Determinantes de la innovación abierta en la pyme y su impacto en el rendimiento: un estudio empírico en Chile

[SPA] La mayoría de las Pymes se enfrentan a un entorno empresarial hostil debido a una mayor competencia mundial. Varios factores, incluidas las condiciones cambiantes del mercado o las nuevas reglamentaciones, los obligan a reinventar sus negocios a través de nuevas tecnologías o nuevas propuestas de valor (Usman, Roijakkers, Vanhaverbeke, & Frattini, 2018). Las empresas necesitan innovar para alcanzar una ventaja competitiva sostenible (Parida, Westerberg, & Frishammar, 2012), por ello han cambiado sus procesos de innovación para desarrollar nuevos productos exitosos y con ello impactar positivamente su rendimiento (Laursen & Salter, 2006; Spithoven, Vanhaverbeke, & Roijakkers, 2013). Los procesos de innovación ya no se configuran como procesos independientes que realiza la empresa de manera aislada, sino que estas empiezan a trabajar en redes junto con otras empresas, centros de investigación e institutos de formación. Aparece así la innovación abierta como un concepto que emergió por el autor Henry Chesbrough y se entiende como una estrategia de las empresas para innovar, pero que va más allá de sus fronteras, colaborando con el proceso de innovación al incorporar conocimientos tanto desde afuera como desde adentro, explotando sus conocimientos y explorando los conocimientos de su entorno. En un modelo de innovación abierta (IA), una empresa comercializa tanto sus propias ideas como las innovaciones de otras empresas y busca la forma de llevar sus ideas internas al mercado a través de vías ajenas a sus negocios actuales (Chesbrough, 2003). Se entiende por innovación abierta: “como un proceso intencionado de la gestión del flujo de conocimiento por sobre los límites de la organización, utilizando en línea, mecanismos pecunarios y no pecunarios según el modelo de negocios de la empresa” (West, Salter, Vanhaverbeke, & Chesbrough, 2014). Las ventajas que tiene la gestión de innovación abierta es que reduce la resistencia al cambio (Brunswicker & Ehrenmann, 2013), por lo que en el momento de realizar la gestión de personas las actividades de comunicación y de motivación deben enfatizar esta ventaja que se genera. La amplia adopción de las prácticas de innovación abierta, indica que pueden ofrecer beneficios de una mayor conectividad, reputación y conocimiento de las oportunidades de innovación (Theyel, 2013). Lo anterior se evidencia sobre el alcance y los efectos de las prácticas y oportunidades de innovación abierta en las diferentes actividades de la cadena de valor y la asociación entre ellas. Las distintas prácticas de IA que involucran tecnología y cambios a nivel de mercado contribuyen positivamente al desempeño de la empresa. Esta adopción de las prácticas de IA y las relaciones de colaboración establecidas, pueden proporcionar a las empresas nuevas rutas de innovación (Ahn, Minshall, & Mortara, 2015) las que podrían no alcanzarse mediante un enfoque tradicional de innovación cerrada (todo se genera dentro de la empresa). Un aumento de la apertura contribuirá a mejorar el rendimiento de la empresa al diversificar las estrategias de innovación. La comprensión más profunda de los principales factores que obstaculizan la adopción de IA podría conducir a estrategias de innovación más conscientes para la Pyme, ya que podrían analizar sus debilidades percibidas y definir mejor sus necesidades de innovación. Del mismo modo, los responsables de la formulación de políticas podrían estimular la creación de esas colaboraciones mediante incentivos financieros especiales, a fin de aumentar la competitividad de su país o región (Bigliardi & Galati, 2016). Durante la última década se ha venido estudiando la innovación abierta, la que se ha ido ampliando desde su concepción (West et al., 2014). Sin embargo, la literatura sobre innovación abierta (IA) es muy heterogénea (Arbussã & Llach, 2018) debido a la amplitud del concepto de IA y por la utilización de medidas y prácticas diferentes (Ahn, Minshall, & Mortara, 2015; Greco, Grimaldi, & Cricelli, 2015), lo que ha dificultado la comparación de los resultados (Madrid-Guijarro, Martin, & García-Pérez-de-Lema, 2020). La literatura muestra algunas definiciones de IA en donde se aprecia su variedad (Stanisławski, 2020). Si bien la innovación en general es difícil de medir, así como el resultado de la innovación, el concepto de IA es un concepto relativamente nuevo. Este problema de la heterogeneidad en una medición comienza desde el inicio de la literatura de la IA, especialmente en las Pymes. La literatura muestra una amplia evidencia empírica sobre los determinantes de la IA (Ahn et al., 2016; Bigliardi & Galati, 2017; Gentile-Lüdecke et al., 2020; Hameed et al., 2018; Stanisławski, 2020), así como del análisis de la forma en que las Pymes realizan las prácticas de innovación abierta (Vrande et al., 2009; Bogers, Chesbrough, & Moedas, 2018; Bigliardi & Galati, 2018; Spithoven et al., 2013). Para llevar a cabo estas prácticas de IA las Pymes requieren de una adecuada política de gestión de la innovación y tener suficientes capacidades para desarrollarlas con éxito (Shin, Kim, & Jeong, 2018). Por esta razón, identificar las capacidades de innovación que favorezcan las practicas de IA es importante, e implican para la Pyme una ventaja competitiva (Helfat & Winter, 2011). Un determinante importante de la IA es la capacidad absortiva de la empresa (Jasimuddin & Naqshbandi, 2019; Naqshbandi & Kamel, 2017). La capacidad absortiva estimula la innovación combinando el intercambio de conocimiento existente en la empresa y nuevas fuentes de conocimiento externo (Ritala & Hurmelinna‐Laukkanen, 2013). La capacidad absortiva favorece el rendimiento de la innovación de la empresa y contribuye a mejorar la competitividad de la organización (De Zubielqui, Jones, & Lester, 2016; Easterby- Smith, Graca, Antonacopoulou, & Ferdinand, 2008; Zahra & George, 2002). La capacidad absortiva es un elemento clave para el diseño de la estrategia de innovación de la empresa (Müller, Buliga, & Voigt, 2020). La combinación de estos dos factores, capacidad de absorción y estrategia de innovación, refuerza las actividades de innovación abierta (Barham, Dabic, Daim, & Shifrer, 2020). En el contexto de estudiar las empresas industriales chilenas es especialmente interesante. En Chile el crecimiento económico se debe principalmente a la Pyme (Nieto & Santamaría, 2010). El 98% de las empresas son Pymes, representan el 46% del empleo (OECD/CAF, 2019) y las empresas manufactureras son el 10,2% del total (Ministerio de Economía, 2017). El crecimiento de las Pyme tiene un impacto positivo en el bienestar económico de un país a través de la creación de riqueza y empleo, lo que estimula la innovación (Vrgovic, Vidicki, Glassman, & Walton, 2015). En este contexto, Chile debe desarrollar marcos estratégicos más detallados e integrados sobre innovación y tecnología (OECD/CAF, 2019). Lo que hace necesario contar con políticas públicas que respalden la difusión del conocimiento para mantener la innovación radical (De Zubielqui, Lindsay, Lindsay, & Jones, 2019; Suh & Kim, 2012). En virtud de lo expuesto, el objetivo de esta tesis es determinar las variables de la innovación abierta que afectan el rendimiento de las empresas pequeñas y medianas através de un estudio empírico en Chile con una muestra de 194 empresas. Con el fin de responder a este objetivo se ha estructurado la tesis en tres investigaciones que abordan las interrogantes de los determinantes. En la primera investigación, se realiza una revisión sistemática de la literatura sobre la medición de la IA en la Pyme. El objetivo es analizar los distintos métodos existentes en la literatura sobre la medición en estudios empíricos. Para llevar a cabo este objetivo se realiza primero un análisis bibliométrico del periodo 2009-2020, en donde se incluyeron todos los artículos indexados en la base de datos Web of Science y Scopus que abordan el tema. Esto permite una revisión integral para comprender, cómo se mide la innovación abierta, qué estudios empíricos se han llevado a cabo y cómo está evolucionando la investigación. En segundo lugar, se realiza un análisis de contenido a la muestra de artículos que cumple con los parámetros de estudiar la innovación abierta de manera empírica. Del análisis de contenido realizado se desprende que existen diferentes perspectivas para medir IA: 1) fuentes de conocimiento externas, conocimiento interno, colaboración; 2) explotación de la tecnología y exploración de la tecnología; 3) inbound, outbound y couple y; 4) En general. La segunda investigación, tiene como objetivo analizar un modelo de desarrollo de la innovación abierta en la Pyme, distinguiendo tres sub objetivos: (1) analizar los determinantes de la capacidad de innovación de la Pyme a partir de los factores de tomar riesgos y compromiso con el aprendizaje; (2) estudiar cómo la capacidad de innovación favorece las practicas de innovación abierta en la Pyme; y (3) verificar como las prácticas de innovación abierta impactan en el rendimiento financiero de la Pyme. Este modelo se basa en la teoría de los recursos y capacidades y en las capacidades dinámicas que explican cómo las empresas construyen una ventaja competitiva a través de la IA. Para comprobar este modelo de investigación, se aplica el método de mínimos cuadrados parciales (PLS-SEM). Los resultados muestran la importancia para las Pymes de la capacidad de innovación en las prácticas de innovación abierta inbound y outbound. Además, los resultados confirman la relación positiva entre el compromiso con el aprendizaje y capacidad de innovación, y entre más riesgos toman los gerentes, mejora la capacidad de innovación de la Pyme. Finalmente, los resultados muestran una evidencia significativa entre inbound y el rendimiento financiero, pero no así la práctica outbound en el rendimiento. La tercera investigación, tiene como objeto analizar cómo la capacidad de absorción y la estrategia de innovación pueden impulsar las prácticas de innovación abierta, y su efecto sobre el rendimiento de la innovación en la Pyme. Adicionalmente, se analiza el efecto mediador de la estrategia entre la capacidad abosortiva y las prácticas de innovación abierta. Para realizar este trabajo se aplica el método de mínimos cuadrados parciales (PLS-SEM). Los resultados muestran el rol de la capacidad abosortiva en las Pymes para las prácticas de IA inbound y outbound. Existe una relación positiva entre la capacidad absortiva y la práctica IA outbound, es decir, a mayor capacidad absortiva aumenta la cantidad de nuevas empresas y patentes, además supone un requisito previo al éxito de la innovación abierta. Los resultados indican un efecto indirecto de la capacidad absortiva y la práctica inbound, existe una mediación completa de la estrategia de innovación entre la capacidad absortiva y la práctica IA inbound. También se obtuvo una mediación complementaria de la estrategia de innovación entre la capacidad absortiva y la práctica IA outbound. Por otro lado, los resultados muestran que la estrategia de innovación favorece la apertura hacia el entorno externo de la empresa y favorece el desarrollo de las prácticas de innovación. Finalmente, los resultados muestran una evidencia significativa entre las prácticas de IA outbound e inbound y el rendimiento de innovación de la empresa. Esta tesis contribuye en diferentes perspectivas. Primero, se contribuye mostrando la complejidad y variedad de las diferentes actividades de IA. La IA se presenta bajo diversas formas, y hay poca comprensión de su medición. La revisión de la literatura muestra diferentes perspectivas para medir la IA, y tiene importantes implicaciones, tanto desde el punto de vista teórico como para la investigación, la empresa y la política pública. De hecho, la heterogeneidad en la medición de las actividades de IA crea diferentes problemas para los investigadores. No es fácil comparar los resultados y, por tanto, desarrollar un marco teórico de IA de forma adecuada. Se contribuye con una propuesta de clasificación para los modos de IA y destacando la aparente heterogeneidad de sus medidas. En segundo lugar, las investigaciones empíricas contribuyen a la literatura de diferentes maneras: se estudia cómo influye la capacidad de innovación en las prácticas de innovación abierta y su rendimiento en el contexto de la Pyme y en un país emergente; se ha analizado cómo la toma de riesgos (risk taking) y el compromiso con el aprendizaje (commitment to learning) afecta a la capacidad de innovación de la Pyme; un hallazgo relevante es el fuerte impacto del compromiso con el aprendizaje sobre la capacidad de innovación; las empresas que disponen de una adecuada capacidad absortiva pueden desarrollar mejor las prácticas de innovación abierta inbound y aumentar la generación de nuevas empresas; una estrategia de innovación favorece la apertura hacia el entorno externo de la empresa y al mayor desarrollo de prácticas de innovación abierta; desde el punto de vista de política pública los organismos públicos deben estimular programas que fomenten en la Pyme un mayor desarrollo de las habilidades de capacidad absortiva dado que mejoran la estrategia de innovación y aumentan sus prácticas de IA inbound y outbound.

Author

• Carrasco Carvajal, Omar

• Estudios industriales
• Innovación tecnológica
• Modelos econométricos
• Innovación abierta
• Pequeña y mediana empresa (Pyme)
• Modelo de negocio
• Open innovation
• SMEs
• Business models

Identifier

hdl:10317/10415

OAI identifier oai:identifier

oai:repositorio.upct.es:10317/10415