オープン・イノベーション戦略の実行における価値評価: 自然言語処理による探索と深化の定量分析

内田, 彬浩

doi:10.51094/jxiv.6422

##article.authors##

内田, 彬浩立教大学大学院ビジネスデザイン研究科 https://researchmap.jp/yoshihiro_uchida

DOI:

https://doi.org/10.51094/jxiv.6422

キーワード:

両利きの経営、エキスパートマッチングプラットフォーム、クラウドソーシング、大規模言語モデル、 TF-IDF、価格設定

抄録

本研究は、オープン・イノベーションを企業が両利きの経営を実現するための戦略オプションと捉え、その初期的な実行における価値評価を定量的に明らかにすることを目的とする。従来観測が困難であったオープン・イノベーションの初期的段階における企業行動を捉えるため、日本の大手エキスパートマッチングプラットフォーム（EMP）であるビザスクに掲載された5,186件の外部専門家の公募案件データを分析対象とした。非構造化データであるテキストデータを大規模言語モデル（LLM）とTF-IDFを用いて処理し、知の探索と深化の程度およびニッチな知見を求める程度を定量化した上で、企業の価値評価を反映する謝礼金額の価格およびレンジを被説明変数とする重回帰分析を行った。
分析の結果、知の探索の程度が高い案件では価格に有意差は見られないものの、レンジを広く取り、事後的な調整の余地を残す傾向が見られた。知の深化の程度が高い案件では価格が有意に高く、企業からより高く評価されていることが示された。知の探索と深化を同時に追求する両利きの案件では価格設定の下限にプレミアムを付加していることが確認された。また、ニッチな知見を求める案件ほど価格が高く設定されること、利用目的が価格とレンジに影響を与えることも明らかになった。
本研究は、EMPのデータと自然言語処理を利用し、オープン・イノベーション戦略の実行において企業が知の深化をより高く評価する傾向を定量的に実証したことで、両利きの経営およびオープン・イノベーション研究の知見を拡張するものである。

利益相反に関する開示

本論文に関して開示すべき利益相反関連事項はない。

ダウンロード *前日までの集計結果を表示します

ダウンロード実績データは、公開の翌日以降に作成されます。

引用文献

Bertello, A., De Bernardi, P., & Ricciardi, F. (2024). Open innovation: Status quo and quo vadis - An analysis of a research field. Review of Managerial Science, 18(2), 633–683. https://doi.org/10.1007/s11846-023-00655-8

Chesbrough, H. W. (2003). Open innovation: The new imperative for creating and profiting from technology. Harvard Business Press.

Gibson, C. B., & Birkinshaw, J. (2004). The antecedents, consequences, and mediating role of organizational ambidexterity. The Academy of Management Journal, 47(2), 209–226. https://doi.org/10.2307/20159573

Kojima, T., Gu, S. S., Reid, M., Matsuo, Y., & Iwasawa, Y. (2022). Large language models are zero-shot reasoners. Advances in Neural Information Processing Systems, 35, 22199–22213.

Lavie, D., Stettner, U., & Tushman, M. L. (2010). Exploration and exploitation within and across organizations. The Academy of Management Annals, 4(1), 109–155. https://doi.org/10.1080/19416521003691287

March, J. G. (1991). Exploration and exploitation in organizational learning. Organization Science, 2(1), 71–87. https://doi.org/10.1287/orsc.2.1.71

Tushman, M. L., & O’Reilly III, C. A. (1996). Ambidextrous organizations: Managing evolutionary and revolutionary change. California Management Review, 38(4), 8–29. https://doi.org/10.2307/41165852

Uchida, Y. (2025a). Emajingu indasutori ni okeru pafomansu kettei yoin: Hikozoka deta to LLM o mochiita jissho bunseki [Performance determinants in emerging industries: An empirical analysis using unstructured data and LLM]. Venture Review, 46, 17–33 (in Japanese).

https://doi.org/10.24717/jasve.46.0_17

Uchida, Y. (2025b). Opun inobeshon no tansaku fezu ni okeru kigyo iko [Corporate intentions in the exploration phase of open innovation]. Nihon Bencha Gakkai dai 28 kai zenkoku taikai hokoku yoshishu [Abstracts of the 28th National Conference of the Japan Academic Society for Ventures and Entrepreneurs], 110–113 (in Japanese).

Wan, M., Safavi, T., Jauhar, S. K., Kim, Y., Counts, S., Neville, J., Suri, S., Shah, C., White, R. W., Yang, L., Andersen, R., Buscher, G., Joshi, D., & Rangan, N. (2024). TnT-LLM: Text mining at scale with large language models. Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, KDD ’24, 5836–5847. https://doi.org/10.1145/3637528.3671647

Wei, J., Wang, X., Schuurmans, D., Bosma, M., Ichter, B., Xia, F., Chi, E. H., Le, Q. V., & Zhou, D. (2022). Chain-of-thought prompting elicits reasoning in large language models. Advances in Neural Information Processing Systems, 35, 24824–24837.

オープン・イノベーション戦略の実行における価値評価

自然言語処理による探索と深化の定量分析