イノベーション指標 測定の都市伝説｜特許数・R&D比率では何も測れない

測定されているのはイノベーションではなく、測定の代理変数だ

毎年発表される「世界で最もイノベーティブな企業ランキング」に日本企業が上位に入らないことを問題視した議論が繰り返される。対策として特許出願数の増加目標が設定され、R&D 予算の対売上比率が KPI になる。この一連の反応は、測定の代理変数を本体と取り違えた典型例だ。

100社以上の新規事業プロジェクトに伴走してきた中で、この構造は繰り返し観察されている。「イノベーション KPI が達成されているのに、新規事業が育っていない」という矛盾は、特定企業の固有の問題ではない。測定の設計そのものに構造的な問題がある。

特許数・R&D比率・新製品売上比率は、イノベーションの実体を測っていない。 これらが測っているのは、それぞれの数字を生み出す活動の量だ。それが市場で価値を創造するかどうかは、まったく別の問いだ。

なぜこれほど知識と批判が蓄積されているにもかかわらず、同じ指標が繰り返し採用されるのか。そしてこの測定の誤りが、実際の戦略判断をどう歪めているのか。問題は個別企業の精度の話ではなく、構造的な問いとして扱う必要がある。

Booz Allen の「R&D 相関ゼロ」研究

Booz Allen Hamilton（現 Strategy&, PwC）の Global Innovation 1000 研究は、1999年に開始され、世界最大の R&D 支出企業 1,000 社のデータを継続的に分析してきた。中核的な発見は、シンプルかつ不都合だ。

R&D 支出額と企業業績（売上成長率・純利益成長率・株主総利益率）の間に、統計的に有意な相関は見られない。

この発見は追跡研究でも繰り返し確認されている。R&D に多く使う企業が少ない企業より業績で優れているというエビデンスは、大規模サンプルでは得られていない。

さらに踏み込んだ分析では、「R&D 総額」より「R&D 投資の配分」が重要であることが示されている。探索的（既存事業と無関係な新領域）か活用的（既存事業の改善・効率化）かという配分の質的側面が、量的側面より業績に関連する。だがこの配分比率は外部から観測しにくく、単純な R&D 比率での比較は実態を映さない。

20 年近く継続されてきたこの研究にもかかわらず、R&D 比率がイノベーション指標として使われ続けている。なぜか。それは後述する。

BCG「最もイノベーティブな企業」の方法論批判

Boston Consulting Group が毎年発表する「最もイノベーティブな企業（Most Innovative Companies）」ランキングは、イノベーション関連の報道で最も頻繁に引用されるデータの一つだ。日本のビジネスメディアでは、ランキング上位企業の特徴分析、日本企業がランク外になる理由の考察が繰り返し行われる。

このランキングは複数の評価軸を組み合わせており、経営幹部へのサーベイ（「イノベーティブ企業として評価される度合い」）が一つの要素となっているが、R&D支出や特許数といった定量指標も考慮されている。ランキングは実際のイノベーション活動の測定より、複合的な指標と経営幹部の認識を合わせた相対的な評価に依存している。

この設計には根本的な問題がある。Apple・Google・Amazon などがランキング上位を安定して占めるのは、これらの企業が継続的に市場で新しい価値を創出しているからではなく（それは事実だが）、経営幹部の認識においてこれらのブランドが「イノベーティブ」というカテゴリに強く結びついているからでもある。

認識されることとイノベーションを実行することは、相関するが同じものではない。 過去のイノベーション実績によってブランドが確立された企業は、現在のイノベーション活動に関係なく、このランキングで高い評価を受け続ける可能性がある。逆に、ステルス型で市場に参入しているが外部認知が低い企業は、実際のイノベーション活動に関係なく過小評価される。

BCG のレポートには有益な分析が含まれており、完全に価値がないわけではない。問題は、方法論の限界を明示せずに「イノベーション企業ランキング」という権威を帯びた形式で流通し、その数字が経営指標に影響する点だ。

特許数：最も誤解されている代理変数

特許数が問題の多い指標であることは、特許の専門家の間では自明に近い。しかし経営報告・政策指標・メディア報道では依然として多用される。

まず、特許が取得される動機は多様だ。防衛目的（競合他社の参入を排除するための先行出願）、クロスライセンス目的（他社特許を利用するための交換材料としての蓄積）、研究者・開発者の業績評価向上、国家補助金要件の充足——これらの動機で取得された特許は、市場価値のある製品・サービスを生み出すイノベーション活動とは直接関係しない。

日本企業の特許出願数は国際的に多い一方、特許の被引用数（引用指数）や商業化率は主要国の中で低い傾向がある。 これは「出願される特許の多くが、外部から参照・活用されていない」ことを示す間接的な証拠だ。量的な特許取得と、特許の生み出す知識の質・活用度は、別々に測定しなければ実態が見えない。

さらに根本的な問題として、特許は「新規性のある知識の生産」を測定するが、イノベーションは「新しい価値の市場での実現」だ。 この定義の差が、特許数をイノベーション指標として使う際の核心的なミスマッチを作り出す。

Christensen の Innovator’s Dilemma（1997）が示したのは、破壊的イノベーションはしばしば既存の技術基盤の上で起きるのではなく、より単純で低コストな代替技術が市場の下位から侵食する形で起きる、という構造だ。この破壊的イノベーションは、特許数の増加でも R&D 比率の上昇でも予測・観測できない。

Christensen が明確にしたこと

Clayton Christensen の Innovator’s Dilemma（1997）と Innovator’s Solution（2003）が提示した枠組みは、なぜ大企業がイノベーション投資を増やしても破壊的な競合に敗れるかを説明している。

問題は投資量ではなく、投資先の分布だ。 大企業の R&D 投資は、収益性の高い現在の顧客セグメントのニーズを持続的に改善する方向に配分されやすい。この合理的な配分が、下位市場の単純・低コストな代替手段の成長を見落とす構造を生む。

この分析が示すのは、R&D 比率を高めてもイノベーション成果が出ない理由だ。大企業が R&D を増やすと、その大半は現在の顧客・製品・市場の改善（持続的イノベーション）に配分される。これは破壊的イノベーターへの防御にはならない。

Christensen の枠組みは、「イノベーション指標に何が欠けているか」を明確にする。 必要な指標は「探索活動（現在の主要顧客以外の市場・技術への投資）」と「活用活動（現在の主要顧客向けの改善）」の比率であり、総量ではない。しかしこの比率は外部から観測しにくく、企業内部でも会計・予算管理の区分として明示されていない場合が多い。

なぜ測定できない指標が使われ続けるのか

問題は、より正確な指標が存在しないことではない。測定が容易な指標が測定困難な実体の代わりとして使われ、その代用が制度的に固定されるという構造が問題だ。

R&D 比率は四半期報告・有価証券報告書から簡単に取得できる。特許数は特許庁データベースから自動集計できる。BCG ランキングは毎年メディアが報道する。取得コストが低く、比較が容易で、外部説明責任に使いやすい——だから選ばれる。

一方、「探索投資の比率」「仮説検証のサイクル時間」「失敗コストの最小化度」「組織学習の速度」は、内部管理指標としてさえ設計が難しく、外部報告にはさらに適さない。

測定の容易さが指標選択を歪める。 使いやすい指標を改善することが目的化する。この目的化は Goodhart’s Law（測定目標になった指標は指標としての機能を失う）として知られる構造だ。

特許出願数が KPI になった組織で何が起きるかは、複数の新規事業支援プロジェクトで観察されてきた典型パターンだ。出願数が増加する一方で、商業化率・被引用率は変化しない、あるいは低下する。「特許 KPI を達成したチームが、翌年度に事業化の成果をまったく出せていない」という逆転は、珍しい事例ではない。測定目標は達成されても、本来の目的は達成されない。

「イノベーション文化」指標という別の罠

R&D 比率・特許数への批判が高まるにつれて、代替指標として「イノベーション文化の測定」が注目されるようになった。従業員サーベイによる「心理的安全性スコア」「アイデア提案数」「実験実施数」などがこれに当たる。

これらの指標は R&D 比率より実体に近い側面もあるが、同様の代用問題を持つ。 心理的安全性の高い職場が必ずしも市場価値のあるイノベーションを生むわけではない。アイデア提案数は、提案の質・実装率・市場反応と切り離された場合に意味を失う。

より根本的な問題として、「イノベーション文化の測定」は、文化の実体を測定するのではなく、文化について人々が持つ認識を測定する。自己申告サーベイの限界——望ましい回答へのバイアス・測定行為による行動変化——は、ここでも機能する。

現時点で可能な測定アプローチ

「完全に正確なイノベーション指標は存在しない」という結論は、測定を諦める理由にはならない。限界を明示した上で、最も実体に近いアプローチを採用することが実務の答えだ。

探索対活用の投資比率を内部管理指標として設計する。 Christensen の枠組みに依拠し、「現在の主要顧客・市場・技術基盤以外へのリソース配分」の比率を明示的に管理する。外部報告には適さないが、内部の資源配分判断には有効だ。

仮説検証のサイクル時間を測定する。 「仮説を立て、最小限の実験で検証結果を得るまでの時間」は、組織の学習速度を反映する。探索活動の量ではなく、効率を測定する。

小さな失敗コストを追跡する。 一実験あたりのコストと失敗率を見ることで、「小さく失敗できているか」が可視化される。大きな失敗を避けるため実験を行わない組織と、小さく速く失敗している組織の違いが浮かび上がる。

顧客行動の変化を直接測定する。 特許数・R&D 比率の代わりに、「新規顧客が採用した製品・サービスの比率」「既存顧客のスイッチング率」「新市場からの売上比率」を追跡する。活動量を測るのではなく、市場反応を測る。実体に最も近いのは、この視点だ。

---

指標の問題は、精度の問題ではなく構造の問題だ。特許数・R&D 比率・BCG ランキング位置が改善しても、市場での価値創造が変わらない理由は、これらが実体の代理変数であることを組織が忘れ、代理変数の改善が目的化したことにある。測定を改善する前に、何を測定しようとしているかを問い直すことが、出発点だ。

---

参考文献・出典

1. Jaruzelski, B., & Dehoff, K. (2005). “The Global Innovation 1000: Money Isn’t Everything.” Strategy+Business, Issue 41, Winter 2005. — R&D 支出額と業績指標の相関ゼロを示した初版研究。Booz Allen Hamilton。
2. Jaruzelski, B., Loehr, J., & Holman, R. (2011). “Why Culture Is the Key.” Strategy+Business, Issue 65, Winter 2011. — Global Innovation 1000 の継続研究。R&D 配分の質的側面と文化的要因の分析。
3. Christensen, C. M. (1997). The Innovator’s Dilemma: When New Technologies Cause Great Firms to Fail. Harvard Business School Press. — 持続的イノベーション対破壊的イノベーションの枠組み。R&D 投資量ではなく配分の方向が重要であることの理論的基礎。邦訳:『イノベーションのジレンマ』（翔泳社、2000）。
4. Christensen, C. M., & Raynor, M. E. (2003). The Innovator’s Solution: Creating and Sustaining Successful Growth. Harvard Business School Press. — 破壊的イノベーションを意図的に生み出す条件の分析。邦訳:『イノベーションへの解』（翔泳社、2003）。
5. Reeves, M., Lotan, H., Legrand, J., & Kanakadandila, M. (2017). “BCG Most Innovative Companies 2017: Navigating the Innovation Imperative.” Boston Consulting Group. — BCG イノベーション企業ランキングのレポート。調査方法論の詳細を含む。
6. Goodhart, C. A. E. (1975). “Problems of Monetary Management: The UK Experience.” Papers in Monetary Economics, Volume I. Reserve Bank of Australia. — Goodhart’s Law の原典。測定目標化した指標が指標としての有効性を失うメカニズムの理論的記述。
7. March, J. G. (1991). “Exploration and Exploitation in Organizational Learning.” Organization Science, 2(1), 71–87. — 探索と活用のトレードオフ分析。イノベーション投資の配分問題の理論的基盤。
8. Pisano, G. P. (2015). “You Need an Innovation Strategy.” Harvard Business Review, June 2015. — イノベーション戦略の類型と、適切な測定指標の選択について。R&D 比率の単純な比較への批判を含む。
9. Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux. — 計画錯誤・楽観バイアス・測定への過信の心理学的基盤。邦訳:『ファスト＆スロー——あなたの意思はどのように決まるか？』（早川書房、2012）。

---

関連するインサイト

• Pre-mortem 事業企画 — 失敗診断の手法と構造的限界
• DX推進委員会のシアター化 — 測定と報告が形骸化するメカニズム
• Jobs-to-be-Done の限界 — フレームワーク依存が生む設計の盲点