領域別の遅れやすさとタイムラグの経年変化(Round 2 改訂版)

分析: 2026-07-18 / Fable 5(Stage 5 パターン分析、第2弾で改訂) 母集団: cases/ 195事例(第1弾119+第2弾規制5領域・非米国5地域追加76)。タイムラグは「発祥国でマス市場として本格化した年」と「日本で市場が動いた転換点の年」の差(会社設立年ではない)。**モデル層のラグであり、two-layer-lag.md が示す上位ジョブ層のラグとは別物である点に注意**(例: Substack単体のラグは短くても、上位ジョブ「個人の有料コンテンツ」は日本が先行していた)。 --- ## 1. タイムラグの経年変化(日本上陸年ベース、195件で再集計) | 時代 | 中央値 | 平均 | n | |---|---|---|---| | 1975-1989(ネット前夜) | 15年 | 22.7 | 6 | | 1990-1999 | 3年 | 5.5 | 8 | | 2000-2004 | 3.5年 | 3.4 | 12 | | 2005-2009 | 2年 | 5.9 | 15 | | 2010-2014 | 4年 | 5.0 | 29 | | 2015-2019 | 5年 | 6.8 | 42 | | 2020-2026 | 4年 | 4.6 | 81 | ### 読み解き(第1弾からの更新点) 1. **「単調に縮んでいない」という第1弾の発見は195件でも再確認された**。2015-2019(中央値5年)が依然として全期間で最長クラスで、2020年代(中央値4年)はそこからやや戻したに留まる ── 第1弾の n=43 では中央値2年だったが、規制領域(医療・法務・不動産・物流・教育)を追加したことで2020年代の中央値は2年→4年に上方修正された。**AI以外の2020年代領域(特に医療機器・遠隔診療)は依然としてラグが長い**ことが、追加調査で明確になった 2. 山の正体(領域構成の変化)という説明は維持されるが、**規制領域を追加したことで「2010年代だけが特別に重い」わけではなく、規制の重い領域は時代を問わず一貫してラグが長いことが分かった**(fintech・education は今回も上位) 3. 2020年代の内訳を割ると、ai(median 1年)と医療系("other"、median 4年、後述)が対照的な速度で共存している。**「2020年代=速い」と一括りにするのは誤り** ## 2. 領域別タイムラグと成否(195件で再集計) | 領域 | ラグ中央値 | n | outcome(est/trans/failed/pending) | 特徴 | |---|---|---|---|---| | education | 6.5年 | 14 | 5/1/6/2 | **新規追加で最遅・失敗率も最高クラス**(6/14)。言語ローカライズ+教育制度の壁の二重苦 | | fintech | 6年 | 24 | 10/8/5/1 | 引き続き遅いが定着率は高い(established+transformed=18/24=75%)。規制律速だが法改正で時期が読める | | hr-work | 6年 | 8 | 5/3/0/0 | **失敗ゼロを維持**。雇用慣行の変化を待てば確実に立ち上がる領域という第1弾の発見が第2弾でも再確認された | | ec | 5年 | 14 | 3/2/7/2 | 失敗率最高クラス(7/14=50%)。物流・商習慣・既存小売の強さに阻まれる | | subscription | 5年 | 5 | 2/1/2/0 | 既存の低価格代替慣行に薄められやすい | | marketplace | 3.5年 | 16 | 3/2/7/4 | ネットワーク効果型。失敗率高く、かつ pending(未確定)も多い=結果が出るまで時間がかかる領域 | | content | 3年 | 22 | 10/5/7/0 | 文化(著作権・コミュニティ規範)との摩擦が生死を分ける。件数最多だが分布は安定 | | saas | 3.5年 | 10 | 5/4/0/1 | **失敗ゼロを維持**。遅いが確実に来る「本命領域」という第1弾の発見が再確認された | | sharing | 3年 | 16 | 5/4/7/0 | 規制×信頼の二重壁。失敗率高い(7/16) | | media-ads | 2.5年 | 18 | 8/5/5/0 | 広告収益型は決済障壁がなく速い | | ai | **1年** | 18 | 4/9/1/4 | ラグ消失を維持。失敗率最低(1/18)、transformed比率が最も高い(変形しながら定着するのが主流形) | | other(医療・モビリティ等、統制語彙の空白) | 4年 | 20 | 8/4/7/1 | ★下記3参照 | | proto-offline | 17年 | 10 | 3/4/3/0 | 参考枠(ネット前夜)。制度・インフラごと再構築した者が勝った | ### 領域別の選定指針(第1弾から継続) - **確実性で選ぶなら saas / hr-work**: 195件に増えても失敗ゼロを維持。海外でカテゴリ化してから日本の商習慣トリガー(法改正・大手参入)を待って記事化するのに最適 - **速報性で選ぶなら ai**: ラグ1年以下・失敗率最低。ただし transformed(変形して定着)が主流形であり established(原型のまま)は少数派。**「そのまま来るか」ではなく「どう変形して来るか」を予測するフレームに切り替える** - **fintech は「規制カレンダー連動型」として別枠管理**: 海外トレンド × 日本の法改正スケジュールの交点を突き合わせれば、上陸時期を年単位で予測できる領域 - **education / ec / marketplace / sharing は失敗率前提で扱う**: 候補として出す場合は失敗条件の明示が必須。特に education は今回の追加調査で最も失敗率が高い領域と判明した ## 3. 統制語彙の空白(新発見) 第2弾で医療・ヘルスケア領域(Fitbit・Oura Ring・MYCODE・Guardant360・遠隔診療等)を追加した結果、統制語彙13種のどれにも当てはまらず domain: other に分類される事例が20件(全体の10%)に達した。これは第1弾の統制語彙設計時に医療・ヘルスケア領域が想定されていなかったための空白である。 - **運用上の対応**: 次回改訂時に統制語彙へ `healthcare`(医療機器・遠隔診療・DTC検査等)を追加することを推奨する。現時点では other 内の医療系サブセット(n=約10)は education 級の高い失敗率(規制+保険制度の二重の壁)を示しており、独立領域として追跡する価値が高い - 現行運用では、Judge が医療系候補を評価する際は other の中央値(4年)ではなく、education・fintech と同様に「規制律速・失敗率高め」の前提で扱うこと ## 4. 発祥国の変化(195件で再集計) 米国系(US/米国/アメリカ合衆国/アメリカの表記ゆれ合算)が131件(67%)、非米国系が64件(33%)。第2弾の非米国発スイープにより、韓国9・中国8・インド6・欧州各国が新たに加わり、第1弾(米国一極)からの多極化が定量的に確認された。 - 韓国発(n=9): ウェブトゥーン・エデュテック・美容D2C系が中心。文化的距離が近く cultural-distance-nonlinearity.md が示す通り本質ごと移植されやすい - 中国発(n=8): ライブコマース・QRコード決済・ソフトディスカウント小売等。米国を経由せず直接日本に来る経路を持つ - インド発(n=6): UPI型決済・EdTech・quick commerce。文化的距離が遠く、predicted_transformation で大幅な要素置換(cultural-distance-nonlinearity.md 参照)が必要なケースが多い **Researcher の監視対象は引き続き米国+中国+欧州の3面を基本としつつ、韓国・インド・東南アジアも定期スキャン対象に加える。**