Новая модель объясняет, как компании создают и распространяют знания

Профессор УрФУ предложил оригинальную модель, показывающую, как компании создают знания и обмениваются ими. Работа позволяет определить наиболее эффективный режим кооперации компаний в научных исследованиях, а также структуру социальных сетей, которая наилучшим образом этому способствует. Статья опубликована в Journal of Economic Interaction and Coordination, работа поддержана грантом Российского научного фонда (РНФ).

«Чтобы оставаться конкурентоспособными, современные фирмы должны объединять внутренние знания и компетенции с внешними, поскольку одна компания, даже самая большая, не способна развивать в себе весь спектр научных исследований. Создание и распространение инноваций одновременно в теоретических моделях по экономике до сих пор не рассматривалось. Это серьезный пробел в исследованиях, поскольку процессы тесно взаимосвязаны: создание новых знаний критически зависит от внешних источников», — рассказывает профессор института экономики и управления УрФУ Иван Савин.

Известны два популярных режима обмена знаниями. Первый способ – коллективное изобретение, когда одни компании помогают другой решить задачу, делясь знаниями, не получают выгоды от созданного продукта, но могут получить помощь от этой компании, если она им понадобится. Такой формат сотрудничества преобладал на заре развития многих отраслей промышленности (металлургия, часовое дело, производство компьютеров), а сегодня его можно найти в создании программного обеспечения с открытым исходным кодом. Второй способ сегодня часто встречается в форме альянса научно-исследовательских и опытно-конструкторских работ (НИОКР): фирмы объединяют усилия для обмена знаниями и делят выгоды от его создания. Таким образом, в рамках предложенной модели фирмы обмениваются знаниями в зависимости от режима взаимодействия.

В новой работе впервые сравниваются эти два режима сотрудничества на основе предложенной модели, где знание представлено в форме новых слов, а фирмы взаимодействуют со своими партнерами, расположенными внутри определенной социальной сети. Эта модель использует буквы для обозначения областей технологического знания и слова — для новых изобретений. Со временем компании накапливают слова, расширяя список своих разработок и, таким образом, возможности для создания новых инноваций, переупаковывая слова и буквы в новые слова. Сами слова в модели выстроены в сложную иерархическую сеть, где более длинное слово, полностью включающее в себя более короткое (например, windproof — proof — roof — of), связано с ним по примеру цитируемости более старых патентов новыми. Автор исследования показал, что структурно сеть цитат патентов и сеть таких связей между словами очень похожи, что позволяет успешно проводить эту аналогию в модели.

Когда фирма «открывает» для себя более короткое слово, ей приходит идея о создании более длинного на его основе (правда, не все буквы и порой даже не точное их количество становится известно). Например, после открытия слова ion компании может прийти идея нового слова *nion, где две новых буквы ей уже понятны, а до еще одной ей нужно догадаться самой. Если у нее окажутся необходимые буквы, она сможет открыть такие слова, как union или onion. При этом union как гораздо более часто встречающееся слово способно подтолкнуть к созданию большего количества новых слов и несет в себе большую ценность. Благодаря этому механизму агенты осуществляют направленный поиск нового знания и получают выгоду из этого процесса.

Предложенная модель исследует, как способ взаимодействия фирм влияет как на их совокупный результат, так и на индивидуальную производительность каждой компании с точки зрения распределения количества и ценности производимых новых знаний. Данная работа позволяет понять, при каких условиях та или иная структура социальной сети оказывается более эффективной. В модели рассматриваются четыре наиболее часто исследуемых структуры социальных сетей: регулярная, случайная, сеть «малого мира» (в которой высокая кластеризация сочетается с коротким маршрутом между двумя любыми членами социальной сети) и безмасштабная сеть (когда небольшое количество членов сети имеет огромное количество социальных связей, а большинство других компаний — лишь несколько). Последние две структуры социальных сетей чаще всего встречаются в реальном мире.

Среди факторов, которые учитывает модель, изучены режим обмена знаниями, структура социальной сети компаний и строгость прав интеллектуальной собственности. Последний регулирует то, насколько открытое один раз знание защищено от копирования. Рассмотрены варианты, когда изобретение, открытое однажды, не может быть повторно открыто кем-либо другим, и когда это возможно, но выгоды от этого открытия снижаются с каждым следующим разом.

«Наиболее продуктивной структурой в рамках альянсов НИОКР и совершенной защиты интеллектуальной собственности оказывается безмасштабная сеть, так как альянсы лучше всего концентрируют ограниченные ресурсы в поиске разных комбинаций знаний. Напротив, при коллективном изобретении и несовершенной защите интеллектуальной собственности сети “малого мира” лучше распространяют ценные идеи и знания, приводящие к общей более высокой выгоде для ее участников. Более того, при несовершенной защите прав интеллектуальной собственности режим коллективного изобретения увеличивает неравенство среди агентов в безмасштабных сетях, но уменьшает его для сетей “малых миров”. Последнее является новым объяснением того, почему многие отрасли в прошлом пережили переход от режима коллективного изобретения к альянсам НИОКР», — подчеркивает Иван Савин.

Информация предоставлена пресс-службой Уральского федерального университета

Источник фото: https://urfu.ru/ru/news/34960/