「いい人」が成功する本当の理由

@Ara_y222
日本語2 日前 · 2026年7月19日
2.4M
740
107
6
1.1K

TL;DR

この記事では、アダム・グラントによる「ギバー(与える人)」「テイカー(奪う人)」「マッチャー(バランスをとる人)」の研究を掘り下げます。一部の「いい人」が失敗する一方で、戦略的なギバーが評判と好感度を武器にビジネスで最も成功している理由を明らかにします。

世の中には、正反対の教えが2つあります。

「お人好しは搾取されて終わる」

「情けは人の為ならず、巡り巡って自分に返る」

どちらを信じるべきか。 実は、データは意外な答えを出しています。

両方、正しい。

ペンシルベニア大学ウォートン校の組織心理学者アダム・グラントは、人間を3タイプに分けて成功との関係を大規模に調査しました。

・ギバー:見返りより先に、相手に与える人(いいやつ)

・テイカー:与えるより多くを、相手から取る人

・マッチャー:もらった分だけ返す、公平主義の人

調査の結果、成績最下位の層に最も多かったのはギバーでした。 エンジニアでも、営業職でも、医学生でも同じ。いいやつは、たしかに沈んでいた。

ところが、です。 成績最上位の層に最も多かったのも、ギバーだった。

営業職の調査では、売上トップ層のギバーはテイカーやマッチャーを約50%上回っていました。 テイカーとマッチャーは中間に固まり、ギバーだけが最下位と最上位に分かれて分布していたのです。

つまり「いいやつ」は、最も沈むタイプであり、最も成功するタイプでもある。

荒田裕介 │ CFL主宰 on X — cover

この記事で解くのは2つ。 なぜ、いいやつが最上位に来るのか(本当の理由)。 そして、沈むいいやつと浮くいいやつは、どこで分岐するのか。

理由①:世の中の多数派が「返す人」だから、与える人に追い風が吹く

最初の理由は、本人の中ではなく、周囲の構造にあります。

グラントの調査では、世の中の大多数はギバーでもテイカーでもなく、マッチャー(もらったら返す人)です。

このマッチャーの習性が鍵です。 マッチャーは公平さを重んじるため、テイカーを見つけると評判を広めて罰し、ギバーを見つけると機会を回して報いる

つまり、いいやつの周囲では、多数派が自発的に「回収係」として働いてくれる。 本人が見返りを求めなくても、構造が回収してくれるのです。

これを数学的に確かめた有名な実験があります。 政治学者ロバート・アクセルロッドが行った、ゲーム理論の戦略トーナメント。 世界中の研究者が「協力か裏切りか」を選ぶプログラムを持ち寄り、総当たりで対戦させました。

結果、上位を独占したのは、自分からは決して裏切らない「善良な」戦略ばかりでした。 裏切りで一時的に稼ぐ戦略は、報復と評判の悪化で、長期戦になるほど脱落していった。

ここから導かれる結論はシンプルです。

1回きりのゲームなら、テイカーが勝つ。繰り返しのゲームなら、いいやつが勝つ。

そしてビジネスは、ほぼすべてが繰り返しゲームです。 業界は狭く、取引は続き、人は転職しても評判を持ち歩く。 「いいやつが成功する」とは精神論ではなく、繰り返しゲームの均衡解の話なのです。

理由②:仕事は、能力ではなく「好感」で配られている

2つ目の理由は、もっと身も蓋もない話です。

ハーバード・ビジネス・レビューに掲載されたカシアロとロボの研究(2005年)は、複数の組織で1万件を超える協働関係を分析し、「人は誰と一緒に働きたがるか」を調べました。

選択肢は4タイプ。 有能で感じのいい人(全員が選ぶ)、無能で嫌な人(誰も選ばない)はいいとして、問題は残りの2つです。

「有能だが嫌なやつ」と「憎めない凡人」、人はどちらを選ぶのか。

建前では、ほぼ全員が「仕事なんだから能力で選ぶ」と答えます。 しかし実際の行動データは逆でした。 人は、能力に多少目をつぶってでも、感じのいい相手と組んでいたのです。

これが何を意味するか。

仕事の機会、非公式の情報、紹介、困ったときの助け。 組織や市場の資源は、公式の評価表ではなく「一緒に働きたい人リスト」に沿って流れている。

いいやつが成功する2つ目の理由は、才能ではなく機会の総量です。 声がかかる回数が多いから、打席が増える。打席が増えるから、実力もつく。 「いいやつは得をする」のではなく、「いいやつには試行回数が集まる」のです。

逆のデータもあります。 ワシントン大学のフェルプスらの実験では、チームに感じの悪いメンバーが1人いるだけで、チーム全体の成果が3〜4割低下しました。 どれだけ優秀でも、周囲の出力を3割削る人は、組織全体で見れば赤字です。 経営者が「いいやつ」を採りたがるのは、情ではなく算数の話でもあります。

自分の記憶でも検証できます。 最近あなたが誰かに仕事を頼んだり、案件を紹介したりしたときのこと。 候補者リストを能力順に並べて選んだでしょうか。 おそらく違うはずです。頭に浮かんだのは「あの人なら気持ちよく動いてくれる」という顔だったのではないでしょうか。

あなたがそうやって配っているように、世界もあなたに配っています。

**実践法(機会の総量を増やす側に回る)

**・依頼を受けたときの最初の一言を「できるかどうか」ではなく「状況の受け止め」にする。「それは大変でしたね、見てみます」の一言で、次も声がかかるかが変わります

・返報を待たない小さな貢献を週に数回配る。紹介、情報のシェア、他人の仕事への一言の称賛。コストの小さい親切ほど、回収は評判として大きく返ってきます

分岐点:沈むいいやつと、浮くいいやつは何が違うのか

ここまでで「いいやつが最上位に来る理由」は説明できました。 残る問題は、最下位に沈むいいやつです。

グラントは、沈むギバーと浮くギバーの違いを特定しています。

**沈むのは「自己犠牲型」のギバー。

**頼まれたら断れない。自分の仕事を後回しにして他人を助ける。搾取するテイカーにも与え続ける。 その結果、燃え尽き、自分の成果が消え、最下位に沈む。

**浮くのは「他者志向型」のギバー。

**相手の利益と、自分の利益を同時に考える。 与えるが、自分を破壊するまでは与えない。

具体的な違いは3つです。

**① 与え方に「レート」を持っている

**浮くギバーは、相手の利益が大きく、自分のコストが小さい貢献を選びます。 シリコンバレーの著名なギバーであるアダム・リフキンはこれを「5分の親切」と呼びました。 人を紹介する、記事を1本送る、一言フィードバックする。 5分で終わるが、相手には大きい。この非対称な親切を、数多く配る。 自己犠牲型は逆に、自分が何時間も溶ける手伝いを、断れずに引き受けます。

**② テイカーを検知したら、与え方を変える

**浮くギバーは、全員に無条件で与えません。 搾取が続く相手には、マッチャーとして振る舞い直す。 「いいやつであること」と「都合のいいやつであること」は、別物だと知っているからです。

**③ 助けを求められる

**意外に思えますが、成功するギバーは自分も助けを求めるのがうまい。 与えるだけの関係は上下関係になりますが、与え合う関係は同盟になります。 そして人は、一度助けた相手をより好きになる。頼ることも、実は相手への贈り物なのです。

まとめ:優しさに、設計図を持て

整理します。

・ギバーは成功の最下位にも最上位にもいる。「いいやつは損」も「いいやつが勝つ」も、半分ずつ正しい

・浮く理由①:多数派のマッチャーが、評判を通じてギバーに報い、テイカーを罰する。ビジネスは繰り返しゲームであり、繰り返しゲームでは善良さが最強戦略になる

・浮く理由②:仕事の機会は能力ではなく好感で配られる。いいやつには打席が集まる

・分岐点:沈むのは自己犠牲型、浮くのは他者志向型。レートを持ち、テイカーには対応を変え、自分も助けを求める

経営者であれば、もう一段の応用があります。 採用で「ギバーを採る」よりも先にやるべきは、「テイカーを組織に入れない」ことです。 フェルプスの実験が示した通り、1人のテイカーは10人のギバーの環境を壊します。 ギバー文化は、ギバーを足すことではなく、テイカーを混ぜないことから始まります。

「いいやつは損をする」と言う人は、短期のゲームだけを見ています。 「いいやつなら成功する」と言う人は、分岐点を見落としています。

本当のところはこうです。

いいやつは、戦略として最強である。ただし、無条件ではない。

沈んでいくのは「いいやつ」ではなく、「断れないやつ」。 成功するいいやつは、優しさの総量が多いだけでなく、優しさの配り方に設計図を持っています。

そして最後に。 この構造を知った上でギバーを演じるテイカーは、必ず見抜かれます。 マッチャーたちの評判ネットワークは、あなたが思うより高性能です。

演じるくらいなら、本当に与える側に回ったほうが早い。 それが、繰り返しゲームとしての人生で、データが勧める唯一の生存戦略です。

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

大したことのない経営者が語るシリーズ

私自身が上記の記事を書いてます。

毎週書いてるのでよかったらプロフィールからフォローして下さい。

引用投稿も大歓迎です。

ワンクリック保存

YouMindでバイラル記事をAI深読み

ソースを保存し、的を絞った質問をし、主張を要約して、バイラル記事を再利用できるノートに変えます。すべてを1つのAIワークスペースで行えます。

YouMindを探索
クリエイターのために

あなたの Markdown をきれいな 𝕏 記事に

自分の長文を投稿するとき、画像・表・コードブロックを 𝕏 向けに整形するのは手間がかかります。YouMind は Markdown 全体を、そのまま投稿できるきれいな 𝕏 記事に変換します。

Markdown → 𝕏 を試す

解読すべきパターンをもっと

最近のバイラル記事

バイラル記事をもっと見る