ペンタゴン・ピザ理論の検証で最初に確認すべきデータ

ピザ店が忙しければ軍事作戦が近づいているのでしょうか

ペンタゴン周辺のピザ店がいつもより忙しくなると、軍事作戦が近づいているという話があります。国防総省の職員が残業をしながらピザを注文するはずだという推測から生まれた「ペンタゴン・ピザ理論」です。

話自体は理解しやすいものです。しかし残業が増えたかどうかを直接見たわけでもなく、ピザを注文した人が誰なのかを知っているわけでもありません。ピザ店の活動から軍事作戦を推測するには、その間のつながりが正しいのかを確認する必要があります。

私はデータ分析を教え、自ら実践してきた立場からこの事例が興味深く感じられました。説明がもっともらしく聞こえることと、実際に予測に使えることは違うという点を示しているからです。

今見ているデータは注文量ではありません

XのPentagon Pizza Reportは、Googleマップに表示されるペンタゴン付近の店舗の活動を伝えています。Googleの説明によれば、混雑度は位置情報の記録に同意した利用者の訪問データを匿名化し、集約して推定されます。リアルタイムの活動は、普段の訪問レベルと比較して表示されます。ピザの注文件数や売上を集計した資料ではありません。Googleの訪問データに関する説明

したがって、店舗が忙しいという事実だけで、ペンタゴン職員の配達注文が増えたと解釈することはできません。周辺の住民や他の職場からの来店である可能性もありますし、配達注文が増えたとしても、訪問データに同じ比率で表れるという保証もありません。

元米国防総省アナリストのマルセル・プリヒタも、どの店舗を指標に含めるかが一貫しておらず、周辺の他の需要と区別することが難しいという問題を指摘しています。プリヒタの分析

私がまず確認したいのもこの部分です。指標の名前が「ピザ指数」だからといって、注文量を測定しているわけではありません。データが実際に何を記録しているのかから知る必要があります。

公開された検証では二つの作戦を比較しました

2026年1月にLessWrongに掲載された分析の執筆者は、Pentagon Pizza Reportの投稿648件を整理しました。当初はイラン核施設攻撃、マドゥロ拘束、フーシ派空爆を検討しようとしましたが、フーシ派空爆の時期の記録が欠けていたため比較から除外しました。実際に残った事件は、2025年6月22日のイラン核施設攻撃と、2026年1月3日のマドゥロ拘束でした。

執筆者は近隣のフレディーズ・バーの活動も比較しました。ピザ店とバーが同時に忙しくなるなら、ペンタゴンの残業以外に地域全体の活動が増えている可能性があるという考えです。二つの場所の活動の差を反映した指数では、両作戦の前にはっきりとした急上昇は見つからなかったと説明しています。

ただし資料は店舗の連続的な観測記録ではなく、一つのアカウントが選んで投稿したものでした。執筆者自身も、投稿の選び方が不明瞭で記録が不完全であると明らかにしています。この分析は、当該資料からは予測に役立つ信号を見つけられなかったという結果として読むのが適切です。分析原文

比較対象を置くだけでは原因は切り分けられません

私はバーも一緒に見た試みを良いと思いました。ピザ店だけを見て結論を出す前に、周辺の他の場所も忙しかったかを確認しようとしたからです。

しかし、バーの活動を差し引けば「純粋な残業効果」が残ると見ることはできません。バーとピザ店では、客層や営業時間、曜日ごとの利用パターンが異なる可能性があります。地域のイベントに両店舗が同じように反応するという保証もありません。比較対象を追加した後も、その対象が適切かどうかを検討する必要があります。

作戦がなかった日も重要です。作戦前に忙しかったピザ店を何軒か見つけ出しさえすれば、話は作れます。普段から頻繁に忙しかったのであれば、予測指標としての価値は低いかもしれません。逆に、作戦があったのに静かだった日を除いてしまえば、指標は実際よりも正確に見えてしまいます。

私はこうした分析を見るとき、「相関がある」あるいは「ない」という結論よりも先に、どの日を含めて、どの日を除外したのかを確認するようにしています。比較する期間と資料収集の基準が、結論に大きな影響を与えうるからです。

公開資料から隠れた事実を推論した事例もあります

経済学者アーメン・アルチアンの逸話は、別の可能性を示しています。アルチアンはRANDで働いていた時代、水爆に使われる材料を突き止めるために関連企業の株価を調べたと回顧しています。リチウム生産企業の株価上昇を見て、リチウムが核心的な材料だと推論したという話です。彼は社内でメモを回覧したところ、回収するよう指示を受けたと説明しています。アルチアンの回顧を収めた文章

公開された情報から直接明らかにされていない事実を推論できるという点で興味深い事例です。だからといって、どんな間接指標でも同じように成功するという意味ではありません。何が観測値を動かしているのか、他の説明は可能なのかを、それぞれ確認する必要があります。

特定の事件の前後で株価や他の指標がどのように変化したかを調べる手法をイベントスタディと呼びます。ここでも、事件前後の差を見つけることと、その差が事件によって生じたと判断することは区別しなければなりません。ピザ店の記録もまた、日付を合わせてグラフを描くだけでは検証は終わりません。

Oswarldの視点

私はこの話を扱う中で、ピザ理論を信じた人を笑いたいわけではありませんでした。身近な行動から仮説を立て、公開資料で確かめようとする試み自体は、やってみる価値のあることです。ただし結果が期待と異なったり、資料が不足していたりする場合は、その限界も説明しなければなりません。

大学でデータ関連の科目を教えるときも、この点を大切にしています。何を測定したのか、何と比較したのか、その結果からどこまで言えるのかを区別することです。「統制変数は何でしたか」という質問も役立ちますが、それを入れたという事実だけで分析が妥当になるわけではありません。

LLMのおかげで、コードを書いたり資料を整理したりする負担は減りました。その分、仮説を自ら確かめてみる機会も増えたと思います。私はこうした変化を歓迎しています。同時に、計算を速くできるようになるほど、最初の問いとデータが互いに噛み合っているかに、より気を配る必要があると考えています。

今回の分析では、二つの作戦を控えたはっきりとした信号は見つからず、資料収集にも制約がありました。私はその結果を説明したこと自体に意味があると考えています。もっともらしい話を繰り返すことから一歩進んで、実際に確認したことと、まだわからないことを分けたからです。

筆者のアン・グァンソプ（安光涉）は、世宗大学校経営学科教授であり、INLEVEL9のリードコンサルタントです。大学では経営データ管理、ビジネスアナリティクスなど統計およびデータ分析を教える一方、現場ではGTM戦略とAI戦略コンサルティングを率い、技術とビジネスの接点を設計しています。AI対話システムの記憶アーキテクチャ（HEMA）研究で学術論文を発表したほか、毎日グローバルなAI論文をキュレーションするDaily Arxivプロジェクトを運営しています。高麗大学校技術経営専門大学院の修士課程とKMBAを修了しました。著書に『考えを委ねる人々：ホモ・ブレインレス』があります。

著者 アン・グァンソプ（Oswarld） は世宗大学校 兼任教授、INLEVEL9 戦略コンサルタントです。経歴、研究、著書、最近の活動は著者紹介で更新しています。 最近の活動 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。