【R&D編】No.2: 圧縮シンギュラリティの構造ーPhase 1→5でエンタープライズのR&D環境はどう変わるか
Carlota Perez（カルロタ・ペレス）の技術革命論を2026年のAI局面に再適用し、自社R&D現場が経験する5つの位相転換を可視化するーCxOが「いつ・どこで・何が問題化するか」を読み解くための二次元マップ
著者：
古賀 勝／マネジング・ディレクター／Head of Strategy／コロニー株式会社
経歴：
約25年間超のコンサルティング経験を有し、AI＆先端技術×グローバル×インオーガニックの戦略コンサルティングが得意領域
事業会社（日立製作所、Agilent Technologies、Danaher Corporation等）およびコンサルティング会社（Accenture、Gartner、EY-Parthenon、Deloitte等）双方の経験、投資実行側および被投資側双方の経験、Pre-M&AおよびPost-M&A双方の経験、日本および海外での業務経験を有す
博士（工学、九州大学、（最適化理論））、MBA（Warwick Business School、UK）
発行日：
2026年5月31日
1. はじめにー前号の4つの含意を時間軸上に展開する
本論文は『シンギュラリティ時代のCxO戦略論文シリーズ R&D編』第2論文である。前号No.1では「2027 AGI / 2030 ASI」を経営前提とした場合の4つの根本的含意ー残時間の圧縮、移行期の崩壊、Post-AGI論の現実化、CxO役割の質的変化ーを抽出した。これらは「いつ何が起きるか」の時間軸を伴って初めて経営計画に組み込める。本論文の目的は、その時間軸を5つのPhaseに分節化し、各Phaseで自社R&D現場が経験する変化を可視化したうえで、自社の現在地を測る「Phaseマップ」という二次元ツールを提示することにある。主語は前号同様エンタープライズCxOであり、Carlota Perez（カルロタ・ペレス）の技術革命論 (1)、Erik Brynjolfsson（エリック・ブリニョルフソン）の汎用技術論と最新実証研究 (2)(3)、Acemoglu（アセモグル）の『Power and Progress』(4)、Diamandis（ディアマンディス）の豊穣経済論 (5) を参照する。
なお本論文では「Phase」という語が二つの意味で登場するため冒頭で区別したい。ひとつは本シリーズ独自の暦年区分「Phase 1〜5」（時間で決まる外生的区分）、もうひとつはPerez理論の「Installation Phase（導入期）」（資本の性質で決まる質的区分）である。両者は全く別概念であり、本論文では前者を「暦年Phase」、後者を「Perezの導入期」と呼び分ける。
筆者の立場から先に述べたい。多くのCxOが直面する問題は「自社のR&Dを変革すべきか」ではなく、「いつ・どこで何が問題化するかを知らないため変革のタイミングを誤る」である。 本論文の到達点であるPhaseマップは、この誤りを防ぐためのナビゲーションツールとなる。
2. 5つの暦年Phaseの再確認とPerez理論による位置づけ
前号No.1の5つの暦年Phaseを再掲する。Phase 1（2026年）Pre-AGI、Phase 2（2027年）AGI出現、Phase 3（2028〜2029年）AGI拡散・本格運用、Phase 4（2030年）ASI出現、Phase 5（2031〜2035年）Post-ASI時代である。これらは暦年で区切られる外生的な時間軸であり、時間が来れば全企業が同じ暦年Phaseに到達するーつまり2026年なら、どの企業も等しくPhase 1にいる。
ここでPerez理論を位置づけたい。Perezは技術革命を約50年周期で捉え、各革命を二期に分ける (1)。前半がInstallation Period（導入期）ー新技術が登場し金融資本主導でバブルを形成する時期。後半がDeployment Period（展開期）ー生産資本主導で技術が社会全体に普及する時期。両者の境目がTurning Point（転換点）である (1)。「Installation Phase（導入期）」とはこのPerez理論の前半を指す用語であり、本シリーズの暦年Phase 1〜5とは無関係である点を改めて強調したい。
複数の論者は、現在のAI局面をPerez枠組みで「導入期の後期、Turning Pointの直前」と位置づけている (6)(7)。Perez自身も2025年12月のLuohan Academy講演で、AI革命が金融資本主導から生産資本主導の展開期へ移行する転換点にあるとの認識を示している (8)。本シリーズの5つの暦年Phaseは、Perezの枠組みでは「Turning Point周辺の数年に集中して起きる文明的位相転換」を企業R&Dの視点から細分化したものに相当する。
3. 各暦年Phaseで自社R&D現場が経験する変化
本章では各暦年Phaseにおける筆者の将来見立てを簡潔に整理する。
Phase 1（2026年）：生産性が個別に分岐し始めるーAIを業務に組み込んだ研究現場で、成果に明確な差がつき始める年である。Brynjolfssonらの大規模実証研究 (2) によれば、AIアシスタントを使った業務では生産性が平均15%、特に経験の浅い新人では34%向上した。R&D業務でも同様の押し上げが観察され始める。
ただし、AIを導入すれば自動的に成果が出るわけではない。MIT NANDAの2025年調査「The GenAI Divide」(3) は、生成AIを導入した企業の95%が投資に見合う成果を得られず、わずか5%だけが本格的な成果を上げているという厳しい現実を示した。両者を分けるのはAIツールそのものの優劣ではない。AIを活かすための周辺整備ーすなわち業務プロセスの見直し、データの整備、研究員のスキル育成といった「補完的な投資」をどこまで終えているかである (3)。AIという道具だけを配っても、それを使いこなす土台が整っていなければ成果は出ない。つまりPhase 1とは、同じ年・同じ技術を前にしながら、土台を整えた企業・研究員と整えていない企業・研究員とで成果が分岐し始める最初の年なのである。
Phase 2（2027年）：研究テーマと投資の選定基準が書き換わるーAGI出現の年。数ヶ月かけた仮説検証・実験設計をAGIが数日で実行しうる。Amodeiが2026年2月に「指数曲線の終わりに近い」と述べた (9) ように時間短縮は非連続的に到来しうる。研究テーマは「AGIに任せられるもの」と「人間でなければ意味のないもの」に二極化する。Christensenの理論ではAGIは既存R&Dを下から侵食する破壊的技術となり (10)、Acemoglu (4) が論じるとおり技術選択は労働市場と格差に影響する。
Phase 3（2028〜2029年）：研究の単価とスピードが非連続に変化するーFoundation Modelのコモディティ化で「どのAIを使えるか」の差は消え、研究1テーマあたりの時間とコストが10分の1から100分の1に圧縮される事例が一般化しうる。AIの効率化は競合にも同時に起きるため、AI自体はもはや差異化要因にならない。差異化要因は「自社にしかない研究データ・研究プロセス・業界固有知見」に移る。ここでPhase 1で述べた「補完的な投資」の蓄積差が決定的に効いてくる。Brynjolfssonの汎用技術論 (11) が示すように、汎用技術の真価は技術そのものではなく、それを自社の業務・データ・組織に統合する地道な投資の積み重ねによって引き出される。Phase 1〜2でその投資を怠った企業は、AIが安価に使えるようになったPhase 3でも、活かす土台がないために先行企業に追いつけない。
Phase 4（2030年）：研究テーマそのものが書き換わるーASI出現の年。R&Dへのインパクトは質的に断絶的でありうる。Russell (12) が論じるようにAI Safetyの観点からASIの自律性は慎重に制御されねばならない。詳細は第22論文で扱う。
Phase 5（2031〜2035年）：差異化要因が知能以外に移るーPost-ASI時代。Diamandis『Abundance』(5) の豊穣経済が現実味を帯び知能はコモディティ化しうる。差異化要因は研究データの希少性、研究プロセスの信頼性、研究文化、研究判断の人間性等に移ると見立てている。詳細は第23論文で扱う。
4. 「Phaseマップ」とは何かー自社の現在地を測る二次元ツール
暦年Phaseだけでは「自社が今どうすべきか」は決まらない。2026年であればどの企業も等しく暦年Phase 1にいるが、AIに対する備えがどこまで進んでいるかは企業ごと・研究領域ごとに大きく異なるからである。この「AIへの備えの到達度」を第二の軸ーすなわち縦軸＝AGI対応成熟度ーとして加え、自社の現在地を二次元で測る道具がPhaseマップである。
Phaseマップは二つの軸で構成される。横軸＝暦年Phase（Phase 1〜5）は全企業に共通する外生的な時間軸であり、時間が来れば全企業が同じ暦年Phaseに到達するため自社の努力では動かせない。
縦軸＝自社のAGI対応成熟度（5段階／英語ではAGI Readiness）は、横軸と対照的に、企業ごと・研究領域ごとに異なり、自社の努力で引き上げられる内生的な軸である。ここでいう「成熟度」とは、第3章で繰り返し述べた「AIを活かすための補完的な投資ーデータ整備・業務プロセス改革・人材育成・組織体制ーがどこまで進み、AIが実際にR&Dの成果に結びついているか」の到達度を指す。すなわち、AIを導入したかどうか（横軸の時間が来れば誰でも触れられる）ではなく、AIを使いこなす土台をどこまで築けたかを測る軸である。なお、この成熟度を客観的に測る具体的な診断ツール（6つの評価軸）は次号No.4で「AGI Readiness Assessment」として詳述する。筆者は到達度を次の5段階で捉えることを提案したい。
成熟度1（無自覚）：AGIがR&Dに与える影響を経営課題として認識しておらず、従来どおりの研究を続けている
成熟度2（認識）：影響の大きさは認識したが、具体的な投資・行動には踏み出せていない
成熟度3（試行）：一部の研究領域でAI活用のパイロットを始めたが、成果は限定的・属人的にとどまる
成熟度4（展開）：主要な研究領域で補完的投資が進み、AI活用が標準業務として定着し、生産性向上が定量的に確認できる
成熟度5（定着）：AIとの協働が組織文化・研究プロセスに組み込まれ、自社固有のデータ・知見と結びついて競争優位の源泉になっている
したがって「自社が今どこにいるか」とは、横軸の現在の暦年Phase（時間で決まる）と縦軸のAGI対応成熟度（自社の努力で決まる）の座標として表現される。同じ暦年Phaseでも縦軸の位置が違えば取るべき打ち手はまったく異なる。
重要なのは縦軸の成熟度が研究領域・地域・事業ごとに異なる点である。ひとつのエンタープライズの中でも創薬研究は成熟度4、製剤研究は成熟度2、臨床研究は成熟度1、ということが現実に起こる。Perez (1) が論じるとおり技術革命の波及は領域ごとに数年単位でずれる。Phaseマップは単一の点ではなく、自社の各領域がマップ上のどこに散らばっているかを示す「分布図」として機能する。
5. CxOへの処方箋ーPhaseマップを「時計の絵」で終わらせない三つの作業
本章ではPhaseマップを実際の経営判断に翻訳する方法を提示したい。なぜ三つの作業かーPhaseマップが経営判断の起点として「動作しない失敗パターン」は実務上三種類あるからである。すなわち、(i)マップが組織内で共通言語にならず各領域の現在地認識がずれる、(ii)現状把握で終わり次の暦年Phaseへの行動につながらない、(iii)一度作って終わりで横軸の境界が動いても更新されないーこの三つを潰さない限りPhaseマップは「時計の絵」のまま経営の起点にならない。
処方箋1：四半期ごとに「自社の各R&D領域がPhaseマップ上のどこにあるか（横軸の暦年Phase×縦軸の成熟度）」を経営会議の正式アジェンダで確認する
第一の失敗パターンは、Phaseマップが組織内で共通言語にならないことである。ここで誤解を避けたい。横軸の暦年Phaseは時間で決まるため全社共通であり、「自社は暦年Phase 1」という認識は全部門で一致するはずである。問題は縦軸の成熟度認識がバラバラになることである。経営層は「成熟度3」と認識していても、現場は「実態は成熟度2」と評価が食い違うことが多くのエンタープライズで起きている。四半期ごとに経営会議の正式アジェンダとして、各R&D領域の縦軸成熟度を共通の尺度で確認する仕組みが必要となる。
具体的には、研究領域別・地域別・事業別に縦軸成熟度（5段階）を診断し、自社の「Phaseヒートマップ」（横軸＝暦年Phase固定、縦軸＝領域ごとの成熟度分布）を経営会議で毎四半期更新することを推奨したい。横軸は全社一律だが縦軸は領域ごとに異なる点を可視化することがこの作業の核心である。
落とし穴は二つある。第一は縦軸成熟度を「研究部門の自己申告」だけで判定することである。研究部門は実態より高く申告しやすいため、経営層が外部視点を入れて客観性を担保する必要がある。第二はこれを「報告事項」にすることである。成熟度の確認は「経営判断の起点」であって「進捗報告」ではない。
処方箋2：「次の暦年Phaseへの移行で起きること」を中期経営計画に組み込み、6〜12ヶ月前から縦軸成熟度の引き上げを準備する
第二の失敗パターンは、Phaseマップが「現状把握」で止まり「次の暦年Phaseへの行動」につながらないことである。横軸の移行（暦年Phase 1→2は2027年、2→3は2028年）は時間で確定しているのに、自社の経営計画には何も書かれていない、というのが多くのエンタープライズの状況である。各移行点で何が変わるかを中期経営計画に書き込み、移行点の6〜12ヶ月前から縦軸成熟度の引き上げを始める仕組みが必要となる。
中期経営計画に「Phase移行アジェンダ」という章を新設することを推奨したい。暦年Phase 1→2移行（2027年）であれば、(a)研究テーマポートフォリオをAGI任せ・人間主導に再分類する作業を2026年中に完了する、(b)研究員の評価制度をAIエージェント協働前提に書き換える検討を2026年Q3に開始する、(c)研究データ整備への投資を2026年予算で前倒し配分する、等を縦軸成熟度を引き上げる具体アクションとして書き込む。
ここで重要なのは「準備のリードタイム」を逆算することである。縦軸成熟度の引き上げには組織変革に最低6〜12ヶ月、データ整備に9〜18ヶ月、人材育成に12〜24ヶ月を要する。Perez (1) が250年の歴史から導いた知見は、Turning Point直前に動き出した企業の多くが間に合わなかったという事実である。横軸が次のPhaseに進んでから縦軸を上げ始めても間に合わない、と筆者は見立てている。
落とし穴は中期経営計画の硬直性である。多くのエンタープライズで中期経営計画は3〜5年の固定計画として運用され、Phase移行アジェンダのような時間軸を組み込む構造になっていない。本処方箋は計画フォーマット自体の見直しを伴うため、CxOは経営企画部門と並行で進める必要がある。
処方箋3：横軸の境界移動を四半期ごとに確認する「境界線レビュー」を制度化し、Perez理論の歴史的教訓を組織に埋め込む
第三の失敗パターンは、Phaseマップを一度作って固定運用してしまうことである。横軸の暦年Phase区切り（2026/2027/2028-2029/2030/2031-）は本シリーズの作業仮説であり、実際の境界線は前後にずれる可能性がある。特にAmodei等の主要論者の予測は2025〜2026年にかけて軒並み「前倒し」方向に動いており (9)、暦年Phase 2が2027年より早く始まる可能性も否定できない。
四半期ごとに以下三つの問いを経営会議で確認することを推奨したい。第一に、過去3ヶ月の主要論者の発言・AI企業の製品発表・業界での実装事例の変化により、横軸の境界の見立てを修正する必要はあるか。第二に、自社の競合・顧客・サプライヤーの動きから業界全体の進行スピードに変化はあるか。第三に、境界移動により処方箋2のアジェンダの優先順位や時期を修正する必要はあるか。これはMcGrath（リタ・マグラス）が『Seeing Around Corners』で論じる変曲点（Inflection Point）の早期発見 (13) の発想をPhaseマップに応用するイメージである。
加えて本処方箋の特に重要な要素として、Perez理論の歴史的教訓を意思決定文化に埋め込むことを推奨したい。Perez (1) が過去250年・5回の技術革命から見出したのは、転換点（Turning Point）の前後で勝者と敗者が大きく入れ替わるという事実である。なぜ入れ替わるのか。導入期に有効だった戦略ーすでに確立した製品や市場を効率的に伸ばすやり方ーが、展開期には通用しなくなるからである。転換点とは、その「過去に正しかったやり方が通用しなくなる切り替わりの時期」を指す。歴史的には、転換点に至っても過去の成功体験に固執した企業の多くが淘汰され、逆に「これまでの常識はもう通じない」と判断して戦略を切り替えた企業が新時代の勝者になった。
したがってCxOが「転換点を読む」とは、占いのように時期を当てることではない。いま自社が依拠している前提や成功則が、AGI時代にも通用し続けるのかを定期的に問い直し、通用しなくなる兆候を早期に捉えて戦略を切り替えることである。具体的には、経営会議の冒頭で「我々がR&Dで当然としている前提のうち、AGIによって覆るものはどれか」を定例の問いとして掲げ、過去の成功則を疑う議論を習慣化することを、CxO自身が率先して進めることが望ましい。
落とし穴はレビュー疲れである。(a)主要論者の予測が明確に動いた場合、(b)競合が次のPhase行動を開始した場合、(c)規制環境に重大な変化があった場合、の三カテゴリに絞って横軸境界の見直しを行う運用が現実的である。
なお本論文では、縦軸の成熟度を「自社の現在地を経営層が共通認識するための見取り図」として概念レベルで提示するにとどめる。各研究領域が5段階のどこにあるかを客観的に診断するための具体的な評価手法（6つの評価軸からなる診断ツール）は、次号No.4で改めて詳述する。同様に、現在地を踏まえてどの研究テーマにどう投資するかの判断枠組み（4象限フレームワーク）は第5論文で展開する。本論文の役割は、その診断・投資判断の土台となる「時間（横軸）と自社のAGI対応成熟度（縦軸）を切り分けて見る」という地図の読み方を確立することにある。
6. 結論ー時計の刻みと自社の現在地を同時に読むことから経営が始まる
本論文の核心は単純である。「2027 AGI / 2030 ASI」は単一の事件ではなく、5つの暦年Phaseに分節化された連続的位相転換である。 そしてPhaseマップは、外生的な時間軸（横軸＝暦年Phase）と自社が自力で高められるAGI対応成熟度（縦軸）を同時に読むための二次元ツールである。その本質的価値は、全企業に共通する横軸の時間と、自社固有の縦軸の成熟度を切り分けて捉え、各R&D領域の現在地と次の一手を経営層全体で議論する場を作ることにある。三つの処方箋ー四半期ごとの現在地確認、移行アジェンダの組込み、横軸境界のレビューと歴史教訓の埋込みーは互いに補完し合う。
次号No.3では「R&D概念の終末と再定義」を論じる。Hassabis（AlphaFold）、Jeff Dean（Google）の知見を踏まえAGI時代の研究活動そのものの再定義を行う。
参考文献
Perez, C.：Technological Revolutions and Financial Capital: The Dynamics of Bubbles and Golden Ages、Edward Elgar（2002）ーTechno-Economic Paradigm論、Installation Period（導入期）／Deployment Period（展開期）の二期区分、Turning Point概念。本論文の第2節、第4節および第5節処方箋2・処方箋3における理論的基盤として参照
Brynjolfsson, E., Li, D., Raymond, L.：「Generative AI at Work」、NBER Working Paper 31161（2023年4月初出）、The Quarterly Journal of Economics, Vol.140, Issue 2, 889–942頁（2025年5月）。5,172名のカスタマーサポート業務でAI支援が平均15%、新人で34%の生産性向上をもたらすことを実証。URL: https://www.nber.org/papers/w31161 （最終アクセス日：2026年5月30日）ー本論文の第3節Phase 1における生産性分岐の実証データとして参照
Challapally, A., Pease, C., Raskar, R., Chari, P.（MIT NANDA）：「The GenAI Divide: State of AI in Business 2025」、2025年7月、300件超のAI導入事例レビュー・52組織インタビュー・153名調査に基づき、AI導入企業の95%が測定可能な価値を引き出せず5%のみが本格的成功を実現する構造を分析。URL: https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf （最終アクセス日：2026年5月30日）ー本論文の第3節Phase 1における経済層の現実データとして参照
Acemoglu, D., Johnson, S.：Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity、PublicAffairs（2023）ー技術選択の方向性が労働市場と社会的格差に与える影響の歴史分析、2024年ノーベル経済学賞関連著作。本論文の第3節Phase 2の社会層分析として参照
Diamandis, P.H., Kotler, S.：Abundance: The Future Is Better Than You Think、Free Press（2012）ー豊穣経済論、Demonetisation。本論文の第3節Phase 5におけるPost-ASI経済環境として参照
Burnett, M.：「Understanding Technological Revolutions: A Framework for the AI Cycle」、2026年5月掲載、Perez枠組みのAI局面再適用分析、AI局面を導入期後期と位置づけ。URL: https://michaelburnett3.substack.com/p/understanding-technological-revolutions （最終アクセス日：2026年5月30日）ー本論文の第2節におけるAI局面の位置づけ最新解釈として参照
Alephic：「AI: The Beginning of a New Technology Revolution」、Perez枠組みでのAI現在地分析、導入期（Installation Period）後期・Turning Point接近との位置づけ。URL: https://www.alephic.com/it-is-early （最終アクセス日：2026年5月30日）ー本論文の第2節における現在地分析として参照
Perez, C.：「Shaping Technological Revolutions in Turbulent Times: Lessons from History」、Luohan Academy Frontier Dialogue講演、2025年12月9日、および公式サイトでの継続発信。URL: https://carlotaperez.org/ （最終アクセス日：2026年5月30日）ーPerez自身の2025年最新発信としてAI Turning Point認識を確認。本論文の第2節における参照
Patel, D.（Dwarkesh Podcast）：「Dario Amodei — "We are near the end of the exponential"」、2026年2月13日公開インタビュー。URL: https://www.dwarkesh.com/p/dario-amodei-2 （最終アクセス日：2026年5月30日）ーAmodeiの「指数曲線の終わりに近い」発言。本論文の第3節Phase 2および第5節処方箋3における参照
Christensen, C.M.：The Innovator's Dilemma: When New Technologies Cause Great Firms to Fail、Harvard Business Review Press（1997／2016年改訂版）ー破壊的イノベーション論。本論文の第3節Phase 2における理論的枠組みとして参照
Brynjolfsson, E., McAfee, A.：The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies、W.W. Norton（2014）ー汎用技術論、補完的投資論。本論文の第3節Phase 3における理論的根拠として参照
Russell, S.：Human Compatible: Artificial Intelligence and the Problem of Control、Viking（2019）ーAI Safety、Alignment論。本論文の第3節Phase 4における安全性論点として参照
McGrath, R.G.：Seeing Around Corners: How to Spot Inflection Points in Business Before They Happen、Houghton Mifflin Harcourt（2019）ー変曲点経営、Inflection Point早期発見論。本論文の第5節処方箋3における方法論として参照
