イノベーションは生産性を高め、生産性は雇用の増加と、医療、教育、防衛、社会保障制度を支える富を生み出す。つまり、イノベーションは非常に重要だ。政府、企業、学界はこぞってイノベーションに注目している。何が有効で、何が有効でないのか、その理由を知るには、測定と指標が必要だ。しかし、今日、イノベーションを本当に測定できるのだろうか。適切に測定できているのか。それとも、私たちの指標は第4次産業革命よりも、第2次・第3次産業革命に適したものなのだろうか。
第4次産業革命の時代には、あらゆるイノベーションが複数の要素の組み合わせから生まれる。次の人々のリーダーたちは、イングランドの公営国民保健サービス（NHS）から元グーグルCEOのエリック・シュミットに至るまで、この事実を認識している。単一の源に帰することのできるイノベーションは、ほとんどない。
たとえば、iPhoneはスティーブ・ジョブズ、ジョナサン・アイブ、そして彼らの優秀なエンジニアやデザイナーのチームによるものかもしれないが、GPSや、もちろんインターネットなど、米国政府主導のイノベーションの成果でもある。iPhoneのようなイノベーションを国家だけの功績とするのはばかげている。しかし同時に、真に独創的なアイデアはほとんどない。成功するイノベーションの多くは、アイデアそのものよりも、その実行にかかっている。同じアイデアを多くの人が同時に追求していることもある。外観が似たLG PradaはiPhoneの少し前に発売され、iPhone以前にもタッチスクリーンを備えたPDA風の携帯電話は数多くあったが、iPhoneのような業界を定義するほどの影響力を持つものはなかった。
しかし、こうしたイノベーションの測定が複雑だからといって、試みることをためらうべきではない。
イノベーションの測定は重要だ…
優れた指標は、より良い政策につながる。数学、科学、読解における生徒の成績を測定するOECDの「生徒の学習到達度調査」（PISA）は、政策をめぐる議論を改善し、一部の国で成果の向上をもたらした。PISAは、シンガポールの目覚ましい教育の成功を後押ししてきた。一方、死因に関する統計は、医療資源を早期介入へと振り向けるうえで重要な役割を果たし、平均寿命の延伸につながった。
しかし、イノベーションの測定には難しさが伴う。
…だが、難しい
指標は、動機、開発プロセス、結果が大きく異なる、さまざまな形のイノベーションを捉えなければならない。かつては、特定の組織、チーム、個人の中でイノベーションを特定できたが、現在では複数の貢献者がネットワークを形成して生み出すことが多く、測定が難しくなっている。イノベーションに関するデータ収集では、指標を単純で入手しやすく、国際比較が可能で、収集・算出の費用を抑えたものにしようとするために制約が生じる。こうした要件は、イノベーションの複雑でしばしば混沌とした実態を反映しない。冷蔵庫にフロンを使うといった、イノベーションがもたらす悪影響を捉えることもできない。
過去60年間に、製品からサービスへ、さらに体験を重視する経済へと移行したことで、研究開発（R&D）の性質は変化した。R&D投資や特許といった従来のイノベーション指標は、イノベーションの大半が大規模製造企業で生まれていた時代には有効だった。しかし、活動の多くがサービス、ビジネスモデル、起業したばかりの企業に移った現在では、価値が限られる。多くのイノベーションは従来型のR&D投資やプロセスに依存せず、正式な知的財産権ではなく、変化の速さや秘密保持によって守られている。こうしたイノベーションは測定が難しい。
企業にイノベーションの有無やその形態を尋ねる調査をめぐっては、多くの知見が蓄積されてきた。EUの共同体イノベーション調査（CIS）はその一例で、各国の統計機関と連携し、EUの地域や産業部門におけるイノベーションの実態について幅広いデータを収集してきた。しかし、自己申告によるイノベーションは主観的になりやすく、基準をそろえるのも難しい。インフラ産業や資源産業における世界をリードするイノベーションが統計に反映されていない一方、政府調査でイノベーティブと記録された企業が、実際には新しいブランドのヘアカラー剤を使う美容室だった例もある。
ほかにも判断が必要だ。イノベーションは世界初なのか、産業部門や地域で新しいのか、それとも企業にとって新しいだけなのか。既存の製品やサービスを新たな市場に合わせることは、イノベーションなのか。こうした調査から、イノベーティブだと主張する企業の「数」や「種類」は分かる。しかし、より重要な問い、すなわち企業が「どのように」イノベーションを進め、それが改善しているかには答えられない。
生産的に活用される資産である資本財の性質と測定方法は、第4次産業革命において大きく変化した。かつて資本財は、大規模工場や生産機械への投資が中心で、会計や課税のために注意深く記録され、政府に正確な情報を提供していた。今日では、無形資産への投資やデザインなどの活動がはるかに重要になっているが、測定はより難しい。AIや機械学習、仮想現実や拡張現実、シミュレーションやモデリング手法、さらに積層造形やゲノム編集など、物質を操作する新しい小規模な手法を含む、第4次産業革命の新たなデジタル技術は、重要なイノベーション投資の記録や分類を複雑にしている。
変わりつつあるイノベーションの測定
国内外の統計を集める機関は、従来の手法の欠点をよく認識しており、イノベーションの成果をより適切に測定する方法を模索している。この分野をリードしてきたオーストラリア政府は、指標の大規模な見直しに着手しており、包括的な文献レビューと一般市民への意見聴取も実施している。
こうした機関では、重要な教訓が得られている。R&Dなどの投入指標や、GDPに占めるR&D総支出の割合など、イノベーション成果の平均値には限界がある。分布の偏りが隠れてしまうことがあり、役に立たない。国や組織のレベルで制度の抜け穴を利用する機会があることも認識されている。また、適切に定められていない指標が政府の目標になる危険性も認識されている。
こうした情報の収集が改善されていることを歓迎するが、これに大きく異なるアプローチを組み合わせる必要があると考える。
測定と洞察をめぐる新たな可能性
行動科学の知見を取り入れることには価値がある。現代経済の最大の構成要素である新しいサービスのアイデアは、消費の現場で生まれる。そのため、消費者や「ユーザー・イノベーター」の行動がますます重要になる。さらに、AIや自動化が反復作業に取って代わり、創造性、直感、共感といった人間の特性がより重要になるにつれ、イノベーションをめぐる行動を理解することが欠かせなくなる。行動科学は、個人や集団の行動を変えることで、環境や健康など、世界的な重要課題への取り組みに活用され始めている。イノベーションの成果を高めたい政府や組織は、行動心理学や行動経済学の知見を、指標にいっそう取り入れる必要がある。たとえば、優れたイノベーション慣行の導入やリスク管理の改善に行動科学を応用すれば、将来の成果を見通す手がかりが得られるかもしれない。
データサイエンスとデジタルサイエンスは、有用なイノベーション指標を開発する新たな機会をもたらす。イノベーション統計機関は、新たなデータ源が既存の取り組みをどのように補完できるかを検討している。InnoCentiveやLinkedInのような、アイデアや雇用に関するソーシャルメディアや電子市場を分析すれば、貴重な知見が得られる。収集した情報が自己選択によるもので、代表性を欠く可能性への懸念はあるものの、データスクレイピングや分析ツールを使えば、イノベーション活動について有用な新たな知見をリアルタイムで得られる。
たとえば、デジタル・サイエンスなどの企業は、科学の発展経路を可視化するためにAIツールを活用しており、イノベーションの可視化にも応用できる可能性がある。科学者たちはアルゴリズムを開発し、機械学習を使って、医療や気象予測など複雑で新たに現れる現象を研究してきた。こうした手法を転用し、イノベーションの測定に応用することもできる。イノベーションを真に理解するには、組織の内部で起きていることを深く掘り下げる必要がある。リスクがどう評価され、決定がどう下され実行されるのか、また組織内の政治や資源をめぐる争いという険しい道のりをどう切り抜けるのかを考慮しなければならない。政府の政策に反映させるには、イノベーション成果の定量指標を定性的な事例研究で補う必要がある。事例研究を有用なものにするには、関連性と正確性を確保し、比較できるよう、正式な研究方法の手順に従わなければならない。
政府のイノベーション政策は、新たな産業時代における成果や慣行を改善するための基盤と方向性を備えなければならない。イノベーションの起こり方が変わるにつれ、それを測る指標も新たな現実に対応する必要がある。
