Cuando Amazon comenzó a buscar la ubicación ideal para su segunda sede, la mayoría de las ciudades que intentaron atraer a la empresa con incentivos fiscales no tuvieron la más mínima oportunidad de ser elegidas porque no contaban con uno de los requisitos más básicos: densidad de población y capital humano valioso y disponible. No fue ninguna casualidad que acabaran decantándose por Virginia, el estado con la mayor concentración de profesionales STEM, según varios estudios.
Las políticas que los gobiernos pueden implementar con el fin de atraer a este tipo empresas deben entender el impacto que las características locales, como el valor del capital humano o la flexibilidad para cambiar de trabajo, tienen en la innovación de las empresas. Si no lo hacen, pueden resultar totalmente ineficientes, especialmente si el coste de la inversión pública es superior a los beneficios aportados por la empresa en términos de crecimiento regional e innovación.
Este es uno de los ejemplos que Liudmila Alekseeva y Miguel Antón (IESE Business School, Universidad de Navarra) utilizan en su trabajo de investigación “Local Human Capital and Innovation Spillovers”, ganador del XI Premio Anual de Investigación de la Cátedra UAM-Accenture 2019. Partiendo del concepto de difusión del conocimiento (knowledge spillover, en inglés), un concepto que tiene sus orígenes en el trabajo del economista Alfred Marshall y que posteriormente acabó denominándose MAR por las aportaciones de Paul Romer y Kenneth Arrow; los autores analizan la influencia del capital humano local en los posibles beneficios derivados del “desbordamiento” del conocimiento.
Según Marshall, este proceso de difusión, atraviesa las paredes de las oficinas y casi “flota” en el aire, y son las personas que habitan y trabajan en ese lugar las que serán o no capaces de beneficiarse del conocimiento, y las innovaciones que surjan en un entorno que está determinado por la cercanía de empresas innovadoras. Al mismo tiempo, las características de estas mismas personas le permitirán contrarrestar mejor o peor las amenazas que surgen al estar rodeado de competidores porque, de hecho, en lugares donde hay un mayor éxito académico, o en los que la densidad de capital humano es mayor, es más difícil generar patentes, aunque el gasto en I+D sea mayor porque la competencia también tiende a invertir más en I+D.
En este sentido, las características locales de este capital humano, las personas que podrán ser empleadas por las empresas, se convierten en algo fundamental e irremplazable (la inteligencia artificial no comparte información e ideas de la misma manera que los humanos) para las empresas que quieran optimizar sus inversiones en innovación.
El efecto total sobre la innovación dependerá, por tanto, del equilibrio entre estas dos circunstancias moderadas por la densidad y el valor del capital humano en la ubicación de la empresa; y de la capacidad de la propia empresa para capturar los efectos positivos y mitigar los negativos de las inversiones en I+D de las demás empresas a través de su capital humano.
El Jurado de esta edición ha estado integrado por Juan Pedro Moreno (presidente del Consejo Directivo de la Cátedra UAM-Accenture), M. Paloma Sánchez (catedrática Emérita de Economía Aplicada de la Universidad Autónoma de Madrid y directora de la Cátedra UAM-Accenture), Susana Borrás (profesora del Departamento de Organización de la Copenhagen Business School, Dinamarca), Jan Fagerberg (profesor del Centre for Technology, Innovation and Culture de la Universidad de Oslo, Noruega) y Rajneesh Narula (director del John H. Dunning Centre for International Business, Henley Business School, Universidad de Reading, Reino Unido).
Los trabajos finalistas han sido:
- “The XX Factor: Female managers and innovation in a cross-country setting”, de Nicolai J. Foss (Copenhagen Business School), Peggy M. Lee (Arizona State University), Samuele Murtinu (University of Groningen) y Vittoria G. Scalera (University of Amsterdam).
- “Success of Drug Development in Cancer Disease: Radicalness and social capital”, de Sihan Li y Joaquín M. Azagra Caro (INGENIO (CSIC UPV), Universitat Politècnica de València).
