Marco Conceptual: conocimiento, SIC y localización intraurbana

Conocimiento, servicios y SIC

Desde la década de 1980, ^{Peter Drucker (1994)} había indicado la relevancia del conocimiento en el sistema económico. Su importancia radica en ser la base para desarrollar innovaciones en distintos ámbitos. De acuerdo con Antonelli y colaboradores (2023), el conocimiento acumulado en países avanzados explicaría sus posiciones competitivas y una parte significativa de su riqueza. Además, la importancia del conocimiento se ha acrecentado con el tiempo. En su análisis longitudinal de la economía de los Estados Unidos de América Siguiendo, ^{Antonelli et al. (2023)} han identificado que ese factor de producción tiene un mayor peso en el actual desarrollo tecnológico frente al tradicional capital físico.

La importancia del conocimiento, sumada al acelerado desarrollo tecnológico, ha generado procesos simultáneos de “deskilling” y “reskilling” que han modificado la estructura y función de los sectores económicos (^{Avent, 2017}). Estos cambios han subrayado la importancia de los SIC en el marco de una economía basada en el conocimiento debido a las funciones que desempeñan esos servicios en los procesos de innovación y su capacidad de adopción tecnológica en distintas escalas espaciales (^{Mudambi, 2008}).

Las funciones de los SIC se explican por su empleo con altos niveles de educación y habilidades (^{Miles, 2011}). ^{Acemoglu (2002)} indica que ese tipo de empleo explicaría el “boom” de estudiantes universitarios de las últimas décadas, pero también son un motor de crecimiento económico y productividad en el largo plazo (^{Brenner et al., 2018}). El empleo con alta escolaridad de los SIC es clave para entender las formas de interrelación de esos servicios con las industrias de manufactura en la co-creación de valor, la transferencia de conocimiento, el apoyo a la innovación y la configuración de una economía de servicios (^{Daniels, 2004}), lo cual promueve el desarrollo urbano-regional y la aglomeración industrial (^{Amancio et al., 2022}).

El conocimiento en la geografía intraurbana de los SIC

El acceso al conocimiento es una variable central para explicar la localización de los SIC (^{Asheim y Gertler, 2006}). En contraposición a las industrias de manufacturas, que dependen de empleos con calificaciones medias y sus factores locacionales están más relacionados con economías de escala y logística de conectividad, la concentración espacial de los SIC está vinculada con factores que promueven el acceso e intercambio de conocimiento: empleos con altos niveles de calificación, procesos de aprendizaje y condiciones espaciales que promueven la innovación (^{Arrow, 1962}; ^{Desrochers, 2001}; ^{Gertler, 2003}; ^{Maskell, 2001}).

Los costos en que incurren las firmas de SIC para acceder al conocimiento están determinados por el tipo de ese factor productivo que requieren en su actividad económica (^{Asheim y Gertler, 2006}). Se ha esquematizado una clasificación del tipo de conocimiento necesario dentro de los SIC en dos tipos: a) codificado y b) tácito. La diferencia entre ellos está en su grado de formalización y los niveles de proximidad espacial que se requieren para su intercambio (^{Howells, 2002}).

El conocimiento ‘codificado’ es definido como aquel que puede ser expresado de manera formal y sistemática incluso a grandes distancias (manuales, instructivos, formulas, recetas). Tales características implican que su intercambio no requiere forzosamente de la proximidad entre quienes lo poseen (^{Boschma, 2005}). El conocimiento ‘tácito’ hace referencia al asociado con las habilidades, el talento, la experiencia y la técnica que poseen los individuos para desarrollar su actividad innovadora (^{Arrow, 1962}). A diferencia del conocimiento codificado, el tácito no es fácil de describir en principios científicos o manifestar en métodos técnicos debido a su “singularidad” y estar “arraigado” (embedded) en los individuos. Tales características requieren de la proximidad espacial, contactos cara-a-cara (face-toface), para su intercambio (^{Malecki, 2010, p. 493}).

Las características del espacio urbano intervienen en el intercambio de conocimiento. Los espacios formales (universidades, centros de educación), los espacios no formales (cafés, restaurantes, bares) y la diversidad económica facilitan el acceso al conocimiento tácito (^{Florida, 2005}). Tales condiciones incentivan los procesos de aprendizaje (learning-by-doing, by-trying, by-interacting) (^{Arrow, 1962}; ^{Lundvall y Johnson, 1994}). Estas condiciones urbanas explicarían por qué, a pesar del perfeccionamiento de los sistemas de comunicaciones, las actividades intensivas en conocimiento persisten en su concentración espacial. Esto último, incluso a pesar de los altos costos del suelo y los posibles efectos de desigualdad que representarían (Florida, 2017). La infraestructura de comunicaciones y transporte que confluyen en las urbes son la principal fuente de acceso y conectividad al conocimiento codificado global, aunque su uso está determinado por las cualidades del personal ocupado (^{Bathelt et al., 2004})

La literatura especializada en innovación ha reconocido que las anteriores condiciones son distintas según el tipo de conocimiento que desarrollan las industrias (^{Asheim, 2012}). Industrias orientadas a la producción de conocimiento analítico (científico) son más dependientes del conocimiento codificado global expresado en modelos, publicaciones y patentes. En contraste, industrias orientadas a la generación de conocimiento simbólico (artístico-cultural) requieren de conocimiento tácito altamente dependiente del contexto por los valores y signos que incorporan. Las industrias dedicadas a reproducir o aplicar conocimiento técnico (sintético) requieren de la proximidad para el intercambio de conocimiento tácito y ofrecer soluciones específicas (^{Asheim, 2012}). Así, es posible suponer que los SIC tienen distintos patrones de organización espacial según el tipo de conocimiento que desarrollan. Se esperaría que los SIC orientados al desarrollo de conocimiento analítico tendrán una distribución relativamente más dispersa que aquellos enfocados en conocimiento sintético y simbólico los cuales mostrarían un mayor grado de concentración espacial. En la siguiente sección se describe la metodología del trabajo.

Definición de SIC y unidad espacial de análisis

La definición operativa de los SIC ha tomado distintas vertientes. Por un lado, se han desarrollado clasificaciones que únicamente reconocen un segmento de ellos (por ejemplo, KIBS) (^{Miles, 2011}). Por otro, están las clasificaciones que distinguen la función de otras variables en la actividad de esos servicios, tales como la intensidad tecnológica (^{Glückler y Hammer, 2013}). Aunque el uso de estas clasificaciones aporta evidencia sobre la localización de esos servicios en distintos ámbitos espaciales, estas han sido revisadas para enfatizar el papel activo del empleo en la innovación y, en función de esto clasificar los SIC según diferentes tipos y niveles de conocimiento e innovación implementado en dichos servicios.

Una aproximación en este último aspecto es la propuesta por ^{Santiago (2020)}, la cual es empleada en este trabajo al permitir distinguir la función de los SIC según el tipo de conocimiento que desarrollan. Tal clasificación está conformada por 72 subramas del SCIAN agrupadas en tres subconjuntos: 1) SIC-analítico, especializados en desarrollar conocimiento científico; 2) SIC-sintético, orientados a aplicar conocimiento técnico-profesional, y 3) SIC-simbólico, enfocados en generar conocimiento artístico-cultural (Figura 1).

Fuente: elaboración propia a partir de ^{Santiago (2020)}.

Figura 1 Clasificación de los SI. 

La unidad espacial de análisis es el AMCM, la cual hace referencia al área construida dentro de los límites de la zona metropolitana de esa ciudad de 2015 (^{SEDATU et al., 2018}). Para analizar la distribución espacial de los SIC se utiliza la delimitación de las AGEB definidas por INEGI. Una AGEB es un conjunto de manzanas (entre una y 50) agrupadas en términos de homogeneidad estadística. Se emplean las AGEB al obtenerse información oficial de distintos rasgos de la actividad industrial comparable entre ellas, haciendo más factible su uso en lugar de colonias y/o barrios (Figura 2).

Fuente: elaboración propia con información del Marco Geoestadístico de INEGI. Delimitación zona metropolitanas de México, 2015 (^{SEDATU et al., 2018}).

Figura 2 AMCM: distribución de AGEB, 2015. 

Datos y estrategia de análisis

La estrategia de análisis para identificar los clústeres de especialización y su posterior construcción multi-SIC se sintetiza en la Figura 3. Esta estrategia está integrada por cuatro fases secuenciales. En la primera, se identifica al empleo calificado en SIC. La fuente de información son los microdatos del CE de 2019 de ^{INEGI (2022)}. En dicho CE se recupera información del nivel de escolaridad del personal ocupado (en adelante: empleo), el cual hace referencia al grado de instrucción formal alcanzados por las personas emitido por una institución educativa (^{INEGI, 2020}). Esta variable es de tipo categórico con tres niveles: 1) educación básica (1 a 12 años de estudios), 2) educación media superior (13 a 15 años de estudios); y, 3) educación superior (16 y más años de estudios). Dados los objetivos del trabajo se utiliza como variable de análisis el empleo que pertenece a esta última categoría.

Fuente: elaboración propia.

Figura 3 Estrategia de análisis. 

En la segunda fase se estiman los niveles de concentración espacial por AGEB del empleo en SIC con altos niveles de educación. Para ello se calcula el tradicional cociente de localización (CL).¹ Este indicador permite construir una medida de especialización territorial del empleo al ponderar el valor de esa variable en cada AGEB respecto al promedio de la metrópoli. Este cálculo permite conocer las AGEB con valores por arriba (especializadas) y por debajo (no especializadas) a ese promedio.

En la tercera fase se busca identificar patrones de aglomeración del empleo calificado a través del espacio metropolitano. Para ello se utilizan los resultados del CL como variable aleatoria para realizar un ejercicio de autocorrelación espacial. Esto último permite conocer las aglomeraciones estadísticamente significativas de SIC entre las AGEB. Se realiza este ejercicio debido a su naturaleza inferencial y, así, dar certeza probabilística a la identificación de clústeres univariados de escolaridad en el empleo. El ejercicio arroja dos valores:

La cuarta fase busca identificar la existencia de aglomeraciones multi-SIC controlando por sus niveles de especialización. Se utilizan exclusivamente las AGEB que conforman los clústeres Alto-Alto del LISA al contar con altos niveles de concentración de ese tipo de empleo y ser vecinas de otras con las mismas características. Para esta última fase se utiliza la medida del ‘vecino más cercano con clúster jerárquico’ (NNHC, Nearest Neighbor Hierarchical Spatial Clustering). Esta última ayuda a conocer si un conjunto de puntos se encuentra espacialmente cercano tomando como referencia una distribución aleatoria hipotética en un área determinada. Los puntos relativamente cercanos conforman un clúster de primer orden y si existe proximidad espacial entre ellos conforman uno de segundo orden. La herramienta distingue clústeres hasta de tercer orden (^{Villarreal et al., 2016}). En este trabajo el NNHC se calcula con los centroides de las AGEB de las aglomeraciones Alto-Alto del LISA. Tales puntos son procesados con el software CrimeStat el cual arroja como resultado las elipses tradicionales del NNHC (^{Levine, 2008}). En la siguiente sección se presentan los resultados empíricos obtenidos.

Contextualización y descriptivos

El AMCM concentra 29.65% (3.09 millones) del empleo formal (personal ocupado) del país en 2019. Tal proporción se incrementa a 36.9% al hacer referencia del empleo en SIC. Al distinguir el tipo de conocimiento que desarrollan se encuentra un primer elemento de heterogeneidad en el comportamiento de su concentración espacial. La proporción de concentración de SIC-sintético y simbólico es de 39.32 y 40.45%; en otras palabras, 4 de cada diez personas del país empleadas en ese tipo de SIC se localizan en el AMCM. Los SIC-analítico, en cambio, concentran 22.71% de su empleo nacional en la metrópoli.²

Al distinguir el empleo en SIC según su grado de escolaridad se identifica que en el AMCM esos servicios se basan principalmente en empleo con educación superior, ya que éste representa 58.6% del total ocupado en esos servicios. Tales proporciones son distintas según el tipo de conocimiento que desarrollan. SIC-analítico, sintético y simbólico reportan que 70.30, 59.29 y 50.21% de su empleo tienen escolaridad alta, respectivamente (Tabla 1). Las anteriores proporciones apuntan a que no todas las unidades económicas de SIC están integradas completamente por individuos con altos niveles de calificación.

Distribución espacial del empleo en SIC con educación superior

La distribución espacial del empleo en SIC con educación superior no es homogénea al interior del AMCM. Los valores del CL indican que 76.77% de las AGEB del AMCM cuentan con la presencia de por lo menos un individuo que conforma ese grupo de empleo (CL > 0.00), 52.67% tienen valores mayores al promedio metropolitano (CL ≥ 1.00) y sólo 16.14% sobrepasan al doble el mismo promedio (CL ≥ 2.00). Los anteriores valores son relativamente similares para los SIC-sintético y sustancialmente diferentes para los SIC-analítico y simbólico (Tabla 2).

El Índice de Moran del empleo en SIC con educación superior en el AMCM es 0.040 (Tabla 3), lo que indica su patrón espacial relativamente aleatorio a través del AMCM. El cálculo del mismo índice para las tres categorías de SIC arroja resultados muy similares. En los SIC-analítico, sintético y simbólico dicho índice es 0.022, 0.051 y 0.056, respectivamente. A pesar de esa dispersión, el LISA indica la existencia de clústeres de ese tipo empleo. Tales clústeres representan 5.98% (n=343) del total de AGEB metropolitanas. En la Figura 3-A se distingue los clústeres con altos niveles de concentración de dicho personal (Alto-Alto), las cuales se caracterizan por ser un reducido número y sin una extendida continuidad espacial entre ellos. El cálculo del LISA según categorías de SIC indica algunas diferencias en la configuración de sus clústeres respecto a lo descrito previamente (Tabla 3).

Clústeres multi-SIC en el espacio metropolitano

Los resultados del NNHC de las AGEB que forman la categoría Alto-Alto del LISA se presentan en la Tabla 4. Los SIC en su forma agregada configuran 13 aglomeraciones de primer orden y una de segundo orden. Las primeras tienen tres perfiles económico-espaciales según su localización en el AMCM (Figura 3-A): i) ‘próximos a instituciones educativas’, son clústeres de SIC contiguos a universidades (públicas y privadas) y/o centros de investigación; ii) ‘zonas industriales’, clústeres de SIC que tienen vecindad con parques industriales de manufacturas; y, iii) ‘áreas de corporativos-oficinas’, en este perfil se identifican dos tipologías; primero, los localizados en áreas que concentran corporativos o áreas administrativas de carácter central (I, III y VIII) y, segundo, los localizados en áreas residenciales periféricas (VII y IX) (Tabla 5). Estas dos últimas tipologías sugieren diferentes lógicas en las funciones de los SIC, ya que en la primera podrían estar desarrollando funciones de alcance metropolitano y/o regional, mientras que en la segunda responder a una demanda de su ámbito inmediato. La aglomeración de segundo orden se conforma básicamente por los clústeres de oficinas corporativos (Figura 3-A, elipse A y Tabla 5).

El NNHC de cada categoría de SIC permite identificar particularidades en su lógica espacial. En los SIC-analítico existen siete aglomeraciones de primer orden, las cuales pueden clasificarse en los mismos tres perfiles descritos previamente, aunque su localización y extensión no son necesariamente las mismas a las descritas antes (Figura 3-B). Los clústeres de SIC-analíticos son: i) ‘próximos a instituciones educativas’; ii) ‘zonas industriales’, y iii) ‘áreas de corporativos-oficinas’. En este último caso son únicamente clústeres localizados en el centro del AMCM, lo que permite suponer desarrollan funciones de carácter central. La ausencia de aglomeraciones de segundo orden en esta categoría es un indicador de su dispersión en el AMCM (Tabla 5).

Los SIC-simbólico conforman 11 aglomeraciones de primer orden y una de segundo orden (Figura 3-C). Estas aglomeraciones corresponden a cuatro perfiles económico-espaciales, según su localización: i) ‘próximos a instituciones educativas’; ii) ‘áreas de corporativos-oficinas’; iii) ‘turísticos-amenidades’ y iv) ‘clústeres de medios de comunicación’. Las dos primeras son similares a las indicadas en la categoría anterior. La tercera son áreas que concentran patrimonio histórico o facilidades urbanas (zoológicos, parques, museos y áreas de consumo) y la cuarta oficinas de radio y televisión (Tabla 5). Las aglomeraciones II, III, V, VII, y VIII configuran un corredor que vincula el área del Pedregal-Letrán-Coyoacán-Taxqueña. Los clústeres I, IV y VI forman una “herradura” entre el área de Chapultepec-Condesa-Roma-Polanco. Los clústeres IX y XI se agrupan en la zona central de la ciudad. La aglomeración de segundo orden son clústeres con un perfil orientado a las actividades turístico-amenidades.

En los SIC-sintético se identifican 14 aglomeraciones de primer orden y una de segundo orden. Hay dos rasgos que destacar de ellas (Figura 3-D). Primero, la mayor parte de las aglomeraciones de primer orden están próximas a ‘instituciones educativas’ (públicas y privadas) y ‘áreas de corporativosoficinas’ centrales. Segundo, la vecindad de clústeres de SIC-sintético con hospitales de especialidades públicos o privados localizados en áreas periféricas de la metrópoli definidos como ‘hospitales’. Este último conjunto de aglomeraciones sugiere la existencia de sinergias entre servicios técnicos profesionales y servicios de salud. La aglomeración de segundo orden en el sur-poniente del AMCM se conforma básicamente por SIC-sintéticos en áreas de oficinas-corporativos (Tabla 5).

La lectura conjunta de la organización de los clústeres de SIC (analítico, sintético y simbólico) permite identificar áreas de la ciudad donde conviven ese tipo de servicios o la conformación de clústeres multi-SIC, como se ha definido en este trabajo. Estas últimas agrupaciones ocurren principalmente en el sur-poniente y la periferia del AMCM (Figura 4).

Fuente: elaboración propia con información de ^{INEGI (2022)}. Nota: A=SIC, B=Analítico, C=Simbólico, D=Sintético.

Figura 4 AMCM: aglomeraciones de clústeres de alta concentración de SIC y categorías según NNHC.  

Los hallazgos del presente trabajo dialogan con estudios previos sobre SIC en la AMCM en dos vertientes. La primera, reafirma la identificación de patrones policéntricos y de dispersión sobre algunos tipos de SIC y su interacción con la infraestructura urbana. En esta vertiente los resultados de aglomeración espacial de SIC-simbólico y la conformación de clústeres multi-SIC vinculados a este tipo de servicios converge con los hallazgos de ^{Alvarez-Lobato et al. (2023)} en cuanto al patrón policéntrico de estos servicios. Al mismo tiempo, se encuentran similitudes con lo propuesto por ^{Pérez Campuzano (2021)} en torno a la asociación espacial entre la localización de SIC creativos con la infraestructura urbana, indispensable para la realización de sus actividades.

La segunda vertiente apunta a nuevos hallazgos en comparación con los trabajos antes mencionados. Dichos hallazgos se basan en la implementación de variables enfocadas a la cualificación del empleo en los SIC, en lugar de la localización de establecimientos económicos. Así, mientras los ejercicios de ^{Alvarez-Lobato et al. (2023)}, ^{Pérez Campuzano (2021)} y ^{Vilchis-Mata et al. (2021)} han identificado patrones de aglomeración de SIC vinculados a centros de negocios, como Santa Fe, o corredores intraurbanos, tales como avenida Insurgentes o Calzada de Tlalpan. En este sentido, los SIC-analítico se asocian a dichos espacios. Sin embargo, el comportamiento de los clústeres de alta calificación en los SIC muestra patrones que no corresponden al patrón cuando solo se observan los establecimientos. Así, el presente trabajo muestra las aglomeraciones hacia áreas del AMCM vinculadas con zonas industriales y universidades en la zona norte de la ciudad, o bien, en el sur hacia la zona de institutos de investigación del sector salud. En la subsiguiente sección se formulan algunas reflexiones sobre los anteriores resultados.