McKinsey Solve（同社のデジタル適性検査ゲーム）は従来の選考試験に代わるもので、マッキンゼーの面接プロセスにおける最初の大きなハードルとなっている。履歴書やケース面接とは異なり、Solveはマウスの動き、クリックのパターン、意思決定の順序をすべて追跡することで、候補者が複雑な問題をリアルタイムでどのように考えるかを評価する。
候補者の70%以上が初回でSolveに合格できない。このゲームは答えやビジネスフレームワークを覚えているかどうかを問うものではなく、候補者ごとに変化するシミュレーション環境とデータ課題を通じて、純粋な認知能力を試すものだ。
McKinsey Solveが評価するもの
Solveは、マッキンゼーがコンサルティング業務に不可欠と考える5つの認知能力を測定する。
| 能力 | 測定内容 | 実際のコンサルティングでの応用 |
|---|---|---|
| クリティカルシンキング | 情報を分析して合理的な判断を形成する | クライアントデータを解釈して根本原因を特定する |
| 意思決定 | 制約条件下で最適な行動を選択する | トレードオフのある戦略的選択肢の中から選ぶ |
| メタ認知 | 複雑な問題を単純化するための戦略を用いる | 曖昧なプロジェクトを実行可能なステップに分解する |
| 状況認識 | 変数間の関係性を理解する | クライアントの意思決定に対する市場の反応を予測する |
| システム思考 | 相互に関連する要因間の因果関係を把握する | 業務変更の二次的な影響をモデル化する |
マッキンゼーは、最終的な回答だけでなくアプローチの仕方を分析することで「プロセススコア」を算出する。このアルゴリズムは、候補者が体系的な推論プロセスに従ったか、単に推測したかを検知する。時間切れになったとしても規律ある論理を用いた候補者は、試行錯誤でたまたま正解に辿り着いた候補者よりも高い評価を得る。
ゲームの形式と構成
合計71分間で以下を完了する必要がある。
- 時間制限なしのチュートリアル（必要なだけ確認できる）
- 3つの候補カテゴリーから出題される2つのミニゲーム
各ミニゲームには30〜45分かかる。シナリオはランダム化されるため、あなたのバージョンは他の候補者のものとは異なる。これにより他人から戦略をコピーすることは不可能であり、根底にある原理を理解する必要がある。
3種類のミニゲーム
マッキンゼーは3種類のミニゲームを使い分けており、候補者はそのうち2つに挑戦することになる。
mindmap
root((Solveミニゲーム))
制約付き最適化
生態系の構築
種を選ぶ
場所を選ぶ
食物連鎖のバランスを取る
災害管理
災害の種類を特定する
動物を安全な場所に移動させる
データ解釈
レッドロック・スタディ
研究データを分析する
個体数を予測する
新しい情報に適応する
原因と結果
疾病診断
症状を特定する
原因を逆算する
治療法を提言する
1. 制約付き最適化（最も一般的）
種と場所を選択することで持続可能な生態系を構築する。各種には特定の環境ニーズ（温度、降雨量、高度）と食物連鎖における役割がある。目標は、制約条件を守りながら種の生存率を最大化することだ。
課題は、競合する要件のバランスを取ることにある。頂点捕食者が生存するには餌となる動物が必要だが、捕食者を増やしすぎると被食者の個体数が減ってしまう。選んだ場所で一次生産者が生存できなければ、食物連鎖全体が崩壊する。
2. データ解釈＋クリティカル数値推論（2024年導入）
レッドロック・スタディでは、提供されたデータに基づく生態学的予測など、研究シナリオが提示される。これはマッキンゼーが廃止したProblem Solving Testに代わるもので、標準的な数学のテストでは測れないスキル、すなわちチャートを正確に読み取る力、決定的な証拠と示唆的なパターンを見分ける力、論理的に妥当な結論を述べる力に焦点を当てている。
3. 原因と結果（現在はあまり出題されない）
結果（動物の個体数減少など）と過去のデータが与えられ、原因を逆算する。あるいは、原因（価格の引き下げなど）が与えられ、パターン分析を用いて結果を予測する。これは、ノイズの中から関連性のあるデータの兆候を識別できるかどうかを試すものだ。
ミニゲームの種類別に実証済みの戦略
制約付き最適化（生態系の構築）の場合
食物連鎖の中間ではなく、一端から始める。 一次生産者（餌を必要としない植物）または頂点捕食者（捕食者を持たない動物）から始め、そこから直線的に進めていく。中間から始めると、両方向の依存関係を同時に推測しなければならなくなる。
無関係な変数を特定し、無視する。 8〜10個の環境要因が示されることもあるが、実際に選択を制約するのは3〜4個だけという場合が多い。利用可能なすべての種が、場所の選択肢にあるすべての風速に耐えられるなら、風速は無関係なので無視してよい。
試行の記録を紙に書き留める。 試行錯誤の各回には時間がかかる。何をテストし、なぜ失敗したかを書き留めておく。このゲームではペンと紙の使用が許可されているので、同じ仮説を再度テストすることを避けるために活用しよう。
最大値と最小値に注目する。 「温度は15〜25°Cの範囲でなければならない」「捕食者1頭につき餌は少なくとも500カロリー必要」といったルールが制約条件を作り出す。どの指標にしきい値があるかを素早く特定し、それを軸にシステムを設計する。
生態系構築のための体系的なアプローチを以下に示す。
flowchart TD
A[すべての種を確認する] --> B{アプローチを選ぶ}
B -->|トップダウン| C[頂点捕食者を選ぶ]
B -->|ボトムアップ| D[一次生産者を選ぶ]
C --> E[必要な餌を特定する]
D --> F[必要な環境条件を特定する]
E --> G[補助的な種を追加する]
F --> G
G --> H[制約条件を確認する]
H -->|違反あり| I[選択を調整する]
H -->|合格| J[場所を選ぶ]
I --> H
J --> K[すべての種が生存できるか確認する]
K -->|一部死滅| I
K -->|全種生存| L[完了]
データ解釈のために（レッドロック・スタディ）
ゆっくりと進み、新しい情報を注意深く読む。 各ターンで新しいデータが提示され、最初の仮説と矛盾することがあります。更新内容を吸収せずに先を急ぐと、誤りが持続してしまいます。
仮説を書き出し、検証する。 人口動向についての仮説を立てたら、紙に書き留めます。新しいデータが来たら、その仮定がまだ成り立つかを明示的に確認します。素早く適応する候補者は、反証された戦略に固執する候補者よりも高いスコアを獲得します。
「示唆する」と「証明する」を区別する。 データは因果関係を証明せずに相関関係を示すことがあります。結論は証拠の強さに一致していなければなりません。示唆的なデータから確実性を主張するような、結果を過大に述べることは重大な誤りです。
原因と結果の違いのために（疾病診断）
まず変数間の関係をマッピングする。 データに取り組む前に、論理的な関係を理解します。降雨量は気温に影響するか？標高は種の分布を制約するか？これらの関係を描き出し、分析の指針とします。
関連データと無関係なデータを分ける。 必要以上の情報が提供されます。実際のコンサルティングプロジェクトでも、クライアントは何百もの資料を提供するものの、重要なのはそのうち一つのカテゴリーだけということがよくあります。ノイズを取り除く練習をしましょう。
スコアを下げる典型的な間違い
835件以上のケース面接パターンと候補者フィードバックの分析に基づくと：
間違い1：全体ではなく局所的な最適化をしてしまう。 食物網全体への影響を無視して、生態系の一部（例：草食動物と植物のバランス）だけを完璧にしようとすることがあります。常に一歩引いて、システム全体への影響を確認しましょう。
間違い2：時間を無視する。 早く終わらせる必要はありませんが、1回目の試行に35分かけてしまうと、調整のための時間が足りなくなります。まずはおおよその正解を素早く出し、その後精緻化することを目指しましょう。
間違い3：紙とペンを使わない。 時間的プレッシャーの下では、頭の中だけでの管理は失敗します。構造化されたメモを取る候補者は、失敗した試みを繰り返さずに、より速くパターンを見つけられます。
間違い4：従来のゲームのように扱ってしまう。 Solveは体系的な思考力に報酬を与えるものであり、ゲーム的な直感ではありません。最終スコアよりもプロセスの方が重要です。クリックのパターンを通じて、規律あるロジカルシンキングを示しましょう。
間違い5：他の候補者の解答を記憶しようとする。 ランダム化のため、これは無意味です。2人の候補者が異なる種のセット、場所の変数、制約条件に直面する可能性があります。特定の答えではなく、原則に焦点を当てましょう。
マッキンゼーSolveの準備方法
マッキンゼーは実際のゲームへの練習アクセスを許可していません。しかし、以下の方法で準備することができます：
1. システム思考を練習する。 サプライチェーンの最適化、生態系のシミュレーション、制約条件下での資源配分など、複数の相互作用する変数を含む問題に取り組みます。二次的な影響を見抜く能力を鍛えましょう。
2. データ解釈のスピードを上げる。 チャートやデータセットを確認し、正確な結論を述べる練習をします。データが確実に示していることは何か？単に示唆しているだけのことは何か？証拠が不十分な部分はどこか？
3. 時間的プレッシャーを再現する。 複雑な問題解決演習に35分の制限を設定します。完璧な決定をゆっくり下すのではなく、素早く「十分に良い」決定を下す練習をしましょう。
4. タイムリミットのないチュートリアルを戦略的に活用する。 Solveを開始すると、チュートリアルは時間に含まれません。指示を二度読みましょう。メモを取りましょう。時計が動き出す前に、目的を理解しておきましょう。
マッキンゼーの選考プロセスにおけるSolveの役割
マッキンゼーはSolveのスコアを2つの方法で活用しています：
- 優れた経歴を持つが低スコアの候補者を除外する： Solveの出来が悪いと、優秀な学業成績を上回って不利になることがあります
- 経歴が弱くても高スコアの候補者を見出す： Solveの好成績は、知名度の低い学校の出身であることを補うことができます
このゲームは履歴書審査やケース面接に代わるものではなく、それらを補完するものです。完璧なSolveスコアであっても、オファーを得るにはしっかりとした学業の実績と面接でのパフォーマンスが必要です。
Solveを通過した候補者は、通常1回のケース面接と1回の経験面接からなる一次面接に進みます。Solveだけでは成功は保証されないため、両方の準備が不可欠です。
重要なポイント
- マッキンゼーSolveはランダム化されたシミュレーションを通じて認知能力をテストします。答えを記憶しても効果はありません
- 「プロセススコア」は、最終的な答えだけでなく、すべてのクリックを追跡することで、あなたの推論アプローチを評価します
- 生態系の問題は、食物網の一端（上か下）から始め、決して中間から始めないようにしましょう
- 紙とペンを使って試行を記録し、制約条件をメモし、失敗した仮説を繰り返さないようにしましょう
- データ解釈では、データが証明していることと、単に示唆しているだけのことを区別する必要があります
- 初回の失敗率は70%を超えますが、体系的な準備によって成功率は大幅に向上します
AIフィードバックで実際のケースシナリオを練習する
マッキンゼーSolveはシミュレーションを通じて認知能力をテストしますが、実際のケース面接では構造化されたフレームワークとビジネス判断力が求められます。CasesCoachでは、これらのスキルを築くための2つの相互補完的な方法を提供しています：
ガイドモードでは、ケースに取り組む際に面接官からのヒントと方向性が提供されます。フレームワークの適用方法を学び、構造的な問題解決に自信をつけるのに最適です。AIコーチはあなたの経験レベルに適応し、完全な解答へと導きます。
エキスパートモードは、最小限のガイダンスと時間的制約のもとで、実際のマッキンゼー面接のプレッシャーを再現します。このモードでは、問題を自力で構造化し、課題の優先順位を決め、洞察を明確に伝えられるかどうかが試されます。これはまさに、Solveを通過した後に直面することになるものです。
両方のモードとも、構造、分析、コミュニケーション、ビジネス感覚、定量スキルという5つの観点から即座にAIフィードバックを提供します。また、Chat with Caseを使えば、835件以上のコンサルティングケースのライブラリを通じて実際のビジネス課題を探求し、メンターと話すように質問をしたりアプローチを試したりすることができます。
3回分の完全なケース practice セッションを含む無料AIモック面接を始める、またはケースライブラリ全体を見ることで、トップクラスのコンサルタントが日々解決している問題の種類を確認できます。Solveを通過することは入口に過ぎません。ケース面接を極めることが、オファーへの道を開きます。