nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
Sobrevienen periodos de adaptación en los que es necesario utilizar todos los recursos disponibles por parte de las organizaciones para superar las condiciones adversas. Ante un contexto de contingencia ambiental y económica que actualmente se vive a causa de la pandemia COVID-19, las empresas se ven sometidas a una gran presión por mejorar su rendimiento o incluso por sobrevivir. En estas circunstancias, la literatura ofrece y resalta el aprendizaje y la innovación como importantes estrategias que mejoran la gestión (Baker & Sinkula, 2002) y el desempeño de las organizaciones (Kraśnicka et al., 2018).
La teoría de recursos y capacidades postula al conocimiento como un recurso valioso que, al ser usado estratégicamente, genera ventaja competitiva sostenible (Barney, 1991). Asimismo, el aprendizaje organizacional, a partir del argumento de Huber (1991), enfatiza el amplio alcance del conocimiento y la memoria organizacional que desarrollan capacidades para mejorar el rendimiento empresarial (Alegre & Chiva, 2013). Una de esas capacidades se refiere a la innovación, cuyo dinamismo es dirigido al crecimiento económico de la empresa (Chen et al., 2018). En este sentido, el aprendizaje organizacional defiende al conocimiento como antecedente de la capacidad de innovación (Alegre & Chiva, 2013; Baker & Sinkula, 1999; Cohen & Levinthal, 1990; Darroch & McNaugton, 2002; Jiménez-Jiménez & Sanz-Valle, 2011).
La capacidad de innovación es una parte integral de la gran transformación en los negocios modernos. Los gerentes modernos se ven presionados cada vez más, desde dentro y fuera de la organización, a innovar sus procesos, incluidos los productos y servicios (Ringberg et al., 2019). En escenarios contingentes, inestables e inciertos, la innovación representa una opción, ya que brinda protección y ofrece a las empresas nuevas oportunidades de negocio (Arzubiaga et al., 2019). La innovación funge como aliciente a la supervivencia de la empresa (Castillo & Matey, 2020) porque es un impulso de respuesta a los cambios del mercado y a las nuevas necesidades de los clientes. Ringberg et al. (2019) incluyen en su definición nuevas ideas, modelos mentales/comerciales, procesos tecnológicos, desarrollo de productos y/o servicios que se ubican desde lo incremental hasta lo radical. En ambientes no contingentes, pero de alta intensidad competitiva, la innovación ha sido aceptada para evitar la obsolescencia tecnológica, para influir en el sostenimiento de la posición competitiva de la empresa y para obtener mayores rendimientos de sus inversiones (Auh & Menguc, 2005; Chang et al., 2011).
La innovación ha sido estudiada a partir de problemáticas inherentes a las empresas (Khosravi et al., 2019), especialmente en nexos con los intangibles, como es el caso del conocimiento (Ringberg et al., 2019), porque apoya la creatividad e inspira nuevos conocimientos que fomentan la innovación (Milbratz et al., 2020). El supuesto básico es que el aprendizaje juega un papel clave para permitir a las empresas lograr velocidad y flexibilidad en el proceso de innovación (Weerd-Nederhof et al., 2002), así como también brinda a las empresas la oportunidad y la capacidad de superar desafíos y tomar mejores decisiones.
Esta investigación intenta contribuir a la literatura empírica con hallazgos que emanen del análisis de las relaciones entre la orientación al aprendizaje, la capacidad de innovación y el rendimiento empresarial. En tal contexto, se acude al fundamento empírico de las investigaciones realizadas por Calantone et al. (2002), Jiménez-Jiménez & Sanz-Valle (2011), Alegre & Chiva (2013) y Martínez et al. (2018), quienes sustentan la evidente relación de la orientación al aprendizaje en la innovación y el rendimiento. Igualmente, se consideran los trabajos de Ringberg et al. (2019), Dadfar et al. (2013), Huang et al. (2016) y García-Morales et al. (2008), donde se ha encontrado que la innovación presenta influencia en el rendimiento.
Se busca valorar las perspectivas en conjunto para poder tener una óptica mucho mayor de cómo aportar a las empresas ideas de mejora. Se toman en cuenta las investigaciones que destacan el papel del aprendizaje, la innovación y sus efectos en el rendimiento, con la intención de ampliar y contrastar evidencias de la investigación empírica. Para ello, el objetivo de esta investigación es analizar las relaciones entre la orientación al aprendizaje, la capacidad de innovación y el rendimiento empresarial, así como analizar el rol de la capacidad de innovación como mediador entre la orientación al aprendizaje y el rendimiento en empresas mexicanas.
El estudio contribuye a las empresas (especialmente a las mexicanas) que en su intento por insertarse a la “nueva normalidad” tendrán que asumir, dependiendo del tipo de actividades que realicen, algunos costos derivados de la cantidad de insumos y adecuaciones que se requerirán para que los empleados laboren en un ambiente seguro o que estén capacitados para implementar protocolos de seguridad o cambios en las áreas de trabajo, entre otros. Estos costos que merman el rendimiento empresarial se suman a las pérdidas acumuladas resultantes de la pandemia vivida. En este sentido, el estudio da luz para que las empresas abran expectativas para absorber conocimiento del exterior y elevar el nivel de conocimiento existente en la organización, ampliando así sus capacidades de aprendizaje e innovación.
El artículo incluye una introducción y una revisión conceptual de las variables de estudio. Luego, describe el diseño del estudio y el uso de la modelación de ecuaciones estructurales por mínimos cuadrados parciales (PLS-SEM). Finalmente, presenta los resultados y conclusiones.
Fundamento teórico e hipótesis de investigación
El marco teórico para esta investigación es la teoría de recursos y capacidades, la cual afirma que el conocimiento es un recurso estratégico y valioso que genera ventaja competitiva sostenible (Barney, 1991). Derivado de ella, el aprendizaje se vuelve fundamental para el rendimiento empresarial (Alegre & Chiva, 2013). El aprendizaje refiere un proceso mediante el cual la empresa desarrolla nuevos conocimientos e ideas a partir de las experiencias comunes de los agentes de la organización (Jiménez-Jiménez & Sanz-Valle, 2011). Su potencial deriva de su influencia para mejorar las capacidades de la empresa (Slater & Narver, 1995).
El proceso del aprendizaje integra la adquisición, distribución e interpretación del conocimiento y la memoria organizacional (Huber, 1991). Bajo la conceptualización de la capacidad de absorción, el proceso integra la adquisición, asimilación y explotación del conocimiento (Cohen & Levinthal, 1990), ambas posturas identifican el desempeño organizacional como objetivo del aprendizaje. Estudios posteriores como los de Baker & Sinkula (1999) y Darroch & McNaugton (2002) encuentran que la orientación al aprendizaje tiene un efecto directo sobre el desempeño organizacional.
La orientación al aprendizaje es un conjunto de rutinas organizacionales y procesos estratégicos dirigidos al enriquecimiento del conocimiento, donde nuevos conocimientos y perspectivas de las experiencias comunes de los integrantes de la organización se potencializan para influir en el comportamiento y mejorar las capacidades de la empresa (Jiménez-Jiménez & Sanz-Valle, 2011). Una empresa orientada al aprendizaje procesa adecuadamente la información que recibe de sus clientes, competidores y canales de distribución, creando una competencia crítica para mejorar su desempeño (Calantone et al., 2002).
A su vez, el desempeño se identifica como una de las variables más representativas de la gestión estratégica y ha asumido diversas connotaciones semánticas, pero en general se dirige a la eficacia de la empresa cuando alcanza sus objetivos planteados y a su eficiencia con la óptima utilización de sus recursos (Auh & Menguc, 2005). Desde el punto de vista económico, el desempeño ha sido evaluado en términos contables y financieros (Minai & Lucky, 2011). En esta lógica, el rendimiento empresarial ha sido estudiado a partir de indicadores como: imagen de calidad de servicio (Chang & Chen, 1998), evolución de la cuota de mercado, volumen de ventas, estimación del volumen de ventas potenciales y el retorno sobre la inversión (ROI) (Deng & Dart, 1994), crecimiento de las ventas, éxito en el desarrollo de nuevos productos y el retorno sobre los activos (ROA) (Slater & Narver, 1995), contribución del resultado global de los nuevos productos (Santos & Vázquez, 1997), entre otros.
Maldonado et al. (2009), en su estudio de empresas mexicanas, consideró como dimensiones de rendimiento empresarial los siguientes: procesos internos (calidad de los productos, eficiencia de procesos operativos, organización de las tareas del personal), sistema abierto (satisfacción de los clientes, rapidez de adaptación a las necesidades de los mercados, imagen de la empresa y de sus productos/servicios), sistema racional (incremento de la cuota de mercado, incremento de la rentabilidad, incremento de la productividad) y recursos humanos (motivación/satisfacción de los trabajadores, reducción de la rotación de personal, reducción del ausentismo laboral). De manera similar, y también en empresas mexicanas, Pastor et al. (2019) usaron como indicadores de desempeño: nivel de ventas, tasa de crecimiento de ventas, flujo de efectivo, rendimiento del capital de los socios, margen de utilidad bruta, utilidades netas de las operaciones, volumen de activo y crecimiento en el número de empleados y ROI. En esta línea, se asume que el rendimiento empresarial es una medida del desempeño que se expresa con las salidas, como el crecimiento de las utilidades, aumento de participación en el mercado y/o aumento en el número de empleados (Deutscher et al., 2016), lo cual es resultado de la generación de valor de la empresa que refleja una posición sostenible (Doran & Ryan, 2014). Con estos argumentos conceptuales, se propone:
H1. La orientación al aprendizaje influye positiva y significativamente en el rendimiento empresarial.
La contribución de Cohen & Levinthal (1990) asume que las empresas adquieren, asimilan y explotan el conocimiento con fines de innovación. Ese conocimiento extraído del entorno en que se desenvuelve la empresa es el principal elemento que acelera la innovación (Hameed et al., 2021). En general, las ideas provienen de fuera de los límites de las empresas en forma de conocimiento externo; estas se refinan aún más con la ayuda de las experiencias y capacidades de las diversas áreas funcionales, transformándolas en una orientación al aprendizaje en vías de generar numerosos resultados de innovación (Hameed et al., 2021).
Quienes han estudiado el aprendizaje a partir de la gestión del conocimiento, revelan su contribución directa e indirecta en la innovación en las empresas (Ode & Ayavoo, 2020). Y a partir de los estudios de la capacidad de absorción, destacada por sus pioneros Cohen y Levinthal, se han registrado diversos trabajos que observan un fuerte vínculo entre el aprendizaje y la innovación (Khosravi et al., 2019).
La orientación al aprendizaje es una parte esencial de la innovación (Weerd-Nederhof et al., 2002), refleja la tendencia de la organización en la búsqueda de hallazgos e ideas innovadoras. Asimismo, la exploración del entorno provoca interés en la tecnología de vanguardia, en la creación de productos novedosos y en el entendimiento de las necesidades de los consumidores (Calantone et al., 2002), razón suficiente para entender que el aprendizaje debe gestionarse de manera efectiva para aumentar la capacidad innovadora de una empresa (Ode & Ayavoo, 2020). Sin perder de vista que la responsabilidad recae en el comportamiento de los integrantes de la organización, sus experiencias, habilidades, capacidades y especialidades son enriquecidas con información que extraen de la exploración al entorno, de modo que esta sinergia fortalece la capacidad de innovación (Martelo-Landroguez et al., 2019).
Incluso en entornos cambiantes y de incertidumbre, la orientación al aprendizaje conlleva a la adaptación de la empresa y a la exploración de nuevas ideas y formas de negocio que puedan acelerar el proceso de innovación (Hameed et al., 2021). En este sentido, se propone:
H2. La orientación al aprendizaje influye positiva y significativamente en la capacidad de innovación.
Capacidad de innovación y rendimiento empresarial
La capacidad de innovación se enfoca en la realización de productos, servicios, procesos, marketing y prácticas administrativas, ya sean nuevos o mejorados (Pedron et al., 2018). La capacidad de innovación representa el desarrollo e implementación de nuevas ideas de los integrantes de la organización, dirigidas a una mejora de productos, servicios y procesos comerciales existentes que potencialmente conducen a mayores ganancias financieras, un posicionamiento competitivo más fuerte y un valor mejorado para las partes interesadas (colaboradores, clientes, usuarios finales) (Ringberg et al., 2019). Igualmente, implica la correcta implementación de nuevas ideas que reúnan condiciones de novedad y uso, que lleven a la empresa al éxito comercial (Fernández-Mesa & Alegre, 2015). Asimismo, esta constituye un conjunto de acciones organizacionales estratégicas que repercute en beneficios en el largo plazo (Damanpour & Wischnevsky, 2006) y en el rendimiento (Sok & O’Cass 2015).
Dados los beneficios que presenta, la innovación ha sido estudiada a partir de diferentes indicadores, estos varían dependiendo del tipo de innovación, del sector o industria, de la región o del tamaño de las empresas (Henrique et al., 2021), entre otros. Entre los más comúnmente elegidos resalta el volumen de ventas de productos nuevos (Nieto & Quevedo, 2005); de manera similar, se ha usado el porcentaje de productos nuevos o mejorados y su relación con las ventas anuales (Escribano et al., 2009). Así también, su estudio ha derivado de la percepción del personal sobre el interés de la empresa en la innovación, incluyendo el estímulo y valoración de ideas novedosas, la inclusión en los programas organizacionales y la búsqueda de innovaciones técnicas (Cepeda-Carrión et al., 2010). Otros estudios han identificado habilidades específicas con el tipo de innovación (radical e incremental) (Doran & Ryan, 2014), esfuerzos dirigidos a la innovación de productos a través del conocimiento (interno y externo), generación de patentes, esfuerzos de innovación de procesos relacionada con la escala y complejidad de su tecnología, tamaño de la fábrica y relación capital-trabajo (Kocoglu et al., 2015).
El estudio de Henrique et al. (2021) presenta una discusión y clasificación del uso de: i) indicadores de entrada a la innovación: los gastos de investigación y desarrollo (I&D), otros gastos relacionados a la innovación externa, empleados con educación superior y entrenamiento, falta de personal calificado, cantidad de cambios no tecnológicos, cantidad de fuentes de conocimiento, gastos en tecnologías de información y comunicación, falta de capacidad de respuesta del cliente y falta de fuentes de financiación adecuadas; ii) indicadores intermedios: patentes publicadas, patentes requeridas, solicitudes de patentes, número de marcas comerciales, número de marcas registradas y número de diseños aplicados; iii) indicadores de salida de innovación: venta de productos innovadores y/o imitados, anuncio de nuevos productos, venta de productos innovadores e imitados, personas involucradas en actividades intensivas en conocimiento, protección de la innovación durante el período de investigación e introducción de innovación (Henrique et al., 2021).
Independientemente de los indicadores asumidos, se reconoce que la capacidad de innovación es una forma de vida para muchas empresas, y es considerada indispensable para el desempeño en las organizaciones contemporáneas (Huang et al., 2016). La evidencia empírica postula que la innovación juega un papel clave en la mejora del desempeño de una organización (Dadfar et al., 2013; Huang et al., 2016; Vladimirov, 2016). La revelación del impacto positivo de la innovación en el desempeño (Castillo & Matey, 2020) se ha demostrado especialmente en el rendimiento de los activos y la participación de mercado (García-Morales et al., 2008), y suele explicarse, principalmente, por el hecho de que la innovación ayuda a las empresas a diferenciarse de otras (Arzubiaga et al., 2019; Jansen et al., 2006). La innovación conduce potencialmente a mayores ganancias financieras, a un posicionamiento competitivo más fuerte, a un valor mejorado para las partes interesadas (colaboradores, clientes y usuarios finales) (Ferreira et al., 2018; Ringberg et al., 2019) y, por ende, a favorecer el sostenimiento de la ventaja competitiva (Chen et al., 2018).
En ambientes competitivos, la innovación juega un papel estratégico que transita del desempeño empresarial a la creación de la ventaja competitiva (Kraśnicka et al., 2018). Y en entornos cambiantes, como en el caso de periodos de recesión económica, la capacidad de innovación es un aliciente para mejorar el rendimiento (Huang et al., 2016). Sin embargo, no se puede obviar que la capacidad de innovación está relacionada con los esfuerzos de la organización por innovar y su naturaleza es de riesgo, así que probablemente su influencia en el rendimiento se manifestaría en el largo plazo (Ferreira et al., 2018). En el afán de indagar más en el tema, se postula la siguiente hipótesis:
H3. La capacidad de innovación influye positiva y significativamente en el rendimiento empresarial.
Orientación al aprendizaje, capacidad de innovación y rendimiento empresarial
La literatura revela nexos de la capacidad de innovación con el rendimiento y con la orientación al aprendizaje (Pangarso et al., 2020; Zou et al., 2018). A menudo se observa que los resultados de innovación y el mejoramiento del desempeño se da en empresas más orientadas al aprendizaje (Alegre & Chiva, 2013). De hecho, Cavusgil et al. (2003) afirman que las organizaciones que gestionan activamente el aprendizaje suelen ser más eficientes en la generación de productos y servicios innovadores y, en consecuencia, logran un alto rendimiento. Igualmente, las empresas que promueven prácticas para el desarrollo y formación de la creatividad logran la innovación y el desempeño financiero (Manresa et al., 2019).
Además, no solo se sugiere un efecto positivo del aprendizaje en el rendimiento, también se argumenta la existencia de un efecto mediador de la innovación en esa relación, la cual conduce al éxito de la organización (Jiménez-Jiménez & Sanz-Valle, 2011), y de un efecto mediador de la ambidextra de la innovación en el efecto de la capacidad de absorción sobre la ventaja competitiva sostenible (Pangarso et al., 2020). Por esta razón, estudiar la capacidad de innovación de una empresa como una variable mediadora precedida del conocimiento con fines de rendimiento puede resultar relevante para comprender cómo esta relación tiende a ser más fuerte en un mercado variable y desafiante (Zou et al., 2018). La fuerza de la relación entre las tres variables radica en el hecho de que las empresas son capaces de obtener y desarrollar conocimiento interno y externo, interpretar, distribuir y generar mecanismos para que dicho conocimiento esté disponible para crear y comercializar nuevos productos y servicios o innovar en sus procesos, contribuyendo a la mejora del rendimiento (Chen et al., 2018; Milbratz et al., 2020). Es así como la siguiente hipótesis es incluida en el modelo teórico que se pretende estudiar (Figura 1):
H4. La capacidad de innovación media la relación entre orientación al aprendizaje y rendimiento empresarial.
Materiales y Métodos
El modelo teórico propuesto se probó en empresas situadas en Toluca, Estado de México. El interés de investigación en empresas de esta localidad, en primer lugar, surgió de la necesidad de contar con un diagnóstico que revele la relación entre la capacidad de innovación y el rendimiento, para aportar al fomento a la productividad y modernización en el Estado de México, a través del Consejo Mexiquense de Ciencia y Tecnología (Comecyt). En segundo lugar, se buscó dar a las empresas de la región luz que permita hacer más eficientes sus recursos y capacidades. Esto se debe a que el Estado de México está conurbado con la Ciudad de México y tiene una importante participación en la economía nacional; por ejemplo, en el año 2018, ocupó la segunda posición en aportación al Producto Interno Bruto (PIB) mexicano con el 9.1% (Instituto Nacional de Estadística y Geografía [INEGI], 2019). Por su parte, Toluca fue el segundo municipio con participación del 20.8% al PIB del Estado de México, además de proveer empleo al 10.9% de la población mediante el funcionamiento de 7.4% unidades económicas (INEGI, 2014).
Aunque la economía de Toluca resalta en actividades de manufactura por sus nexos comerciales con Estados Unidos, Alemania y China, principalmente en la rama de fabricación de autopartes, y por sus extensos parques industriales, el comercio y los servicios también forman parte de la investigación. En este sentido, se invitó a responder la encuesta en línea a las empresas pertenecientes al Directorio Empresarial del Estado ubicadas en Toluca. El tamaño de la muestra resultó ser un muestreo por conveniencia, ya que el periodo de aplicación inició en enero 2020 y debió suspenderse en marzo debido al cambio en el entorno económico, resultado de la pandemia COVID-19. Después de desechar casos atípicos, la muestra quedó conformada por 32 empresas de más de 250 trabajadores (45%) y 39 empresas (55%) con 11 a 249 empleados. En total, 35% son empresas de manufactura, 14% se dedican al comercio y 51% realizan servicios.
La investigación es cuantitativa, no experimental, y evaluó la influencia predictiva mediante la técnica de análisis multivariante de segunda generación, específicamente, modelado de ecuaciones estructurales por mínimos cuadrados parciales (PLS-SEM, por sus siglas en inglés), con el software estadístico SmartPLS versión 3.2.8 (Ringle et al., 2015). Se eligió esta técnica porque posee cualidad exploratoria centrada en la predicción, proporciona rutas flexibles simples (primer orden) y componentes jerárquicos (segundo orden) (Hair et al., 2017) y tiene la ventaja de no exigir en la distribución de los datos, supuestos paramétricos rigurosos (Hair et al., 2017). PLS-SEM, a diferencia de ecuaciones estructurales de covarianza (CB-SEM), funciona con muestras mucho más pequeñas y mucho más grandes y es útil en los análisis de impacto-desempeño, sistemas de información, gestión y marketing; ya que permite a los investigadores priorizar fácilmente las actividades para posibles mejoras y tomar las decisiones de gestión estructural necesarias (Hair et al., 2011). El tamaño de muestra mínimo de PLS-SEM se sugiere que sea: (1) mayor a 10 veces el mayor número de indicadores formativos utilizados para medir un constructo o (2) mayor a 10 veces el mayor número de caminos estructurales dirigidos a un constructo latente particular en el modelo estructural (Hair et al., 2011). Para este estudio, el mayor número de indicadores formativos de los constructos es 7 *10 = 70, lo cual comparativamente con la muestra del presente estudio es viable.
La encuesta incorporó preguntas en escala tipo Likert de cinco opciones (1 nunca-5 siempre), que conceptualmente derivan de los trabajos de Mahmoud et al. (2016), Pastor et al. (2019) y Suliyanto & Rahab (2012). La capacidad de innovación se incluyó en el modelo como variable mediadora, definida como el conjunto de acciones enfocadas a la exploración de nuevas oportunidades y al sostenimiento del comportamiento en el desarrollo de ideas creativas que reflejen esencia de novedad en productos, servicios y procesos (Damanpour & Wischnevsky, 2006). La orientación al aprendizaje se conceptualizó como el conjunto de rutinas organizacionales y procesos estratégicos dirigidos al enriquecimiento del conocimiento (Martelo-Landroguez et al., 2019). El rendimiento empresarial se identificó como medida del desempeño de la empresa, la cual se expresa con las salidas (aumento de participación en el mercado, aumento en clientes y crecimiento de los beneficios corporativos) (Deutscher et al., 2016). Se acudió a medidas de rendimiento subjetivas con el fin de proteger la confidencialidad de los datos financieros; además, se coincide con el argumento de Deutscher et al. (2016), quienes mencionan que los niveles de utilidad difieren entre empresas y dependen del nivel de inversión en I&D.
La validación del cuestionario, en primer lugar, se realizó con la revisión de un grupo de expertos; posteriormente, se probó en una prueba piloto de cinco empresas. Una vez corroborado el análisis de contenido, se testeó estadísticamente con los coeficientes de correlación, concretamente el coeficiente alfa de Cronbach, para medir la consistencia interna basándose en el promedio de las correlaciones entre los ítems. Posteriormente, en el modelo de medida fueron descartados algunos ítems debido a que sus cargas factoriales mayores a 0.7 no fueron adecuadas (Hair et al., 2017). La versión final del cuestionario contempla siete ítems de orientación al aprendizaje, cinco ítems en capacidad de innovación y tres ítems en rendimiento empresarial (Anexo 1).
Para el análisis de los datos se siguieron las recomendaciones de Hair et al. (2017). En primer lugar, se determinó la viabilidad del modelo global; en segundo lugar, se estimó el modelo de medida para determinar la relación entre los indicadores y el constructo y, en tercer lugar, se realizó la estimación del modelo estructural para evaluar las relaciones entre los diferentes constructos. Las variables se analizaron como componentes de segundo orden, siguiendo la propuesta de Van Riel et al. (2017).
Resultados
Modelo global
Los resultados del algoritmo PLS permitieron verificar el ajuste de los datos al modelo con la aplicación de la técnica Bootstrapping. El indicador SRMR = 0.077 (raíz cuadrada de la media estandarizada residual), según Byrne (2008), establece que, si SRMR es igual a 0, se tiene un ajuste perfecto; si es menor a 0.08, el ajuste es aceptable. El resultado mostró la viabilidad del modelo global, lo cual permitió continuar con la evaluación del modelo de medida.
Modelo de medida
Para analizar la validez convergente, se realizaron las siguientes interpretaciones: 1) las cargas factoriales de los ítems son adecuadas porque son mayores a 0.7 (Hair et al., 2017); 2) el factor de inflación de la varianza (VIF, por sus siglas en inglés) está debajo de 5, esto indica pertinencia de la construcción de las variables e inexistencia de problemas de multicolinealidad (Hair et al., 2017); 3) los valores de la varianza media extraída (AVE, por sus siglas en inglés) son adecuados al ser superiores a 0.5 (Hair et al., 2017), por consiguiente, la validez convergente es satisfactoria (Tabla 1).
Tabla 1 Validez convergente y confiabilidad.
| Variable | Ítem | Validez convergente | Confiablidad | ||||
| Cargas externas > 0.700 |
VIF < 5.000 |
AVE > 0.500 |
Alfa de Cronbach > 0.700 |
rho_a > 0.700 |
Fiabilidad compuesta > 0.600 |
||
| Orientación al aprendizaje (OA) | OA1 OA2 OA3 OA4 OA5 OA6 OA7 |
0.803 0.864 0.837 0.837 0.871 0.786 0.772 |
2.624 3.854 3.177 3.143 3.778 2.430 1.931 |
0.680 | 0.921 | 0.924 | 0.937 |
| Capacidad de innovación (I) | I1 I2 I3 I4 I5 |
0.850 0.753 0.917 0.764 0.869 |
2.300 2.194 3.885 1.970 2.485 |
0.694 | 0.888 | 0.904 | 0.918 |
| Rendimiento empresarial (R) | R1 R2 R3 |
0.909 0.910 0.831 |
2.674 2.369 1.910 |
0.782 | 0.862 | 0.889 | 0.915 |
Fuente: Elaboración propia.
La confiabilidad se evaluó a través de: 1) Alfa de Cronbach, que presenta valores encima de 0.8 y revela una “buena” posición (Nunnally & Bernstein, 1994); 2) rho_a muestra valores superiores a 0.7 calificados como adecuados (Dijkstra & Henseler, 2015); y 3) la fiabilidad compuesta presenta valores superiores a 0.6 como aceptables (Nunnally & Bernstein, 1994). Los tres indicadores confirman la consistencia interna de las variables estudiadas (Tabla 1).
La validez discriminante se constató a partir del criterio de Fornell & Larcker (1981) y la matriz heterotrait-monotrait (HTMT). En el primer caso se verificó que la raíz cuadrada de la AVE fuera mayor al valor de las correlaciones entre variables; luego se verificó que la ratio HTMT estuviera por debajo de 0.850 (Henseler et al., 2015). La Tabla 2 muestra ambos indicadores reflejando evidencia de validez discriminante.
Tabla 2 Validez discriminante (Matriz HTMT).
| Variable | I | OA | R |
| Capacidad de innovación (I) | 0.8331 | ||
| Orientación al aprendizaje (OA) | 0.631 | 0.8251 | |
| Rendimiento empresarial (R) | 0.699 | 0.600 | 0.8841 |
Nota: Los elementos diagonales (1) son la raíz cuadrada de la varianza compartida entre los constructos y sus medidas. Los elementos fuera de la diagonal son las correlaciones entre constructos.
Fuente: Elaboración propia.
Se concluye que el modelo de medida muestra un buen desempeño en términos de validez convergente, confiabilidad y validez discriminante de las construcciones.
Modelo estructural
La evaluación del modelo estructural supone examinar la capacidad predictiva y las dinámicas existentes (Figura 2).
El análisis de la valoración de los constructos mediante el indicador VIF no representan problemas. De acuerdo con Hair et al. (2017), si el valor es menor a 5, indica pertinencia de la construcción de las variables e inexistencia de problemas de multicolinealidad (Tabla 3).
Tabla 3 Valores VIF del modelo estructural.
| Variable | I | OA | R |
| Capacidad de innovación (I) | 1.661 | ||
| Orientación al aprendizaje (OA) | 1.000 | 1.661 | |
| Rendimiento empresarial (R) |
Fuente: Elaboración propia.
Validez predictiva del modelo. Este indicador identifica tamaños de los efectos f2, que valúan la contribución de un constructo exógeno al valor R2 de una variable exógena que, de acuerdo con el umbral que presente, reflejará la validez predictiva del modelo. Los umbrales son 0.02, 0.15 y 0.35 (efecto pequeño, moderado y fuerte, respectivamente) (Hair et al., 2019). En este caso, la capacidad de innovación presenta efectos grandes en el rendimiento empresarial (0.362), y la orientación al aprendizaje presenta efectos pequeños en el rendimiento empresarial (0.09) (Tabla 4).
Tabla 4 Tamaño de los efectos f2.
| I | R | |
| Innovación (I) | 0.362 | |
| Orientación al aprendizaje (OA) | 0.661 | 0.09 |
Fuente: Elaboración propia.
Para valorar la relevancia predictiva del modelo, se generó el procedimiento de blindfolding (Geisser, 1974) usando una distancia de omisión de siete casos (D = 7). Como se observa en la Tabla 5, los valores Q2 de redundancia están por encima de cero para todos los constructos endógenos, lo que brinda apoyo para la precisión predictiva del modelo (Hair et al., 2017). Los constructos tuvieron predicción fuerte tanto en capacidad de innovación (0.266) como en rendimiento empresarial (0.381); ambos reflejan validez predictiva del modelo.
Tabla 5 Relevancia predictiva Q2.
| Variable | SSO | SSE | Q² (=1-SSE/SSO) |
| Capacidad de innovación (I) | 355 | 260.643 | 0.266 |
| Orientación al aprendizaje (OA) | 497 | 497.000 | |
| Rendimiento empresarial (R) | 213 | 131.810 | 0.381 |
Fuente: Elaboración propia.
Para el análisis de la significancia y relevancia de las relaciones del modelo estructural se consideró lo siguiente. i) La significancia de coeficientes beta (β) para cada trayectoria entre constructos debe ser al menos igual o superior a 0.1; se consideran “deseables” cuando son mayores a 0.2 (Falk & Miller, 1992). En este caso, los valores β son “deseables”, ya que se ubican entre 0.265 y 0.631. ii) El muestreo bootstrapping de 5000 observaciones y prueba de dos colas al nivel de 5% (Dijkstra & Henseler, 2015) evidencian intervalos de confianza que confirman la significancia de los coeficientes de trayectoria, ya que sus valores no incluyen el valor cero (95% BCa en ningún caso incluye el cero). iii) El valor p está por debajo del nivel α predefinido (Henseler et al., 2015) y es < 0.001 en todas las relaciones, a excepción del efecto directo OA ⇒R, cuyo p valor sí es significativo, pero a 0.05 (Tabla 6).
Tabla 6 Modelo estructural, análisis causal relacional.
| Efecto bootstrapping | Coeficiente path | 95% BCa | t | p valor | Decisión |
| Efectos directos | |||||
| H1. OA ⇒ R | 0.265 | [0.060-0.479] | 2.42 | 0.014* | Aceptada |
| H2. OA ⇒I R2 = 0.398 | 0.631 | [0.435-0.750] | 8.345 | 0.000** | Aceptada |
| H3. I ⇒R R2 = 0.530 | 0.532 | [0.301-0.719] | 4.904 | 0.000** | Aceptada |
| Efectos indirectos | |||||
| H4. OA ⇒I ⇒R | 0.335 | [0.183-0.499] | 4.014 | 0.000** | Aceptada |
Nota: BCa (bias-corrected and accelerated) Bootstrap, prueba de dos colas con significación 0.05. *p < 0.05; **p < 0.001.
El análisis de los efectos directos (Tabla 6) presenta un valor significativo positivo de la orientación al aprendizaje sobre el rendimiento empresarial (β = 0.265; p = < 0.05). Entonces, se confirmó H1, la orientación al aprendizaje influye positiva y significativamente en el rendimiento empresarial.
El análisis del efecto directo de la orientación al aprendizaje en la capacidad de innovación (β = 0.631; p < 0.001) indica un efecto significativo positivo. Por lo tanto, se confirma H2, la orientación al aprendizaje influye positiva y significativamente en la capacidad de innovación (Tabla 6). R2 sugiere que la orientación al aprendizaje explica el 39.8% de variación en capacidad de innovación, siendo este un efecto grande de acuerdo con las escalas de medición de Wetzels et al. (2009): valores de 0.1, 0.25 y 0.36 (efectos pequeños, medianos y grandes, respectivamente).
La capacidad de innovación también presenta un efecto significativo positivo en el rendimiento empresarial (β = 0.532; p < 0.001). De acuerdo con R2, la capacidad de innovación explica el 53.0% de la variación en el rendimiento empresarial de las empresas analizadas, catalogado como efecto grande (Wetzels et al., 2009). Se confirma H3, la capacidad de innovación influye positiva y significativamente en el rendimiento empresarial (Tabla 6).
En el análisis de la mediación, la capacidad de innovación es la variable incluida como mediadora. Siguiendo la propuesta de Hair et al. (2019), primero se probó la significancia del efecto indirecto (p 1 - p 2 ) de la variable mediadora, el resultado fue un efecto positivo y significativo (β = 0.335; p = < 0.001) (Tabla 6, Figura 2). Respecto a p 3 (β = 0.265; p = < 0.05 y no se incluye el cero en los intervalos de confianza), el efecto es positivo y significativo, por tanto, el efecto indirecto de la orientación al aprendizaje en el rendimiento empresarial a través de la capacidad de innovación presenta una mediación de tipo complementaria (Hair et al., 2019; Henseler et al., 2015). Esto implica que solo una fracción del efecto de la variable orientación al aprendizaje sobre la variable rendimiento empresarial es mediada por la variable innovación (Henseler et al., 2015), de modo que la variable orientación al aprendizaje mantiene parte de su influencia directa sobre la variable rendimiento empresarial (el efecto p 3 es distinto de cero) (Tabla 6, Figura 2).
Otro argumento que sustenta la mediación tipo complementaria es el índice de varianza explicada (VIF). Cuando el efecto mediador es estadísticamente significativo se sugiere determinar el VAF, cuyo cálculo sugerido por Nitzl et al. (2016) y Hair et al. (2017) es la ratio: efecto indirecto/efecto total; en esta línea, los mismos autores señalan que si el valor se encuentra entre 20% y 80%, la mediación se considera parcial. El valor de VAF fue de 55.8% ((0.6 - 0.265) / 0.6), así, se confirma la existencia de una mediación parcial en el modelo estructural. La variable mediadora (capacidad de innovación) explica el 55.8% de la varianza del rendimiento empresarial. Este resultado confirma la hipótesis de la mediación (H4): La capacidad de innovación media la relación entre orientación al aprendizaje y rendimiento empresarial.
Discusión
La primera hipótesis confirmó la orientación al aprendizaje y su influencia positiva en el rendimiento. Este resultado es igual al obtenido por Pastor et al. (2019) en empresas mexicanas y teóricamente se justifica, ya que cuando existen rutinas organizacionales y procesos estratégicos dirigidos al enriquecimiento del conocimiento, se activa el rendimiento empresarial (Alegre & Chiva, 2013). Las empresas encuestadas dirigen esfuerzos y recursos al mejoramiento de las habilidades de su personal, lo motivan a generar ideas novedosas, se orientan a la eficiencia de sus procesos, aprenden de sus errores y comparten las lecciones aprendidas. En consecuencia, los resultados aquí presentados coinciden con los de Slater & Narver (1994), quienes reconocen que el aprendizaje conduce a un mejor desempeño; además, se concuerda con Calantone et al. (2002) en que el eficaz procesamiento de información crea competencias críticas, también dirigidas al incremento del desempeño empresarial. Este hallazgo sobre el efecto principal de la orientación al aprendizaje en el desempeño de la empresa replica y aporta a la investigación de Baker & Sinkula (2009), quienes afirman que el aprendizaje debe conducir a resultados superiores, como el éxito de nuevos productos, retención de clientes, crecimiento superior y/o rentabilidad.
Así también, los resultados se encuentran en línea con el estudio de Bilan et al. (2020), quienes resaltan que el aprendizaje juega un papel vital en la mejora de la sostenibilidad de la empresa. De igual forma, Manresa et al. (2019) concluyen que, más que la capacitación del personal, son las prácticas especialmente dirigidas a la formación y desarrollo de la creatividad las que destacan los beneficios, no solo para el desempeño de la innovación, sino también para el desempeño financiero. Sin embargo, se encuentra cierta discrepancia con los estudios de Milbratz et al. (2020), quienes no pudieron evidenciar la influencia directa del aprendizaje sobre el desempeño.
La segunda hipótesis prueba que la orientación al aprendizaje influye significativamente en la innovación. Este resultado coincide con el estudio de Pastor et al. (2019), realizado en empresas mexicanas, y con el de Mardani et al. (2018), realizado en empresas iraníes. Estos autores comprobaron que el conocimiento se asocia de manera positiva y significativa con la innovación. Las empresas encuestadas se enfocan en innovaciones, exploración de nuevas ideas, nuevas formas de hacer negocios y a poner en práctica estrategias de comercialización; es decir, como sugieren Ode & Ayavoo (2020) en su estudio de empresas de Nigeria, intentan una mejor administración de su orientación al aprendizaje para aumentar su capacidad innovadora y reducir la duplicación de actividades de investigación, tanto tecnológicas como organizativas (Weerd-Nederhof et al., 2002).
Los resultados de este estudio se alían a los de Ringberg et al. (2019) al mostrar los nexos existentes entre el conocimiento y la innovación; además, igual que Khosravi et al. (2019), se refuerza la investigación de un fuerte vínculo entre ambas variables. La orientación al aprendizaje fomenta la creación de nuevas ideas (Baker & Sinkula, 1999; Kharabsheh et al., 2017) para el desarrollo de nuevos productos, mejores que los de sus competidores (Kocoglu et al., 2015).
La coincidencia de estos resultados con el obtenido por Calantone et al. (2002), Alegre & Chiva (2013) y Milbratz et al. (2020) se basa en el argumento de que, a mayor grado de orientación al aprendizaje, mayor es la influencia en la innovación. La orientación al aprendizaje enfatiza la necesidad de obtener conocimientos, mientras que la innovación se centra en la voluntad de la organización, pero requiere que los individuos adquieran conocimientos y los compartan dentro de la organización con la intención de ofrecer nuevos y mejorados productos. En este sentido, también se coincide con Hameed et al. (2021), quienes argumentan que las empresas buscan conocimiento con el fin de acelerar la innovación.
La tercera hipótesis comprueba la relación entre la capacidad de innovación y el rendimiento. Los resultados conllevan a similitudes con estudios que aseveran que la innovación juega un papel clave en la mejora del desempeño de una organización (Castillo & Matey, 2020, Dadfar et al. 2013; Hameed et al., 2021; Huang et al., 2016; Milbratz et al., 2020; Vladimirov, 2016). Se habla del desempeño de la organización a través de los efectos causados en la participación de mercado (García-Morales et al., 2008), en la diferenciación (Arzubiaga et al., 2019; Jansen et al., 2006) y en el éxito comercial (Fernández-Mesa & Alegre, 2015; Hameed et al., 2021). El resultado obtenido es coincidente con el de Maldonado et al. (2009) en su investigación de empresas mexicanas. Estos autores encontraron que la innovación influye significativamente en el rendimiento, medido este en su dimensión sistema racional y a partir de los indicadores incremento de la cuota de mercado, incremento de la rentabilidad e incremento de la productividad.
Los hallazgos de esta investigación denotan que las empresas estudiadas lograron ampliar su mercado, extender los beneficios corporativos e incrementar el número de clientes. En base a estos logros, se encuentra coincidencia con los argumentos de García-Morales et al. (2008) y Chen et al. (2018), quienes sostienen que la innovación mejora el rendimiento de la empresa. Se demostró que la capacidad de innovación representa una estrategia que mejora el desempeño (Kraśnicka et al., 2018). Los resultados de este estudio son similares a los de Cuevas-Vargas et al. (2020) en empresas mexicanas; aunque ellos estudiaron la innovación dirigida al marketing, también detectaron incidencia significativa en el rendimiento empresarial. Sus resultados en empresas manufactureras evidenciaron que, al mejorar su nivel de innovación, se desarrollan importantes fuentes de información que permiten a los gerentes o dueños tomar decisiones en la estrategia empresarial, permitiéndoles incrementar su productividad y rentabilidad, e incluso motivar y comprometer a su personal.
La cuarta hipótesis confirma el efecto de la capacidad de innovación como variable mediadora entre la orientación al aprendizaje y el rendimiento empresarial. Además, se coincide con Baker & Sinkula (2002), quienes aseveran que el aprendizaje permite a la empresa desarrollar capacidades que mejoran la innovación, y la innovación no solo afecta directamente el desempeño, sino que también media la relación entre aprendizaje y desempeño. En convergencia con Bilan et al. (2020), la cultura innovadora modera significativamente la relación aprendizaje y sostenibilidad de la empresa. Sin embargo, la evidencia empírica muestra que no siempre se revela el efecto de mediación de la innovación entre el aprendizaje y el rendimiento, tal como sucedió con el estudio de Milbratz et al. (2020).
Finalmente, los estudios de Calantone et al. (2002), Jiménez-Jiménez & Sanz-Valle (2011), Alegre & Chiva (2013) y Martínez et al. (2018) reportan efectos positivos del aprendizaje en la innovación y el desempeño, y efectos del aprendizaje en la innovación. Los mismos efectos se manifiestan en esta investigación.
Conclusiones
Este estudio ofrece contribuciones importantes. A la gestión estratégica le aporta más evidencia empírica que confirma que el potencializar el conocimiento promueve la innovación, lo cual a su vez impacta positivamente en el rendimiento. Y al conocimiento como recurso estratégico le aporta la comprensión de su relación con el desempeño y con la capacidad de innovación. A la práctica empresarial le revela que el apostar al aprendizaje es un medio que conlleva a mejorar las capacidades de innovación con fines de rendimiento. El camino es mejorar el bagaje de conocimiento, empleando técnicas de capacitación dirigidas especialmente al desarrollo de la creatividad.
Esta investigación aporta a la conceptualización de la medición de innovación y la orientación al aprendizaje, al usar una amplia medida de innovación que cubre el lanzamiento de productos, nuevas formas de hacer negocios, intentos de nuevas ideas, ser los primeros en comercializar productos innovadores, entre otros. Pero, ante todo, se visualiza la innovación como un objetivo de la organización. La orientación al aprendizaje se considera una inversión; busca el desarrollo de habilidades, confianza, cooperación y adaptación a cambios entre el personal; motiva a emprender ideas novedosas, enfrentar el riesgo y aprender de los errores. Además, se contribuye a la literatura al comprobar el efecto mediador que ejerce la innovación entre el aprendizaje y el rendimiento.
El resultado de esta investigación sugiere que la orientación al aprendizaje facilita la capacidad de innovación. Por tanto, una organización que desee mejorar su desempeño con prácticas innovativas debe mejorar sus procesos de aprendizaje. Las empresas deben promover la adquisición de nuevos conocimientos (por ejemplo, asistir a ferias, exposiciones, eventos en las Cámaras de Comercio y Transformación, inserción en proyectos de ciencia y tecnología) y fomentar el desarrollo de nuevas ideas y experimentación dentro de la firma.
El presente estudio utiliza una muestra de empresas mexicanas en un contexto-región en el que la literatura empírica es especialmente escasa. Los hallazgos de este estudio dan luz a las diferentes instituciones que brindan apoyo al sector empresarial y promueven el avance científico y tecnológico con el fin de lograr un crecimiento en la competitividad y desarrollo del Estado de México.
En consecuencia, se expande la intensión de proseguir en esta línea de investigación explorando los diferentes sectores y su comparación entre regiones mexicanas. Si bien la muestra no ha sido tan grande como se esperaba, los resultados presentan coincidencias con investigaciones importantes en el campo, las cuales refuerzan la confirmación de las hipótesis planteadas.
