目次
「何年後に黒字化できるか」と聞かれるたびに詰まる
ディープテック領域で新規事業を推進する担当者が最も答えに窮する質問がある。「この技術はいつ市場に出られますか」「ROIはどう計算できますか」——こうした問いは、既存事業の論理から発せられる。しかしバイオマーカーの臨床試験、量子エラー訂正の実証、宇宙機の軌道投入実験は、スケジュールと成功確率が根本的に予測不可能な性質を持つ。
期待リターンを算出できない状況で投資判断を求められる——これがディープテック起業家・事業担当者が直面する構造的な矛盾だ。
「このまま続けるべきか」の問いに答える枠組みがない
この問題を多くの組織が「ステージゲート管理」で解こうとする。開発フェーズを区切り、各ゲートで技術成熟度（TRL）と事業性を評価して通過・中止を判定する。しかし実務では、ゲートの判断基準が「期待される将来価値」に依存し続ける矛盾から抜け出せない。
TRL 4（ラボ実証）からTRL 6（プロトタイプ実証）への移行コストが3億円かかるとして、その投資を正当化するのに「市場規模1,000億円の10%獲得」という数字を使う。しかしその市場規模推計の根拠は何か。技術が実用化されれば市場が生まれるかもしれないが、その技術が本当に実用化されるかは、まさにこれから検証することだ。
Sarasvathy（2001）が指摘したように、こうした文脈ではコーゼーション的な期待値最大化ロジックが自己参照的な罠に陥る（Sarasvathy, 2001, p. 252）。予測できない未来に基づいて現在の行動を決めようとするほど、意思決定が麻痺する。
許容可能な損失を「技術フェーズ」で区切る設計
エフェクチュエーション理論の「許容可能な損失（Affordable Loss）」原則は、この問いへのオルタナティブな答えを示す。原則の核心は「期待リターンの最大化」ではなく、「失っても組織・個人の継続が担保される上限」を先に設定し、その範囲内で行動することである（Sarasvathy, 2008, pp. 36–40）。
ディープテック文脈でこの原則を実装するには、「技術フェーズ」を単位として損失上限を設計することが有効だ。
フェーズ1：概念実証（TRL 1–3）の損失上限設計。 このフェーズでの問いは「この科学的仮説は成立するか」である。失敗した場合の損失は「投じた時間・資金・機会コスト」であり、組織の存続を脅かさない範囲に収める。具体的には、専任研究者1名×12ヶ月分の人件費と実験材料費の合計を損失上限として定める。この範囲で「成立しない」と判明すれば、より損失の少ない段階で中止できる。
フェーズ2：技術実証（TRL 4–6）の損失上限設計。 このフェーズでの問いは「制御された環境で機能するか」である。Read et al.（2011）は、このフェーズでの意思決定において「この投資が無駄になっても、次の試行に踏み出せる財務的・精神的余力が残るか」を問うことを推奨している（Read et al., 2011, p. 42）。損失上限は、フェーズ1の3〜5倍程度に設定するのが実務的な目安だが、重要なのは絶対額ではなく「組織の次のチャンスを維持できるか」という観点だ。
フェーズ3：市場実証（TRL 7–9）の損失上限設計。 このフェーズに至ると、不確実性の性質が変わる。技術の不確実性は減少し、市場受容の不確実性が前面に出る。エフェクチュエーション理論が示すように、このフェーズではクレイジーキルト原則との組み合わせ——すなわち、自発的にコミットしてくれるパートナーをリソースとして取り込み、損失上限を事実上引き上げる設計——が有効になる（Sarasvathy, 2008, pp. 70–72）。
技術不確実性を「許容損失」に変換する3つの実践
実践1：フェーズ移行基準を「損失ではなく学習」で定義する
多くのステージゲートは「この段階で目標に達しなかったら中止」という形式をとる。これはコーゼーション的で、技術不確実性の高いフェーズでは機能しない。代わりに、「このフェーズで何を学べれば次のフェーズへ進む根拠になるか」を先に定義する。
「量子ビットの保持時間が100マイクロ秒を超えることを示せれば次フェーズへ」「農業用センサーの野外精度が温室の80%を維持することを示せれば次フェーズへ」——こうした「学習基準」は、期待リターンの代わりに「何を知ることに投資するか」を明確にする。Dew et al.（2009）の実験研究が示すように、熟達起業家はこの「学習単位での投資判断」を直感的に行っている（Dew et al., 2009, p. 292）。
実践2：「止める権利」をステークホルダーに明示的に与える
ディープテック事業での資金調達において、出資者・社内資源配分者が最も不安視するのは「投資した後に引き返せるか」である。許容可能な損失原則の実装として、「中止判断の基準と権限」を事前にステークホルダーと合意することが重要だ。
「技術検証フェーズで12ヶ月後に[具体的基準]を達成できなければ、事業化を中止する権限を取締役会が持つ」という合意を先に取ることで、初期投資への合意が得られやすくなる。これは「出口戦略」ではなく、許容損失の上限を組織的に担保するガバナンス設計である。
実践3：「技術の失敗」と「事業の失敗」を切り分けて計上する
ディープテック起業でよく見られる誤りは、技術検証の失敗が即座に事業の失敗として処理されることだ。しかし許容可能な損失の観点からは、技術的に機能しなかったという知見は「負の損失」ではなく「将来の意思決定を改善する資産」として計上できる。
ノーベル化学賞受賞者の研究室が「機能しなかった分子構造のデータベース」を価値ある知財として保持するように、ディープテック事業においても「何が機能しないかの知識」は事業的価値を持つ。この視点を許容損失設計に組み込むことで、「失敗した投資」の会計的処理が変わる。
こうした組織・チームに特に有効である
深期間・高不確実性のR&Dを抱える大企業の事業開発部門。 社内承認プロセスでROI計算を求められ続けるが、許容損失ベースの「学習投資」という論理の枠組みに切り替えることで、意思決定の膠着を解消できる可能性がある。
アカデミアからスピンオフするディープテックスタートアップ。 研究者は技術の不確実性を当然のものとして理解しているが、投資家やパートナーとの対話でその論理を翻訳できないことが多い。許容損失の枠組みは、この「翻訳」に使える言語を提供する。
政策的・社会的目標を持つディープテックを評価するVC・CVC担当者。 期待リターン計算が機能しにくい社会的インパクト領域での投資判断に、許容損失の論理は整合性を持つ。
損失の上限を先に決めることが、次の行動を可能にする
許容損失設計の本質は、リスク管理ではない。「どこまでなら失っても次の一手が打てるか」を明確にすることで、不確実性に対峙しながらも継続的に行動できる条件を整えることだ（Sarasvathy, 2008, p. 40）。
期待リターンが計算できない領域で意思決定を迫られたとき、「失っていい範囲」を先に定義することが唯一の合理的な出発点になる。損失上限を技術フェーズごとに設計し、「学習基準」で進退を判断し、「止める権利」をステークホルダーと共有する——この3つが、技術不確実性という避けられない現実に向き合うための実践的な枠組みを構成する。
引用・参考文献
- Sarasvathy, S. D. (2001). Causation and effectuation: Toward a theoretical shift from economic inevitability to entrepreneurial contingency. Academy of Management Review, 26(2), 243–263.
- Sarasvathy, S. D. (2008). Effectuation: Elements of Entrepreneurial Expertise. Edward Elgar Publishing.
- Read, S., Sarasvathy, S. D., Dew, N., & Wiltbank, R. (2011). Effectual Entrepreneurship (2nd ed.). Routledge.
- Dew, N., Read, S., Sarasvathy, S. D., & Wiltbank, R. (2009). Effectual versus predictive logics in entrepreneurial decision-making: Differences between experts and novices. Journal of Business Venturing, 24(4), 287–309.
参考書籍
