過去数年の間に、ブロックバスター、コダックなどの有名企業が倒産しています。彼らの破滅について読むと、それは避けられないことのように思えます。しかし、よくよく調べてみると、大企業も中小企業も、これまで以上に急速にシャッターを切っているという不穏な事実が明らかになってきました。この傾向を打破するためには何が必要なのでしょうか?

シンプルな答えは「両利きの経営(Ambidexterity)」です。企業はコア市場での競争力を維持しつつ、新たな領域でも勝利を収めなければならない。イノベーションの第一人者であるクレイトン・M・クリステンセンは、既存の企業がディスラプションに直面しても勝てるかどうかについて悲観的な見方をしてきたが、スタンフォード大学経営大学院教授のチャールズ・A・オライリーとハーバード・ビジネススクール教授のマイケル・L・タシュマンは勝てると革新しています。著者らは、いかに抜け目のない組織が、自社のイノベーターのジレンマを解決するために両手利きのアプローチを用いてきたかを説明しています。彼らは、これらの著名な企業と、しばしば自らの成功に囚われて適応し成長できない企業とを対比させているのです。

著者は、膨大な調査プログラムと10年以上にわたる企業のイノベーション支援の経験をもとに、企業が両用性を採用する際の指針となる一連のプラクティスを提示しています。トップダウンとボトムアップのリーダーがこのプロセスの鍵を握っている。読者はまた柔軟性、自律性および実験が日を支配する新しい市場をつかみながら、効率性、制御および漸進的な変更を通して彼らの既存のビジネスを改善する方法の新しい理解を得ることができるでしょう。

このアプローチは、機械学習の探索と活用に似ています。機械学習では、「探索と活用のトレードオフ」は、新しい知識を獲得し、同時にその報酬を最大化したいシステムに適用されます。カジノに並ぶスロットマシンがあり、各マシンには、勝つ独自の確率があります。プレーヤーとして、できるだけ多くのお金を稼ぎたいと想定します。

このとき探索と活用のジレンマがあります。どのマシンが最も良いオッズを持っているのか、同時に利益を最大化するのかをどのように判断するか、はその時持っている情報からはどうあがいてもわかりません。マシンの1つを常にプレイしている場合、他のマシンのオッズについて何も学ぶことはありません。常にランダムにマシンを選んだ場合、各マシンのオッズについて多くを学ぶことになりますが、おそらく「最良の」マシンをプレイすることができたほど多くのお金を稼ぐことはできないでしょう。

機械学習は、さまざまなアルゴリズムでこのトレードオフの応えを見つけようとします。企業の場合も、すでに開拓した事業領域を深化させていくのか、それとも、他の事業領域を探索するのか、リソースの配分がその企業の将来の報酬を決定づけるのです。

関連記事:スタートアップが「スロットマシン」をプレイするときの最善の戦略は何か?

米ミシガン大学のゴータム・アフージャ教授と米スタンフォード大学のリタ・カティーラ教授が、2002年に『アカデミー・オブ・マネジメント・ジャーナル』に発表した研究は、ロボット企業124社の特許データから各企業の「知の探索」と「知の深化」を計測しました。分析の結果、知の探索と深化を同時に実現している企業ほどイノベーティブな製品を生み出しやすい、という結果を得ました。これは企業における「探索と活用」の問題をうまく解いた例のようにみえます。

参考文献

  1. Gautam Ahuja, Riitta Katila. Something Old, Something New: A Longitudinal Study of Search Behavior and New Product Introduction. Academy of Management JournalVol. 45, No. 6. 2002.
  2. Gautam Ahuja, Riitta Katila. Where do resources come from? The role of idiosyncratic situations. Strategic Management Journal Strat. Mgmt. J., 25: 887–907 (2004).
  3. チャールズ・A・オライリー,マイケル・L・タシュマン.両利きの経営.

Photo by Wikimedia Commons