コブラ効果とは、問題を解決するために設けたインセンティブが、人々の適応行動を通じて問題を悪化させる現象です。英国統治下のインドで毒蛇コブラの死骸に報奨金を出したところ、人々が報奨金目当てにコブラを繁殖させ、制度廃止後に放たれて個体数が増えたという逸話に由来します。現代の例として、ソフトウェア開発でバグ発見数に報奨を出したところ、開発者が意図的にバグを埋め込んでから報告する事例や、コード行数で生産性を測ったところ冗長なコードが増えた事例があります。枠組みとしては、（1）施策の対象者を「合理的に自己利益を追求する主体」と仮定し、「この人はどう抜け道を探すか」を列挙する、（2）「そしてその後どうなるか」を最低三段階まで問う、（3）対になる指標や上限を設けて逆効果を早期に検知する、（4）小規模な試験導入で実際の行動変化を観察してから拡大する、という四段階が有効です。The cobra effect occurs when an incentive created to solve a problem makes it worse through people's adaptive behavior. The name comes from an anecdote from British colonial India: a bounty on dead cobras led people to breed cobras for the reward, and when the program ended they released them, increasing the population. Modern examples include rewarding developers per bug found, which led some to plant bugs and then report them, or measuring productivity by lines of code, which inflated code volume. A practical framework has four steps: (1) assume the people affected are rational self-interested agents and list how they would game the measure; (2) ask 'and then what?' through at least three levels of consequence; (3) pair the target metric with counterbalancing metrics or caps to detect backfire early; (4) pilot at small scale, observe actual behavioral change, and only then expand.
コブラ効果という用語はドイツの経済学者 Horst Siebert の2001年の著書で広まり、類似の事例としてハノイのネズミ駆除報奨金（尻尾だけ持参して本体を放した）も知られています。理論的には、Goodhart の法則（指標が目標になると良い指標でなくなる）、Campbell の法則、そして Robert Merton の「意図せざる結果」の議論に連なります。優れた解答は、単なる逸話の紹介にとどまらず、なぜ起こるか（インセンティブへの適応、設計者の想像力の限界、システムの複雑性）を説明し、現代の具体例を正確に挙げ、実行可能な予防の枠組みを提示しています。特に「対象者を敵ではなく合理的な主体と見なして抜け道を予測する」という視点と、「一次的影響で判断せず小規模実験で観察する」という経験主義的な態度が重要です。政策設計における「レッドチーム」の活用も有効な手法として言及できます。The term 'cobra effect' was popularized by German economist Horst Siebert's 2001 book; the Hanoi rat bounty, where people submitted tails and released the rats, is a similar case. Theoretically it connects to Goodhart's law (when a measure becomes a target it ceases to be a good measure), Campbell's law, and Robert Merton's analysis of unintended consequences. A strong answer goes beyond anecdote to explain why it happens (adaptation to incentives, limits of the designer's imagination, system complexity), provides an accurate modern example, and offers an executable preventive framework. Two perspectives are especially important: treating affected people not as adversaries but as rational agents whose workarounds can be predicted, and the empirical stance of not judging by first-order effects but observing behavior in small pilots. Using 'red teams' in policy design is another effective technique worth mentioning.
すべての二次的影響を事前に予測することは原理的に不可能で、複雑なシステムでは想定外の結果が必ず残ります。また、副作用の検討を徹底しすぎると「何もしない」が最善に見えてしまい、必要な施策が実行されない不作為の問題が生じます。試験導入も、小規模では現れない大規模時の影響（ネットワーク効果、市場全体の反応）を見逃す限界があります。Predicting every second-order effect is impossible in principle; complex systems always retain surprises. Excessive scrutiny of side effects can make 'do nothing' look best, producing harmful inaction. Pilots also have limits: some effects, such as network effects or whole-market responses, appear only at scale.
予測の完全性を目指すのではなく、「逆効果が起きたら早く気づいて修正できる」設計を重視しましょう。施策には必ず見直し期限とサンセット条項を設け、監視指標と撤回基準を事前に定めます。段階的に規模を拡大しながら各段階で観察する「ステージゲート」方式にすれば、予測できなかった影響にも対応できます。Rather than aiming for complete prediction, design for fast detection and correction when backfire occurs. Give every initiative a review date and a sunset clause, and define monitoring metrics and rollback criteria in advance. A stage-gate approach that scales gradually with observation at each stage lets you respond to effects you could not have foreseen.