ディープテック創業と許容損失の設計——長期R&Dに「失っても耐えられる上限」を組み込む

本記事の位置づけ: 許容可能な損失の基本定義と学術的背景は「許容可能な損失（Affordable Loss）」を参照。本記事はその深い技術開発領域への応用篇として、ディープテック特有の制約にどうエフェクチュアルな意思決定論理を組み込むかに特化する。

5年後の市場を予測して、そこから逆算して動けるか

ディープテックの創業者が直面する問いは、他の起業家と根本的に異なる。

量子誤り訂正の研究が商業的に価値ある製品になるのは何年後か。新たなバイオマーカーが臨床試験を通過し、実際の診療で使われるまでに何回の失敗があるか。次世代電池材料の製造コストが自動車メーカーの調達基準を下回るのはいつか。

これらの問いへの答えを「予測」することが、投資判断の前提として求められる。事業計画書には技術ロードマップが描かれ、各マイルストーンに到達する確率と時間が示される。しかし正直に言えば、それらの数字の多くは「そう願う」という表明であって、信頼できる予測ではない。

Sarasvathy（2001）が定義したナイト的不確実性の条件——「確率分布すら知ることができない未知」——は、ディープテック創業においてほぼ常時成立する（Sarasvathy, 2001, p. 244）。技術的に成立するかが分からず、成立しても市場が存在するかが分からず、市場があっても競合技術に先を越されるかが分からない。この三重の不確実性において、「期待リターン最大化」を軸にした意思決定は根本的に誤った問いを立てている。

問うべきは「この技術で最大いくら稼げるか」ではなく、「どこまでなら失っても次に進めるか」である。

ディープテックにおける許容損失の困難

エフェクチュエーションの許容損失原則（Affordable Loss Principle）の核心は単純だ。期待リターンを最大化しようとするのではなく、「自分が失っても耐えられる上限」を出発点にして、その範囲内で行動を設計する（Sarasvathy, 2008, pp. 37–41）。

しかし、この原則をディープテック創業にそのまま適用しようとすると、特有の困難に突き当たる。

困難①：フィードバック・ループが長い

消費者向けアプリであれば、許容損失の範囲内で小さく動き、顧客の反応から学び、次の一手を調整するというサイクルを数週間で回せる。しかしバイオ医薬品の臨床試験フェーズⅡは数年単位で進み、量子デバイスのコヒーレンス時間改善は実験ごとに数ヶ月の研究が必要になる。「小さく試して素早く学ぶ」というエフェクチュアルな反復論理が、物理的な時間スケールに阻まれる。

困難②：コミット圧力が高い

多くの深い技術開発は、「途中でやめる」という選択肢が極めて高コストになる。研究チームが蓄積した暗黙知は中断とともに失われ、高価な装置の維持費は研究が続く限り発生し、競合より先に特許を取得するプレッシャーは資金を枯渇させてでも前進することを強いる。許容損失の上限を設定しても、「ここで止めると全てが無駄になる」という心理的圧力がその設定を崩す。

困難③：外部資金との依存関係

研究助成金・政府系ファンド・コーポレートベンチャーキャピタル（CVC）からの資金は、ディープテック創業において現実的な資金源である。しかしこれらの資金には条件が伴う。研究方向の制限、マイルストーン報告義務、知的財産の帰属条件——外部資金を受け取ることは、許容損失の判断権の一部を外部者に委ねることを意味する。

これら三つの困難を認識した上で、それでも許容損失原則をディープテックに応用するにはどうするか。

三つの適用軸

軸①：実験単位の分割——「プロジェクト単位」から「問いの単位」へ

許容損失設計の最初のステップは、評価・判断の単位を変えることだ。

「量子コンピュータの商業化」という全体プロジェクトの許容損失を計算しようとすると、数億円・数十年という数字が出てくる。しかしこれを「この6ヶ月で、この技術的仮説が成立するかを検証する実験」という単位に分解すると、「この実験のために失っても耐えられる上限はいくらか」という問いに変換できる。

この発想はDew et al.（2009）が指摘するエフェクチュアルな学習ループに対応する。各実験は小さな賭けであり、その賭けの結果が次の賭けの設計を変える（Dew et al., 2009, p. 293）。重要なのは、各実験の許容損失を事前に設定し、それを超えた場合に「何を学んだか」を起点に次の設計を行うことである。

具体的には、以下のように問いを分解する。

「この技術が物理的に成立するか」を検証する実験——このフェーズの許容損失はA円以内
「成立した場合、製造コストを目標値まで下げられるか」を検証する次フェーズ——このフェーズの許容損失はB円以内
「製造コストが達成された場合、最初の顧客候補が対価を払うか」を検証するパイロット——このフェーズの許容損失はC円以内

A・B・C それぞれの上限を事前に設定し、「Aフェーズが終わった時点でどの学びが得られれば次に進むか」を定義しておく。これが「問いの単位での許容損失設計」である。

全体プロジェクトの成否ではなく、各問いの検証に対して許容損失を設定することで、長期プロジェクトの中でエフェクチュアルな意思決定サイクルを機能させる。

軸②：IP投資の許容損失設計——特許ポートフォリオを「可能性のオプション」として扱う

ディープテック創業において、知的財産（IP）への投資は欠かせない。しかし無計画なIP投資は「コストセンターとしての特許」を生む。

許容損失の視点からは、特許出願を「特定の技術的主張を一定期間保護するためのオプション購入」として捉えると整理しやすい。各特許出願にかかるコスト（弁理士費用・維持費用・審査期間中の機会費用）は明確な投資額であり、「この特許を取れなかった場合に失われる事業可能性」と比較することで許容損失の判断が可能になる。

重要な設計原則は二つある。

防衛的IP vs 攻撃的IP の優先順位付け 資金が限られた創業期には、「事業の核心を守るための防衛的特許」に集中し、「競合を牽制するための攻撃的特許」は後回しにする。許容損失の観点から言えば、攻撃的IPのコストは「取らなかった場合のリスク」が小さく、防衛的IPのコストは「取らなかった場合のリスク」が大きい。資金の配分はこの優先順位に従う。

コンティニュエーション戦略の設計 主要特許を中心に、改良発明・応用発明をコンティニュエーション（継続出願）として積み上げる戦略は、各出願を「技術的学習の記録」として機能させる。これはプロジェクトの進行に伴って手段が拡張されていくという、手中の鳥原則の動的な側面と対応している。

軸③：クレイジーキルト型資源調達——資金ではなく「コミット」を集める

ディープテックにおける最もエフェクチュアルな資源調達戦略は、Sarasvathy（2008）が描いたクレイジーキルト原則——現金よりも先に自発的コミットメントを集める——の応用にある（Sarasvathy, 2008, pp. 61–75）。

具体的なパターンを示す。

大学・研究機関との共同研究 大学との共同研究契約は、大学側の研究インフラ（装置・人材・許認可）を「コミット」として活用し、創業者側の現金支出を最小化する仕組みとして機能する。対価は将来の知財収益の一部共有や、事業化した場合のライセンス料という形を取ることが多い。このパートナーシップにおいて現金は後から来る——これがクレイジーキルトの構造である。

大企業CVCとの協業 CVC（コーポレートベンチャーキャピタル）の多くは、純粋な財務リターンだけでなく「戦略的オプション」として投資する。この動機を理解した上で協業を設計すると、投資家が単なる資金提供者ではなく、その企業の顧客・チャネル・規制対応力という資源をコミットする「クレイジーキルトのパートナー」になる。

政府研究資金の活用 各国の公的研究資金（日本ではSBIR、米国のSBIR/STTR、EUのHorizon）は、民間投資では採算が取れない段階の技術開発を支援するために設計されている。これらは「外部コミットメント」として機能し、創業者の許容損失の設定を緩和する効果がある。ただし、研究方向の制約という条件が伴うため、「コミットメントの代償として何を手放すか」を事前に明確にしておくことが重要である。

コミット圧力への対処——事前設計の重要性

前述した困難②「途中でやめると全てが無駄になる」という心理的圧力は、ディープテック創業において許容損失設計を無力化する最大の脅威である。

この問題への答えは、許容損失の設計を「プロジェクト中断の意思決定の瞬間」に行うのではなく、「プロジェクト開始時」に行うことである。

Sarasvathy（2008）が指摘するように、熟達した起業家は行動の前に「最悪の場合にどこまで失えるか」を明確にしている（Sarasvathy, 2008, p. 43）。これは単なる心構えではなく、実際の行動設計に影響する。「Bフェーズに進む条件はAフェーズで○○が達成されること」「Bフェーズの予算は△△以内」という形で事前に設計しておくことで、実際にAフェーズが終わった時点での判断を、感情的コミット圧力から切り離せる。

ディープテック創業チームの場合、この設計をチーム内で文書化し、主要投資家や取締役会と共有しておくことが有効である。「あらかじめ合意されたゲート」があれば、ゲートに達した時点での「継続か中断か」の判断が、その時点での感情ではなく事前の合理的基準によって行われる。

ディープテック許容損失設計チェックリスト

実践的な指針として、以下の問いを各フェーズの開始前に検討されたい。

実験単位の確認

この6〜12ヶ月で検証しようとしている技術的仮説は何か、一文で言えるか
その仮説が「棄却された」と判断する条件は何か
このフェーズに投じる資金・時間・チームリソースの上限はいくらか

IP設計の確認

このフェーズで出願・維持するIPの総コストはいくらか
そのIPを取得しなかった場合のリスクは具体的に何か（事業的影響として）
コンティニュエーション出願の優先順位付けは明文化されているか

クレイジーキルト設計の確認

このフェーズで追加したいコミットメント・パートナーは誰か
そのパートナーが提供するのは現金か、それとも資源・チャネル・知識か
パートナーが得る対価（株式・ライセンス・将来の優先取引権など）は許容できる範囲か

予測できないからこそ、設計できる

ディープテック創業の本質的な困難は「予測不可能性」ではない。本当の困難は「予測できないにも関わらず、予測しようとすることを止められない」ことにある。

期待リターンを計算しようとする圧力——投資家のデューデリジェンス、事業計画書のフォーマット、成功事例との比較——は、常に起業家を「コーゼーションの論理」へと引き戻す。しかし量子系の振る舞いも、創薬の生物学的メカニズムも、新素材の物性も、10年後の市場規模も、現時点では確率分布を定義できない対象である。

Wiltbank et al.（2006）が示したように、不確実性の高い環境において「予測に基づく戦略」ではなく「コントロールに基づく戦略」——予測しようとするのではなく、行動で状況を変えていく——が有効に機能する（Wiltbank, Dew, Read, & Sarasvathy, 2006, p. 985）。ディープテックにおけるコントロールとは、技術の全体像を予測することではない。「次の実験で何を確かめるか」「その結果に応じて次に何を変えるか」を設計し続けることである。

許容損失の設計は、その「設計し続ける」行為の出発点にある。

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.
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.
Wiltbank, R., Dew, N., Read, S., & Sarasvathy, S. D. (2006). What to do next? The case for non-predictive strategy. Strategic Management Journal, 27(10), 981–998.
Read, S., Sarasvathy, S. D., Dew, N., Wiltbank, R., & Ohlsson, A. (2011). Effectual Entrepreneurship. Routledge.