イノベーションことはじめ

Preferred Networks
Preferred NetworksVice-President at Preferred Networks
2014/10/23@PFI全体セミナー 
イノベーションことはじめ 
Preferred Infrastructure 
Preferred Networks 
岡野原 ⼤大輔 
@hillbig
⾃自⼰己紹介 
l 岡野原 ⼤大輔 
l 脳について興味があります 
l 脳の教科書、研究論論⽂文とかも読んでいます 
©安倍川もち 
l 去年年から20年年使ったC++をやめてGoで書くようになりました 
l ⽣生産性が3倍ぐらいあがった気がします 
l 但し、CUDAなど利利⽤用する場合は未だにC++です 
l 最近、会社では主に深層学習を利利⽤用したRDと事業化に注⼒力力して 
います(前半はEdge Heavy向けJubatusのAntEaterを作りました) 
l 休⽇日は娘と⼀一緒に⼭山や川や海や王国@舞浜に⾏行行っています
イノベーションとは 
l 全く新しい技術や考え⽅方を取り⼊入れて新たな価値を⽣生み出す変化 
l もっと分かりやすく⾔言えば 
「それが無かった頃が考えられないくらいの変化」 
l ⼈人の社会、⽣生活を定義づける 
l ⽯石器時代、⻘青銅器時代、鉄時代、⼯工業時代、デジタル時代 
l イノベーション ≠ 技術 
l 宗教、社会構造、建築、軍事戦略略、農業、芸術にもみられる
イノベーション例例:鐙(あぶみ) 8世紀頃 
馬に乗る時、および 
馬上で行動(叩き切る、弓を打つ)する時に 
踏ん張るために利用する 
銃が登場するまでに最大のイノベーションと 
される 
鐙が導入されるまで、馬はそれまで偵察にしか用いられることはなかった。 
しかし、鐙を使うことで馬上で行動することができるようになるった。 
アヴァール人などが8世紀にヨーロッパに広めた。 
その後、馬が騎士のような権力・力のステータスとなるだけでなく、 
馬を利用した軍事行動が可能となりモンゴル帝国のような広範囲を支配する国が出現する 
鐙の登場以後の世界は全く違うものとなった
Innovationのプロセス 
発明(Invension) 
L. Pageが⾔言うところの 
社会へのimplementation 
発明が起こってからLaunchするまで 
昔は数百年、最近でも数十年(例:衛星通信) 
図 [1]より
コンピュータの世界でのイノベーション例例 (1/2) 
l 汎⽤用コンピュータ 
l 主要なアイディアはBabbage, Ada 1842, 実現はTuringら 1936 
l 真空管 
l 元々通信⽤用途に利利⽤用されていたのを転⽤用 1930年年頃 
l トランジスタ 
l W. Sockley, A. Holdenらが1947年年に発⾒見見 
l Personal Computer 
l Altair 8800が1974, Apple IIが1977, 
l インターネット 
l 1969年年、ARPNET、1990年年 初のブラウザ 
l Google(検索索エンジンサービスとして) 
l 1998年年にサービススタート
コンピュータの世界でのイノベーション例例 (2/2) 
l SNS 
l Facebook 2004年年、Twitter 2006年年、Line 2011年年 
l スマートフォン 
l Iphone 2007年年、Android 2008年年 
l タブレット 
l Ipad 2010年年(ただしスマホとかぶっている) 
l クラウド 
l AWS 2006年年 
l ウェアラブルデバイス(になるかも) 
l Google Glass 2013年年、Edison 2014年年 
何か気づいたことはありますか? 
(殆どアメリカ発ということはありますが)
イノベーションは加速している 
l 直近の⽅方が記憶や情報が鮮明だからという理理由を差し引いても 
イノベーションが⽣生まれるペースは加速している 
l 以前は100年年単位だったのが、10年年単位、1年年単位になっている 
l 収穫加速の法則 The Law of Accelerating Return [R. Kurzweil] 
l 伝統的な収穫逓減との対⽐比 
l 秩序が指数関数的に成⻑⾧長すると、新たな出来事が起きるまでの時 
間は短くなる
イノベーションの加速の理理由 
l イノベーションの数は基本的にはアイディアと問題のマッチング 
の回数*試⾏行行回数に⽐比例例する 
l 現在はマッチングコスト、試⾏行行コストが格段に下がったため、イ 
ノベーションのレイテンシ、スループットは格段に改善されている 
l オープンな場で議論論する 
l 1⼈人で殆ど無視できる⼩小さなコストでサービスを試す 
l 3Dプリンタでモノを作ってネットで販売する 
l 昔と⽐比べて⼀一⼈人の天才が全てやる時代ではなくなった 
l 昔はコミュニケーションコストが⾮非常に⼤大きかったため、⼀一⼈人の 
天才が全てを知った上で⾃自分の中でイノベーションを起こしてた 
l 今は数⼈人、企業単位でイノベーションを起こす時代
イノベーションは⾶飛躍的に⽣生まれやすくなった 
(研究が社会にでるまでの例例) 
l 1990年年: 
アイディアを記した論論⽂文を学会に投稿し採択され、印刷され図書 
館に置かれる。それをたまたま問題を抱えた研究者が図書館に訪 
れた際に⾒見見つけて再実装し、それを企業に売り込む 
l レイテンシ:数年年 機会:よくて 1ヶ⽉月あたり1回 
l 2014年年: 
アイディアをまとめて論論⽂文をarxivに投稿すると同時にgithubにコ 
ードも置き、facebook, twitterに書いたことを公開する。それを 
RTで知った問題を抱えた企業のエンジニアが利利⽤用する 
l レイテンシ:数⽇日 機会:1⽇日あたり数⼗十回 
l レイテンシは1/1000、機会は1000倍
イノベーションの種類 
l 持続的イノベーション 
l 既存の性能・コストを改善する 
l 必要な機能や価格⽬目標もよくわかっているため改善しやすい 
l 少しずつの改善であっても結果としてすごい改善にみえる 
l 1⽇日1%改善したとしても、460⽇日で100倍の改善となる 
l 例例:Pentium 3 - Pentium 4 
l 破壊的イノベーション 
l 世の中に存在しないものを作る 
l 何を作ればよいかは顧客に聞いても分からない 
l ⾃自動⾞車車以前の⼈人「もっと速い⾺馬が欲しいです」 
l 例例:PC - スマホ
破壊的イノベーションの定義 
[Renselaer Polytechnic Institute] 
l 以下のいずれかの条件を満たす場合に呼ぶ 
l 機:全く新しい機能 
l 改:既存の機能を5倍以上改善する 
l コ:30%以上コストを削減する 
l 破壊的イノベーションの例例 
l 機:iphoneはモバイルデバイスでインターネット+電話+アプリ 
l 改:BigQueryはDBを10倍以上速くした 
l コ:セブンのコーヒは挽きたてのコーヒを100円で提供し既存の1/3
イノベーションの進み⽅方 
l 連続した持続的イノベーションの後に破壊的イノベーションが 
起こる。いつ来るかは分からない 
[1] 図1.1より
イノベーションと業界構造の考察(I) 
l 破壊的イノベーションはこれまで全くなかったものを提供する必 
要があるため、業界としては垂直になりやすい 
l ⽔水平にしようにもそれぞれ何を提供すればいいのか分からない 
l 破壊的イノベーションは市場を独占できるため⾮非常に⼤大きな利利益 
を短期的に⽣生む。 
l しかし、後続は追いつくためにオープンな戦略略をとりがちである 
。その場合、後者は速く拡⼤大する。もし前者が追いつかれたなら 
ば業界は⽔水平構造となり、Commodity化する 
l 例例: 
PC : Apple II, NEC PC98(クローズド) - IBM AT(オープン) 
スマホ : Iphone (クローズド) - Android(オープン)
イノベーションと業界構造の考察(II) 
l 企業・組織によって破壊的イノベーションが得意か、持続的イノ 
ベーションが得意かが違う 
l 例例:⽇日本の製造業(の多く)は持続的イノベーションが得意なよ 
うにみえる。⼀一度度、必要な機能セットがわかれば、⾼高品質かつ低 
コストな製品を提供できる 
l 両⽅方を実現するには⼀一つの組織では困難である 
l そのため、破壊的イノベーションを企業買収によって 
実現している例例もある 
l 近年年は破壊的イノベーションの間隔が短くなっているため、それ 
にあわせた企業・組織設計が必要である
3000のアイデア = 1つの商業的な成功* 
 
l 3000 のアイデア 
l 300 の⾏行行動がとられたアイデア 
l 125の⼩小さなプロジェクト 
l 9の重要な開発 
l 4の主要な開発 
l 1.7のローンチ 
l 1の成功 
l 特許の場合も⼤大体同じ 
l 3000のアイデア、112の特許、1つの価値ある特許 
l ブンブン、バットを回さなければならない 
* “From 3000 raw ideas = 1 commeercial success !” G. A. Stevens, et. al
加速する世界の中で⼈人や組織はどう⽴立立ち向かうのか 
l いろいろな⼈人の⾔言葉葉を引⽤用して、考えてみましょう
競争なんてくだらない。イノベーションこそ全て 
[L. Page] 
 
l 逐次的な改良良を繰り返しているだけでは必ず時代遅れになる 
l 逐次的な改良良による先⾏行行は良良くて数年年 
l ライバルにわずかな差をつける努⼒力力をするより、画期的なイノベ 
ーションに集中したほうが利利益が⼤大きい 
l 今開拓拓できているのは1%の市場。殆どの市場はまだ開拓拓されて 
いない。
クレージーでないようなことをやっているの 
だったら間違っているのだ [L. Page] 
 
l もし、それが誰からみても順当だと思うようなことをやっている 
のであればそれは逐次的改善である 
l ⼈人は線形に変化することを予測するのは得意だが、加速度度的に変 
化することを予測するのは苦⼿手である 
l クレージーと思われるぐらいがちょうどいい
綿密な事業計画は意味が無い 
[E. Schmidt]  
l 変化が早い業界ではどのように綿密な事業計画を⽴立立てたとしても 
、後から振り返ると100%間違っている 
l 完璧な事業計画を作るよりも変化に追従した柔軟な事業計画を⽴立立 
てることが必要である 
l これは近年年の経営戦略略の考え⽅方とも⼀一致する
技術的優位性は作れないため、 
プラットホーム拡⼤大を優先させる [E. Schmidt] 
l これほど技術⾰革新が速い時代になると、ある技術を持っていると 
いうことの優位性は殆どなくなる 
l スピードとスケールを優先しプラットホーム拡⼤大を急ぐ 
l そのことで早くノウハウを貯め、結果として技術を加速化させる 
l ⼈人材の獲得、育成、維持が最重要 
l どんな技術がやってきてもそれに対応できるような⼈人材を揃える
10年年以内にできそうなことは研究とは⾔言えない 
[久夛良良⽊木] 
l 数年年で成果が出せるようなものはあまりに短期的かつリスクが低 
い(そしてリターンも⼩小さい)研究開発である 
l PSはその当時ワークステーションなどでしか実現できていなかった 
CGを⼀一般のゲームで実現させるというものだった 
l 10年年間の実⽤用化の努⼒力力により1994年年は発売された
10年年後を考えるにはクレージでなければならない 
[久夛良良⽊木]  
l 10年年後の世界を想像するには、その当時はクレージ−と思われる 
ぐらいでないといけない 
l 度度胸が必要 
l 妄想⼒力力が必要
もしそれがうまくいくと知っているなら試みではな 
い [J. Bezos] 
l 失敗は発明とイノベーションの本質であり、うまくいくと知って 
いるなら試みではない 
l たくさんの失敗をしても致命傷にならなければよい
現実に遭遇して役にたった計画など何⼀一つなかった 
[J. Bezos] 
l 計画は綿密に⽴立立て、変化に気づいたら計画を平気で破棄する細⼼心 
さと⼤大胆さの両⽅方が必要
10年年後に知っているであろうことの2%しか知らな 
い [J. Bezos]  
l 2004年年に2014年年がどうなっているかを考えてみてください 
l 当時スマホ、クラウド、FB, Twitterは無かった 
l Forbes 世界の強い企業Top 10の変遷 
l 2004年年のtop10に⼀一つも中国企業は無かったが 
2014年年のtop10の5つが中国企業
成功の⽅方程式 [賀沢] 
l 成功回数 = 試⾏行行回数 * 成功率率率 
l 成功率率率はいろんな要因があるので努⼒力力で意識識的に増やすのは困難 
l 試⾏行行回数を増やす = 試⾏行行時間を短縮 
= ⼀一⼈人で始められるよう⾃自分の腕を磨く 
= ⼩小さい⽬目標を置く 
= 他⼈人のフィードバックを早めにもらう
最後に 
l ITの分野はまだしばらくはイノベーションが連続して起こる 
l ⾏行行くところまで⾏行行くんではないかと思う 
l 既にこんなにイノベーションが起こっているので 
もう起きないんではないかと錯覚しがちである 
l 「こんなにイノベーションが速くなってどうなるの」は 
「最近の若若いものは」と同じくらいずっと⾔言われ続けている 
l “未来を予測する最善の⽅方法は、それを発明することだ” 
[Alan Key]
参考⽂文献 
l [1] “Innovator’s Toolkit 10 practical strategies to help you develop 
and implement Innovation“, Harvard Business Review Press
1 of 29

Recommended

mlabforum2012_okanohara by
mlabforum2012_okanoharamlabforum2012_okanohara
mlabforum2012_okanoharaPreferred Networks
2.7K views36 slides
ディープラーニングが活かすIoT by
ディープラーニングが活かすIoTディープラーニングが活かすIoT
ディープラーニングが活かすIoTPreferred Networks
66.1K views39 slides
tut_pfi_2012 by
tut_pfi_2012tut_pfi_2012
tut_pfi_2012Preferred Networks
3.7K views71 slides
基調講演:「多様化する情報を支える技術」/西川徹 by
基調講演:「多様化する情報を支える技術」/西川徹基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹Preferred Networks
3.8K views33 slides
実世界の人工知能@DeNA TechCon 2017 by
実世界の人工知能@DeNA TechCon 2017 実世界の人工知能@DeNA TechCon 2017
実世界の人工知能@DeNA TechCon 2017 Preferred Networks
21.1K views43 slides
「人工知能」をあなたのビジネスで活用するには by
「人工知能」をあなたのビジネスで活用するには「人工知能」をあなたのビジネスで活用するには
「人工知能」をあなたのビジネスで活用するにはTakahiro Kubo
32.1K views46 slides

More Related Content

What's hot

ディープラーニングの産業応用とそれを支える技術 by
ディープラーニングの産業応用とそれを支える技術ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術Shohei Hido
8.2K views41 slides
Lecture univ.tokyo 2017_okanohara by
Lecture univ.tokyo 2017_okanoharaLecture univ.tokyo 2017_okanohara
Lecture univ.tokyo 2017_okanoharaPreferred Networks
4.2K views73 slides
rcast_20140411 by
rcast_20140411rcast_20140411
rcast_20140411Preferred Networks
20.1K views48 slides
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平 by
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平Preferred Networks
7.4K views33 slides
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016 by
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016Preferred Networks
9.3K views19 slides
Oss magic2 by
Oss magic2Oss magic2
Oss magic2K5_sem
639 views30 slides

What's hot(20)

ディープラーニングの産業応用とそれを支える技術 by Shohei Hido
ディープラーニングの産業応用とそれを支える技術ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
Shohei Hido8.2K views
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平 by Preferred Networks
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks7.4K views
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016 by Preferred Networks
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
Preferred Networks9.3K views
Oss magic2 by K5_sem
Oss magic2Oss magic2
Oss magic2
K5_sem639 views
Jubatus Casual Talks #2 異常検知入門 by Shohei Hido
Jubatus Casual Talks #2 異常検知入門Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Shohei Hido35.4K views
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜 by Preferred Networks
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
Preferred Networks15.8K views
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に by tmprcd12345
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に
tmprcd123452.2K views
neural network introduction yapc asia tokyo by Daichi Morifuji
neural network introduction yapc asia tokyo neural network introduction yapc asia tokyo
neural network introduction yapc asia tokyo
Daichi Morifuji7.8K views
今すぐ AI の知識を深めるには by NVIDIA Japan
今すぐ AI の知識を深めるには今すぐ AI の知識を深めるには
今すぐ AI の知識を深めるには
NVIDIA Japan2K views
ドコモの取り組みを事例としたクラウドとAi by Osaka University
ドコモの取り組みを事例としたクラウドとAi ドコモの取り組みを事例としたクラウドとAi
ドコモの取り組みを事例としたクラウドとAi
Osaka University3.1K views
最近のディープラーニングのトレンド紹介_20200925 by 小川 雄太郎
最近のディープラーニングのトレンド紹介_20200925最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925
小川 雄太郎9K views
さらば!データサイエンティスト by Shohei Hido
さらば!データサイエンティストさらば!データサイエンティスト
さらば!データサイエンティスト
Shohei Hido45.9K views
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~ by Takahiro Kubo
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
Takahiro Kubo4K views
Jubatus Casual Talks #2 Jubatus開発者入門 by Shuzo Kashihara
Jubatus Casual Talks #2 Jubatus開発者入門Jubatus Casual Talks #2 Jubatus開発者入門
Jubatus Casual Talks #2 Jubatus開発者入門
Shuzo Kashihara13K views
機械学習を用いた会議診断システムの開発 by Takahiro Kubo
機械学習を用いた会議診断システムの開発機械学習を用いた会議診断システムの開発
機械学習を用いた会議診断システムの開発
Takahiro Kubo3.8K views

Similar to イノベーションことはじめ

ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~ by
ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~
ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~Kazuaki ODA
558 views33 slides
エンジニアの未来サミット for student by
エンジニアの未来サミット for studentエンジニアの未来サミット for student
エンジニアの未来サミット for student真一 藤川
927 views56 slides
ファブ社会0108 @ESD21 名古屋で by
ファブ社会0108 @ESD21 名古屋でファブ社会0108 @ESD21 名古屋で
ファブ社会0108 @ESD21 名古屋でIzumi Aizu
1.6K views61 slides
今後のIt動向を考える(2013) by
今後のIt動向を考える(2013)今後のIt動向を考える(2013)
今後のIt動向を考える(2013)Hosoe Hironori
1.7K views14 slides
ものづくり寄席に行ってきたよ by
ものづくり寄席に行ってきたよものづくり寄席に行ってきたよ
ものづくり寄席に行ってきたよYoshie Tanabe
495 views14 slides
Incubate Camp 2nd by
Incubate Camp 2ndIncubate Camp 2nd
Incubate Camp 2ndKeisuke Wada
3.2K views23 slides

Similar to イノベーションことはじめ(20)

ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~ by Kazuaki ODA
ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~
ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~
Kazuaki ODA558 views
エンジニアの未来サミット for student by 真一 藤川
エンジニアの未来サミット for studentエンジニアの未来サミット for student
エンジニアの未来サミット for student
真一 藤川927 views
ファブ社会0108 @ESD21 名古屋で by Izumi Aizu
ファブ社会0108 @ESD21 名古屋でファブ社会0108 @ESD21 名古屋で
ファブ社会0108 @ESD21 名古屋で
Izumi Aizu1.6K views
今後のIt動向を考える(2013) by Hosoe Hironori
今後のIt動向を考える(2013)今後のIt動向を考える(2013)
今後のIt動向を考える(2013)
Hosoe Hironori1.7K views
ものづくり寄席に行ってきたよ by Yoshie Tanabe
ものづくり寄席に行ってきたよものづくり寄席に行ってきたよ
ものづくり寄席に行ってきたよ
Yoshie Tanabe495 views
Incubate Camp 2nd by Keisuke Wada
Incubate Camp 2ndIncubate Camp 2nd
Incubate Camp 2nd
Keisuke Wada3.2K views
イノベーションに向けたR&dの再定義 by Osaka University
イノベーションに向けたR&dの再定義イノベーションに向けたR&dの再定義
イノベーションに向けたR&dの再定義
Osaka University8.2K views
ビジネスとデザイン ~ビジネスは悪くない~ by Ken Azuma
ビジネスとデザイン ~ビジネスは悪くない~ビジネスとデザイン ~ビジネスは悪くない~
ビジネスとデザイン ~ビジネスは悪くない~
Ken Azuma1.6K views
スケーラレーター: スタートアップとのオープンイノベーションに向けて by Takaaki Umada
スケーラレーター: スタートアップとのオープンイノベーションに向けてスケーラレーター: スタートアップとのオープンイノベーションに向けて
スケーラレーター: スタートアップとのオープンイノベーションに向けて
Takaaki Umada20.1K views
Before / After オクノテ by TakamasaTayano
Before / After オクノテBefore / After オクノテ
Before / After オクノテ
TakamasaTayano7.2K views
Tcj2013用 by Koichi Ise
Tcj2013用Tcj2013用
Tcj2013用
Koichi Ise1.1K views
The invitation to Infrastructure CI by irix_jp
The invitation to Infrastructure CIThe invitation to Infrastructure CI
The invitation to Infrastructure CI
irix_jp709 views
-動きを楽譜化する- MotionScore一代記 by SIGDance
-動きを楽譜化する- MotionScore一代記-動きを楽譜化する- MotionScore一代記
-動きを楽譜化する- MotionScore一代記
SIGDance326 views
PROPSプレトーク(今年度開催概要) 120617 by Kengo Nomi
PROPSプレトーク(今年度開催概要) 120617PROPSプレトーク(今年度開催概要) 120617
PROPSプレトーク(今年度開催概要) 120617
Kengo Nomi1.1K views
JPC2018[E3]NoOps で進める! Microsoft 365 提案のポイント by MPN Japan
JPC2018[E3]NoOps で進める! Microsoft 365 提案のポイントJPC2018[E3]NoOps で進める! Microsoft 365 提案のポイント
JPC2018[E3]NoOps で進める! Microsoft 365 提案のポイント
MPN Japan305 views
758 dev meijo_unv-prof_suzuki_20200217 by ryohrd
758 dev meijo_unv-prof_suzuki_20200217758 dev meijo_unv-prof_suzuki_20200217
758 dev meijo_unv-prof_suzuki_20200217
ryohrd59 views
DevLove2012「勝手にワークシフト」(公開用) by masashi takehara
DevLove2012「勝手にワークシフト」(公開用) DevLove2012「勝手にワークシフト」(公開用)
DevLove2012「勝手にワークシフト」(公開用)
masashi takehara2.1K views

More from Preferred Networks

Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3 by
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Preferred Networks
1.3K views36 slides
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke... by
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...Preferred Networks
294 views36 slides
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55 by
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55Preferred Networks
22.2K views36 slides
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2 by
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2Preferred Networks
1.6K views23 slides
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2 by
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2Preferred Networks
5.7K views63 slides
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2 by
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2Preferred Networks
4.6K views35 slides

More from Preferred Networks(20)

Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3 by Preferred Networks
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Preferred Networks1.3K views
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke... by Preferred Networks
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
Preferred Networks294 views
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55 by Preferred Networks
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Preferred Networks22.2K views
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2 by Preferred Networks
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Preferred Networks1.6K views
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2 by Preferred Networks
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
Preferred Networks5.7K views
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2 by Preferred Networks
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Preferred Networks4.6K views
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演 by Preferred Networks
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
Preferred Networks274 views
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」) by Preferred Networks
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Preferred Networks580 views
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」) by Preferred Networks
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
Preferred Networks534 views
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」) by Preferred Networks
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
Preferred Networks164 views
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る by Preferred Networks
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語るKubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Preferred Networks147 views
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張 by Preferred Networks
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Preferred Networks627 views
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2 by Preferred Networks
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
Preferred Networks1.5K views
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co... by Preferred Networks
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k... by Preferred Networks
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
Preferred Networks1.4K views
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub... by Preferred Networks
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
Preferred Networks1.3K views
Topology Managerについて / Kubernetes Meetup Tokyo 50 by Preferred Networks
Topology Managerについて / Kubernetes Meetup Tokyo 50Topology Managerについて / Kubernetes Meetup Tokyo 50
Topology Managerについて / Kubernetes Meetup Tokyo 50
Preferred Networks760 views
PFN Summer Internship 2021 / Kohei Shinohara: Charge Transfer Modeling in Neu... by Preferred Networks
PFN Summer Internship 2021 / Kohei Shinohara: Charge Transfer Modeling in Neu...PFN Summer Internship 2021 / Kohei Shinohara: Charge Transfer Modeling in Neu...
PFN Summer Internship 2021 / Kohei Shinohara: Charge Transfer Modeling in Neu...
PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 by Preferred Networks
PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜
PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜
わかる!metadata.managedFields / Kubernetes Meetup Tokyo 48 by Preferred Networks
わかる!metadata.managedFields / Kubernetes Meetup Tokyo 48わかる!metadata.managedFields / Kubernetes Meetup Tokyo 48
わかる!metadata.managedFields / Kubernetes Meetup Tokyo 48
Preferred Networks1.8K views

Recently uploaded

01Booster Studio ご紹介資料 by
01Booster Studio ご紹介資料01Booster Studio ご紹介資料
01Booster Studio ご紹介資料ssusere7a2172
300 views19 slides
さくらのひやおろし2023 by
さくらのひやおろし2023さくらのひやおろし2023
さくらのひやおろし2023法林浩之
91 views58 slides
SNMPセキュリティ超入門 by
SNMPセキュリティ超入門SNMPセキュリティ超入門
SNMPセキュリティ超入門mkoda
175 views15 slides
The Things Stack説明資料 by The Things Industries by
The Things Stack説明資料 by The Things IndustriesThe Things Stack説明資料 by The Things Industries
The Things Stack説明資料 by The Things IndustriesCRI Japan, Inc.
41 views29 slides
SSH応用編_20231129.pdf by
SSH応用編_20231129.pdfSSH応用編_20231129.pdf
SSH応用編_20231129.pdficebreaker4
172 views13 slides
今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20... by
今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20...今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20...
今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20...NTT DATA Technology & Innovation
73 views42 slides

Recently uploaded(12)

01Booster Studio ご紹介資料 by ssusere7a2172
01Booster Studio ご紹介資料01Booster Studio ご紹介資料
01Booster Studio ご紹介資料
ssusere7a2172300 views
さくらのひやおろし2023 by 法林浩之
さくらのひやおろし2023さくらのひやおろし2023
さくらのひやおろし2023
法林浩之91 views
SNMPセキュリティ超入門 by mkoda
SNMPセキュリティ超入門SNMPセキュリティ超入門
SNMPセキュリティ超入門
mkoda175 views
The Things Stack説明資料 by The Things Industries by CRI Japan, Inc.
The Things Stack説明資料 by The Things IndustriesThe Things Stack説明資料 by The Things Industries
The Things Stack説明資料 by The Things Industries
CRI Japan, Inc.41 views
SSH応用編_20231129.pdf by icebreaker4
SSH応用編_20231129.pdfSSH応用編_20231129.pdf
SSH応用編_20231129.pdf
icebreaker4172 views
今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20... by NTT DATA Technology & Innovation
今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20...今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20...
今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20...
pgvectorを使ってChatGPTとPostgreSQLを連携してみよう!(PostgreSQL Conference Japan 2023 発表資料) by NTT DATA Technology & Innovation
pgvectorを使ってChatGPTとPostgreSQLを連携してみよう!(PostgreSQL Conference Japan 2023 発表資料)pgvectorを使ってChatGPTとPostgreSQLを連携してみよう!(PostgreSQL Conference Japan 2023 発表資料)
pgvectorを使ってChatGPTとPostgreSQLを連携してみよう!(PostgreSQL Conference Japan 2023 発表資料)
「概念モデリング自動化に向けた第一歩」 ~ ChatGPT・Open AI 活用による開発対象のモデル化 by Knowledge & Experience
「概念モデリング自動化に向けた第一歩」 ~ ChatGPT・Open AI 活用による開発対象のモデル化「概念モデリング自動化に向けた第一歩」 ~ ChatGPT・Open AI 活用による開発対象のモデル化
「概念モデリング自動化に向けた第一歩」 ~ ChatGPT・Open AI 活用による開発対象のモデル化
Windows 11 information that can be used at the development site by Atomu Hidaka
Windows 11 information that can be used at the development siteWindows 11 information that can be used at the development site
Windows 11 information that can be used at the development site
Atomu Hidaka71 views
Web3 Career_クレデン資料 .pdf by nanamatsuo
Web3 Career_クレデン資料 .pdfWeb3 Career_クレデン資料 .pdf
Web3 Career_クレデン資料 .pdf
nanamatsuo14 views
速習! PostgreSQL専用HAソフトウェア: Patroni(PostgreSQL Conference Japan 2023 発表資料) by NTT DATA Technology & Innovation
速習! PostgreSQL専用HAソフトウェア: Patroni(PostgreSQL Conference Japan 2023 発表資料)速習! PostgreSQL専用HAソフトウェア: Patroni(PostgreSQL Conference Japan 2023 発表資料)
速習! PostgreSQL専用HAソフトウェア: Patroni(PostgreSQL Conference Japan 2023 発表資料)

イノベーションことはじめ

  • 1. 2014/10/23@PFI全体セミナー イノベーションことはじめ Preferred Infrastructure Preferred Networks 岡野原 ⼤大輔 @hillbig
  • 2. ⾃自⼰己紹介 l 岡野原 ⼤大輔 l 脳について興味があります l 脳の教科書、研究論論⽂文とかも読んでいます ©安倍川もち l 去年年から20年年使ったC++をやめてGoで書くようになりました l ⽣生産性が3倍ぐらいあがった気がします l 但し、CUDAなど利利⽤用する場合は未だにC++です l 最近、会社では主に深層学習を利利⽤用したRDと事業化に注⼒力力して います(前半はEdge Heavy向けJubatusのAntEaterを作りました) l 休⽇日は娘と⼀一緒に⼭山や川や海や王国@舞浜に⾏行行っています
  • 3. イノベーションとは l 全く新しい技術や考え⽅方を取り⼊入れて新たな価値を⽣生み出す変化 l もっと分かりやすく⾔言えば 「それが無かった頃が考えられないくらいの変化」 l ⼈人の社会、⽣生活を定義づける l ⽯石器時代、⻘青銅器時代、鉄時代、⼯工業時代、デジタル時代 l イノベーション ≠ 技術 l 宗教、社会構造、建築、軍事戦略略、農業、芸術にもみられる
  • 4. イノベーション例例:鐙(あぶみ) 8世紀頃 馬に乗る時、および 馬上で行動(叩き切る、弓を打つ)する時に 踏ん張るために利用する 銃が登場するまでに最大のイノベーションと される 鐙が導入されるまで、馬はそれまで偵察にしか用いられることはなかった。 しかし、鐙を使うことで馬上で行動することができるようになるった。 アヴァール人などが8世紀にヨーロッパに広めた。 その後、馬が騎士のような権力・力のステータスとなるだけでなく、 馬を利用した軍事行動が可能となりモンゴル帝国のような広範囲を支配する国が出現する 鐙の登場以後の世界は全く違うものとなった
  • 5. Innovationのプロセス 発明(Invension) L. Pageが⾔言うところの 社会へのimplementation 発明が起こってからLaunchするまで 昔は数百年、最近でも数十年(例:衛星通信) 図 [1]より
  • 6. コンピュータの世界でのイノベーション例例 (1/2) l 汎⽤用コンピュータ l 主要なアイディアはBabbage, Ada 1842, 実現はTuringら 1936 l 真空管 l 元々通信⽤用途に利利⽤用されていたのを転⽤用 1930年年頃 l トランジスタ l W. Sockley, A. Holdenらが1947年年に発⾒見見 l Personal Computer l Altair 8800が1974, Apple IIが1977, l インターネット l 1969年年、ARPNET、1990年年 初のブラウザ l Google(検索索エンジンサービスとして) l 1998年年にサービススタート
  • 7. コンピュータの世界でのイノベーション例例 (2/2) l SNS l Facebook 2004年年、Twitter 2006年年、Line 2011年年 l スマートフォン l Iphone 2007年年、Android 2008年年 l タブレット l Ipad 2010年年(ただしスマホとかぶっている) l クラウド l AWS 2006年年 l ウェアラブルデバイス(になるかも) l Google Glass 2013年年、Edison 2014年年 何か気づいたことはありますか? (殆どアメリカ発ということはありますが)
  • 8. イノベーションは加速している l 直近の⽅方が記憶や情報が鮮明だからという理理由を差し引いても イノベーションが⽣生まれるペースは加速している l 以前は100年年単位だったのが、10年年単位、1年年単位になっている l 収穫加速の法則 The Law of Accelerating Return [R. Kurzweil] l 伝統的な収穫逓減との対⽐比 l 秩序が指数関数的に成⻑⾧長すると、新たな出来事が起きるまでの時 間は短くなる
  • 9. イノベーションの加速の理理由 l イノベーションの数は基本的にはアイディアと問題のマッチング の回数*試⾏行行回数に⽐比例例する l 現在はマッチングコスト、試⾏行行コストが格段に下がったため、イ ノベーションのレイテンシ、スループットは格段に改善されている l オープンな場で議論論する l 1⼈人で殆ど無視できる⼩小さなコストでサービスを試す l 3Dプリンタでモノを作ってネットで販売する l 昔と⽐比べて⼀一⼈人の天才が全てやる時代ではなくなった l 昔はコミュニケーションコストが⾮非常に⼤大きかったため、⼀一⼈人の 天才が全てを知った上で⾃自分の中でイノベーションを起こしてた l 今は数⼈人、企業単位でイノベーションを起こす時代
  • 10. イノベーションは⾶飛躍的に⽣生まれやすくなった (研究が社会にでるまでの例例) l 1990年年: アイディアを記した論論⽂文を学会に投稿し採択され、印刷され図書 館に置かれる。それをたまたま問題を抱えた研究者が図書館に訪 れた際に⾒見見つけて再実装し、それを企業に売り込む l レイテンシ:数年年 機会:よくて 1ヶ⽉月あたり1回 l 2014年年: アイディアをまとめて論論⽂文をarxivに投稿すると同時にgithubにコ ードも置き、facebook, twitterに書いたことを公開する。それを RTで知った問題を抱えた企業のエンジニアが利利⽤用する l レイテンシ:数⽇日 機会:1⽇日あたり数⼗十回 l レイテンシは1/1000、機会は1000倍
  • 11. イノベーションの種類 l 持続的イノベーション l 既存の性能・コストを改善する l 必要な機能や価格⽬目標もよくわかっているため改善しやすい l 少しずつの改善であっても結果としてすごい改善にみえる l 1⽇日1%改善したとしても、460⽇日で100倍の改善となる l 例例:Pentium 3 - Pentium 4 l 破壊的イノベーション l 世の中に存在しないものを作る l 何を作ればよいかは顧客に聞いても分からない l ⾃自動⾞車車以前の⼈人「もっと速い⾺馬が欲しいです」 l 例例:PC - スマホ
  • 12. 破壊的イノベーションの定義 [Renselaer Polytechnic Institute] l 以下のいずれかの条件を満たす場合に呼ぶ l 機:全く新しい機能 l 改:既存の機能を5倍以上改善する l コ:30%以上コストを削減する l 破壊的イノベーションの例例 l 機:iphoneはモバイルデバイスでインターネット+電話+アプリ l 改:BigQueryはDBを10倍以上速くした l コ:セブンのコーヒは挽きたてのコーヒを100円で提供し既存の1/3
  • 14. イノベーションと業界構造の考察(I) l 破壊的イノベーションはこれまで全くなかったものを提供する必 要があるため、業界としては垂直になりやすい l ⽔水平にしようにもそれぞれ何を提供すればいいのか分からない l 破壊的イノベーションは市場を独占できるため⾮非常に⼤大きな利利益 を短期的に⽣生む。 l しかし、後続は追いつくためにオープンな戦略略をとりがちである 。その場合、後者は速く拡⼤大する。もし前者が追いつかれたなら ば業界は⽔水平構造となり、Commodity化する l 例例: PC : Apple II, NEC PC98(クローズド) - IBM AT(オープン) スマホ : Iphone (クローズド) - Android(オープン)
  • 15. イノベーションと業界構造の考察(II) l 企業・組織によって破壊的イノベーションが得意か、持続的イノ ベーションが得意かが違う l 例例:⽇日本の製造業(の多く)は持続的イノベーションが得意なよ うにみえる。⼀一度度、必要な機能セットがわかれば、⾼高品質かつ低 コストな製品を提供できる l 両⽅方を実現するには⼀一つの組織では困難である l そのため、破壊的イノベーションを企業買収によって 実現している例例もある l 近年年は破壊的イノベーションの間隔が短くなっているため、それ にあわせた企業・組織設計が必要である
  • 16. 3000のアイデア = 1つの商業的な成功* l 3000 のアイデア l 300 の⾏行行動がとられたアイデア l 125の⼩小さなプロジェクト l 9の重要な開発 l 4の主要な開発 l 1.7のローンチ l 1の成功 l 特許の場合も⼤大体同じ l 3000のアイデア、112の特許、1つの価値ある特許 l ブンブン、バットを回さなければならない * “From 3000 raw ideas = 1 commeercial success !” G. A. Stevens, et. al
  • 18. 競争なんてくだらない。イノベーションこそ全て [L. Page] l 逐次的な改良良を繰り返しているだけでは必ず時代遅れになる l 逐次的な改良良による先⾏行行は良良くて数年年 l ライバルにわずかな差をつける努⼒力力をするより、画期的なイノベ ーションに集中したほうが利利益が⼤大きい l 今開拓拓できているのは1%の市場。殆どの市場はまだ開拓拓されて いない。
  • 19. クレージーでないようなことをやっているの だったら間違っているのだ [L. Page] l もし、それが誰からみても順当だと思うようなことをやっている のであればそれは逐次的改善である l ⼈人は線形に変化することを予測するのは得意だが、加速度度的に変 化することを予測するのは苦⼿手である l クレージーと思われるぐらいがちょうどいい
  • 20. 綿密な事業計画は意味が無い [E. Schmidt] l 変化が早い業界ではどのように綿密な事業計画を⽴立立てたとしても 、後から振り返ると100%間違っている l 完璧な事業計画を作るよりも変化に追従した柔軟な事業計画を⽴立立 てることが必要である l これは近年年の経営戦略略の考え⽅方とも⼀一致する
  • 21. 技術的優位性は作れないため、 プラットホーム拡⼤大を優先させる [E. Schmidt] l これほど技術⾰革新が速い時代になると、ある技術を持っていると いうことの優位性は殆どなくなる l スピードとスケールを優先しプラットホーム拡⼤大を急ぐ l そのことで早くノウハウを貯め、結果として技術を加速化させる l ⼈人材の獲得、育成、維持が最重要 l どんな技術がやってきてもそれに対応できるような⼈人材を揃える
  • 22. 10年年以内にできそうなことは研究とは⾔言えない [久夛良良⽊木] l 数年年で成果が出せるようなものはあまりに短期的かつリスクが低 い(そしてリターンも⼩小さい)研究開発である l PSはその当時ワークステーションなどでしか実現できていなかった CGを⼀一般のゲームで実現させるというものだった l 10年年間の実⽤用化の努⼒力力により1994年年は発売された
  • 23. 10年年後を考えるにはクレージでなければならない [久夛良良⽊木] l 10年年後の世界を想像するには、その当時はクレージ−と思われる ぐらいでないといけない l 度度胸が必要 l 妄想⼒力力が必要
  • 24. もしそれがうまくいくと知っているなら試みではな い [J. Bezos] l 失敗は発明とイノベーションの本質であり、うまくいくと知って いるなら試みではない l たくさんの失敗をしても致命傷にならなければよい
  • 25. 現実に遭遇して役にたった計画など何⼀一つなかった [J. Bezos] l 計画は綿密に⽴立立て、変化に気づいたら計画を平気で破棄する細⼼心 さと⼤大胆さの両⽅方が必要
  • 26. 10年年後に知っているであろうことの2%しか知らな い [J. Bezos] l 2004年年に2014年年がどうなっているかを考えてみてください l 当時スマホ、クラウド、FB, Twitterは無かった l Forbes 世界の強い企業Top 10の変遷 l 2004年年のtop10に⼀一つも中国企業は無かったが 2014年年のtop10の5つが中国企業
  • 27. 成功の⽅方程式 [賀沢] l 成功回数 = 試⾏行行回数 * 成功率率率 l 成功率率率はいろんな要因があるので努⼒力力で意識識的に増やすのは困難 l 試⾏行行回数を増やす = 試⾏行行時間を短縮 = ⼀一⼈人で始められるよう⾃自分の腕を磨く = ⼩小さい⽬目標を置く = 他⼈人のフィードバックを早めにもらう
  • 28. 最後に l ITの分野はまだしばらくはイノベーションが連続して起こる l ⾏行行くところまで⾏行行くんではないかと思う l 既にこんなにイノベーションが起こっているので もう起きないんではないかと錯覚しがちである l 「こんなにイノベーションが速くなってどうなるの」は 「最近の若若いものは」と同じくらいずっと⾔言われ続けている l “未来を予測する最善の⽅方法は、それを発明することだ” [Alan Key]
  • 29. 参考⽂文献 l [1] “Innovator’s Toolkit 10 practical strategies to help you develop and implement Innovation“, Harvard Business Review Press