定：20問の専門的な質問への回答から、チームの現在の活動レベル（実測値）を測定します。
- 乖離の特定：期待値と実測値を比較し、どのサイクル（色）で機能不全やリソースの死蔵が起きているかを客観的に特定します。
行動に直結する深い洞察
例えば、以下のようなレガシーモデルでは見逃されていた洞察が得られます。
診断例：「理想値では『青（運営）』のリソースが最も豊富であるはずなのに、実測値では『青』の活動レベルが最低である。これは、リソース（人）の不足ではなく、その才能を活かすための仕組み（Process）が詰まっていることを意味する。」
この場合、解決策は「人の増員」ではなく、「業務フローの改善」に焦点を絞るべきだと論理的に決定できます。
論理的厳密性と「分析の未来」
なぜ「マヤ」なのか？という問いへの回答
このフレームワークの価値は、古代の知恵を「予言」としてではなく、「IMOの論理構造に乗せた客観的な定規（ベンチマーク）」として活用する点にあります。何千年も磨かれてきた普遍的なバランスの概念を、現代の定量分析と融合させることで、チーム診断を「感覚」から「設計」へと進化させます。
チーム分析を次のレベルへ
- IMOの論理構造、GRPIの優先順位、そしてMLSの「理想のInput」。
- この三位一体の診断により、チーム内に潜む「見えないボトルネック」は完全に可視化されます。
- あなたのチームが抱える真の課題を、結果論ではない「客観的な基準」で解き明かしてみませんか？
