Innovación, recombinación y diversidad de trayectorias

Un equipo dispone de un sensor barato y poco preciso. Otro ha desarrollado un procedimiento de calibración que exige demasiadas mediciones para el uso habitual. Evaluado por separado, cada resultado parece limitado. Si ambos equipos consiguen adaptar el procedimiento al sensor, puede aparecer un instrumento que ninguno habría producido continuando su propio proyecto. La proximidad entre los dos conocimientos abre esa oportunidad, aunque la compatibilidad material entre ellos sigue sin resolverse y la combinación podría fracasar si el método requiere una estabilidad que el sensor nunca tendrá.

La escena plantea una pregunta concreta sobre la innovación, la de cómo cambia el conjunto de soluciones alcanzables cuando los resultados de una búsqueda pasan a ser componentes de búsquedas posteriores. La respuesta depende de qué se conserva, de quién puede acceder a ello y de cuánto cuesta intentar una combinación. De ahí que una colección extensa de ideas pueda generar pocas innovaciones si sus componentes son inaccesibles. Un grupo muy eficiente, por su parte, puede producir mejoras continuas y perder a la vez las variantes necesarias para ensayar otra trayectoria.

Qué se está combinando

La descripción de una innovación comienza por elegir sus unidades, que pueden ser componentes electrónicos en un circuito, operaciones en un procedimiento de laboratorio o módulos de software en un programa. De esa elección depende qué contará como reutilización y qué aparecerá como novedad. Si todas las piezas de un dispositivo se agrupan bajo una misma categoría, casi cualquier avance parecerá una modificación interna. Si se subdividen hasta incluir cada cambio de tamaño, el número de novedades aumentará sin que haya cambiado la historia tecnológica observada.

Las relaciones también deben especificarse. Dos artefactos pueden contener las mismas piezas y cumplir funciones diferentes según su disposición, del mismo modo que en una práctica organizacional el resultado depende de quién recibe la información, en qué momento la recibe y qué acción puede tomar. Frente a un inventario de componentes, que registra presencia, una arquitectura describe las condiciones en que esos componentes funcionan juntos. La recombinación puede modificar esa arquitectura sin añadir materiales ni procedimientos previamente desconocidos.

Youn y colaboradores (2015) estudiaron la invención a través de las clases tecnológicas de las patentes estadounidenses y distinguieron la introducción de componentes de la formación de combinaciones nuevas con componentes existentes. Las patentes son registros fechados y clasificados que se prestan al recuento. Cada clase tecnológica es, con todo, una decisión documental y así debe interpretarse. Los autores acotan además el alcance de su trabajo, que describe combinaciones registradas y deja fuera la calidad o la importancia socioeconómica de cada invención.

Un modelo elemental muestra cómo crece el espacio de búsqueda. Si existen $m$ componentes diferentes y cada propuesta utiliza exactamente dos, sin repetición y sin distinguir el orden, el número de pares posibles es

Con diez componentes se forman 45 pares y con veinte, 190. Al incorporar un componente nuevo a un repertorio de diez aparecen diez pares adicionales, un incremento que depende del tamaño del repertorio previo. Para combinaciones de tres componentes el número es $\binom{m}{3}$, que pasa de 120 a 1.140 cuando $m$ aumenta de diez a veinte. Todos estos recuentos incluyen las propuestas inútiles y las incompatibles.

La restricción «sin distinguir el orden» necesita justificación. Administrar una tarea antes o después de otra puede cambiar el resultado de un protocolo y, cuando los componentes cumplen papeles distintos, el número de arreglos ordenados será diferente. Tampoco tienen todas las combinaciones admisibles la misma probabilidad de ser ensayadas. Un componente conocido por todos puede intervenir en numerosos intentos mientras otro permanece guardado en una tesis que nadie consulta. El espacio formal y el espacio efectivamente explorado se separan así desde el inicio.

La compatibilidad puede representarse mediante una matriz $A$, donde $A_{ij}=1$ indica que el par $i,j$ merece ser considerado y $A_{ij}=0$ lo excluye bajo las condiciones del modelo. Si la compatibilidad es simétrica, el número de pares admisibles es $\sum_{i<j}A_{ij}$. Una interfaz compartida puede convertir varios ceros en unos. Por eso crearla es una innovación que modifica la búsqueda posterior, por modesto que sea su propio rendimiento inmediato.

Fleming (2001) examinó la incertidumbre de la búsqueda tecnológica recombinante con un planteamiento que ayuda a separar la familiaridad con los componentes de la familiaridad con su combinación. Conocer bien dos elementos deja abierto cómo interactuarán. En una investigación concreta esa diferencia puede expresarse como incertidumbre sobre el rendimiento medio, sobre su variabilidad entre condiciones o sobre la existencia misma de una solución funcional, incertidumbres que piden ensayos distintos.

Una novedad puede cambiar las opciones siguientes

Una búsqueda sobre un catálogo fijo elige entre posibilidades definidas de antemano. Muchas innovaciones modifican el catálogo mismo. Un instrumento de medición vuelve observables diferencias que antes pasaban inadvertidas y que luego sirven para construir una clasificación, con la cual pueden seleccionarse las muestras de otro experimento. En una secuencia con restricciones de precedencia, pedir el último paso cuando todavía faltan los anteriores no tiene por qué acelerar el descubrimiento.

Para describir el proceso, sea $S_t$ el conjunto de componentes disponibles en el momento $t$ y $R_t$ el conjunto de reglas de combinación que pueden ejecutarse. Una propuesta $z$ es accesible cuando sus componentes están en $S_t$ y la operación requerida pertenece a $R_t$. Si la propuesta funciona y puede conservarse, se incorpora al repertorio según $S_{t+1}=S_t\cup\{z\}$ y puede usarse después como unidad de mayor nivel. La notación es simple. Buena parte del problema empírico se concentra en decidir qué significa «funciona».

En un ejemplo didáctico con los elementos iniciales $a,b,c,d$, las reglas admitidas producen $u$ a partir de $a+b$ y $v$ a partir de $c+d$. Una solución $w$ requiere $u+v$. Si los investigadores conservan solamente la mejor solución del momento y $u$ supera inicialmente a $v$, pueden abandonar la rama que produce $v$. El rendimiento inmediato aumenta, pero $w$ deja de ser alcanzable con el procedimiento que sigue el grupo. El obstáculo procede de la política de conservación, pese a que todos los elementos iniciales siguen físicamente presentes.

La rama abandonada puede recuperarse a costa de repetir experimentos, formar a alguien o reconstruir una técnica. Cuando el procedimiento depende de habilidades prácticas el archivo escrito puede quedarse corto, por lo que la conservación de una opción requiere una definición operativa, que puede consistir en mantener un prototipo funcional, una persona entrenada o un conjunto de datos interpretable. Almacenar solo el nombre de la opción exige menos recursos a cambio de una capacidad de recuperación distinta.

Tria y colaboradores (2014) propusieron un modelo de novedades correlacionadas en el que descubrir algo amplía las posibilidades de nuevos descubrimientos. Su mecanismo, que combina la repetición de elementos conocidos con la incorporación de opciones accesibles tras una novedad, reproduce regularidades estadísticas de distintos registros de actividad. Esa correspondencia sugiere una hipótesis sobre cómo se generan las secuencias, cuya extensión a otros sistemas los propios autores presentan como una cuestión todavía por investigar.

El ritmo de aparición de novedades puede disminuir aunque el repertorio acumulado siga creciendo. Si $D(t)$ cuenta los elementos diferentes observados en $t$ eventos, una relación aproximada $D(t)=ct^\beta$, con $0<\beta<1$, implica $D'(t)=c\beta t^{\beta-1}$, un incremento esperado por evento que decrece. Ese comportamiento es compatible con un repertorio sin límite fijo dentro del intervalo estudiado. Una pendiente descendente describe la tasa de descubrimiento, una magnitud distinta del número de posibilidades que siguen disponibles.

Definir la novedad respecto de una persona añade otra dificultad. Un profesional que aprende hoy una técnica conocida desde hace décadas incorpora a su repertorio algo nuevo, capaz de habilitar combinaciones inéditas en su trabajo, aunque para la disciplina se trate de una adquisición local. Un registro que mezcla ambas escalas puede atribuir a la creación lo que corresponde a la difusión. Cada investigación tiene que decidir, por tanto, si sigue descubrimientos colectivos, primeras adopciones locales o transformaciones de una práctica ya difundida.

Diversidad disponible y diversidad que llega a utilizarse

El recuento de variantes dice cuántas opciones existen y deja fuera cómo se distribuyen. Una comunidad con cinco métodos, cada uno utilizado por un quinto de sus integrantes, da lugar a encuentros distintos de los de otra donde un método concentra el 96 % y los restantes reúnen el 4 %. Ambas tienen cinco variantes. La segunda, sin embargo, depende de pocos portadores para conservar cuatro de ellas, con quienes habrá pocas oportunidades de intercambio si los encuentros ocurren al azar.

Sea $p_i$ la proporción de personas que domina la variante $i$, suponiendo por simplicidad que cada persona domina una sola y que $\sum_i p_i=1$. Dos extracciones independientes producen variantes distintas con probabilidad

Con dos variantes igualmente frecuentes esta probabilidad es 0,5. Si una concentra el 90 %, desciende a 0,18. El cálculo mide encuentros potencialmente distintos, de los cuales solo una parte dará recombinaciones útiles, porque dos tradiciones pueden ser diferentes y compartir muy pocas interfaces. En una población pequeña, cuando se eligen personas sin reposición, las extracciones dejan de ser independientes y la fórmula requiere la corrección correspondiente.

Para incorporar diferencias de contenido puede asignarse a cada par una distancia $d_{ij}$. La cantidad $\sum_i\sum_j p_i p_j d_{ij}$ expresa entonces la distancia media esperada entre dos variantes muestreadas con independencia, valor que cambia según la distancia represente materiales, funciones o conocimientos necesarios. El significado de una medida de diversidad depende de la codificación con que se obtuvo y de la pregunta que la motivó. En un equipo clínico, contar especialidades y medir diferencias de procedimientos son operaciones distintas.

La diversidad tiene además costos de mantenimiento, porque cada línea necesita recursos para seguir siendo competente y una cantidad pequeña de trabajo repartida entre demasiadas líneas puede dejarlas a todas por debajo de una escala útil. Zeppini y van den Bergh (2013) formularon un modelo donde los beneficios de la recombinación compiten con los rendimientos de concentrar las inversiones. Sus resultados dependen de los parámetros y del horizonte temporal. Una formulación de este tipo plantea en qué casos una opción conservada justifica su costo, sin convertir la diversificación en una recomendación universal.

Un ejemplo numérico, con fines solo didácticos, muestra cómo puede cambiar la decisión. Supongamos que mantener dos líneas durante un período cuesta 12 unidades adicionales respecto de concentrarse en una y que, si ambas sobreviven y se encuentran, hay una probabilidad de 0,20 de producir una combinación cuyo beneficio posterior es 100. El beneficio esperado atribuible a esa posibilidad es 20 y, descontado el costo adicional, queda en 8. Si la probabilidad cae a 0,05, el mismo cálculo da una pérdida esperada de 7, cambio de signo que la sola palabra «diversidad» no ayuda a dirimir.

El cálculo todavía omite cuándo se recibe el beneficio. Si llega dentro de cinco períodos y se aplica una tasa de descuento de 10 % por período, su valor presente esperado en el primer escenario es $20/(1,1)^5$, aproximadamente 12,42. Frente a un costo presente de 12, el margen queda cerca de 0,42. Con la misma capacidad técnica de recombinación, la preferencia por conservar alternativas puede cambiar al modificar una hipótesis financiera. En las políticas científicas, por consiguiente, debería quedar explícito quién fija el horizonte y quién recibe los beneficios.

Una variante puede desaparecer sin haber sido inferior en todos los usos, por ejemplo porque sus usuarios son pocos, porque requiere recursos que se retiraron o porque el indicador dominante no registra su rendimiento. Reconstruir una trayectoria exige distinguir esos mecanismos. La comparación adecuada puede incluir su desempeño en el contexto original y el costo de trasladarla a otro, dado que una opción localmente útil puede valer poco fuera de las condiciones que la sostienen.

Aprender de los demás sin agotar la búsqueda colectiva

Imitar una solución exitosa tiene un beneficio comprensible, porque evita repetir una búsqueda que otro ya realizó. Si la solución se difunde con rapidez, muchas personas mejoran su rendimiento y, a la vez, disminuye el número de ensayos independientes. Esa reducción puede ser deseable en un problema donde basta una buena solución estable. Cuando el avance siguiente requiere combinar resultados de rutas diferentes, en cambio, la convergencia puede cerrar una posibilidad futura.

La distinción de March (1991) entre exploración y explotación sitúa este problema en la asignación de recursos a lo largo del tiempo. Las mejoras de una práctica conocida suelen dar señales más inmediatas que la búsqueda de alternativas, ventaja que un sistema de evaluación centrado en resultados próximos puede reproducir. La cuestión operativa es cuánto aprendizaje nuevo deja de hacerse cuando todos los recursos se destinan a mejorar la solución vigente.

Derex y Boyd (2016) investigaron este mecanismo con una tarea experimental de combinación de ingredientes virtuales. Compararon grupos del mismo tamaño, unos con acceso completo a las soluciones de los demás participantes y otros divididos al comienzo en parejas que después tuvieron contactos. La estructura parcial conservó rutas diferentes que podían combinarse más adelante. Como la tarea se diseñó con dependencias entre innovaciones y en ella adquirir lo observado era relativamente sencillo, el resultado respalda el mecanismo bajo esas condiciones, sin fijar una proporción óptima de aislamiento para cualquier organización.

Imaginemos, para seguir la secuencia, dos laboratorios que evalúan las alternativas $A$ y $B$, de las cuales, tras pocos ensayos, $A$ obtiene un resultado de 8 y $B$ uno de 6. Si ambos laboratorios copian $A$, duplican la capacidad de refinar esa alternativa. Si uno conserva $B$, el rendimiento medio inicial será menor a cambio de mantener una segunda fuente de componentes. La elección depende de la incertidumbre de esas mediciones, de la posibilidad de mejorar cada rama y de las combinaciones futuras que cada una pueda habilitar.

Una coordinación útil podría posponer la convergencia mientras las evaluaciones sean ruidosas y facilitar después los intercambios, cuando los equipos hayan producido diferencias interpretables. Esos intercambios requieren describir las soluciones con detalle suficiente para que otro grupo pueda probarlas. Como una reunión frecuente con resultados incomprensibles puede transmitir menos información útil que un contacto menos frecuente acompañado de materiales reproducibles, la densidad de una red de contactos mide solo de manera indirecta la capacidad de transferencia.

La selección de interlocutores también modifica el proceso. Gallarta-Sáenz y colaboradores (2024) estudiaron mediante simulaciones qué ocurre cuando los encuentros favorecen a personas con mayor conocimiento o mayor grado en la red. En su modelo, una preferencia moderada podía acelerar los descubrimientos. Una concentración excesiva de las interacciones perjudicaba, sin embargo, ciertos resultados y la difusión del conocimiento. Las conclusiones dependen de las reglas de combinación y transmisión especificadas por los autores y son evidencia computacional sobre un mecanismo que todavía debe contrastarse en organizaciones reales.

La reputación introduce, además, un problema de medición, porque puede reflejar competencia, visibilidad o una posición previamente favorecida. Si la elección del interlocutor se basa en publicaciones y las oportunidades de publicar aumentan con esa elección, se forma una retroalimentación cuya evaluación exigiría registrar cómo cambia el acceso a la colaboración y qué conocimientos quedan fuera. Una comparación limitada al rendimiento de quienes recibieron más contactos confundiría la selección con las consecuencias del intercambio.

Un experimento pequeño sobre la supervivencia de rutas

Consideremos una población didáctica que produce dos componentes avanzados, $A$ y $B$. Una innovación posterior exige un encuentro entre un portador de $A$ y uno de $B$. Supondremos, simplificando deliberadamente la producción real de conocimiento, que los encuentros son independientes, que cada persona posee un solo tipo y que en cualquier encuentro mixto puede intentarse la combinación.

Si la frecuencia de $A$ es $p$, la probabilidad de un encuentro mixto es $q=2p(1-p)$. En diez encuentros independientes, la probabilidad de al menos una oportunidad mixta es $P_{10}=1-(1-q)^{10}.$

Con $p=0,5$ se tiene $q=0,5$ y $P_{10}$ es aproximadamente 0,9990. Si $p=0,9$, entonces $q=0,18$ y $P_{10}$ queda en 0,8626. Con $p=0,99$ se obtiene $q=0,0198$ y $P_{10}$ desciende a 0,1813. En este último caso la variante minoritaria sigue presente, pero casi nunca entra en contacto con la otra y puede contribuir muy poco a la búsqueda.

Supongamos ahora que solo el 10 % de los encuentros mixtos resuelve los problemas de interfaz, con una probabilidad de éxito por encuentro $r=0,1q$. En la situación equilibrada diez encuentros dan $1-0,95^{10}$, aproximadamente 0,4013, frente a $1-0,99802^{10}$, aproximadamente 0,0196, cuando $p=0,99$. La oportunidad de contacto y la capacidad de trabajar juntos aparecen como parámetros separados. Aumentar uno puede ser insuficiente para compensar la ausencia del otro.

¿Qué ocurre si la variante minoritaria tiene una capacidad especial de combinación? La probabilidad uniforme de éxito puede sustituirse entonces por una matriz $s_{ij}$ que describa cada par. Bajo el mismo esquema de muestreo, la tasa esperada de intentos exitosos será proporcional a $\sum_i\sum_j p_i p_j s_{ij}$. La distribución que maximiza ese término puede concentrarse en ciertas variantes, de manera que la uniformidad, óptima para algunos índices de diversidad, puede ser subóptima para una función concreta de innovación.

También puede modificarse el modo de encuentro. Si un coordinador identifica a los pocos portadores de $B$ y organiza contactos con quienes dominan $A$, la frecuencia poblacional deja de determinar directamente la probabilidad de emparejamiento y el modelo debe reemplazar $p_i p_j$ por una distribución de encuentros $e_{ij}$. Con esa sustitución pueden distinguirse dos intervenciones, la que preserva una capacidad escasa manteniendo más personas en una línea y la que la vuelve accesible mejorando su conexión con otras, decisiones con costos y efectos distintos.

Una simulación de este ejemplo debería registrar la frecuencia de variantes, las oportunidades mixtas y los éxitos. Si solo se guarda el número final de innovaciones, es imposible saber si un fracaso se debió a pérdida de diversidad, falta de encuentros o incompatibilidad. En el algoritmo esas tres cantidades corresponden a operaciones distintas y pueden observarse por separado. La separación es útil para diagnosticar el modelo. Su traslado al trabajo científico exige construir indicadores que representen procesos comparables.

Cómo reconocer una trayectoria sin inventar su historia

Una trayectoria tecnológica puede reconstruirse siguiendo cambios en componentes, referencias documentadas o capacidades productivas, fuentes que registran solo en parte el razonamiento de quienes innovaron. Dos artículos que citan las mismas publicaciones comparten antecedentes bibliográficos, aunque sus autores pudieron llegar a sus ideas por recorridos diferentes. Una patente que incorpora dos clases tecnológicas registra, según la clasificación utilizada, una combinación que puede haber surgido dentro de una sola comunidad o del encuentro entre dos comunidades independientes.

Uzzi y colaboradores (2013) analizaron combinaciones de referencias bibliográficas en relación con el impacto posterior de los artículos científicos y encontraron una asociación entre alto impacto y la presencia de combinaciones inusuales dentro de una base predominantemente convencional. El resultado, que depende de una definición bibliométrica de convencionalidad y de un desenlace medido mediante citas, deja abierta la pregunta causal de si introducir referencias raras produce mejores descubrimientos.

Un diseño longitudinal necesita fechar la disponibilidad de cada componente. Si se utiliza una clasificación desarrollada después del período estudiado, algunas conexiones pueden parecer obvias en retrospectiva. Como el investigador ya sabe qué ramas llegaron a producir buenos resultados, esa información puede contaminar la selección de casos y hacer que un camino incierto parezca inevitable. Conviene reconstruir, para cada fecha, qué podían saber los participantes y qué alternativas estaban realmente en condiciones de ejecutar.

Los fracasos plantean un problema particular en esa reconstrucción. Una base compuesta únicamente por patentes concedidas sirve para estudiar las invenciones registradas. De ella no se obtiene sin más la probabilidad de éxito de todas las combinaciones intentadas, cuyo denominador es desconocido si los ensayos fallidos no aparecen. Los cuadernos de laboratorio, los registros de prototipos y las versiones descartadas pueden contener información de otro tipo, si bien su conservación es desigual. La ausencia de un registro debe tratarse como tal, sin tomarla como prueba de que una alternativa nunca se ensayó.

La innovación tiene varios momentos observables. Una propuesta puede construirse, funcionar en una demostración y tardar años en usarse de manera habitual, intervalo en el que quizá cambien las condiciones que la hacían atractiva. Por eso el estudio de trayectorias necesita elegir un desenlace y explicarlo. Una tecnología ampliamente adoptada puede resolver bien un problema de difusión y seguir dando a sus usuarios un beneficio modesto; una solución con buenos resultados experimentales puede fracasar por sus costos de mantenimiento.

Una investigación causal del efecto de la conexión entre equipos necesitaría una comparación en la que las oportunidades de intercambio varíen de forma interpretable. Cuando sea viable, asignar al azar un contacto estructurado entre equipos separaría mejor ese efecto de la afinidad previa. En las colaboraciones ya existentes, en cambio, los grupos más capaces pueden ser también los que consiguen más conexiones, una selección que el ajuste estadístico aborda solo en la parte recogida por las variables disponibles. La interpretación tiene que mantener separados un mecanismo plausible y su identificación en los datos.

El trabajo necesario para volver a combinar una solución

Una combinación exitosa puede abaratar las búsquedas siguientes si sus detalles internos dejan de tener que resolverse cada vez. Si un instrumento formado por sensor, calibración y lectura funciona de manera suficientemente estable, otro equipo puede tratarlo como un módulo de medición. Le basta conocer las entradas admitidas y la incertidumbre de la salida para trabajar con él sin reconstruir cada circuito, de modo que el módulo concentra experiencia anterior en una unidad que puede circular.

La simplificación requiere que las propiedades utilizadas por el nuevo usuario se mantengan dentro del dominio acordado. Un sensor calibrado a cierta temperatura puede comportarse de otra manera si se instala en otro ambiente. Documentado el dominio operativo, la solución puede reutilizarse con menos ensayos redundantes. En este ejemplo didáctico, una parte de la innovación consiste en hacer confiable una operación repetible. La posibilidad de combinar módulos depende tanto de esa confiabilidad como de la cantidad de componentes disponibles.

Si construir cada instrumento desde sus piezas requiere 40 horas e integrar un módulo ya validado requiere 8, un equipo con 160 horas puede ensayar cuatro configuraciones con la primera estrategia y veinte con la segunda, antes de considerar otros costos. Si adaptar cada módulo exige después 12 horas adicionales, la ventaja disminuye. En ese caso cada configuración consume 20 horas y solo pueden ensayarse ocho. Como el ahorro depende de las interfaces y del contexto de aplicación, contar módulos sin medir el trabajo de adaptación exageraría la expansión efectiva de la búsqueda.

Una arquitectura modular puede facilitar la sustitución de una parte sin tocar el resto y, a la vez, ocultar restricciones internas. Para trabajar con ella conviene registrar dependencias (qué versiones son compatibles, qué resultados deben volver a verificarse después de un cambio y cuáles pueden conservarse). La representación adecuada se parece a un grafo de construcción cuyos enlaces indican requisitos de uso. La desaparición de un componente básico puede propagarse por ese grafo hacia varias soluciones que lo necesitan y afectar a un número de productos distinto del de piezas retiradas.

La modularidad introduce otra unidad posible para medir trayectorias, la familia de módulos que mantiene una función mientras cambian sus componentes, cuyo seguimiento puede reemplazar al recuento de documentos. Dos ramas pueden acercarse porque adoptan una interfaz común, aunque sus productos finales sigan siendo diferentes. A la inversa, una aparente continuidad de nombres puede esconder una sustitución completa de capacidades. Las similitudes textuales dan pistas sobre un vínculo funcional que debe establecerse sobre las operaciones realizadas, de ahí que esta forma de reconstrucción requiera documentación técnica.

En un programa de investigación, una base de módulos reutilizables podría registrar cada versión junto con los ensayos que delimitan su funcionamiento, para que después pueda localizarse qué se utilizó en cada resultado posterior. Si una combinación falla, los equipos pueden entonces distinguir si el error surgió en un componente, en la interfaz o en las condiciones de uso. Esa memoria de trabajo reduce la necesidad de repetir averiguaciones y conserva información que los productos exitosos suelen omitir, con lo que la trayectoria queda documentada como una secuencia de construcciones y pruebas accesible para quienes continúan la búsqueda.

Organizar la búsqueda con recursos limitados

Un programa de investigación puede usar estas ideas para tomar decisiones que después sean evaluables. Lo primero es establecer qué capacidades debe conservar y por qué cree que podrían combinarse, con una justificación que puede apoyarse en interfaces ya demostradas, en necesidades que aún no tienen solución o en incertidumbres pendientes de resolver. Una consigna como «mantener diversidad» es demasiado imprecisa para asignar recursos cuando no indica qué se pierde si una línea desaparece y cuánto costaría recuperarla.

El financiamiento de una alternativa pequeña puede buscar un producto directamente competitivo o mantener una capacidad que contribuya a otros proyectos, dos funciones que piden evaluaciones diferentes. Un método que nunca supera al principal de manera aislada puede dar una calibración útil; otro puede consumir recursos sin habilitar combinaciones relevantes. La evaluación debe seguir, entonces, el uso efectivo de sus resultados, incluidos los ensayos que dan buenas razones para abandonar una hipótesis.

Los momentos de revisión deberían definirse antes de saber qué rama obtiene el mejor resultado inicial, porque de lo contrario la primera ventaja puede convertirse en una regla de asignación permanente. Un protocolo de revisión puede especificar qué incertidumbre justificaría prolongar una línea y qué observación bastaría para detenerla. La decisión seguirá requiriendo juicio. Una vez explícito el criterio, puede examinarse si cambia de manera oportunista cuando favorece a un equipo conocido.

El intercambio entre ramas necesita también recursos propios. Adaptar una base de datos, comparar unidades de medición o documentar un procedimiento pueden ser tareas menos visibles que producir un resultado nuevo, pero sin ellas el repertorio compartido será mucho menor que la suma de los repertorios individuales. Una evaluación que registre solamente productos finales dejará fuera parte del trabajo que hizo posibles las combinaciones. En términos del modelo, estaría midiendo $S_t$ mientras ignora las operaciones ejecutables de $R_t$.

Volvamos al sensor y al método de calibración. Antes de integrar ambos proyectos, los equipos podrían ensayar si la incertidumbre del sensor puede corregirse con las mediciones disponibles. Un resultado negativo puede cerrar esa combinación y orientar la búsqueda hacia otro componente. Uno positivo deja todavía pendientes el costo, la estabilidad y las condiciones de uso. La trayectoria siguiente surge de esas pruebas concretas y, para analizarla, es necesario conservar los intentos, identificar qué cambió y seguir las opciones que cada resultado dejó abiertas.

Referencias

Derex, M., & Boyd, R. (2016). Partial connectivity increases cultural accumulation within groups. Proceedings of the National Academy of Sciences, 113(11), 2982–2987. https://doi.org/10.1073/pnas.1518798113

Fleming, L. (2001). Recombinant uncertainty in technological search. Management Science, 47(1), 117–132. https://doi.org/10.1287/mnsc.47.1.117.10671

Gallarta-Sáenz, P., Pérez-Martínez, H., & Gómez-Gardeñes, J. (2024). Emergence of innovations in networked populations with reputation-driven interactions. Chaos, 34(3), 033106. https://doi.org/10.1063/5.0189505

March, J. G. (1991). Exploration and exploitation in organizational learning. Organization Science, 2(1), 71–87. https://doi.org/10.1287/orsc.2.1.71

Tria, F., Loreto, V., Servedio, V. D. P., & Strogatz, S. H. (2014). The dynamics of correlated novelties. Scientific Reports, 4, 5890. https://doi.org/10.1038/srep05890

Uzzi, B., Mukherjee, S., Stringer, M., & Jones, B. (2013). Atypical combinations and scientific impact. Science, 342(6157), 468–472. https://doi.org/10.1126/science.1240474

Youn, H., Strumsky, D., Bettencourt, L. M. A., & Lobo, J. (2015). Invention as a combinatorial process: Evidence from US patents. Journal of the Royal Society Interface, 12(106), 20150272. https://doi.org/10.1098/rsif.2015.0272

Zeppini, P., & van den Bergh, J. C. J. M. (2013). Optimal diversity in investments with recombinant innovation. Structural Change and Economic Dynamics, 24, 141–156. https://doi.org/10.1016/j.strueco.2012.09.002