1. Introducción

Dada la globalización de los mercados, el ambiente actual de los negocios propicia una creciente rivalidad, imponiendo también una fuerte presión a las organizaciones para la mejora de forma continua de sus procesos y productos. Además, la rapidez del cambio tecnológico y las tecnologías emergentes, que constituyen actualmente la principal fuente de competitividad, generan incertidumbre y riesgos asociados a su adopción. Para enfrentar estas condiciones se propone el despliegue de estrategias y desarrollo de capacidades ^[1]. Estas estrategias se pueden desarrollar a partir de la información que se obtiene al explorar el entorno ^[2]. Para lo cual es indispensable realizar una gestión efectiva de la información, lo que a su vez requiere de la aplicación de sistemas de gestión de información dinámicos con el fin de desarrollar conocimiento ^[3, ^4]. Para cubrir dichas necesidades se han propuesto diversas teorías que explican los procesos para la obtención y administración de información y creación de conocimiento; identificándose como principales la Inteligencia Competitiva -IC-, la Gestión del Conocimiento -GC-, el Capital Intelectual -CI- y la Capacidad de Innovación -CIn-.

Estas teorías son muy importantes porque explican cómo obtener y administrar el conocimiento, lo que permite identificar oportunidades de innovación y mejora, e impulsan la creación y el desarrollo de tecnologías dirigidas a la generación de productos que aumentan la competitividad de las organizaciones en el mercado ^[5, ^6]. A pesar que en la literatura hay estudios que reportan la relación significativa que hay entre la Inteligencia Competitiva y la Administración Estratégica ^[7, ⁸, ^9]; así como una importante relación de la GC y el CI ^[10, ¹¹, ^12], hasta la fecha no se ha reportado una relación entre el CI, la GC y las actividades de IC. Sin embargo, se ha observado la necesidad de integrar la GC y la IC con el fin de mejorar los resultados de la aplicación de dichas prácticas ^[13, ¹⁴, ¹⁵, ¹⁶, ^17]. Asimismo, aunque estas teorías ayudan a la gestión de la información y del conocimiento y su relación, hasta la fecha no se ha determinado su impacto en la CIn y particularmente no se han definido los factores que inciden en la administración efectiva de sus funciones, que es lo más importante para que cumplan con su propósito. Esto implica que se requiere de investigación para generalizar y aumentar el poder explicativo de esas teorías, así como la identificación de los factores que llevan al éxito en su aplicación. Para lo cual, la hipótesis general que se plantea es: el modelo estructural basado en los Factores Críticos de Éxito predice el efecto relativo de la Inteligencia Competitiva, la Gestión del Conocimiento y el Capital Intelectual, así como su impacto en la Capacidad de Innovación. Las hipótesis específicas son:

H₁: La Inteligencia Competitiva influye en la Capacidad de Innovación.

H₂: La Inteligencia Competitiva influye en la Gestión del Conocimiento.

H₃: La Inteligencia Competitiva influye en el Capital Intelectual.

H₄: La Gestión del Conocimiento influye en el Capital Intelectual.

H₅: El Capital Intelectual influye en la Capacidad de Innovación.

H₆: La Gestión del Conocimiento influye en la Capacidad de Innovación.

El alcance de este estudio son las prácticas de Inteligencia Competitiva, Gestión del Conocimiento, y Capital Intelectual en empresas transnacionales de manufactura localizadas en la Ciudad Juárez. La investigación de campo esta delimitada al periodo comprendido de octubre 2018 a febrero del 2019, tiempo requerido según el plan para la recolección de información.

2. Literatura Revisada

Esta sección presenta una amplia revisión de literatura relativa a las tres teorías mencionadas, destacando los factores de influencia en la creación y desarrollo de la Capacidad de Innovación.

2.3. Capital Intelectual

Esta teoría estudia los recursos de importancia estratégica como el conocimiento del mercado; las capacidades y tecnologías para el desarrollo de productos; el equipo humano y sus habilidades, actitudes, experiencias, conocimientos; las reglas y políticas de trabajo; los sistemas de información y bases de datos ^[11]. Son recursos que constituyen capacidades para crear valor y obtener ingresos superiores ^[46]; y representan una fuente de ventaja competitiva sostenible en el tiempo. En la literatura se establecen tres elementos del CI: 1) Capital Humano; 2) Capital Estructural, y 3) Capital Relacional ^[10, ¹², ^47].

El Capital Humano -CH-, se refiere a la gente como fuente de riqueza de las empresas e incluye las actitudes, aptitudes y experiencias, y considera su capacidad para aprender, cambiar e innovar. Tiene tres componentes: 1) competencias que integran capacidades, talentos y know-how; 2) Actitud, se traduce en conducta, motivación, actuación y ética, y 3) agilidad intelectual, genera valor para la organización en la medida en que se aplican conocimientos nuevos o descubrimientos que permiten transformar las ideas en productos y servicios.

El Capital Estructural (CE) es la representación de los conocimientos existentes propiedad de la organización, independientemente de la permanencia de las personas ^[48]. Permite el desarrollo y la medición del Capital Intelectual en la organización, de tal forma que, sin el CE, el CI se limitaría al CH. El CE contiene las bases de datos, redes informáticas, propiedad intelectual; sus dos propósitos son: codificar cuerpos de conocimiento para conservar las “recetas” que de otro modo se perderían, y reunir personas especialistas con información y destrezas. El objetivo del CE es capturar el conocimiento tácito y explícito del personal de la empresa y la información clave sobre clientes, competidores y ambiente externo.

El Capital Relacional (CR) es el conocimiento individual de los canales de mercado, clientes y proveedores, y el conocimiento del impacto de las asociaciones gubernamentales o industriales; es el resultado de la Inteligencia Competitiva y Social, dada por el valor de las relaciones y acciones de la empresa compartidas con los agentes externos y sociales ^[48].

En la Figura 1 se muestran los elementos considerados como esenciales del capital intelectual de las empresas. En la literatura también se encontraron diversos estudios que reportan factores de influencia del capital intelectual ^[49-^53]; pero no se encontró un consenso con relación a sus factores críticos. Sin embargo, si se observan coincidencias de factores en los tres campos: IC, GC y CI, pero, hasta la fecha no están identificados los factores comunes, ni discriminados por su carácter como clave de éxito.

(Fuente: elaboración propia basado en Santos-Rodríguez et al. ^[50].

Figura 1 Elementos del Capital Intelectual y los Factores Críticos. 

3. Metodología

En esta investigación se realizó la medición de los procesos administrativos relativos a la Inteligencia Competitiva, la Gestión del Conocimiento, el Capital Intelectual y la Capacidad de Innovación (constructos subjetivos), mediante un instrumento de medición diseñado y validado para la recolección de datos y su análisis por medio de métodos estadísticos, como el AF y el MEE. Con base en lo anterior, la metodología de investigación aplicada es de enfoque cuantitativo ya que utiliza la medición numérica y el análisis estadístico para probar las hipótesis y se realiza a través de un proceso de investigación que incluye la recolección y el análisis de datos cuantitativos, su integración y discusión, con el propósito de lograr un mayor entendimiento del fenómeno bajo estudio mediante inferencias de los resultados de la información recolectada ^[63, ^64].

El alcance de la investigación es correlacional, dado que su finalidad fue conocer la relación o grado de asociación que existe entre dos o más conceptos, categorías o variables en un contexto en particular, y el diseño de la investigación es no experimental, ya que las variables bajo estudio se observan en su contexto natural sin manipular las variables independientes y es transeccional o transversal de tipo correlacional-causal, dado que la información se recolectó en un periodo específico para describir las relaciones entre los cuatro factores definidos ^[61]. En la Figura 2 se presenta el proceso y las etapas que siguió esta investigación.

(Fuente. Elaboración propia)

Figura 2 Diagrama de Flujo del Proceso. 

El proceso inicia en la identificación de los factores por medio de la búsqueda y revisión sistemática de literatura través de Meta Análisis de 8 etapas ^[62]. Identificando los principales contenidos teóricos y la relación entre los conceptos de interés, con la finalidad de identificar las actividades principales y los factores críticos de éxito que influyen en la efectividad en las organizaciones, de acuerdo a la Figura 3.

Figura 3 Diagrama de Flujo de Meta Análisis ^[62]. 

El segundo paso de la investigación es la medición en campo de los factores para lo cual de diseñó un cuestionario, lo que inicia con la operacionalización de las variables o indicadores (Tabla 4) y para posteriormente elaborar el cuestionario de 26 ítems. Para evaluar cada ítem, se selecciona la escala de Likert de 5 categorías, donde el 1 representa un valor nulo o sin importancia y el 5 representa un valor alto o totalmente de acuerdo.

Para la validación del cuestionario, se somete a un proceso de validación por expertos para determinar el grado en que el cuestionario realmente mide las variables de interés, de acuerdo con el método de Validez de Expertos ^[63, ^64]. En esta etapa, un grupo de seis expertos evaluaron el cuestionario considerando la claridad y relevancia ^[65] y su análisis se realizó a partir del cálculo del coeficiente de concordancia de Kendall y el valor p para probar las hipótesis: H₀: No hay un acuerdo significativo entre los expertos y H₁: Si hay un acuerdo significativo entre los expertos. En todos los casos el valor de p es menor que 0.05, para un nivel de significancia del 5%, habiendo evidencia suficiente para decir que existe concordancia entre los expertos (Tabla 5).

La aplicación del cuestionario al grupo piloto se realizó en una muestra conformada por 40 participantes que poseen los atributos que se desean medir de la población objetivo. Este tamaño de muestra se encuentra entre el rango de 30 y 40 recomendado por Hertzog ^[77]. El tipo de muestro es por conveniencia basado en las instrucciones del cuestionario. Una vez recabada la información y con la ayuda del software SPSS® ^[70], se procede a la Validación del cuestionario (análisis de fiabilidad), utilizando el coeficiente alfa de Cronbach. El valor alfa de Cronbach fue de 0.965, superior al valor de 0.70 recomendado por Nunnally y Bernstein ^[78]; por lo tanto, se considera que la fiabilidad del instrumento es buena (Tabla 6).

En la siguiente etapa se aplicó el cuestionario a una muestra de 214 mandos intermedios (tamaño muestral mayor que 200, recomendado por Lloret et al. ^[79]), seleccionados por muestreo de conveniencia, dichos elementos muestrales son empleados de empresas transnacionales, en la Tabla 7 se presentan sus características demográficas.

La muestra está compuesta por empresas de diversos giros industriales, que han integrado las funciones de diseño, realizan investigación y desarrollo, despliegan continuamente programas para el mejoramiento de tecnologías de producto y proceso, con los datos obtenidos se generó una base de datos. La tasa de respuesta fue del 100%, sin embargo, treinta y ocho cuestionarios fueron descartados debido a que no pertenecían a la población objetivo.

En el análisis estadístico se determina la consistencia interna del cuestionario en SPSS® versión 22 ^[66], para asegurar su validez ^[67], con el índice Alfa de Cronbach-AC. También se realizó el Análisis Factorial Exploratorio, la Validez Convergente y Discriminante, el Análisis Factorial Confirmatorio del Modelo de Medida y el Análisis Estadístico del Modelo Hipotético. Un análisis inicial permitió identificar los valores atípicos a través de diversos análisis como la Distancia de Mahalanobis, la determinación de la adecuación de la medida de KMO (Káiser Meyer Olkin), la prueba de esfericidad de Bartlett; así como la estimación de las cargas y correlaciones factoriales por medio del Análisis Factorial Exploratorio, para posteriormente determinar la Validez Convergente y Discriminante. Con el Análisis Factorial Confirmatorio se calculan los índices de ajuste para validar el modelo de medida. Por último, se prueba el modelo estructural hipotético bajo el enfoque de Ecuaciones Estructurales. Para dichos análisis se utilizaron los paquetes estadísticos: SPSS® versión 22 ^[66], Minitab® versión 17 ^[68], y AMOS® versión 22 ^[69].

4. Resultados y Discusión

Las correlaciones y cargas factoriales se determinaron con el paquete estadístico SPSS® versión 22 utilizando el método de Ejes Principales para extraer los factores y el método Promax para su rotación. Las cargas factoriales indican la correlación entre el factor y la variable, observando que para todos los ítems es mayor que 0.60, superando el nivel recomendado ^[82].

Con la información anterior se mide la Validez Convergente y Discriminante, lo que constituye el paso 3 de la metodología. La validez convergente es el grado en que múltiples intentos de medir el mismo concepto concuerdan (Tabla 8). En este estudio se evaluó en función de la confiabilidad compuesta y las varianzas medias extraídas. Los valores de la confiabilidad compuestas (CR) muestran el grado en que los indicadores explican el constructo latente, donde se obtuvieron valores en un rango de 0.87 a 0.92, lo que excede en todos casos el nivel recomendado de 0.70. Asimismo, las varianzas promedio extraídas (AVE) reflejan la cantidad total de variación en los indicadores explicado por el constructo latente, obteniendo valores en un rango entre 0.59 y 0.64, superando el nivel recomendado de 0.5 ^[82].

La validez discriminante es el grado en que las medidas de los conceptos son distintas. Para lo cual se comparan las correlaciones al cuadrado del constructo entre la varianza media extraída para el constructo. La validez discriminante se presenta cuando los elementos en la diagonal (AVE) son mayores a los elementos por debajo de la diagonal ^[83]. Los resultados muestran que las correlaciones cuadradas para cada constructo son menores que la varianza media extraída (Tabla 9). Este análisis muestra que nuestros resultados cumplen con los criterios de validez convergente y discriminante.

En el paso 4 se realizó el Análisis Factorial Confirmatorio con el cual se prueba el modelo de medida (Figura 5) utilizando el software Amos con el método de máxima verosimilitud de estimación. El modelo cuenta con 59 variables, una Chi-cuadrada de 522.176, un valor p = 0.000 que indican en su conjunto un ajuste razonable de los datos al modelo, también cuenta con 293 grados de libertad, 351 momentos o pares y se estimaran 58 parámetros, de acuerdo con la condición de orden, este modelo esta sobre identificado debido a que hay más valores en S que parámetros a estimar ^[84]. La prueba del modelo de medida dio como resultado que los pesos de regresión o cargas factoriales son significativas a un nivel de significancia alfa de 0.05; al igual que las covarianzas entre los constructos.

Elaboración propia.

Figura 5 Modelo de Medida.  

Además, se determinaron los índices de ajuste del modelo, obteniendo un valor del CMIN/DF calculado es igual a 1.782 que es menor a 3; mientras que el CFI estimado para el modelo es 0.918 mayor que 0.90; el valor de TLI es 0.909 mayor que 0.90, y el valor del RMSEA es 0.73 menor que 0.08 tal como se recomienda, por lo que, en términos generales, el modelo presenta un buen ajuste.

El modelo cuenta con 59 variables clasificadas como: 26 variables observables, 33 variables no observables, 30 variables exógenas y 29 variables endógenas. Los pesos de regresión obtenidos y el valor “p” para cada una de las dimensiones se presentan en la Figura 6. Con base a la estimación de los coeficientes estructurales en dicha figura se presentan los resultados que soportan el no rechazo o rechazo de las hipótesis de investigación.

Figura 6 Modelo Estructural Hipotético (* p<.05). 

El modelo estructural hipotético fue probado utilizando el paquete de análisis de ecuaciones estructurales AMOS® versión 22 por medio del método de máxima verosimilitud de estimación, e identifican cuatro factores con seis coeficientes estructurales entre sí; de los cuales cuatro son coeficientes estructurales significativos *, y dos de ellos no lo son. Estos resultados empíricos soportan la aceptación de las hipótesis H₂, H₄, H₅, y H₆. O sea, en H₂, la Inteligencia Competitiva tiene un efecto positivo en la Gestión del Conocimiento; H₅, el Capital Intelectual tiene un efecto positivo en la Capacidad de Innovación, y en H₄, la Gestión del Conocimiento tiene un efecto positivo tanto en el Capital Intelectual como en H₆, la Capacidad de Innovación. Estos resultados son consistentes con estudios que analizan la relación de la Gestión del Conocimiento con el Capital Intelectual ^[10, ¹¹, ⁷⁴, ^85]; y del Capital Intelectual con la Capacidad de Innovación ^[50, ⁸⁶, ^87]. Las hipótesis H₁ y H₃ son rechazadas por falta de suficiente evidencia estadística. En el caso de la Hipótesis 1, los resultados empíricos coinciden con Güemes y Rodríguez ^[56] quienes reportan que las actividades de Inteligencia Competitiva no se realizan de manera formal.

Por otra parte, al analizar los resultados de los efectos totales, directos e indirectos (Tabla 10), se observan valores altos presentes en los efectos indirectos, con valores de 0.667 entre la Inteligencia Competitiva y la Capacidad de Innovación; 0.541 entre Inteligencia Competitiva y el Capital Intelectual; y 0.459 entre la Gestión del Conocimiento y la Capacidad de Innovación. Asimismo, aunque no existe un efecto directo de la Inteligencia Competitiva a la Capacidad de Innovación; si existe un efecto indirecto importante a través de Gestión del Conocimiento, lo que la convierte en la variable mediadora entre la Inteligencia Competitiva y la Capacidad de Innovación. Estos resultados apoyan la importancia de integrar la Gestión del Conocimiento y la Inteligencia Competitiva con la intención de obtener mejores resultados y ser una fuente de ventaja competitiva de las empresas ^[6, ¹³, ¹⁴, ¹⁵, ^16].

Finalmente, las cargas factoriales (Figura 6), indican una alta correlación entre los factores y la CIn, específicamente, de los factores de la Inteligencia Competitiva, los de mayor impacto son la recolección y el análisis de información del entorno, formal y sistemáticamente, para propósitos de estrategia.

Se observa una coincidencia en los principales factores de Gestión del Conocimiento y Capital Intelectual, donde se obtuvo una correlación mayor entre un sistema formal para la gestión de la innovación y el talento del personal con la CIn. Mientras que, en Capital Intelectual también hay alta correlación entre la participación y el compromiso del personal con la CIn. Mientras que la correlación más fuerte de la Gestión del Conocimiento y del Capital Intelectual se observa en la producción de innovaciones, tanto de productos como de procesos. También es pertinente destacar que factores como la organización para la planeación o el sistema para tomar decisiones con dicha información, el sistema de información, el empoderamiento y los equipos de trabajo no resultan tan importantes como los anteriores.

De las seis hipótesis planteadas cuatro no se rechazan, esto significa que existe una relación entre variables; además se observa que la IC tiene un efecto positivo en la GC; el CI tiene un efecto positivo en la CIn, y la GC tiene un efecto positivo tanto en el CI como en la CIn.

Las hipótesis H₁ y H_3, que respectivamente plantean un efecto positivo de la IC en la CIn y en el CI son rechazadas. La primera, aparentemente porque los resultados de la IC no se alimentan directamente a la CIn, ello podría explicarse mediante la combinación de varios factores, el hecho de que las actividades de Inteligencia Competitiva son incipientes (Alnoukari y Hanano, 2017), que sus recomendaciones no son reconocidas y seguidas y aunque tiene un impacto menor, no es práctica compón ni reconocido por los entrevistados.

Respecto del Capital Intelectual no se comprobó un efecto directo en la Capacidad de Innovación, no obstante que, por los contenidos de esa teoría, es obvia esa relación, específicamente, con el Capital Humano. Es evidente que el talento del personal esta estrechamente relacionado con las prácticas de IC, para tener una comprensión correcta del medio ambiente competitivo, el desarrollo de estrategias y la gestión de esos conocimientos y aunque también se observa una relación del Capital Estructural con la innovación, es posible un efecto indirecto derivado de la gestión de cierta información relacionada, como los resultados de investigación, de desarrollo tecnológico y propiedad intelectual como patentes, así como del aprendizaje derivado de la experiencia industrial. Por su parte, en lo que corresponde al Capital Relacional, como no es una teoría ampliamente aplicada, no es evidente su relación con la Capacidad de Innovación y los entrevistados no la reconocen.

5. Conclusiones y Recomendaciones

El proyecto de investigación cumplió con el propósito de construir un modelo estructural capaz de predecir el efecto relativo de los Factores de la Inteligencia Competitiva, la Gestión del Conocimiento y el Capital Intelectual y su impacto en la Capacidad de Innovación. Esto se alcanzó a partir de la identificación de los factores, los cuales representan constructos hipotéticos, es decir, variables latentes no observables directamente, pero que gracias al modelo obtenido es posible deducirlas a partir de las correlaciones entre las variables.

De acuerdo con los resultados se observa una alta correlación entre los ítems de los factores, lo que muestra el impacto que estos tienen, lo que a su vez implica la fuerza del modelo. Esto significa que el modelo permite predecir el comportamiento de la Capacidad de Innovación a partir de las tres teorías estudiadas.

Para validar y sobre todo generalizar los resultados obtenidos es necesario realizar el estudio con un tamaño de muestra mayor e incluir empresas mexicanas, o en su caso, debido a la diferencia de cultura y filosofía organizacional, realizar estudios en empresas mexicanas y comparar los resultados con los de empresas transnacionales de exportación ubicadas en México, podría ser una línea de investigación para continuar con el estudio. También es pertinente el estudio del efecto de la Inteligencia Competitiva en la Capacidad Innovadora de las organizaciones que han desarrollado un sistema eficiente, estudiar el efecto moderador de la Gestión de Conocimiento entre la Inteligencia Competitiva con la Capacidad Innovadora.