技術が強い人ほど陥る「強みの移行罠」
本当に危険なのは、頭が悪いことではない
技術者が起業するうえで最も危険な瞬間は、製品が作れないときではない。製品がようやく完成してから、誰もそのために行動を変えようとしないと分かったときだ。フランソワ・ショバール(Francois Chaubard)は Y Combinator の Startup School で、さらに痛い説明をしている。多くの優秀な研究者が起業に失敗するのは頭が悪いからではなく、かつて最も誇りにしてきた能力が、新しい評価体系では障害になるからだ。彼はこれを、過去の自分の一部を殺すようなアイデンティティの転換と呼ぶ。 1 2
2つの評価体系
| 観点 | 研究者の標準的な答え | 起業家が答えるべき問い |
|---|---|---|
| 何が優れているか | 新しく、査読を通ること | 特定の誰かにとって十分に役立つこと |
| 価値をどう証明するか | 論文、被引用数、実験結果 | 顧客が行動を変え、実際にコストを払うこと |
| 問いをどう選ぶか | 難しいほど、深いほど研究価値がある | 重要で、対価を払う価値があるほどよい |
| 時間をどう使うか | 証拠がそろうまで結論を待つ | 限られた情報で動き、後から修正する |
| 能力の境界 | 個人の専門領域の深さ | 組織として理解し、届け、価値を得る力 |
これは専門訓練を否定する話ではない。因果関係、証拠、境界条件への敏感さは、安全、規制、不可逆な意思決定では今も代えがたい。問題は、起業が「何に取り組む価値があるか」を決める権限を査読から奪い、顧客、市場、キャッシュフローに渡してしまうことだ。過去の自分を殺すとは、学術環境でしか通用しない初期設定を止めることに他ならない。
独創性は「誰がやったか」、事業は「なぜ選ばれるか」
研究の世界では新規性が足りなければ論文は拒否される。だが事業の世界では、独創性にこだわりすぎると市場を失うことがある。ショバールはジョー・ロンズデール(Joe Lonsdale)の分かりやすい分類を引く。MIT 型の起業は、まず画期的な技術を発明し、その技術で解ける問題を探す。スタンフォード型の起業は、まず現実的で具体的な顧客の問題を見つけ、解決策を改善し続ける。二つの大学の出身者だけがこう起業するという話ではなく、出発点が違えばリスクの形も違うという話だ。 1
2つの起業ルート
| ルート | 出発点 | 中心となる行動 | 成功の基準 | 主なリスク |
|---|---|---|---|---|
| MIT 型 | 新しい技術や発明 | 技術の用途を探す | 技術指標の優位と参入障壁 | 技術は新しいが、問題が痛くない |
| スタンフォード型 | 具体的で繰り返し起きる顧客の問題 | 同じ問題を巡って反復改善する | 採用、継続利用、支払い | 実行が遅れ、速い競争相手に先を越される |
宅配、配車、ホテル予約——これらの需要は、あるスタートアップが突然発明したものではない。Instacart も、オンライン食料品配送を最初に始めた会社ではない。2012 年の創業以来、同社が強みを築いたのは、商品選び、注文、買い物、配送、受け渡しの体験を継続的に信頼できるものにしたことであり、「食材を家まで届ける」という行為を発明したことではない。起業家にとって重要な区別はここにある。独創性が答えるのは「以前にやった人がいるか」であり、事業が答えるのは「なぜ今、顧客があなたを選ぶのか」だ。 1 3
技術者は「人と違うこと」を「価値があること」と取り違えやすい。この技術は前例がないのだから、顧客は当然お金を払うはずだ、と考える。しかし顧客はあなたの技術経歴に払うのではなく、自分の問題に対して払う。本当の革新は必ずしも新発明ではない。古い問題を、より安く、速く、確実に解く新しい方法でもよい。独創性は参入障壁になり得るが、それ自体が需要なのではない。
難しい問題が、重要な問題とは限らない
研究者は複雑な問題に挑みたがる。深く解くほど、新しい論文、手法、評判が生まれやすいからだ。しかし顧客は研究への興味にお金を払わない。アルゴリズムの精度が 10 ポイント上がっても、技術チームは興奮するかもしれないが、顧客は無関心かもしれない。顧客が本当に必要としているのは、手作業の確認を一度減らすことや、運用コストを少し下げることかもしれない。難しい問題が重要とは限らず、複雑さは価値と等しくない。
ショバール自身もこの授業料を払っている。彼の Focal は、小売店内の顧客の動線を分析するコンピュータビジョンモデルの訓練に3か月を費やした。小売業者は最初、この問題は重要だと口をそろえて言った。モデルが完成し、チームは店にこう伝えた。昼どきは顧客が惣菜カウンターとレジに集中し、列ができやすい、と。技術は成功した。ところが、この結論に対価を払うかと尋ねると、相手は即座に断った。そんなことは店側がもともと知っていたからだ。 1
先に人手で検証していたら、何が見えたか? 最初からモデルを訓練する必要はなかった。数本の動画を人手でラベリングするか、店で昼どきを数回観察すれば、同じ結論に達した可能性が高い。そして「そんなことは前から知っている」という言葉を、もっと早く聞けたはずだ。これは自動化に反対する話ではない。まず最小コストで情報に価値があるかを確かめ、その後で AI による自動化に投資するか決めよう、という順序の話だ。
- 問題が実在し、十分に痛いことをまず確かめる。
- 人手、スクリプト、半自動の流れで一度最後まで納品し、顧客が結果に対価を払うか観察する。
- 反復コストが十分に高く、品質が安定したときだけ、モデルと自動化に投資する。
- リリース後も顧客の行動で調整し、技術指標を商業判断の代わりにしない。
AI は「製品を作る」コストを下げ続けている。以前は半年かかったソフトウェアを、今では一週間で十個のプロトタイプとして作れるかもしれない。生産能力が上がると同時に、間違ったものを生産する能力も上がる。方向が違えば、効率が高いほど無駄も大きい。AI スタートアップの最大のリスクは、製品が作れないことではなく、製品が本当に完成してから、誰も欲しがらないと分かることにある。
称賛は需要ではない。支払いが需要だ
顧客があなたを必要としていることは、「いいアイデアですね」の一言では証明できない。良いアイデアと良い事業の間には、顧客の実際の行動がある。面白いと思っても必要とは限らず、役に立つと思っても採用するとは限らず、試してみたいと言ってもお金を払うとは限らない。市場の有効な反応とは、製品を褒めた人の数ではなく、そのために既存の流れを変え、実際のコストを払った人の数だ。
反応の重み
| 顧客の言葉や行動 | 何を証明できるか | まだ足りないもの |
|---|---|---|
| 「面白いアイデアですね」 | 関心を引いた | 需要の強さ、採用意欲 |
| 「すごい技術ですね」 | 技術を評価している | 顧客が行動を変えるか |
| 「試してみてもいい」 | 試す意欲がある | 実際の利用頻度と切り替えコスト |
| 「お金を払ってもいい」 | 支払い意欲がある | 本当に払うか、継続するか |
| 業務を変えて再購入した | 検証済みの価値を生んだ | 規模拡大と単位経済 |
承認にも二種類ある。投資家が資金を出すのは、機会を見つけたという証明だ。顧客がお金を払うのは、製品が価値を生んだという証明になる。この二つを混同してはいけない。ショバールは、起業家はオフィスを出て顧客に直接会うべきだと繰り返す。投資家だけを訪ねるのではなく、顧客が暮らし、働く場所へ行き、なぜ断るのか、なぜ迷うのか、なぜ最後に買うのかを聞くのだ。 1
70%で動く。ただし方向は毎週変えない
需要が見つかっても、技術者にはもう一つの壁が残る。完璧を求める癖だ。研究では証拠の十分さと結論の厳密さが重んじられるが、事業競争では時間そのものがコストになる。ショバールはベゾスの「70% ルール」を引く。速く試せて、後戻りできる意思決定の多くは、望ましい情報のおよそ 70% を得た時点で動くべきだ。ほぼ確実になるまで待っていれば、競合はすでに製品を出し、顧客を獲得しているかもしれない。 4 1
70% ルールは、雑に決めてよいという意味か? 違う。ベゾスは 2016 年の株主への手紙で、多くの決定を可逆な「両方向のドア」と呼んでいる。可逆な決定は軽く速く、不可逆な決定は慎重に。ショバールも、重大な安全リスクや取り返しのつかない結果を伴う決定には、より厳密さが必要だと付け加える。70% ルールが当てはまるのは、速く検証でき、間違えても直せるものだ。前提は「情報は重要でない」ではなく、「待つコストの方が高い」である。
事業の世界が残酷なのは、最高の技術が最大の市場を必ず取るとは限らないからだ。ショバールは初期データベース競争を例に挙げる。Michael Stonebraker の QUEL は技術的に優位だったが、Larry Ellison の Oracle が SQL をより速く市場へ出し、最終的に SQL が主流になった。彼の紹介によれば、Ellison は「QUEL の方が良いかもしれないが、SQL が勝つ」と言ったという。勝敗を決めるのは技術の優劣だけではなく、投入速度、ユーザー採用、エコシステムの蓄積でもある。技術者は「どちらが優れているか」と問うが、起業家は「どちらが採用されやすいか」とも問わなければならない。 1
しかし、行動は速くても、方向はそう頻繁に変えてはいけない。研究者は複数の方向を同時に探りたがるが、起業は論文を一本書き終えたら次へ、という営みではない。製品リリースは終点ではなく、顧客が使い始めることも終点ではない。本当の起業は、一つの重要な問題の周りで何年も改善を続けることだ。見落とされがちな区別がある。検証を続けることは、頻繁に方向を変えることではない。優れた起業家は問題に対して辛抱強く、解決策に対して柔軟だ。 1
同じ問題の周りで速く反復する
速い試行錯誤は解決策の層で起きる。数週間ごとに問題そのものを変えるのではない。顧客の行動が元の問題の成立を否定したときだけ、出発点に戻って問いを選び直す。
flowchart TD
A["重要な問題を一つ選ぶ"] --> B["検証できる仮説を立てる"]
B --> C["最小コストで実験する"]
C --> D{"顧客は行動を変えるか、支払うか?"}
D -->|"はい"| E["有効な部分を残し、解決策を改善する"]
E --> B
D -->|"いいえ"| F{"問題自体はまだ成立するか?"}
F -->|"成立する"| G["解決策やチャネルを変えて再試行する"]
G --> B
F -->|"成立しない"| A 商業能力は外部委託できない
技術者出身の創業者によくある言い方がある。「自分は開発を担当し、商業に詳しい人を雇って営業してもらえばいい」。一見、筋が通っている。しかし営業は製品を売るだけの行為ではない。営業そのものが市場を理解する過程だ。顧客がなぜ断り、なぜ迷い、なぜ最後に買うのか。その背後に製品の本当の価値がある。創業者が顧客に直接会わなければ、顧客が何にお金を払っているのか、最後まで分からないままだろう。営業は分業できるが、顧客理解は外部委託できない。 1
ここには「価値を言葉にする力」も関わる。研究は正確さを重んじるが、事業では相手に価値を素早く理解してもらう必要がある。アルゴリズムを 30 分説明するより、顧客の時間をどれだけ節約できるかを一文で伝える方が強いことがある。ショバールは GEICO の保険広告を例に出す。15 分で、車保険料を 15% 以上節約できるかもしれない、というものだ。すごいのは保険計算を完全に説明したことではなく、顧客が気にする結果を直接言ったことだ。もちろん、簡潔さは誇張とは違う。事実を捏造してはいけない。良い商業表現とは、最短の距離で本当の価値を届けることだ。 1
しかし、価値を生み出すだけでは足りない。起業家は価値を獲得する力も必要とする。多くの研究者は商業競争に馴染みがない。問題を解くのは得意でも、価格を決め、売り、顧客を獲得し、利益を築くことには慣れていない。市場は技術が優れているだけで収入を与えてはくれない。価値の創造は「役に立つか」を決め、価値の獲得は「続けられるか」を決める。優れた技術を持ちながら、価格設定も営業も分からず、生き残れない会社はある。商業化は技術が完成した後の追加問題ではなく、最初から起業の必須問題なのだ。
ショバールは講義の最後に、最も手厳しい言葉を残す。「誰も、あなたがどれだけ賢いかなど気にしていない」。学術の世界では、知識と論文で専門性を証明できる。しかし顧客の前では、複雑な説明も、先進的な指標も、立派な経歴も、購入の理由にはならない。顧客が本当に気にするのは、あなたが自分の問題をどれだけ理解しているかだ。賢さを証明すれば拍手は得られるかもしれない。相手の需要を理解して初めて、顧客を得られる。 1
何を委託でき、何を委託できないのか? 営業の実行、チャネル運用、財務、法務は専門家に任せられる。委託できないのは、顧客への直接の理解だ。誰が、どんな状況で、なぜ買うのか。なぜ断るのか。いくらなら継続して買うのか。創業者は最高の営業になる必要はないが、この判断を自分で築かなければならない。そうでなければ、チームが持ち帰るのは売上表であって、市場の知識ではない。
強みの移行罠——評価基準が変わるとき
独創性、技術、需要、営業、競争、傾聴。別々に見えるこれらの問題は、実は同じ深い法則を指している。本稿はそれを「強みの移行罠」と呼ぶ。人は過去の環境である能力によって成功すると、その能力が新しい環境でも同じように重要だと本能的に信じる。研究者は独創性を信じ、技術者は技術を信じ、大企業の管理職はプロセスを信じる。どれも間違いではない。しかし評価体系が変わると、過去に最も強かった強みが、今日の最大の障害になり得る。
強みが障害に変わるまで
古い環境がある能力を評価し、その能力が成功を生み、成功が信念を固める。新しい環境でも同じ行動を繰り返すが、反応は悪くなる。それを「実行が足りない」と解釈すれば、さらに投入し、かえって方向転換が難しくなる。
flowchart LR
A["古い環境"] --> B["評価される能力"]
B --> C["成功と地位"]
C --> D["「これが正しい」という信念"]
D --> E["新しい環境"]
E --> F["慣れた行動を繰り返す"]
F --> G["反応が悪くなる"]
G --> H{"どう解釈するか?"}
H -->|"もっと努力する"| F
H -->|"評価基準を変える"| I["新しい判断の仕方を学ぶ"] AI はこの移行をさらに一般的にする。以前は、強い開発力を持つソフトウェア企業が高い技術障壁を築けた。今は AI が製品開発の障壁を下げ続け、実行そのものが安くなり、競争の重心は「やる価値があるか」「誰のためにやるか」「作った後、誰が払うか」へ移る。だからこそ、AI が強くなるほど実行は安くなり、判断は高くなる。かつて一部の優秀な技術チームだけが持っていた創造力を持つ人は増えるだろう。しかし創造力の普及は、商業的成功が容易になることを意味しない。AI は問題を解くのを助けても、その問題を解く価値があることは自動では証明しないからだ。
評価基準が変わった
| 古い環境での高得点の答え | 新しい環境での重要な問い |
|---|---|
| 以前、誰もやっていない | 誰がそのために行動を変えるのか |
| より複雑で、より先進的だ | より良い結果を生んだのか |
| 自分が賢いことを証明した | 相手を本当に理解したのか |
| 製品を無事に納品した | 顧客が価値を認め、対価を払ったか |
| 十分な情報を集めた | より速く学び、修正できるか |
自分を証明することから、世界を理解することへ
本当に危険なのは独創性を追求することではなく、独創性を価値の証明と取り違えることだ。新しいものを発明しても、世界がそれを必要とするとは限らない。難しい問題を解いても、顧客が対価を払うとは限らない。他人にない能力を持っていても、代替できない価値を生んだとは限らない。起業で最も重要な転換は、賢い人からさらに賢い人になることではなく、自分を証明することから世界を理解することへ移ることかもしれない。製品の運命を最終的に決めるのは、あなたがどれだけ強いかを示したことではなく、この世界がなぜそれを必要とするかを示したことだ。
- これは誰の問題か。その人は前回、いつ、どんな場面で時間やお金を払ったのか。
- 今はどう解決しているか。自分の案は、既存のやり方を捨てる価値があるほど、具体的にどこが優れているのか。
- 「悪くない」と言うだけでなく、試用、前払い、業務変更など、実際のコストを一度払ってくれるか。
- これが成立するために必ず真でなければならない仮説は何か。最小コストで先に検証できるのはどれか。
この主張に適用範囲はあるか? ある。これは反知性主義ではなく、技術が重要でないという話でもない。ディープテック、医療、航空、エネルギーでは、技術障壁と厳密な検証が今も中核だ。安全、規制、不可逆な結果を伴う決定に「70% ルール」を言い訳にしてはいけない。より正確には、この記事が反対するのは、学術環境の評価基準を商業世界の唯一の基準にすることだ。技術力は何ができるかを決め、顧客理解と価値獲得の力は、それが長期に成立するかを決める。

