MENU

技術Sカーブで失敗しやすいポイント|よくある間違いと改善策

技術Sカーブは、技術性能が「立ち上がり→成長→成熟」と推移するという見方を使い、現在の技術がどの段階にあり、追加投資を続けるか、代替技術へ探索資源を移すかを考えるためのフレームワークです。

一方で、実務では「グラフが寝てきたから成熟」「新技術だから将来有望」「性能値だけで比較」といった短絡的な使い方をすると、投資判断を誤りやすくなります。

この記事では、技術Sカーブで起こりやすい失敗を、具体的な失敗場面、原因、改善前後、改善後の状態、読者用チェックポイントの順で解説します。

基本構造から確認したい場合は、技術Sカーブとは?を、実際の手順から確認したい場合は技術Sカーブのやり方を参照してください。

目次

失敗1|性能推移が鈍っただけで「成熟」と断定する

ありがちな失敗場面

ある技術の性能が、過去3回の改良で大きく伸びた後、直近2回は改善幅が小さくなりました。

そこで、

もう成熟期だから追加投資は不要

と判断します。

原因

改善率の低下だけを見て、測定条件、改善テーマの難易度、未着手の設計変更、補助性能の制約を確認していないためです。

改善前

「伸びが鈍化した=上限に近い」と決めつけます。

改善方法

少なくとも次を確認します。

  • 測定条件は過去と同じか
  • 改善対象が同じ性能指標か
  • 直近の改良が小規模だっただけではないか
  • まだ未検証の設計変更が残っていないか
  • 補助指標とのトレードオフで主性能を抑えていないか

改善後の状態

「成熟と断定」ではなく、「成熟期に近い仮説」として扱い、残存改善余地を確認してから投資判断できます。

チェックポイント

  • 改善率低下だけで成熟と決めていないか
  • 未検証の改善仮説が残っていないか
  • 測定条件が揃っているか

失敗2|横軸の意味が案件ごとに変わる

ありがちな失敗場面

ある時期は横軸を「時間」、別の資料では「累積開発費」、さらに別の資料では「試作回数」として使い、同じSカーブとして比較します。

原因

「右に進むほど技術が進歩する」という感覚だけで横軸を選んでいるためです。

改善前

同じ形のグラフでも、何を投入すると性能が伸びたのか解釈できません。

改善方法

分析目的に応じて横軸を固定します。

  • 時間で見るのか
  • 累積投資額で見るのか
  • 開発世代や試作回数で見るのか

を最初に決め、比較対象でも揃えます。

改善後の状態

「時間経過に対する改善」なのか、「投入資源に対する改善」なのかを明確に区別できます。

チェックポイント

  • 横軸の定義を明記したか
  • 比較する技術で同じ軸を使っているか
  • 軸の違いを隠したまま曲線形状を比べていないか

失敗3|主性能だけで技術の成熟度を判断する

ありがちな失敗場面

材料のエネルギー密度だけを見て、性能が伸び続けているため「まだ成長期」と判断します。

しかし、サイクル寿命、安全性、材料コストが悪化しています。

原因

主性能だけをSカーブへ載せ、実用化を制約する補助性能を見ていないためです。

改善前

主性能の伸びが続く限り、追加投資を正当化します。

改善方法

主性能と補助性能を分けて確認します。

例:

  • 主性能:重量エネルギー密度
  • 補助性能:サイクル寿命、安全性、材料コスト、量産性

改善後の状態

主性能が伸びていても、別の制約が実用上の上限になっていることを見落としにくくなります。

チェックポイント

  • 主性能だけで判断していないか
  • 実用化を止める補助性能を確認したか
  • トレードオフを投資判断に反映したか

失敗4|異なる測定条件のデータを同じ系列としてつなぐ

ありがちな失敗場面

研究室Aの測定値、研究室Bの測定値、量産試験の値をそのまま一つのグラフへつなぎます。

原因

数値が同じ性能指標名なら比較できると思っているためです。

改善前

試験条件の違いによる差を技術進歩と誤認します。

改善方法

  • 試験温度
  • 負荷条件
  • サンプル仕様
  • 評価方法
  • 測定設備

などを揃えるか、条件差を明示して別系列として扱います。

改善後の状態

性能改善と測定条件差を分けて見られます。

チェックポイント

  • 同一条件で比較しているか
  • 条件が違うデータを無理に一本化していないか
  • 変化量の原因を説明できるか

失敗5|理論限界と実用限界を混同する

ありがちな失敗場面

理論上限までまだ距離があるため、

改善余地は十分ある

と判断します。

原因

理論上限に近づく前に、コスト、安全性、量産性、信頼性、規制などが実用上の制約になる可能性を見ていないためです。

改善前

「理論上限との差」をそのまま投資余地とみなします。

改善方法

理論限界と実用限界を分けます。

  • 理論上限
  • 現在性能
  • 実用上許容できるコスト
  • 安全・信頼性条件
  • 量産条件

を別々に確認します。

改善後の状態

「理論的には伸びるが、事業上は伸ばしにくい」という状態も判断できます。

チェックポイント

  • 理論上限だけを見ていないか
  • 実用制約を確認したか
  • 事業として到達可能な上限を考えたか

失敗6|代替技術を現在性能だけで比較する

ありがちな失敗場面

既存技術Aが310、代替技術Bが270という性能値だったため、

Bはまだ使えない

と判断します。

原因

現在値だけを比べ、改善速度、理論上限、研究課題、量産性、安全性の検証状況を見ていないためです。

改善前

「今強い技術」をそのまま「将来も強い技術」と考えます。

改善方法

代替技術では、

  • 現在性能
  • 直近の改善速度
  • 理論上限
  • 未解決課題
  • 量産性
  • 安全性
  • 切り替えコスト

を並べて見ます。

改善後の状態

現在性能は低くても、改善余地が大きい技術を探索候補として残せます。

チェックポイント

  • 現在値だけで切り捨てていないか
  • 改善速度を見たか
  • 未解決課題と上限の両方を見たか

失敗7|新技術を「Sカーブの立ち上がり」と決めつける

ありがちな失敗場面

新しい方式が登場しただけで、

これはこれから急成長するSカーブの入口だ

と評価します。

原因

新規性と将来成長性を同一視しているためです。

改善前

データが少ない段階で期待を曲線へ投影します。

改善方法

新技術は、まず仮説として扱います。

  • 改善実績が複数時点であるか
  • 改善メカニズムが説明できるか
  • ボトルネックが明確か
  • 量産・安全・コストの課題が見えているか

を確認します。

改善後の状態

「立ち上がり期」と断定せず、「立ち上がり候補として探索継続」という判断ができます。

チェックポイント

  • 新しいだけで成長期扱いしていないか
  • 複数時点の実績があるか
  • 改善メカニズムを説明できるか

失敗8|S字に見えるようにデータを選ぶ

ありがちな失敗場面

都合のよい期間だけ抜き出すとS字に見えるため、成熟判断の根拠として使います。

原因

フレームワークの形にデータを合わせようとするためです。

改善前

外れ値や停滞期、条件変更後の値を除き、きれいな曲線を優先します。

改善方法

  • データ選定基準を先に決める
  • 除外理由を残す
  • 形がS字でなくてもそのまま扱う
  • 必要なら複数の仮説を併記する

改善後の状態

「S字に当てはめる分析」ではなく、「S字仮説が妥当か確かめる分析」になります。

チェックポイント

  • 都合のよい期間だけ使っていないか
  • 除外データの理由を説明できるか
  • S字にならない可能性を認めているか

失敗9|成熟したから投資を即停止する

ありがちな失敗場面

既存技術が成熟期に近いと判断したため、研究費を大幅に削減します。

原因

「成熟=価値がない」と考えているためです。

改善前

残存改善余地、顧客価値、品質安定化、コスト低減、既存設備との整合を見ずに投資停止します。

改善方法

成熟期でも、

  • 5%の改善が事業価値として大きいか
  • 品質・歩留まり改善余地があるか
  • 既存設備を活かせるか
  • 代替技術がまだ量産未成熟ではないか

を確認します。

改善後の状態

「全面継続 / 全面停止」ではなく、「期間限定継続」「効率化」「探索と並行」といった選択肢を持てます。

チェックポイント

  • 成熟と投資停止を同義にしていないか
  • 残存改善の事業価値を見たか
  • 代替技術の準備度を確認したか

失敗10|代替技術へ一気に全振りする

ありがちな失敗場面

新技術Bの将来性が高そうだと分かり、既存技術Aの人員を一気にBへ移します。

原因

技術切り替えを一回の意思決定だと考えているためです。

改善前

Bの量産性や安全性が未検証でも、Aの維持能力まで失います。

改善方法

段階的に移します。

例:

  • Aは9か月限定で継続
  • Bは探索人員を増やす
  • 6か月後に再レビュー
  • Bの量産性、安全性、コスト条件を確認して次の配分を決める

改善後の状態

既存技術の価値を残しつつ、代替技術のオプションも育てられます。

チェックポイント

  • 切り替えを一度で決めようとしていないか
  • 再レビュー時点を決めたか
  • 移行条件を定義したか

失敗11|過去データを更新せず、古いSカーブを使い続ける

ありがちな失敗場面

1年前に作ったSカーブをそのまま今年の投資会議で使います。

原因

Sカーブを「一度作れば完成する資料」と考えているためです。

改善前

直近の性能改善、競合技術、新しい制約条件が反映されません。

改善方法

  • 新しい性能実績
  • 追加投資の成果
  • 代替技術の進捗
  • 市場・規制・量産条件の変化

を定期的に更新します。

改善後の状態

投資判断が現在の技術状況に近づきます。

チェックポイント

  • 最終更新日はいつか
  • 新しい実験結果を反映したか
  • 代替技術側も更新したか

失敗12|技術Sカーブを「投資判断そのもの」にする

ありがちな失敗場面

Sカーブ上で成熟期に見えたため、それだけで予算縮小を決めます。

原因

技術成熟度と事業投資判断を同じものとして扱っているためです。

改善前

顧客価値、事業戦略、競争優位、切り替えコスト、規制、供給制約が抜けます。

改善方法

技術Sカーブは「技術成熟度と改善余地の情報」と位置付け、最終投資判断では別の事業条件も確認します。

改善後の状態

技術評価と事業判断を分けつつ、接続できます。

チェックポイント

  • Sカーブだけで予算を決めていないか
  • 事業価値と切り替え条件を見たか
  • 技術評価と経営判断の役割を分けたか

通し例|成熟判断を急ぎすぎた技術テーマを立て直す

ある研究開発部門では、正極材料Aの高容量化を評価していました。

同一試験条件での性能推移は、

  • 220
  • 240
  • 275
  • 300
  • 306
  • 309
  • 311 Wh/kg

と伸びていました。

直近の改善幅が小さいため、当初は、

もう成熟しているのでAへの投資を止め、代替材料Bへ全面移行する

という案が出ました。

しかし、レビューすると複数の問題がありました。

問題1|主性能しか見ていなかった

Aでは、エネルギー密度の改善と引き換えに、サイクル寿命・安全性・材料コストが悪化していました。

そこで主性能だけでなく補助性能も並べました。

問題2|成熟を断定していた

改善幅は小さくなっていましたが、粒子設計変更という未検証の改善案が残っていました。

技術チームは、この変更で約5%の改善余地があるという仮説と、検証に9か月必要という見通しを出しました。

ここで「成熟」と断定せず、「成熟期に近いが、限定的な改善余地あり」と評価を修正しました。

問題3|代替材料Bを現在性能だけで見ていた

材料Bの現在性能は270Wh/kgで、Aより低い状態でした。

一方で、改善速度と理論上限は高い可能性がありました。ただし、量産性と安全性は未検証でした。

そこで、AとBを、

  • 現在性能
  • 改善速度
  • 理論上限
  • 安全性
  • 量産性
  • コスト

で比較しました。

改善後の投資判断

最終的に、

  • 材料A:9か月の限定継続
  • 材料B:探索人員を増やす
  • 6か月後に再レビュー
  • Bの量産性・安全性・コスト条件を再確認

としました。

改善前は、「Aは成熟、Bは次世代」という二択でした。

改善後は、「Aの残存改善余地を回収しつつ、Bの将来オプションを育てる」という段階的な投資配分になりました。

このケースで重要だったのは、きれいなS字曲線を作ることではありません。

  • 測定条件を揃える
  • 主性能と補助性能を見る
  • 成熟を仮説として扱う
  • 残存改善余地を確認する
  • 代替技術の現在値だけでなく改善速度と未解決課題を見る
  • 再レビュー時点を決める

ことでした。

自分の技術Sカーブを見直すチェックリスト

  • 改善率低下だけで成熟と断定していないか
  • 横軸の定義を固定したか
  • 主性能だけでなく補助性能を見たか
  • 測定条件を揃えたか
  • 理論限界と実用限界を分けたか
  • 代替技術を現在性能だけで比較していないか
  • 新技術を自動的に立ち上がり期と見なしていないか
  • S字に見えるデータだけを選んでいないか
  • 成熟=投資停止と考えていないか
  • 代替技術へ一気に全振りしていないか
  • 更新日と再レビュー時点を決めたか
  • Sカーブだけで最終投資判断していないか

そのまま使える型が必要なら、技術Sカーブテンプレートを使うと、性能指標、測定条件、現在位置、追加投資余地、代替技術、投資判断まで整理しやすくなります。

具体的な案件への適用イメージを追いたい場合は、技術Sカーブの具体例が参考になります。生成AIを補助的に使ってデータ整理、比較観点、仮説レビューを効率化したい場合は、生成AIで技術Sカーブを使う方法も参照してください。

まとめ

技術Sカーブで失敗しやすいのは、改善率が鈍っただけで成熟と断定する、横軸を揃えない、主性能だけを見る、異なる測定条件をつなぐ、理論限界と実用限界を混同することです。

また、代替技術を現在性能だけで比較する、新技術を自動的に成長期と見る、S字に合うデータだけを選ぶ、成熟したから即投資停止する、代替技術へ一気に全振りする、古いSカーブを更新せず使う、Sカーブだけで最終投資判断することも大きな失敗につながります。

実務では、技術Sカーブを「答え」ではなく、現在位置・改善余地・代替技術との比較を考えるための仮説として使うことが重要です。測定条件、主性能と補助性能、残存改善余地、代替技術の改善速度と未解決課題を確認し、再レビュー時点まで決めることで、研究開発投資をより現実的に判断しやすくなります。

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!
目次