







※1:IMD「世界競争力年鑑」2023年版からみる日本の競争力 第2回:分析編(MRIエコノミックレビュー 2023年10月30日)、三菱総合研究所(2023)
※2:IMD「世界競争力年鑑2024」からみる日本の競争力 第2回:分析編(MRIエコノミックレビュー 2024年12月17日)、三菱総合研究所(2024)
※3:本コラムでは三菱総合研究所(2024)と同様に、「組織資本」を、無形資産と見なされる企業の技術や組織に関わる一連のノウハウと見なす。そして、その整備度が大きな影響を及ぼす「意思決定」「市場変化への対応力」などを含めた、広義の「組織資本」を分析対象とする。
※4:各要素に紐づけた個別指標については【参考1】参照。基本的には三菱総合研究所(2023, 2024)を踏襲しているが、紐づけた指標数は増やしている。
※5:ランダムフォレスト回帰は複数の決定木を組み合わせて予測を行う機械学習モデルであり、SHAP値は各要素の寄与度を可視化する手法である(詳細は三菱総合研究所(2025c)参照)。
※6:クロスバリデーションとは、データ分割して予測精度を繰り返し検証する手法であり、汎用性の高いモデル評価が可能とする。例えば「5分割クロスバリデーション」では、データを5等分し、そのうち4つを使ってモデルを学習し、残り1つで予測精度を確認する。この操作を繰り返し5回行い、結果を平均することで、特定のデータに偏らず、より汎用的なモデルの予測能力を評価することができる。
※7:ここで4要素以上の説明力が下がった背景としては、(1)要素数が増えるとモデルが複雑化し、限られたデータに対して過学習(オーバーフィッティング)が起き、ノイズや偶然のパターンまでをも学習することで、かえって未知のデータに対する予測精度が低下する、(2)競争力という複雑な現象において、影響を与える核心的な数個の要素の組み合わせ以上に要素を増やしても、本質的な因果関係から離れ予測力を高めることには繋がらないこと、などが考えられる。
※8:ウォーターフォール図では、平均的な国(モデルの基準値:ベースライン)を起点(0)とし、要素の累積寄与により各国スコアの高低を視覚化している。
※9:個人のスキル向上や新しい働き方を制限する既存の日本の労働法制—例えば「メンバーシップ型雇用」を前提とする労働契約慣行や、解雇規制の厳格運用(労働契約法第16条、労働基準法第20条など)—は、職務・スキルに基づく柔軟な配置や契約管理を困難にしている。これにより、特定の職務や成果に基づいて処遇を決定する「ジョブ型雇用」への移行が阻まれ、専門スキルを持つデジタル人材の能力発揮を阻害する一因となっている。
※10:北欧の「フラットな組織+デジタル人材登用」は、法制度や社会保障制度に裏打ちされた、高い流動性と専門性を持つ労働市場と密接に関係している。階層が少なく権限が分散された組織構造(フラットな組織)は、高い専門性を持つデジタル人材が職務に基づいて評価・登用される文化と親和性が高い。例えば、スウェーデンのSpotify社が採用しているような現場に権限を委譲した組織運営は、専門性に基づく人材の流動化を促す制度環境があって初めて最大限に機能する。このモデルは、日本の個人の職務と専門性を明確に評価・処遇しにくい労働慣行やその背後にある法制度とは対照的である。
※11:デンマークのフレクシキュリティは「黄金の三角形」として知られ、企業にとって解雇しやすい柔軟な労働市場、失業者向けの手厚い給付と職業訓練、そして労働市場への復帰を促す積極的な労働市場政策の3つの要素から成り立ち、高い雇用流動性と活発な新陳代謝を促進している。
※12:例えばエーザイの「Human Capital Report」や中外製薬の「People & Culture Report」では、人材戦略を成長ストーリーや組織文化改革と結び付ける形で提示している(三菱総合研究所(2025d))。
※13:例えばHerzog, et al. (2024)は、大企業が資金や人材などのリソースを提供することでスタートアップエコシステムに貢献する一方、その保守的な考え方や自社利益を優先する行動が地域の起業文化に悪影響を与え、コミュニティとしての連携を阻害していると指摘し、Liedtke, et al.(2021)は特に地方で、大企業とのネットワークや連携の機会不足が起業の障害になっていることを示している。