1. Introducción

En América Latina las pequeñas y medianas empresas (Pymes) enfrentan severas limitaciones para participar en las Cadenas Globales de Valor (CGV) y están, por lo general, relegadas a un plano marginal en la economía globalizada. Sin embargo, algunos estudios argumentan que las Pymes pueden beneficiarse de entornos innovadores y del conocimiento transferido por las empresas multinacionales (EMN), facilitando su incorporación a las CGV.

A diferencia de aquellas que operan en nichos de bajo valor agregado, las Pymes intensivas en conocimiento tienen mayores oportunidades en las CGV, pero siguen siendo excepciones en América Latina. Un componente crucial en la acumulación de capacidades es el aprendizaje tecnológico y empresarial, basado en la absorción de conocimientos y en prácticas orientadas al aprendizaje y la innovación.

El objetivo de este trabajo es identificar los mecanismos de aprendizaje que fortalecen las capacidades de innovación de las Pymes, es decir, aquellos procesos a través de los cuales las empresas locales mexicanas acumulan, asimilan y se apropian de las derramas tecnológicas y de conocimiento que se producen en los espacios de convergencia de la economía global con los entornos locales, favoreciendo su propensión innovadora.

Después de una breve introducción, se presentan cinco secciones del trabajo: en la segunda se propone la convergencia teórica entre CGV y Sistemas de Innovación (SI) para abordar el aprendizaje en las Pymes intensivas en conocimiento; en la tercera se definen las variables relevantes para el análisis con base en la literatura internacional, mientras que en la cuarta se presenta la estrategia metodológica de la investigación. En la quinta sección se presentan los resultados del estudio y en la sexta las conclusiones.

2. Mecanismos de aprendizaje en las Pymes

El concepto de “Cadena Global de Valor” resulta atractivo por su simplicidad y alcance: se trata de la secuencia de actividades involucradas en la producción de un determinado bien o servicio, incluyendo las actividades de extracción, manufactura, transporte, comercialización, distribución, posventa, etcétera (^{Gereffi y Fernandez -Stark, 2011}; ^{Gereffi et al., 2005}). Mediante este enfoque es posible analizar la segmentación y relocalización internacional de la producción a escala global, así como las estructuras de gobernanza y las oportunidades de mejora de las empresas locales en los países en desarrollo (^{Humphrey y Schmitz, 2000} y ²⁰⁰²).

Dos conceptos clave en esta perspectiva son gobernanza y escalamiento. La gobernanza se define como las “relaciones de poder y autoridad que determinan la asignación de recursos y la cooperación entre empresas a lo largo de la cadena” (^{Gereffi, 1994, p. 97}). El escalamiento (upgrading), por su parte, ha sido el centro del debate sobre las CGV en América Latina, una discusión en la que se ha tratado de dilucidar cómo las empresas locales pueden participar en los mercados globales para mejorar su productividad, salarios y ganancias, al tiempo que desarrollan habilidades para producir bienes y servicios de mejor calidad y mayor valor agregado.

El enfoque de los SI parte de la premisa de que el aprendizaje tecnológico y la innovación no ocurren sólo en relaciones de mercado, sino en una red de aprendizaje interactivo entre diversos agentes (^{Freeman, 1987}; ^{Lundvall, 1992}; ^{Nelson, 1993}), que incluyen universidades, centros de investigación y organismos públicos (^{Lundvall, 2007}).

La innovación surge de una red de interacciones continuas de las empresas con otros agentes, en un marco en el que las trayectorias tecnológicas y los activos institucionales propician el aprendizaje colectivo y la innovación.

Ambos enfoques, CGV y si, abordan los procesos de mejora de las empresas. El enfoque si se centra en la construcción de capacidades de absorción para reconocer, asimilar y explotar conocimiento (^{Cohen y Levinthal, 1990}). En tanto, el enfoque CGV lo hace en el escalamiento hacia actividades más complejas y de mayor valor agregado (^{Gereffi et al., 2005}; ^{Pietrobelli y Rabellotti, 2010} y ²⁰¹¹; ^{Malerba y Nelson, 2011}; ^{Jurowetzki et al., 2018}).

Aunque la integración de CGV y si ha avanzado poco, se identifican cuatro puntos de convergencia: 1) procesos de aprendizaje usuario-productor en innovaciones de producto; 2) escalamiento en proceso y producto; 3) capacidades de absorción tecnológicas y organizacionales; y 4) interacciones con universidades, centros de investigación e instituciones de ciencia, tecnología e innovación (^{Kashani et al., 2023}; ^{Lema et al., 2018}; ^{Cooke et al., 1997}; ^{Gereffi et al., 2005}).

Las dificultades que obstaculizan la participación de las Pymes en mercados internacionales y cadenas de proveedores globales incluyen falta de capital, acceso a nuevas tecnologías, escasez de mano de obra calificada, acceso al mercado, información adecuada, y capacidades empresariales (^{Bair y Gereffi, 2001}; ^{Frederick y Gereffi, 2011}; ^{Nurfaridaet al., 2022}; ^{Chandra et al., 2020}).

A pesar de ello, algunas Pymes locales logran mejorar vinculándose con entornos institucionales y EMN, facilitando su incursión en segmentos de alto valor agregado en la CGV (^{Vera-Cruz y Dutrénit, 2004} y ²⁰⁰⁵; ^{De Fuentes, 2010}; ^{Contreras et al., 2012a}; ^{Contreras y García, 2018}). ^{Dutrénit y De Fuentes (2009)} identifican tres condiciones para captar derramas de las EMN y fortalecer capacidades de las Pymes: 1) estrategia de proveeduría de la EMN; 2) nivel de capacidades tecnológicas y organizacionales de la empresa local; y 3) un si regional o local maduro.

^{Sampath et al. (2018)} proponen la coevolución entre CGV y si, involucrando patrones de gobernanza y madurez del si, lo que define las posibilidades de las empresas locales para generar capacidades de innovación y aprendizaje. Estudios recientes en Kenia y Pakistán muestran cómo es que las instituciones nacionales y locales pueden impulsar vínculos entre CGV y si, facilitando el aprendizaje de empresas locales y habilitándolas como proveedoras de EMN (^{Park y Gachukia, 2020}; ^{Naqvi et al., 2021}).

3. Aprendizaje para la innovación: las variables relevantes

En la literatura sobre CGV y si se identifican cuatro grupos de variables como mecanismos causales en la explicación del aprendizaje para la innovación: 1) las relaciones con los clientes y proveedores; 2) la formación académica de los propietarios y su movilidad entre empresas; 3) los esfuerzos internos de construcción de capacidades de absorción de conocimiento, y 4) los vínculos con entidades gubernamentales, universidades, centros de investigación y asociaciones empresariales.

4. Metodología

La información utilizada en este estudio proviene de la encuesta “Formación y escalamiento de Pymes mexicanas intensivas en conocimiento”, aplicada entre septiembre y noviembre de 2019. Para el diseño de la muestra se elaboró un directorio de Pymes intensivas en conocimiento localizadas en México, con base en el Directorio Estadístico Nacional de Unidades Económicas (^{INEGI-DENUE, 2018}). El procedimiento de selección consistió en identificar las clases de actividad económica a seis dígitos del Sistema de Clasificación Industrial de América del Norte (SCIAN) que coinciden con las actividades productivas y de servicios que en la literatura especializada son consideradas como “intensivas en conocimiento” o “de base tecnológica” (^{Heckler, 2005}; ^{Kile y Phillips, 2009}; ^{Alarcón Osuna y Díaz Pérez, 2016}). Con base en ese procedimiento se obtuvo un listado de 2 056 empresas pertenecientes a 45 clases de actividad. La distribución de las siete más frecuentes se muestra en la Tabla 1.

De este conjunto se seleccionaron cuatro zonas metropolitanas del norte de México,¹ caracterizadas por su alta concentración de empresas multinacionales: Tijuana, Ciudad Juárez, Hermosillo y Monterrey. Estas zonas concentran 748 Pymes intensivas en conocimiento, representando 36% del inventario nacional.

El tamaño de la muestra se determinó a partir de ese marco muestral de 748 empresas, con un nivel de confianza del 95% (z = 1.96) y un error muestral de ±7% (p). Se estimó un tamaño de muestra óptimo de 175 empresas, logrando una tasa de respuesta del 76.2% y un total de 127 cuestionarios válidos después de aplicar un control de consistencia y descartar algunos cuestionarios incompletos o con valores atípicos. En la Tabla 2 se observa cómo se obtuvo una distribución representativa para cada ubicación geográfica.

La encuesta se aplicó en línea a propietarios de las empresas seleccionadas, mediante un cuestionario autoadministrado, compuesto por 73 preguntas correspondientes a siete dimensiones analíticas: perfil de los empresarios, perfil de las empresas, mecanismos de entrada al mercado, procesos de aprendizaje, capacidades tecnológicas, vínculos con las EMN y los SRI, y procesos de innovación y escalamiento en la cadena de valor. Los datos recabados corresponden al momento de levantamiento de la encuesta, excepto aquellos referidos a variaciones temporales, los cuales abarcan los últimos tres años de operación de las empresas.

El objetivo específico de este trabajo es identificar la influencia de los mecanismos de aprendizaje en la innovación de las empresas. La variable dependiente es la innovación y las variables independientes provienen de los diversos mecanismos de aprendizaje.

En el modelo logístico la innovación es una variable dicotómica tomada directamente de la respuesta en el cuestionario sobre si la empresa ha realizado innovaciones. En el modelo logarítmico linealizado, la variable dependiente es un índice construido con un conjunto de variables que registran el grado y la forma de dichas innovaciones. Con el propósito de hacer comparables las escalas, se optó por la normalización de las variables.²

La construcción del índice de innovación se muestra en la Figura 1.

Fuente: elaboración propia.

Figura 1 Componentes de la variable dependiente 

La hipótesis plantea que la innovación en la empresa está influenciada por mecanismos de aprendizaje relacionados con los SI y las CGV. Los mecanismos de aprendizaje analizados son: 1) las relaciones de la empresa con clientes, proveedores y otras empresas; 2) los elementos de la formación del empresario (escolaridad y trayectoria laboral); 3) las acciones endógenas de aprendizaje; y 4) las relaciones de la empresa con dependencias gubernamentales, IES, centros de investigación y cámaras empresariales.

Cada uno de esos mecanismos constituye una variable independiente (X₁, X₂, X₃ y X₄) construida como un índice compuesto que incorpora todas las opciones relevantes presentadas en las tablas correspondientes. Esto permite capturar de manera integral los diferentes aspectos de cada mecanismo de aprendizaje a partir de las respuestas específicas al cuestionario:

Para la construcción de las variables independientes, se normalizaron las variables específicas extraídas de la base de datos, debido a la diversidad de escalas originales. Tanto el índice de innovación como las variables independientes se construyeron por la sumatoria de las variables seleccionadas y normalizadas.

Conviene mencionar que la selección de los componentes, tanto del índice de innovación como de las variables independientes, no se basó en métodos de análisis multivariado (como el análisis factorial o de componentes principales), sino en razones teóricas basadas en la experiencia de estudios previos (^{Contreras et al., 2012}b; ^{Valenzuela y Contreras, 2014}; ^{Mendoza León y Valenzuela, 2014}).

Se utilizan dos modelos econométricos. Uno es el logístico, cuyo propósito es determinar la probabilidad de que las empresas innoven dada la presencia de las variables independientes definidas más arriba. En este caso, la variable dependiente es la variable dicotómica tomada de la pregunta sobre si las empresas han innovado o no.

El otro es un modelo exponencial que replica el diseño de la función Cobb-Douglas (^{Cobb y Douglas, 1928}; ^{Yotopoulos y Nugent, 1981}). Este modelo supone que las variables independientes contribuyen, cada una, con una proporción del comportamiento de la innovación en las empresas. En este caso, la variable dependiente es el índice de innovación mostrado en la Figura 1.

Como es sabido, este modelo no puede ser estimado directamente con el método usado en este trabajo, que es el de mínimos cuadrados ordinarios (MCO). La “linealización” requerida se realizó por medio de los logaritmos naturales.

En la selección de un modelo logarítmico hay también razones teóricas. El modelo lineal supondría que los cambios en la innovación se dan en cantidades constantes (β_i) ante cambios unitarios en los mecanismos de aprendizaje (X_i). Ese es un supuesto irreal, ya que la innovación muestra cambios marginales decrecientes ante el cambio de los factores que los determinan.

Ese cambio decreciente de la innovación, por el contrario, estaría bien recogido por el modelo exponencial, expresado así:

Este modelo tendría la restricción de que los coeficientes de regresión (β_i) deben asumir valores entre 0 y 1y la suma de todos ellos debe ser menor que 1.

La linealización en los logaritmos naturales es:

Este modelo es estimable por MCO, con la ventaja adicional de que, al tomar los antilogaritmos se tiene el modelo exponencial anterior.

5. Análisis y contraste de resultados

Conclusiones de los modelos estadísticos

Dado los resultados anteriores, se ajustó un modelo logístico con las dos variables seleccionadas: las relaciones de la empresa con clientes y proveedores, y las acciones endógenas de aprendizaje (véase Tabla 11).

Tabla 11 Resultados del modelo exponencial ajustado 

LnY = 0.154 LnX1 + 0.397 LnX3 + ei
Ee	(0.070)	(0.129)
t	2.200	3.072
R2 = 0.827
F = 283.565

Fuente: elaboración propia.

De acuerdo con la prueba de Kolmogorov-Smirnov, este modelo ajustado mantiene la normalidad en los errores, supuesto indispensable para las conclusiones que se obtienen.

Tomando los antilogaritmos de ese modelo, se tiene que la innovación depende de estas dos variables de la siguiente forma:

Yi=X10.154X30.397

De acuerdo con los criterios estadísticos mencionados, la explicación de la innovación mediante estas dos variables es alta y sólida, además de que ambas variables aportan individualmente una explicación estadísticamente significativa a la innovación.

Establecida esta conclusión, se investigó la influencia de cada una de las variables por separado, suponiendo que la otra se mantiene constante. La Figura 2 muestra cómo influyen en la innovación las relaciones de la empresa con clientes, proveedores y otras empresas.

Fuente: elaboración propia.

Figura 2 Influencia de las relaciones con clientes, proveedores y otras empresas en el índice de innovación 

La Figura 3 muestra la influencia de las acciones endógenas de aprendizaje en la innovación. Al analizar las figuras, se observa que la influencia aislada de ambas variables (relaciones con clientes y proveedores, y acciones de aprendizaje) sigue un patrón decreciente. Esto significa que, aunque la innovación aumenta con la mayor intensidad de estas variables, el ritmo de incremento disminuye progresivamente.

Fuente: elaboración propia.

Figura 3 Influencia de las acciones de aprendizaje en el índice de innovación 

Este comportamiento se explica por los coeficientes de regresión del modelo, que son mayores que 0 y menores que 1. Estos coeficientes indican que cualquier aumento en las variables independientes produce un incremento positivo en la innovación, pero a un ritmo decreciente. Así, al intensificar las acciones de aprendizaje o las relaciones empresariales, la innovación sigue creciendo, aunque con un impacto adicional cada vez menor.

6. Conclusiones

Para las Pymes locales que operan en contextos de alta densidad de EMN, las capacidades de innovación son fundamentales para su consolidación y escalamiento en entornos altamente competitivos y en constante transformación.

En esta investigación se analizaron algunas determinantes de la innovación en las Pymes intensivas en conocimiento, mostrando que depende tanto de recursos y procesos internos, como de las características e intensidad de su interacción con el entorno.

En cuanto a los vínculos externos, las relaciones con clientes y proveedores resultan ser la principal fuente de información y conocimiento para la innovación. Dichas relaciones proporcionan acceso a nuevas tecnologías y mejores prácticas, pero también funcionan como canales para el aprendizaje y la innovación. Desde la perspectiva de los flujos de conocimiento al interior de la CGV se trata de derramas de conocimiento que, además de fortalecer las capacidades de las Pymes, resultan funcionales a las EMN debido a su necesidad de proveedores cercanos y competentes que les permitan externalizar servicios y sustituir proveedores distantes.

Por otra parte, si bien las derramas de conocimiento resultan fundamentales para mejorar las capacidades innovadoras, la incorporación de ese conocimiento se concreta mediante un esfuerzo deliberado de apropiación a través de acciones endógenas de aprendizaje desplegadas por las propias empresas. Conviene destacar que, de acuerdo con los modelos estadísticos aplicados, la variable que mayor influencia tiene sobre la innovación es la de “acciones de aprendizaje”, que resultan cruciales para traducir el conocimiento externo en innovaciones internas. Este es el hallazgo más relevante del estudio, y tiene implicaciones tanto para futuros estudios sobre los procesos de innovación en las Pymes como para las políticas sectoriales.

De acuerdo con un supuesto convencional en la teoría, instituciones y agentes del SRI constituyen otra importante fuente de conocimiento para las empresas locales. Sin embargo, los resultados de este trabajo muestran una contribución irrelevante del SRI a las capacidades innovadoras de las Pymes intensivas en conocimiento, lo que probablemente indica un déficit en la política industrial. Esta afirmación, sin embargo, debe tomarse con cautela debido a que los indicadores utilizados para medir los vínculos con el SRI sólo captan vínculos formales, omitiendo relaciones informales que en algunos contextos pueden ser relevantes para el aprendizaje y la innovación.

Otro motivo de cautela, más general, se refiere a las limitaciones de los modelos estadísticos empleados, que asumen la exogeneidad de las variables independientes, excluyendo una posible causalidad bidireccional entre las capacidades de innovación y los mecanismos de aprendizaje.

Estas limitaciones subrayan la importancia de futuras investigaciones sobre el tema, que podrían profundizar sobre la influencia de los SRI en las capacidades innovadoras de las Pymes, así como explorar la posible endogeneidad entre las variables de innovación y aprendizaje.