docInterakcje w procesie innowacyjnym jako czynnik konkurencyjności
download 
Reklamacja Transkrypt
Interakcje w procesie innowacyjnym jako czynnik konkurencyjności
Elżbieta Wojnicka1 Streszczenie Interakcje w procesie innowacyjnym jako czynnik konkurencyjności przedsiębiorstw Koncepcja systemu innowacyjnego i łańcuchowy model innowacji zwracają uwagę na sieciowość i złożoność procesu innowacyjnego. Przedsiębiorstwa są podstawowym elementem systemu innowacyjnego co jest zgodne ze wskazaniami endogenicznych teorii wzrostu. Konkurencyjność przedsiębiorstw zależy od ich innowacyjności. Innowacyjność natomiast według najnowszych poglądów na proces innowacyjny będzie większa w przypadku firm w większym stopniu współpracujących z pozostałymi podmiotami generującymi wiedzę i innowacje. Przedstawiona w artykule analiza wpływu silniejszych powiązań innowacyjnych przedsiębiorstw polskich na ich innowacyjność i konkurencyjność potwierdza powyższe teoretyczne wskazania. Interactions in innovation process as a factor of enterprises’ competitiveness The concept of innovation system and the chain link model of innovation system the network character and complexity of innovation process. Enterprises are the most important part of innovation systems which is in line with the endogenous growth theories. Competitiveness of firms depends on their innovativeness. According to the newest opinions innovativeness will be more intensive if the firms will more cooperate with the other agents generating knowledge and innovations. The analysis of the impact of stronger innovative interactions of the Polish firms on their innovativeness and competitiveness presented in the article supports these theoretical statements. 1 Dr Elżbieta Wojnicka jest adiunktem Wyższej Szkoły Informatyki i Zarządzania w Rzeszowie i ekspertem Instytutu Gospodarki WSIiZ, tekst na podstawie książki „System innowacyjny Polski z perspektywy przedsiębiorstw” IBnGR, Gdańsk, 2004 1 Elżbieta Wojnicka2 Interakcje w procesie innowacyjnym jako czynnik konkurencyjności przedsiębiorstw Koncepcja systemu innowacyjnego Warunkiem konkurencyjności przedsiębiorstw jest innowacyjność. Przedsiębiorstwa wprowadzając nowe produkty i usługi kształtują i odpowiadają na potrzeby nabywców, jednocześnie zapewniając sobie zyskowność i przetrwanie. Nie zawsze innowacje opierają się na działaniach badawczych danych firm - często, przeciwnie, na technologii stworzonej przez inne podmioty. Ponadto przy wysokim ryzyku i kosztowności procesu badawczo-rozwojowego coraz więcej podmiotów decyduje się na współpracę w tym zakresie. Obecnie bardzo rzadko sprawdza się pogląd liniowego modelu innowacji o procesie innowacyjnym jako statycznym ciągu zdarzeń przechodzącym kolejno przez fazy: 1) badania 2) rozwój 3) projektowanie, oprzyrządowanie 4) produkcja 5) marketing. Nowoczesne podejście do innowacji - tzw. model łańcuchowy, podkreśla złożoność procesu innowacyjnego i niepewność jego wyników, stwarzającą często konieczność powrotu do jego wcześniejszych etapów (GUS 1999). Model łańcuchowy pokazuje, że badania stosowane mogą prowadzić do odkryć podstawowych (Harayama 2001) Oznacza to, że innowacyjność przedsiębiorstw zależy od jakości powiązań z innymi podmiotami generującymi wiedzę i innowacje w gospodarce. Dostrzega to koncepcja systemu innowacyjnego, która przekłada obserwacje o nieliniowości i sieciowości procesu innowacyjnego na funkcjonowanie gospodarki, której rozwój zależy od generowanych przez nią innowacji. Koncepcja ta postrzega, że gospodarka to nie tylko tworzące ją instytucje-podmioty, ale też efekty synergii, jakie powstają w wyniku ich wzajemnej współpracy. Dlatego też poza instytucjami generującymi wiedzę i innowacje jak przedsiębiorstwa, sfera badawczo-rozwojowa czy instytucje pośredniczące w transferze innowacji dostrzega ona znaczenie różnorakich interakcji, jakie zachodzą między nimi. System innowacyjny to, więc instytucje i powiązania między nimi, dzięki którym dana gospodarka stanowi sprawny mechanizm dystrybucji wiedzy celem jej dalszego przetworzenia. Ważną rolę dla sprawności systemu innowacyjnego pełni otoczenie, a szczególnie konsumenci innowacji tworzący na nią popyt. Są oni istotni zwłaszcza w dobie gospodarki ciągnionej przez rynek. Przedsiębiorstwa, monitorując gusta konsumentów, kreują nowe potrzeby poprzez innowacje. Dla sprawności systemu innowacyjnego ważna jest też infrastruktura otoczenia, a więc ustawodawstwo, a szczególnie ochrona praw własności intelektualnej oraz system edukacji, finansowy czy transportowy. Kluczową cechą systemu jest jego historycznie ukształtowana kultura i nagromadzony zasób wiedzy i doświadczeń powodujące unikalny charakter poszczególnych systemów. Ponadto dla sprawności systemu innowacji jako dystrybuującego wiedzę istotna jest jego otwartość na wpływy i wiedzę z innych systemów oraz interakcje z nimi. Sprawny system musi też być w pełni rozwinięty tj. nie powinno w nim brakować 2 Dr Elżbieta Wojnicka jest adiunktem Wyższej Szkoły Informatyki i Zarządzania w Rzeszowie i ekspertem Instytutu Gospodarki WSIiZ 2 żadnych potrzebnych elementów. System będzie systemem, jeśli jego podmioty będą ze sobą powiązane – według „Słownika współczesnego języka polskiego” (1998) bowiem, system to uporządkowany układ elementów, pomiędzy którymi zachodzą określone relacje, które tworzą pewną całość. Taki system będzie tak silny jak jego najsłabsze ogniwo (Wintjes 2003). Przedsiębiorstwa są najważniejszym elementem systemu innowacyjnego i ich kondycja determinuje konkurencyjność państw i dobrobyt społeczny (OECD 1996). W ujęciu nowej teorii wzrostu rozwijanej m.in. przez takich badaczy jak Kenneth Arrow, Poul Romer i Robert Lucas wiedza jest podstawowym czynnikiem określającym produktywność (Romer D. 2000, Romer P.M 1990, Hall 1994). Według nowej teorii wzrostu stanowiącej najlepszą teoretyczną podbudowę koncepcji systemu innowacyjnego podstawowym czynnikiem wpływającym na wzrost gospodarczy jest endogeniczny postęp techniczny. W teoriach endogenicznych pracownicy traktowani są jako element zdolny do aktywnego oddziaływania i kreowania zmian w procesie produkcji, a więc ogromną rolę we wzroście produktywności przypisuje się kapitałowi ludzkiemu i wiedzy. Romer włączył do analiz proces uczenia się zauważając, że dzięki związanym z nim korzyściom zewnętrznym wiedza inspirowana przez prywatne inwestycje staje się publicznie dostępna. Ponadto w najnowszych dociekaniach na temat postępu endogenicznego zakłada się, że jest on rezultatem inwestycji przedsiębiorstw w prace B+R (Gawlikowska-Heuckel K. 2002 s. 79-80). Jak twierdzi Carlsson (1994) każda teoria próbująca endogenizować zmianę technologiczną musi uwzględniać zróżnicowanie produktów, procesów, podmiotów gospodarczych i instytucji. Ponadto istotna dla niej będzie współzależność tych różnych aktorów tj. musi odnosić się bardziej do systemu niż indywidualnych jednostek. Z perspektywy teorii wzrostu opartego na endogenicznym postępie technicznym sprawny system innowacyjny – dystrybuujący wiedzę, czyli przyspieszający procesy uczenia się w gospodarce będzie stymulował wyższy ogólny poziom rozwoju danej gospodarki. Koncepcja systemu innowacyjnego kładzie nacisk na współpracę oraz na przepływy technologii i informacji i różnorodne relacje i interakcje między poszczególnymi elementami jako warunek sprzyjający sukcesowi w procesie innowacyjnym. OECD (1997) przytacza m.in. następujące definicje systemów innowacyjnych wywodzące się z analiz poświęconych narodowym systemom innowacyjnym: • Sieć instytucji publicznego i prywatnego sektora, której działalność i interakcje inicjują, importują, modyfikują i rozprzestrzeniają nowe technologie (Freeman, 1987); • Zespół instytucji, które razem i indywidualnie przyczyniają się do rozwoju i dyfuzji nowych technologii oraz tworzą szkielet, w ramach którego rządy formułują i wdrażają polityki wpływające na proces innowacyjny; system powiązanych wzajemnie instytucji, które tworzą, przechowują i transferują wiedzę, umiejętności i narzędzia definiujące nowe technologii (Metcalfe, 1995). 3 W szerszym ujęciu na system innowacyjny składają się następujące elementy: A. Instytucje generujące wiedzę i innowacje: Przedsiębiorstwa Instytucje pośredniczące w transferze technologii, wiedzochłonne usługi okołobiznesowe (KIBS) Publiczna nauka i sfera badań: uczelnie wyższe i instytuty naukowe (państwowe, prywatne) Władze publiczne w stopniu, w jakim inspirują badania i wprowadzają innowacje B. Kanały transferu wiedzy: interakcje i współzależności między instytucjami: I. Bezpośrednie powiązania innowacyjne - zakładają bezpośrednią działalność badawczorozwojową lub współpracę dla konkretnej innowacji: 1. Interakcje między firmami – powiązania pionowe i poziome: wspólne tworzenie nowej wiedzy – badania stosowane czy rozwój eksperymentalny – współpraca na polu B+R, wspólne patenty, wspólne publikacje; interakcje z KIBS; interakcje wewnątrz firm – między różnymi działami i etapami procesu innowacyjnego 2. Interakcje między firmami a publiczną sferą B+R tj. światem nauki i instytucjami pośredniczącymi – wspólne patenty, badania, publikacje etc. Pośrednie powiązania innowacyjne - mniej związane z konkretną innowacją, a II. zwiększające ogólny potencjał innowacyjny firm, mogą zastępować własne prace B+R: 1. Rynkowa dyfuzja technologii tj. nabywanie technologii utożsamionej w maszynach, nabywanie zewnętrznej wiedzy/know-how 2. Mobilność pracowników i tranfer tzw. tacit knowledge tj. wiedzy ukrytej, niematerialnej wynikającej z doświadczenia i procesu uczenia się, utożsamionej w pracownikach 3. Pozostałe: Interakcje z otoczeniem C. Otoczenie Rynek – popyt na innowacje Władze publiczne i ich polityka - ustawodawstwo: ochrona praw intelektualnych, polityka proinnowacyjna etc. System kształcenia pracowników (system nauki i szkoleń) Infrastruktura innowacji – system finansowy, komunikacyjny, transportowy na danym terenie. D. Cechy Otwartość – powiązanie także z ośrodkami innowacyjnymi i wiedzą spoza danego systemu Kultura zachowań na poziomie firm, nastawienie władz publicznych, społeczności lokalnej – cechy instytucji wynikające z „zakorzenienia” w danym środowisku, historycznie ukształtowana specyfika danego systemu Pełność – obecność wszystkich potrzebnych elementów 4 Systemy innowacyjne są badane na różnych poziomach. Najwięcej analiz poświęconych jest narodowym systemom innowacyjnym, gdyż uznaje się, że cechy wyróżniające poszczególne narody najbardziej wpływają na odmienność procesu innowacyjnego przedsiębiorstw: rodzaju i liczby instytucji i ich zachowań (Nelson 1993, Okoń-Horodyńska 1998). Badania nad innowacyjnością przedsiębiorstw przeprowadzone w ramach Community Innovation Survey I (Wspólnotowego Badania Innowacyjności) w państwach Unii Europejskiej dowiodły jednak, że znacznie więcej interakcji i współpracy zachodzi między elementami systemu innowacyjnego na poziomie regionu niż kraju (EIMS European Commission 1995). Skutkiem tego jest nacisk w ostatnich latach na badania potencjału i systemów innowacyjnych regionów (np. Acs 2000, Heijs, Bross 1999, Saxenian 1998). W odpowiedzi na potrzeby i zakładając większą efektywność działań podejmowanych bliżej podmiotów większość regionów posiadających własne władze samorządowe tworzy własną politykę i strategię proinnowacyjną. Odzwierciedleniem znaczenia poziomu regionalnego dla procesu innowacyjnego są programy Unii Europejskiej wspierające tworzenie regionalnych strategii innowacji – RIS oraz regionalne inicjatywy na rzecz innowacji i transferu technologii – RITTS (EC DG Regional Policy 2002 s.7) oraz podobne programy narodowe jak np. InnoRegio w Niemczech (Economic Bulletin 6/2002). Kompleksowość procesu innowacyjnego Koncepcja systemu innowacyjnego stanowi kompleksowe spojrzenie na proces innowacyjny. Profesor Fumio Kodama z Uniwersytetu w Tokyo (2002) zwraca uwagę, że istniejące kategorie innowacji i mierniki ciągle nie obejmują wszelkich typów innowacji. Za Charlesem Freemanem wyróżnia on poza innowacjami radykalnymi i ulepszającymi jeszcze takie rodzaje zmiany technologicznej jak zmiana systemu technologicznego i zmiana techno-ekonomicznego paradygmatu. Istniejące kategorie innowacji są niewyczerpujące szczególnie w warunkach nowej gospodarki, której integralnym elementem jest rewolucja komputerowa. W nowej gospodarce, m.in. dzięki wykorzystaniu technik komputerowych, innowacja może być realizowana przez łączenie produktów i procesów będących w posiadaniu różnych przedsiębiorstw z różnych sektorów gospodarki, a także przedsiębiorstw i innych podmiotów szczególnie ze sfery badawczo-rozwojowej. W wielu przemysłach nowa gospodarka powoduje modularyzację działalności innowacyjnej. Innowacje – ich poszczególne moduły, są subkontraktowane do poszczególnych dostawców, dzięki czemu firma uzyskuje większą elastyczność i zmniejsza koszty (np. duże fabryki samochodowe). Konieczną odpowiedzią na taką modularyzację gospodarki jest kompleksowe podejście do procesu innowacyjnego. Zmiana technologiczna obecnie jest bardzo szybka, ale często spotyka się z głęboką inercją wśród instytucji społecznych. Innowacje warunkujące konkurencyjność mają wymiar nie tylko technologiczny, ale także organizacyjny i personalny – jakość ludzi jest niezwykle ważna dla zyskowności i rozwoju organizacji. Ponadto istotny jest interaktywny i oparty o współpracę charakter procesu innowacyjnego (Kodama 2002). 5 Współczesne przełomowe technologie są tak bardzo złożone, że poszczególne firmy samodzielnie nie byłyby w stanie ich opracować. Ich złożoność powoduje, że niemożliwe jest zrozumienie ich wszystkich detali przez pojedynczego eksperta, a także wiedza na ten temat nie może być wyczerpująco i szczegółowo przekazana innym osobom. Menadżerowie wielu odnoszących sukcesy firm często wstydzą się przyznać, że nie są w stanie zrozumieć przyczyn sukcesu ich korporacji. Zazwyczaj są to jednak firmy działające w dużym stopniu w oparciu o różnorakie sieci powiązań. W przypadku złożonych technologii sieć obejmuje zazwyczaj kilkanaście firm i różne agencje rządowe, a także organizacje z sektora non-profit jak uniwersytety. Ponadto sieć taka, integrująca różne umiejętności, nie może być statyczna. Innowacyjne sieci nieustannie się zmieniają. Podobnie poszczególne ich elementy ciągle podlegają wspólnemu procesowi uczenia się. Często podaje się tu za przykład Japonię, gdzie firmy są w stanie efektywnie wprowadzać kompleksowe technologie. Za czynniki sukcesu wymienia się tu udział rządu w procesie innowacyjnym – wsparcie z jego strony oraz specyficzną kulturę promującą współpracę, zaufanie i oparcie innowacji na wiedzy nieucieleśnionej (Rycroft, Kash 1999 s. 1, 3, 10, 128). Nowy charakter procesu innowacyjnego powoduje konieczność dostosowania nie tylko standardów jego pomiaru, ale także prawa. Przykładowo w Stanach Zjednoczonych Ameryki w latach 80-tych zmieniono prawo antymonopolowe tak by pozwalało na konsorcja badawczo-rozwojowe między firmami. Obecnie przedsiębiorstwa muszą uzyskać pozwolenie na konsorcjum, jeśli dotyczy ono firm z tej samej branży. We Wspólnocie Europejskiej w 1985 roku zostało wprowadzone wyłączenie blokowe od artykułu 85 Traktatu Rzymskiego określającego zasady prawa konkurencji dla pewnych kategorii konsorcjów badawczo-rozwojowych (Sakakibara 1997).3 Koncepcja systemu innowacyjnego jest kompleksowym sposobem patrzenia na proces innowacyjny. Zwraca ona uwagę zarówno na aspekty instytucjonalne – konieczność występowania też innych instytucji wspomagających proces innowacyjny firm, ale szczególnie na powiązania między firmami i tymi instytucjami, a także między firmami. Interakcje między firmami a instytucjami będą oznaczały ich wzajemną otwartość i znajomość generowanych w nich innowacji, co umożliwi szybszą dyfuzję wiedzy i innowacji w gospodarce i szybsze dostosowanie systemu społecznego do zmian technologicznych. Wiele badań wskazuje na pozytywny związek między współpracą, a innowacyjnością i konkurencyjnością firm. W Kanadzie średnio 1/3 firm przemysłowych uczestniczy w różnych porozumieniach o współpracy. Większym odsetkiem firm współpracujących cechują się firmy duże – 37,2% niż firmy małe i średnie – 28,3%. Jednocześnie wśród dużych przedsiębiorstw jest więcej firm innowacyjnych (89,6%) niż wynosi przeciętna dla całego sektora przemysłowego 82,3%. Współpraca ma kluczowe znaczenie w zakresie zwiększenia kreatywności i innowacyjności w Wielkiej Brytanii. Z 3 Jednak już przed 1985 rokiem prowadzone były w Europie prace badawczo-rozwojowe oparte o współpracę m.in. projekt ESPRIT (European Strategic Programme for Research and Development of Information Technology) oraz brytyjski projekt UK Alvey dla rozwoju komputerów i technologii informacyjnych. Ponadto w 1985 roku powstała EURECA European Research Co-ordination Agency. Sakakibara (1997). 6 badań opartych na ankiecie internetowej przeprowadzonych przez Confederation of British Industry (CBI) w 2000 roku wynika, że 75% z 350 ankietowanych przedsiębiorstw współpracowało z innymi przedsiębiorstwami, naukowcami, konsultantami, instytutami badawczymi czy prywatnymi firmami badawczymi w ciągu ostatnich 3 lat (CBI 2001). Bezpośrednie powiązania w procesie innowacyjnym Przedsiębiorstwa i inni aktorzy systemu innowacyjnego mogą być powiązani w procesie innowacyjnym na wiele sposobów. Podstawową, tradycyjną metodą są powiązania transakcyjne oparte o rynek. Jednak coraz częstsze są powiązania nie rynkowe, czego przejawem są porozumienia o współpracy dotyczące wspólnej działalności badawczo-rozwojowej i innowacyjnej. Występują tutaj porozumienia między przedsiębiorstwami – zarówno poziome jak i pionowe, jak też porozumienia między przedsiębiorstwami i publiczną sferą badawczo-rozwojową, czyli nierynkowymi graczami. Porozumienia mogą mieć różne formy – formalne czy nieformalne, sporadyczne czy długookresowe, mogą mieć różny zasięg geograficzny, może być dwóch lub kilku partnerów, partnerzy mogą być różnego rodzaju. Mogą być jednostronne – gdy jeden podmiot uzupełnia swoimi zasobami inny lub dwustronne - wzajemne. Współpraca między partnerami w procesie gospodarczym, a szczególnie innowacyjnym przejawia się coraz większą popularnością pojęć sieci i klastrów oraz systemów innowacyjnych zarówno wśród badaczy jak i polityków. Podstawowym typem relacji analizowanym w ramach badań systemów innowacyjnych są powiązania między przedsiębiorstwami. Według zaleceń OECD (1997) dotyczących badania narodowych systemów innowacyjnych obejmują one techniczną współpracę między firmami oraz bardziej nieformalne interakcje. Strategiczne alianse technologiczne widoczne są głównie w nowoczesnych sektorach jak biotechnologia, czy informatyka, gdzie koszty rozwoju produktu są szczególnie wysokie. W przypadku takich nowych sektorów, gdzie wiedza jest niestandardowa, źródłem innowacji są sieci nie indywidualne firmy. Bardzo ważne w tych firmach jest uczenie, które jest tym szybsze im większe jest uczestnictwo firm w sieciach współpracy (dostęp do wiedzy) oraz im większe są zdolności firmy do użytkowania tej wiedzy i tworzenia na jej podstawie (zdolności absorpcyjne). Włączenie się w sieci współpracy jest podstawową strategią rozwojową np. firm biotechnologicznych objętych badaniem przez Powella et al. (1996). Porozumienia mogą być jednostronne – gdy jedna z firm swoimi zasobami uzupełnia zasoby drugiej lub partnerskie – dwustronne (Franco 1999). Inny podział aliansów strategicznych na rzecz innowacji zaproponowany przez Piałucha i Siuta (2001) to alianse komplementarne, produkcyjne i addytywne. Alianse komplementarne polegają na łączeniu przedsiębiorstw o zróżnicowanych kompetencjach i udziałach rynkowych. Występują przykładowo, gdy jedno przedsiębiorstwo tworzy produkt, którego sprzedaż może być rozwijana dzięki kompetencjom drugiego. W alianse produkcyjne wchodzą przedsiębiorstwa, które chcą osiągnąć korzyści skali w zakresie wytwarzania jakiegoś podzespołu lub realizacji jakiejś wyodrębnionej fazy procesu produkcyjnego. Następnie te podzespoły są włączane do produkcji każdego z partnerów, a także sprzedawane na rynku. Alianse addytywne 7 łączą partnerów wspólnie wytwarzających i sprzedających dany produkt. W przeciwieństwie do aliansów komplementarnych wkłady partnerów są tu podobne. Celem aliansów jest obniżenie kosztów prac badawczo-rozwojowych. Na rynek trafia jeden produkt. Alianse strategiczne zawierane są głównie w sektorach zaawansowanych technologicznie jak mikroelektronika, przemysł lotniczy, samochodowy, telekomunikacja, produkcja nowych materiałów czy biotechnologia. W nowych sektorach często jest konieczne połączenie dla innowacji elastyczności i inicjatywy małych firm i zdolności inżynierskich i marketingowych dużych, jak też współpraca ze sferą naukowo-badawczą i agendami rządowymi. Badania przeprowadzone w ramach Community Innovation Survey I (CIS) w 1996 r. w Unii Europejskiej pokazały jednak, że porozumienia o współpracy w zakresie innowacji dotyczą nie tylko sektorów wysokich technologii. Według CIS 1 w sektorze drzewno-papierniczym firmy innowacyjne były również zazwyczaj częściami rozbudowanych sieci. Porozumienia w zakresie B+R były szeroko rozpowszechnione, ale bardziej popularne wśród dużych przedsiębiorstw: mniej niż 5% firm zatrudniających do 50 pracowników posiadało takie porozumienia, podczas gdy dotyczyło to ponad 60% firm zatrudniających powyżej 1000 pracowników. Głównym źródłem firm partnerskich był region - 48% firm i kraj - 24%, 9% firm posiadało porozumienia z przedsiębiorstwami z innych państw UE (EIMS No 36). Ponadto alianse rozwijają się szybko w sektorze usług w takich dziedzinach jak bankowość, ubezpieczenia czy transport lotniczy (Piałucha, Siuta 2001 s. 50-52). Studium skutków konsorcjów badawczo-rozwojowych w Japonii zrealizowane przez Sakakibara (1997) pokazało, że kooperatywna forma badań i rozwoju stymuluje prywatne wydatki B+R – przeciętnie, gdyby nie było konsorcjum prywatne projekty kształtowałyby się mniej więcej na poziomie 34% realizowanych w przypadku kooperacyjnych B+R. W konsorcjach tych rząd zazwyczaj posiada udział, który sam wyznacza. Strona rządowa określa również całkowitą wielkość projektu. Resztę pokrywają firmy. Wydatki rządu są jednak uzupełniające tj. nie wypierają prywatnych. Przeciętnie rząd finansuje ok. 53% projektu, zaś prywatne B+R pokrywają 47%. Oznacza to, że stworzenie konsorcjum zwiększa wydatki prywatne średnio z 34%- gdyby nie było konsorcjum, do 47% wartości kooperatywnego projektu. Taki wzrost prywatnych wydatków przypisuje się wzrostowi efektywności B+R, efektowi rozlania własnych B+R firmy na produktywność B+R innych. Ponadto poprzez współpracę firmy są w stanie internalizować efekty zewnętrzne wynikające z badań w ramach grupy, a tym samym zachowują motywację do prowadzenia prac badawczych. Pojawia się też efekt uczenia się na poziomie danego konsorcjum. Tym samym kooperacyjne B+R stanowią „wymuszony efekt rozlania”. Efekt ten dla członków konsorcjum jest znacznie większy niż gdyby nie było współpracy, co stanowi dla uczestników impuls do zwiększania B+R. Ponadto współpraca wpłynie na konkurencję na rynku produktu. W przypadku firm z jednego przemysłu, które konkurują na tym samym rynku produktu, możliwe jest, że współpraca w zakresie B+R spowoduje spadek prywatnych B+R, gdyż wyższe wydatki danej firmy będą oznaczać niższe potencjalne zyski, a stąd udział w konsorcjum może zmniejszyć motywację do intensyfikacji własnych B+R. W przypadku konsorcjów z udziałem rządu jednak, dotyczących zazwyczaj firm z różnych sektorów, współpraca w zakresie B+R 8 zmniejszy konkurencję na rynku produktu finalnego, a więc może stymulować większe prywatne B+R. Coraz ważniejszą rolę w innowacyjności przedsiębiorstw głównie przemysłowych pełni konsulting i wiedzochłonne usługi biznesowe (KIBS). Są to komercyjne przedsiębiorstwa, które działają na styku nauki i przemysłu, mogą, więc być uznane za brokerów wiedzy. One same też wprowadzają innowacje i są głównym ich źródłem w sektorze usług. KIBS to często przedsiębiorstwa usługowe wysokich technologii. Mają one silniejsze związki z publiczną nauką niż sektory tradycyjne, zaś interakcje z nimi sprzyjają innowacyjności firm tradycyjnych. Tym samym pełnią one, podobnie jak publiczna infrastruktura wspierająca innowacje, rolę pośredników między nauką a przemysłem. Muller i Zenker (2000) definiują wiedzochłonne usługi biznesowe jako przedsiębiorstwa świadczące, głównie na rzecz innych przedsiębiorstw, usługi o wysokiej intelektualnej wartości dodanej. Wyróżniają oni, za Miles et. al. (1994), dwa rodzaje KIBS – KIBS I tj. tradycyjne usługi profesjonalne będące intensywnymi użytkownikami nowych technologii (marketing, reklama itp.) oraz KIBS II – nowe KIBS oparte na technologii (np. oprogramowanie i inne rodzaje działalności związane z branżą komputerową). Działalność KIBS można przedstawić w kategoriach cyklu wiedzy obejmującego KIBS i ich klientów wyróżniając 3 podstawowe etapy w procesie produkcji i dyfuzji wiedzy tj. 1) akwizycja nowej wiedzy, 2) faza rekombinacji wiedzy, 3) transfer wiedzy do klienta. Akwizycja wiedzy następuje na bazie interakcji z klientami poprzez naukę podczas procesu rozwiązywania problemów klientów. Podczas drugiej fazy następuje przetworzenie wiedzy wcześniej zdobytej, częściowo obejmujące jej kodyfikację i doskonalenie nowo stworzonej wiedzy. W pewnym stopniu pozwala to KIBS stworzyć ich własny rynek. W końcu zastosowanie wiedzy w postaci nowych i udoskonalonych usług stanowi sposób częściowego transferu wiedzy do klientów. Dyfuzja wiedzy jest powiązana z nowymi możliwościami interakcji i tworzenia wiedzy, więc powstaje sprzężenie zwrotne. Znaczenie KIBS dla systemu innowacyjnego jest dwutorowe: bezpośrednio - poprzez np. innowacyjność KIBS jako dostawców nowej wiedzy oraz pośrednio - np. poprzez wpływ na innowacyjność firm-klientów. Bezpośrednie powiązania przedsiębiorstw w procesie innowacyjnym to też współpraca z publiczną sferą naukowo-badawczą. 9 Tabela 1 Współpraca przedsiębiorstw i sfery B+R – formy i efekty Kryterium Badanie przedsiębiorstw Współpraca: Wspólne projekty Wspólny rozwój technologii/badania stosowane/badania podstawowe Badanie uniwersytetów/ośrodków B+R Wspólne promotorstwo prac magisterskich i doktorskich przez uczelnię i biznes; Formy: Wykłady przedstawicieli biznesu na uczelniach Pracownicy finansowani przez biznes; Przechodzenie pracowników uczelni do biznesu; Wspólne projekty z biznesem; Relacje transakcyjne Kontynuacja edukacji oferowana przez Zatrudnianie pracowników naukowych uniwersyteckie instytuty dla przedstawicieli Ekspertyzy zlecane naukowcom biznesu; Dokształcanie pracowników Wspólne publikacje nauki i biznesu; Zakładanie przedsiębiorstw przez Relacje komunikacyjne Praktyki pracowników naukowych, wizytacje uniwersytety; Praktyki pracowników naukowych w profesorów przedsiębiorstwach; Wspólne konferencje/spotkania Wspólne patenty; Wykłady przedstawicieli biznesu na uczelni Odsetek pracowników z wyższym Wspólne konferencje; Spin-offy (liczba w danym czasie); wykształceniem z danej uczelni Występowanie instytucji typu „kluby” – platformy dialogu dla nauki i biznesu; parki/centra technologiczne przy uczelni; Dni otwarte na uczelni dla biznesu; Występowanie specjalnych szkoleń czy seminariów demonstracyjnych dotyczących określonej technologii; Wspólne patenty, Wspólne publikacje, Wspólne konferencje; Efekty Liczba skomercjalizowanych technologii uczelnianych – liczba firm w związku z tym powstałych; liczba przedsiębiorstw akademickich na uczelni (firm pracowników naukowych) Źródło: Opracowanie własne na podstawie przeglądu literatury oraz ankiet IBnGR E.Wojnicka (2001) Regionalny system innowacyjny w województwie pomorskim; ankieta IBnGR, Gdańsk. oraz Wojnicka et al. (2002). Klastry w Polsce, Ankieta IBnGR, Gdańsk. Efektywny system innowacyjny przekładający się na innowacyjność i konkurencyjność przedsiębiorstw musi mieć sprawne powiązania między nauką i przemysłem. Wymaga to zmiany nastawienia zarówno firm do tej współpracy jak i reformy publicznej sfery badawczo-rozwojowej w kierunku większego dostosowania jej badań jak i kierunków i metod kształcenia do potrzeb gospodarki. Polityki naukowo-techniczne państw zmierzających do gospodarki opartej na wiedzy faworyzują powiązania między uniwersytetami a przemysłem, konkurencyjne i bazujące na współpracy formy finansowania badań naukowych, co ma wzmocnić funkcje nauki w zakresie wspierania i generowania innowacji. Jednocześnie sektor nauki powinien wchodzić w sieci powiązań z lokalnymi, regionalnymi, narodowymi i zagranicznymi partnerami. W wyniku takich działań granice między instytucjami się rozmywają, a cały system staje się bardziej dynamiczny (Nieminen, Kaukonen 1999 s.331). Polityka państwa może bardziej oddziaływać na sektor nauki niż przedsiębiorstwa, więc większe powiązania nauki z przemysłem mogą być inspirowane poprzez reformę systemu nauki (Wojnicka 2003). Większe związki nauki i przemysłu wymusza też zmieniający się charakter technologii, która jest złożona i systemowa. Powoduje to, że firmy muszą być w stanie rozwiązywać złożone problemy o 10 większej liczbie zmiennych. Prowadzi to do kreacji w przedsiębiorstwach wiedzy, która jest nie tylko specyficzna, ale zależy od rozwoju komplementarnych, a czasem podstawowych dziedzin nauki. W odpowiedzi na takie potrzeby firm powstało wiele dziedzin wiedzy obejmujących teorię, metodologię czy sposoby pomiaru, użytecznych w rozwiązywaniu złożonych problemów. Firmy stają się coraz bardziej multitechnologiczne i włączają wiele dziedzin wiedzy do swojego mechanizmu rozwiązywania problemów. Przepływ patentów, cytatów czy rozwój produktu w przemysłach opartych na wiedzy uzupełnia zarówno badania naukowe, jak też działania komercyjne. Powiązania między nauką i przemysłem mogą więc być mierzone m.in. poprzez naukochłonność (zależność od nauki) poszczególnych branż, związanych z daną technologią czy systemem technologicznym. Tabela 1 przedstawia różne możliwe formy i efekty współpracy przedsiębiorstw i sektora naukowobadawczego. Bezpośrednie powiązania przedsiębiorstw w procesie innowacyjnym w Polsce na tle UE-15 Jak pokazuje tabela 2 firm innowacyjnych posiadających porozumienia o współpracy w procesie innowacyjnym w Polsce, we wszystkich klasach wielkości firm oraz w przemyśle i usługach, jest więcej niż przeciętnie w UE-15, choć mniej niż w państwach UE o najlepszym wyniku w tym zakresie, co wynika głównie z faktu mniejszego odsetka firm innowacyjnych w Polsce niż w Unii Europejskiej. Tabela 2. Innowatorzy posiadający porozumienia o współpracy w Polsce i w UE Przemysł Polska Polska - odsetek UE wszystkich firm UE - odsetek Finlandia Irlandia Niemcy Hiszpania wszystkich firm Ogółem 32% 5,5% 27% 13,8% 71% 11% 24% 21% Małe 24% 2,6% 19% 8,4% 57% 8% 22% 11% Średnie 30% 7,0% 28% 16,2% 72% 15% 22% 25% Duże 51% 27,3% 50% 39,5% 93% 35% 37% 50% Usługi Polska Polska - odsetek UE UE - odsetek Dania Niemcy Francja Szwecja wszystkich firm wszystkich firm Ogółem 34% 5,4% 24% 9,6% 66% 17% 35% 48% Małe 27% 4,1% 22% 8,1% 71% 14% 32% 42% Średnie 51% 10,7% 28% 13,7% 51% 22% 43% 62% Duże 49% 15,4% 35% 25,6% 72% 22% 33% 70% Źródło: Obliczenia własne na podstawie GUS (2002), GUS (2001), Eurostat (2000); Dane dla Polski stanowią przybliżenie, gdyż w usługach obejmują jedynie porozumienia współpracy z partnerami z Polski oraz nie uwzględniają faktu, że część porozumień posiadają firmy nieinnowacyjne. Firmy małe w Polsce – od 10 osób, w UE w przemyśle od 20 osób, w usługach od 10 osób. Intensywność porozumień o współpracy w procesie innowacyjnym w całej populacji firm poszczególnych klas wielkości i branż jest bowiem w Polsce niższa niż przeciętna dla Unii Europejskiej. Oznacza to, że przy słabej ogólnej działalności innowacyjnej firm w Polsce, przynajmniej w ujęciu odsetka firm, które wprowadziły innowacje, firmy innowacyjne podchodzą do 11 procesu innowacyjnego w sposób nowoczesny tj. wykorzystując przewagi działania w oparciu o współpracę z innymi podmiotami systemu innowacyjnego. W Polsce przeciętnie co 3 innowator posiada porozumienie o współpracy, podczas gdy w UE co 4. Jednak zaledwie co 20 firma w Polsce, zaś co 10 w UE posiada porozumienie o współpracy w procesie innowacyjnym. W zakresie pionowych powiązań tj. z klientami i dostawcami model polski odpowiada mniej więcej przeciętnej UE, jednak w zakresie powiązań poziomych: z konkurentami i innymi firmami grupy kapitałowej porozumienia te są znacznie bardziej popularne w UE niż w Polsce. Odzwierciedla to dominujący ciągle w Polsce lęk przed współpracą i drapieżną konkurencję (tabela 3). Tabela 3. Popularność różnych rodzajów porozumień w procesie innowacyjnym w Polsce (1997-1999) dla usług i 1998-2000 dla przemysłu) i w UE (1994-1996) Firmy posiadające porozumienia z danym rodzajem partnera jako Polska Unia Europejska odsetek firm posiadających jakiekolwiek porozumienie P U P U ze szkołami wyższymi 28,1 7,1 36 27 z placówkami PAN 5,4 2 32 30 z JBRami 39,4 8,5 z innymi jednostkami naukowymi 16,7 1,6 z firmami konsultingowymi 9,5 27,2 22 30 z przedsiębiorstwami z grupy kapitałowej 29,2 25,1 68 59 z konkurentami 5,8 3,5 18 40 z klientami 22,4 13,4 47 32 z dostawcami 37,2 73,3 39 49 Źródło: GUS 2001, GUS 2002, Eurostat 2000. P- przemysł, U – usługi. Powiązania ze szkołami wyższymi są w Polsce w usługach znacznie mnie popularne niż w UE podobnie jak współpraca z firmami konsultingowymi (KIBS) jest słabsza w polskim przemyśle niż w UE-15. Generalnie porozumienia z szkołami wyższymi są Polsce mniej popularne niż w starych państwach członkowskich UE, choć duże znaczenie mają porozumienia przedsiębiorstw przemysłowych z jednostkami badawczo-rozwojowymi (tabela 3). Pośrednie powiązania w systemie innowacyjnym Opisane wyżej typy powiązań w systemie innowacyjnym można scharakteryzować jako nakierowane na rozwiązanie określonego problemu innowacyjnego, czy badawczo-rozwojowego. W systemie innowacyjnym występują też powiązania, które zwiększają ogólny potencjał innowacyjny firmy, czy jego bazę technologiczną i stanowią substytut bądź uzupełnienie bezpośredniej działalności B+R. W przeciwieństwie do współpracy w procesie innowacyjnym, w pośrednich powiązaniach mniej istotny jest charakter podmiotów, które ze sobą współpracują, a ważniejszą typ wiedzy, jaka jest przenoszona. Wiedzę niezbędną do innowacji przedsiębiorstwa mogą nabywać w postaci maszyn i urządzeń lub w postaci wiedzy/technologii skodyfikowanej w patentach, know-how, znakach towarowych, licencjach czy w formie produktów. Ponadto wiedza ta może być niematerialna, ukryta 12 tj. niemożliwa do przekazania bez bezpośredniego kontaktu osób. Dlatego też wśród pośrednich powiązań w systemie innowacyjnym wyróżnia się dyfuzję technologii w postaci maszyn, wiedzy skodyfikowanej czy produktów oraz mobilność pracowników. Mobilność pracowników jest tu rozumiana jednak szerzej niż zatrudnianie wykwalifikowanych pracowników, ale też jako wszelkie formy kontaktów między pracownikami różnych firm, czy przedstawicieli różnych podmiotów systemu innowacyjnego, podczas których przekazują oni sobie swoje doświadczenia i wiedzę jak konferencje, targi, spotkania. Patrząc z perspektywy typów podmiotów relacje ujęte w ramach mobilności pracowników będą się pokrywać z relacjami komunikacyjnymi przedstawionymi w poprzednim podrozdziale, natomiast dyfuzja technologii częściowo z relacjami transakcyjnymi. Ponadto do mobilności pracowników zalicza się też różne formy organizacji pracy w przedsiębiorstwie sprzyjające wymianie wiedzy między jej pracownikami jak zespołowa organizacja pracy i szerzej rozumiane zarządzanie wiedzą w przedsiębiorstwie (Wojnicka 2004). Interakcje te obejmują, więc sposoby podnoszenia potencjału innowacyjnego firm poprzez rozszerzanie ich bazy technologicznej oraz bazy wiedzy i umiejętności pracowników jako kluczowych zasobów innowacyjnych. Baza technologiczna firmy obejmuje zasoby rzeczowe, namacalne jak nowe maszyny i urządzenia, nowe produkty oraz nienamacalne. Zasoby nienamacalne to zasoby formalne jak patenty, licencje, know-how, badania i rozwój, specjalne programy szkoleniowe, znaki towarowe, dobra reputacja, projekty, oprogramowanie oraz wiedza nie ucieleśniona, ukryta (ang. „tacit”). Wiedza nie ucieleśniona, jako różna od zasobów nienamacalnych, to nie skodyfikowane, nie ucieleśnione know-how nabywane przez nieformalne przedsięwzięcia na bazie wyuczonych zachowań i procedur. Kluczowym procesem jest tu uczenie się w nie ustrukturalizowny lub częściowo ustrukturalizowany sposób (Howells J. (1994) s. 2-3 i Young A. (1998). Pojęcia technologii i wiedzy są często stosowane zastępczo. Bardzo szeroką definicję technologii zaproponował Stewart (1977), uwzględniając umiejętności, wiedzę oraz sposób wytwarzania i wykorzystywania ekonomicznie przydatnych procesów. Technologia obejmuje tym samym tzw. software, czyli elementy niematerialne, takie jak: wiedza, umiejętności marketingowe (także w sektorze usług), metody zarządzania itp., oraz tzw. hardware, czyli majątek trwały i wyposażenie. Jak twierdzi Umiński (2001) niezależnie jak zdefiniowana zostanie technologia — dotyczy ona wiedzy i produkcji. Można, więc przyjąć, iż technologia jest wiedzą przydatną w procesie produkcji (zarówno dóbr, jak i usług). Technologia nie jest, więc nauką, gdyż nauka (jako wcześniejszy etap procesu technologicznego) nie została jeszcze zastosowana w praktyce lub skomercjalizowana. Technologia nie jest także samą techniką — jest czymś szerszym. Coraz częściej pojęcie bazy technologicznej w firmie zastępuje się pojęciem bazy wiedzy. Unika się w ten sposób możliwości pomieszania z wąskim pojmowaniem technologii jako odnoszącej się do środków trwałych i wiedzy skodyfikowanej. Baza wiedzy, która determinuje zdolności innowacyjne przedsiębiorstwa przedstawiana jest często w formie piramidy wiedzy i obejmuje od jej podstawy 1) wiedzę społeczną: wartości, kulturę, standardy oraz „ducha” zespołowego, 2) wiedzę wynikającą z 13 doświadczenia: know-how ekspertów, wiedza o zakresie obowiązków, nieformalne sieci, procedury, 3) wiedzę skodyfikowaną: listy konsumentów, projekty, podręczniki, instrukcje, 4) wiedzę utożsamioną w zasobach rzeczowych: technologia (patenty, licencje), produkty. Wraz z przemieszczaniem się od podstawy do czubka piramidy rośnie skodyfikowanie wiedzy – wiedza społeczna jest wiedzą najbardziej ukrytą tj. subiektywną, bazującą na doświadczeniu, równoczesną i analogiczną, natomiast wiedza utożsamiona w produktach i technologiach to wiedza najbardziej wyraźna – obiektywna, bazująca na racjonalności, sekwencyjna, przenoszalna, wyliczalna czy skodyfikowana (Muller 1999 s.84). Różnice między wiedzą ukrytą a wyraźną odnoszą się też do możliwości jej przekazu, co jest kluczowe w procesie innowacyjnym. Wiedza wyraźna może być przekazana za pomocą takich środków jak Internet, poczta, transport – tj. między odległymi miejscami i nie zostanie przez to zmieniona – może, więc być przedmiotem handlu. Wiedzę ukrytą można natomiast ”nabyć” jedynie w pracownikach czy poprzez bezpośredni kontakt. Występowanie wiedzy ukrytej i ogromne korzyści z dostępu do niej leżą u podstaw koncentracji konkurencyjnych przemysłów w określonych lokalizacjach, co umożliwia częstsze kontakty i wzajemne podpatrywanie się. Wśród pośrednich powiązań w systemie innowacyjnym dyfuzja technologii będzie się, więc odnosić do różnych form transferu wiedzy wyraźnej natomiast mobilność pracowników do wiedzy ukrytej. Współpraca polskich przedsiębiorstw w procesie innowacyjnym a ich konkurencyjność Dla 283 małych i średnich przedsiębiorstw polskich ulokowanych w miejscach zagęszczeń działalności danego rodzaju w Polsce przeprowadzono analizę korelacji i regresji mającej na celu sprawdzenie w jakim stopniu charakter ich procesu innowacyjnego tj. działalność w oparciu o współpracę wpływa na ich konkurencyjność (Wojnicka et al. 2003). Analiza korelacji dostarczyła informacji nt. występowania pozytywnego związku między zmiennymi dotyczącymi współpracy w procesie innowacyjnym a zmiennymi dotyczącymi innowacyjności i konkurencyjności. Ze względu na jakościowy charakter danych zastosowano współczynnik korelacji rang Spearmana. Pozytywne korelacje oznaczają, że większym wartościom jednej zmiennej odpowiadają większe wartości drugiej zmiennej. Zmienna, która jest pozytywnie i bezpośrednio skorelowana z prawie wszystkim zmiennymi z zakresu innowacyjności, współpracy i konkurencyjności to wykształceni pracownicy. Wyższym odsetkom pracowników z wyższym wykształceniem odpowiadają silniejsze interakcje firm w procesie innowacyjnym, a także wyższa innowacyjność i efekty wzrostowe w zakresie konkurencyjności tj. wzrost udziału w rynku. Ponadto firmy zatrudniające więcej pracowników z wyższym wykształceniem doświadczyły wzrostu popytu na ich produkty. Najwyższy współczynnik korelacji – 0,42 (p<0.05) zaobserwowano dla wykształcenia i współpracy z uczelniami technicznymi, co oznacza, że pracownicy utrzymują więzi ze swoim zapleczem akademickim. Duża rola zmiennej wykształcenie odzwierciedla ścisłe powiązanie koncepcji systemu innowacyjnego z gospodarką opartą na wiedzy – system innowacyjny to w ujęciu dynamicznym układ transferu wiedzy w gospodarce. Relatywnie wysokie istotne współczynniki korelacji zaobserwowano też między innowacjami na poziomie branż i 14 wzrostem udziału w rynku oraz wzrostem rentowności – odpowiednio 0,34 i 0,33 oraz między wzrostem poziomu technologicznego i wzrostem udziału w rynku – 0,32. Związek między innowacjami na poziomie firm a wzrostem rentowności był słabszy i współczynnik korelacji wyniósł 0,26. Analiza korelacji dla wszystkich firm z próby pokazała istotne pozytywne korelacje między innowacjami na poziomie branż a zmiennymi dotyczącymi współpracy w systemie innowacyjnym tj. szczególnie mobilnością pracowników i interakcjami ogółem – odpowiednio 0,3 i 0,28. Dla sprawdzenia pośrednich i bezpośrednich związków o charakterze przyczynowo-skutkowym przebadano zbiory zmiennych Współpraca, Innowacyjność, Konkurencyjność za pomocą metody ścieżki wykorzystując regresją logitową. Regresje logitowe służą do określenia jakie czynniki zwiększają szanse na to, że zmienna objaśniana będzie mieć dany charakter tj. określają prawdopodobieństwo, że zmienna objaśniana przyjmie wartość 1 lub, że przyjmie wartość 0 przy danych parametrach oraz wartościach zmiennych objaśniających, które też powinny, choć nie muszą, być wyrażone binarnie. W badaniu szczegółowe wartości parametrów estymowanych modeli nie są najważniejsze. Celem jest uchwycenie wpływu współpracy w procesie innowacyjnym na konurencyjnosć firm przy domniemaniu, że zależność ta jest pośrednia tj. współpraca jest niezbędna dla procesu innowacyjnego, zaś innowacje dla konkurenycjności firm. Do wychwycenia bezpośrednich i pośrednich powiązań służy model ścieżki tj. zmienne podstawia się w modelu raz jako zmienne objaśniane przez inne zmienne, a drugi raz jako objaśniające w zależności od koncepcji powiązań. W rezultacie powstaje zestaw ścieżek, który obrazuje powiązania między zmiennymi. Zmienne w tych ścieżkach mogą być zależne od pewnych zmiennych, ale także objaśniać inne zmienne. W ramach badania testowano założoną tezę, że konkurencyjnosć firm zależy od ich innowacyjności i od ich współpracy w procesie innowacyjnym z innymi podmiotami systemu innowacyjnego, przy domniemaniu, że zależność ta jest pośrednia. Za statystycznie istotne zależności przyjęto takie, w których prawdopodobieństwo, że dana zmienna niezależna nie ma znaczenia dla opisu zmiennej zależnej, czyli, że wartość oceny parametru danej zmiennej jest równa 0, jest mniejsze od 0,05 (Prob. <0,05). Przyjęto, też słabsze kryterium, czyli za istotne dla opisu zmiennej zależnej uznano również te zmienne niezależne, dla których wartość statystyki „t” była wyższa od jeden tj., gdy wartość stojącego przy niej parametru przekraczała błąd, z jakim został on oszacowany. Według mocnego kryterium, więc dana zmienna zależna została uznana za statystycznie istotnie objaśniającą zmienną niezależną, jeśli p<0,05; według słabego kryterium, zaś, gdy p>0,05 to zmienna została uznana za istotną dla wyjaśnienia zmiennej objaśnianej, jeśli t>1. Ponadto pod uwagę wzięte zostały tylko te regresje, w których wartość testu Pesarana-Timmermanna pozwalała na odrzucenie hipotezy, że wartości zaobserwowane i teoretyczne zmiennej objaśnianej mają rozkład niezależny. Analizowano też dobroć dopasowania, czyli udział prawidłowo przewidzianych zmian teoretycznych wartości zmiennej zależnej w całkowitej liczbie obserwacji uwzględniając regresje, w których dobroć dopasowania była wysoka. W wyniku szacowania różnych modeli uzyskano istotne oszacowania parametrów przedstawione w tabeli 4. 15 Tabela 4. Oszacowania paremetrów w regresjach logitowych badających zależność współpracy w procesie innowacyjnym oraz innowacyjności i konkurencyjnosci przedsiębiorstw. Zmienna zależna Zmienne niezależne Ocena parametru Rentowność Innowacje na 1,39 poziomie branż Innowacje na 1,2 poziomie firm Udział w rynku Innowacje na 1,41 poziomie branż Wykształcenie 0,65 pracowników Interakcje z różnymi 0,76 podmiotami Innowacje na Wykształcenie 1,2 poziomie branż pracowników Współpraca z KIBS 1,13 Współpraca z 1,15 uczelniami technicznymi Mobilność 0,57 pracowników Źródło: Obliczenia własne na podstawie badań ankietowych Średni błąd szacunku Statystyka „t” (Prob.) 0,46 3,02 (0,003) 0,52 2,31 (0,022) 0,47 2,98 (0,003) 0,48 1,35 (0,179) 0,7 1,08 0,46 2,63 (0,01) 0,83 0,55 1,36 (0,18) 2,09 (0,037) 0,46 1,25 (0,21) Tabela ta pozwala na sformułowanie następującej ścieżki zależności między charakterem procesu innowacyjnego a konkurencyjnością badanych firm: 1. Większe szanse na wzrost rentowności mają przedsiębiorstwa wprowadzające innowacje nowe w skali branży lub nowe w skali firmy 2. Większe szanse na wzrost udziału w rynku mają przedsiębiorstwa, które wprowadziły innowacje nowe w skali branży, a także, w mniejszym stopniu, przedsiębiorstwa, które mają bardziej wykształcony personel oraz bardziej intensywnie współpracują z różnymi podmiotami systemu innowacyjnego 3. Szanse przedsiębiorstwa na wprowadzenie innowacji nowych w skali branży rosną gdy posiada ono bardziej wykształconych pracowników oraz gdy bardziej intensywnie współpracuje z uczelniami technicznymi, a także, choć w mniejszym stopniu, gdy współpracuje z wiedzochłonnymi usługami biznesowymi oraz gdy jego pracownicy są bardziej mobilni tj. bardziej intensywnie uczestniczą w różnych formach dokształcania i nawiązywania relacji komunikacyjnych jak targi, szkolenia, konferencje. Oznacza to, że wzrost konkurencyjności przedsiębiorstw w Polsce zależy od wprowadzania przez nie innowacji., w szczególności nowych w skali branży. Większe szanse na wprowadzenie innowacji nowych w skali branży mają zaś firmy, które bardziej intensywnie współpracują z pozostałymi podmiotami systemu innowacyjnego, a głównie uczelniami technicznymi. Hipoteza o pozytywnym wpływie interakcji z innymi podmiotami na innowacyjność i konkurencyjność została też potwierdzona na podstawie analizy porównawczej i grupowania zastosowanego dla wyników innych badań tj. dla badania 504 małych i średnich firm (MSP) Polski 16 oraz 67 MSP wysokotechnologicznych ze Ściany Wschodniej i Zachodniej. (Umiński (red) 2001 i Wojnicka, Wargacki 2003) Wśród ogółu drobnych przedsiębiorstw polskich zaobserwowano, że firmy współpracujące ze sferą B+R osiągają wyższe udziały eksportu w sprzedaży (tabela 5). Firmy współpracujące z innymi przedsiębiorstwami w pracach badawczo-rozwojowych mają wyższe średnie przychody z innowacji, przy czym różnice tu były słabo istotne w sensie statystycznym. Drobne firmy współpracujące w procesie innowacyjnym lepiej postrzegają swoją pozycję konkurencyjną w zakresie opóźnienia technologicznego względem konkurentów krajowych i zagranicznych (tabela 6). Tabela 5. Udział eksportu w sprzedaży w grupie MSP nie współpracujących i współpracujących ze sferą B+R Średnia (%) Sprzedaż na Sprzedaż na Sprzedaż na rynki zagraniczne rynki lokalne rynki krajowe Średni Odchylenie Test „z” (%) (%) a standardowe (P(W=NW)) 59,5 32,2 8,4 21 0,02 MSP współpracujące z sektorem B+R 77,7 19,4 MSP nie współpracujące z sektorem B+R Źródło: Obliczenia własne na podstawie badań ankietowych. 2,9 12 Tabela 6. Opóźnienie technologiczne względem konkurentów (1- brak opóźnienia 2- poniżej roku 3rok do 3 lat 4 -3 do5 lat 5 - 5-10 lat 6 - powyżej 10 lat) Opóźnienie technologiczne względem Kwartyl 1 konkurentów krajowych Prowadzące wspólne B+R z innymi firmami 1 Kwartyl 2 Kwartyl 3 Kwartyl 4 1 1 5 Współpracujące z innymi firmami 1 Nie współpracujące 1 Opóźnienie technologiczne względem Kwartyl 1 konkurentów z UE Prowadzące wspólne B+R z innymi firmami 1 Współpracujące z innymi firmami 1 Nie współpracujące 1 Źródło: Obliczenia własne na podstawie danych ankietowych 1 1 Kwartyl 2 2 3 Kwartyl 3 6 6 Kwartyl 4 2 3 3 3 5 5 6 6 6 Małe i średnie firmy wysokich technologii ze Ściany Wschodniej i Zachodniej Polski współpracujące ze sferą naukowo-badawczą są bardziej innowacyjne, cechują się wyższą rentownością obrotu netto oraz mają większe udziały eksportu w sprzedaży niż firmy nie współpracujące z tą sferą z próby. Najwyraźniejsze różnice na korzyść firm współpracujących dotyczyły udziału przychodów z innowacji w całkowitych przychodach i rentowności netto (tabele 7 i 8). 17 Tabela 7. Współpraca/ Innowacje według wskaźnika udziału przychodów z innowacji w całkowitych przychodach – struktura innowacyjności MSP wysokich technologii w grupach współpracującej i niewspółpracującej ze sferą B+R 1999 Współpracuj Niewspółprac ące ujące 24% 31% 0% 17% 38% 1-5% 29% 23% 6-15% 15% 8% 16% - 30% 15% 0% 31% i więcej Źródło: Badania ankietowe. 2000 Współpracuj Niewspółprac ące ujące 17% 36% 27% 43% 20% 14% 15% 7% 22% 0% 2001 Współpracuj Niewspółprac ące ujące 12% 33% 27% 40% 24% 7% 10% 13% 27% 7% Tabela 8. Współpraca/ Rentowność netto – struktura rentowności MSP wysokich technologii w grupach współpracującej i niewspółpracującej ze sferą B+R 1999 Współpracuj Niewspółp ące racujące 13% 15% Strata 20% 46% 0%-3% 36% 23% 3,1% - 10% 31% 15% 10,1% i więcej Źródło: Badania ankietowe. 2000 Współpracuj Niewspółprac ące ujące 9% 31% 33% 44% 33% 13% 26% 13% 2001 Współpracuj Niewspółpr ące acujące 20% 31% 28% 38% 30% 25% 22% 6% Analiza przeprowadzona różnymi metodami potwierdziła hipotezę o pozytywnej zależności między interaktywnym sposobem prowadzenia działalności innowacyjnej a efektywnością procesu innowacyjnego, a tym samym firm. Oznacza to, że założenia koncepcji systemu innowacyjnego są słuszne, zaś intensyfikacja powiązań między podmiotami systemu innowacyjnego w Polsce może sprzyjać innowacyjności i konkurencyjności przedsiębiorstw. 18 Bibliografia Acs Z.J. (red) (2000) Regional Innovation, Knowledge and Global Change, Pinter, London and New York. Carlsson B. (1994) Technological Systems and Economic Performance, [w:] Dogdson M., Rothwell R. (1994) Handbook of Industrial Innovation, Edward Elgar Publishing, Aldershot, England and Brookfield, Vermont, USA. CBI (2001) A Question of Culture? Collaborative innovation in UK business, www.designcouncil.org.uk/design/content/ research_list.jsp?type=research. EC DG Regional Policy (2002) Regional Innovation Strategies under the European Regional Development Fund Innovative Actions 2000-2002; http://europa.eu.int/comm/regional_policy/innovation/pdf/guide_ris_final.pdf Economic Bulletin No 6/2002 Innovation Networks in Eastern Germany – A still Underutilised Potential for Human Capital Formation in the Region , DIW, Berlin. EIMS No 21 EC (1995). Innovative regions? A review of methods of evaluating regional potential, Luxemburg. EIMS No 36, EC (1996) Technology Transfer, Information Flows and Collaboration. Eurostat (2000) Statistics on Innovation in Europe. Data 1996-1997, European Commission, Luxemburg. Franco Mário José B. (1999) Collaboration among firms as a mechanism for innovation: Portuguese SME’s innovative behaviour; http://www.sbaer.uca.edu/Research/1999/ICSB/99ics081.htm Gawlikowska-Heuckel K. (2002) Wzrost gospodarczy a procesy konwergencji i polaryzacji regionalnej, Wydawnictwo Uniwersytetu Gdańskiego, Sopot. GUS (1999) Definicje z zakresu statystyki nauki i techniki, GUS, Warszawa GUS (2001) Działalność innowacyjna przedsiębiorstw w sektorze usług w latach 1997-1999. Warszawa. GUS (2002) Działalność innowacyjna przedsiębiorstw przemysłowych w latach 1998-2000, Warszawa Hall P. (1994) Innovation, economics and evolution – theoretical perspectives and changing technology in economic systems, Harvester/Wheatsheaf. Harayama Y.(2001), Japanese Technology Policy: history and a new perspective. RIETI Discussion Paper Series 01-E-001, www.rieti.go.jp/jp/publications/01e001.pdf. Heijs J., Bross U. (1999) What can regional policy learn from the innovation systems approach – with a case study from Spain and Germany. Draft Version, prezentacja na konferencji Regionalne Systemy Innowacyjne w Europie, San Sebastian, 30 września-2 października 1999. 19 Howells J. (1994) Tacit Knowledge and Technology Transfer, [w:] Fahrenkrog G. et al Public Policies to Support Tacit Knowledge Flows, EIMS No. 8, European Commission. Kodama F., (2002) Measuring Different Categories of Innovations, prezentacja podczas VI Światowej Konferencji o Polityce Technologicznej I Innowacjach, Kansai Science City, 12-15 VIII 2002, Japonia, http://www.keihanna-plaza.co.jp/ictpi2002/ L'innovation dans les entreprises du secteur de la fabrication selon la taille et la productivité de l'emploi (2002) Direction des statistiques économiques et socials Institut de la statistique du Québec; www.stat.gouv.qc.ca/salle-presse/communiq/ 2002/septembre/sept0216a_an.htm Miles I, Kastrinos N. Bilderbreek R., den Hertog P. (1994) Knowledge-Intensive Business Services. Users, Carriers and Sources of Innovation, EIMS No 15, European Commission, Luxemburg. Muller E. (1999) Knowledge, Innovation Processes and Regions, [w:] Muller E. Zenker A., Meyer-Krahmer F. (2000) Technology and Infrastructures Policy in the Knowledge-based Economy. The Impact of the Tendency towards Codification of Knowledge. Report prepared for the EU Programme Targeted Socio-Economic Research, Franhofer Institute Systems Innovation Research, Karlsruhe. Muller E., Zenker A. (2000) Knowledge-intensive Business Services (KIBS) and Regional Innovation Capacities, Franhofer ISI, Karlsruhe; [w:] Muller E. Zenker A., Meyer-Krahmer F. (2000) Technology and Infrastructures Policy in the Knowledge-based Economy. The Impact of the Tendency towards Codification of Knowledge. Report prepared for the EU Programme Targeted Socio-Economic Research, Franhofer Institute Systems Innovation Research, Karlruhe Nelson R.R. (ed.) (1993) National innovation systems: a comparative analysis, Oxford University Press, New York and Oxford. Nieminen M., Kaukonen E. (1999) University Research in Innovation Systems: Reflections Based on the Finnish Case; [w:] Schienstock G., Kuusi O. (1999) Transformation Towards a Learning Economy. The Challenge for the Finnish Innovation System, Helsinki. OECD (1996) The knowledge based economy, Paris. OECD (1997) National Innovation Systems, Paris. Okoń-Horodyńska E. (1998) Narodowy system innowacyjny w Polsce, Wydawnictwo Uczelniane Akademii Ekonomicznej im. Karola Adamieckiego w Katowicach, Katowice. Piałucha i Siuta (2001) Piałucha M., Siuta B. (2001) Wspieranie procesów innowacyjnych w Polsce i krajach Unii Europejskiej, Biblioteka Menadżera i Służby Pracowniczej, Bydgoszcz. Powell, W., Koput K.W., Smith-Doerr L.(1996) - "Interorganizational Collaboration and the Locus of Innovation: Networks of Learning in Biotechnology"; http://www.stanford.edu/~mmorten/orgweb/summaries/mse/content/Powell+Koput+SmithDoerr.html 20 Romer D. (2000) Makroekonomia dla zaawansowanych, PWN, Warszawa. Romer P. M. (1990) Endogenous Technologichal Change, Journal of Political Economy and Technological Change.Vol. 98 (5). Rycroft R.W., Kash D.E. (1999) The Complexity Challenge, Pinter, London & New York, Sakakibara 1997). Sakakibara M. (1997) Evaluation of Government-Sponsored R&D Consortia in Japan w Policy Evaluation in Innovation and Technology: Towards Best Practices OECD’s Conference Proceedings 26-27 June 1997, www.oecd.org. Saxenian A.(1998) Regional systems of innovation and the blurred firm [w:] pod red. J. De la Mothe, G.Paquet (1998) Local and regional systems of innovation, Londyn. Stewart (1977), Stewart F. (1977) Choice of Techniques in Developing Countries, Journal of evelopment Studies, 9. Umiński (red.). (2001) „Konkurencyjność polskich MSP”, IBnGR dla PARP, Gdańsk. Umiński S. (2001) Transfer technologii przez inwestorów zagranicznych, Fundacja Rozwoju Uniwersytetu Gdańskiego, Sopot. Umiński S., Dzierżanowski M., Gawlikowska-Heuckel K., Hildebrandt A., Nowicki M., Penczar M., Tarkowski M., Wojnicka E. (2001) ankieta „Konkurencyjność MSP”, IBnGR, Gdańsk. Wintjes R. (2003) Polityczna rozwaga - rola wskaźników i benchmarkingu w polityce innowacji, MERIT, prezentacja podczas spotkania w Ministerstwie Gospodarki, Pracy i Polityki Gospodarki 10.07.2003. Wojnicka E, Wargacki M (2002) Procesy innowacyjne w sektorze małych i średnich przedsiębiorstw. Analiza porównawcza ściany Wschodniej i Zachodniej, badanie wspólne IBnGR i IG przy WSIiZ, Studia o gospodarce Nr 1/2003, Rzeszów. Wojnicka E. (2001) Regionalny system innowacyjny w województwie pomorskim; ankieta IBnGR, Gdańsk Wojnicka E. (2003) Współpraca w procesie innowacyjnym w Unii Europejskiej, Wspólnoty Europejskie 4/2003 Wojnicka E. et al. (2002). Klastry w Polsce, Ankieta IBnGR, Gdańsk. Wojnicka E.( 2004) System innowacyjny Polski z perspektywy przedsiębiorstw, IBnGR, Gdańsk Young A. (1998) Towards an Interim Statistical Framework: Selecting the Core Components of Intangible Investment, OECD, Paris. 21
