3. DESARROLLO DE CONSTRUCTOS Y RELACIONES

La literatura en innovación recombinante ve homogéneamente a los recursos recombinados. Sin embargo, nuestro análisis previo (Camani, 2021) sugiere que, paradójicamente, la misma literatura contiene elementos implícitos que muestran diferentes características intrínsecas de los recursos. En común, estas características son constitutivas de los recursos. También, proveen servicios cuando los recursos se usan en una recombinación (Penrose, 1959). Estos servicios pueden integrarse mediante un proceso de experimentación iterativo (Thomke, 1998). El objetivo es formar nuevos recursos (incluido conocimiento) que provean nuevos servicios (Savino et al., 2017).

Recurrentemente, la literatura en innovación recombinante muestra tres posibles características intrínsecas: heterogeneidad, especificidad, y disponibilidad. Estas pueden definirse en términos generales (Camani, 2021): la heterogeneidad es la diversidad de servicios que aportan los recursos, dentro de una misma recombinación o entre recombinaciones. La especificidad es la facilidad de los servicios de un recurso para integrarse con los de otros recursos. Estaría influida por el grado de especialización de los servicios del recurso. La disponibilidad es el acceso a la calidad y cantidad de recursos requeridos para recombinar. La cantidad se refiere al tamaño de los stocks, y la calidad a la diversidad de estos.

En términos particulares, cada característica tendría diferentes valores asociados con recombinaciones que muestran diferente variedad y frecuencia. Weitzman (1998) describe como Thomas Edison probó 6.000 materiales hasta encontrar el adecuado para construir el filamento en su prototipo de lámpara incandescente. Este es un caso de alta variedad (al usar diferentes materiales entre las diferentes recombinaciones) y de alta frecuencia (por el gran número de pruebas). Lo central es que características intrínsecas particulares de estos recursos se asociaran con una variedad y una frecuencia específica al recombinarse. ¿Podría Edison haber recombinado con alta variedad y frecuencia, sin haber tenido recursos heterogéneos, con facilidad para integrarse, y sin disponibilidad para realizar 6.000 pruebas? ¿Qué variedad y frecuencia hubieran tenido sus recombinaciones, si hubiera usado recursos homogéneos, difíciles de integrar, y escasos? Es difícil sostener que hubieran sido altas. La variedad y la frecuencia serían importantes porque se relacionarían con el aprendizaje gradual y la generación de conocimiento (Kalthaus, 2020; Popadiuk y Choo, 2006). Combinar recursos similares durante poco tiempo reduciría las chances de crear nuevo conocimiento, y viceversa. Así, variedad y frecuencia permiten entender el nivel de novedad de las recombinaciones.

Camani (2021) explica cómo la baja heterogeneidad, la alta especificidad, y la baja disponibilidad se asociarían con baja novedad de recombinaciones (esto es baja variedad y frecuencia). La integración de estas características para ser equifinales es probable (Schneider y Wagemann, 2012). Cada una de estas características intrínsecas, desde su lugar, reducirían la variedad al recombinar. La baja heterogeneidad sugiere servicios similares. La alta especificidad provee recursos especializados, con servicios estables (Lewin, 2011). y alta inter-especificidad entre recursos (Christensen, 1996, 2000; Schriber y Löwstedt, 2018). Esta última implicaría integrar solo los servicios de los recursos conocidos por complementarse perfectamente. La baja disponibilidad de calidad implica pocos stocks con recursos diversos para recombinar (Sun y Jiang, 2017).

La confluencia de estas tres características para proveer servicios similares, especializados, y escasos, indica que no se buscan nuevos recursos (Fitzgerald et al., 2011). Como en la literatura, los recursos no cambiarían. Cambiarían novedosamente sus relaciones, basadas en conocimiento (Fleming y Giudicati, 2018). Los servicios estables de estos tipos de características intrínsecas se asemejan a los de los recursos existentes de la literatura (Ahuja et al., 2008; Savino et al., 2017). En este caso, según D'Este et al. (2017), al recombinar predominaría la experiencia con los servicios de los recursos recombinados. Esto es similar al concepto de profundidad del conocimiento en la literatura (Kang et al., 2019). Un conocimiento existente profundo es el que se reusa novedosamente para recombinar recursos tangibles homogéneos, siempre con los mismos servicios (Arts y Veugelers, 2015; Majchrzak et al., 2004). Hasta que su uso recurrente puede agotarlo, como ocurre con ciertas tecnologías. Por eso, la literatura también propone recursos nuevos externos. Esto es conocimiento extra industria, para renovar las recombinaciones (Ahuja y Lampert, 2001; Forés y Camisón, 2016).

Al usar solo conocimiento, la literatura también limita la cantidad de servicios. La similitud de los servicios aportados por estas características sugiere que recombinar recursos similares produciría resultados decrecientes y parecidos (Fleming, 2001; Warnier et al., 2013). Esto justificaría una baja frecuencia de recombinaciones. La baja heterogeneidad y la alta especificidad se integran con la baja disponibilidad. No hacen falta grandes stocks que abastezcan la frecuencia. Esto es posible con stocks de recursos existentes, genéricos, y fáciles de obtener comercialmente si se precisan más (Lee y Barney, 2018). Así, baja heterogeneidad, alta especificidad, y baja disponibilidad se integrarían para asociarse con la baja variedad y frecuencia. Representarían diferentes aspectos de un mismo recurso, posiblemente vinculados a una baja novedad de recombinaciones.

A diferencia de las características intrínsecas anteriores, la alta heterogeneidad, la baja especificidad, y la alta disponibilidad se asociarían con una alta novedad de las recombinaciones (con alta variedad y frecuencia). Estas características intrínsecas, cada una desde su lugar, incrementarían la variedad al recombinar (Camani, 2021). Aportarían nuevos y diversos servicios. Estos podrían venir de fuentes diferentes (tecnológicas, organizacionales y comerciales) (Kyriakopoulos et al., 2015; Laursen y Salter, 2006). Más importante, podrían incorporarse otros tipos de recursos (ej., tangibles) que interactúen con el conocimiento (Bradley et al., 2011). Edison verificaba ideas aplicándolas a recursos tangibles para así construir gradualmente conocimiento sobre qué funcionaba y que no (Kalthaus, 2020; Weitzman, 1998). Como explica Nonaka (1994), las ideas deben cristalizarse físicamente para verificarse y crear conocimiento.

Entender cómo características intrínsecas con estos valores incrementan la variedad implica ampliar la visión de recursos existentes y de nuevos externos de la literatura (Ahuja y Lampert, 2001; Forés y Camisón, 2016). Según Arthur (2007, 2009), los recursos pueden transformarse recursivamente en nuevos recursos, durante un proceso de recombinaciones (Mets et al., 2019). Los nuevos recursos intermedios serían insumos para sucesivas recombinaciones. La literatura en innovación recombinante plantea la formación gradual de nuevos recursos a partir de recursos anteriores (Kalthaus, 2020; Kok et al., 2019). Aunque al enfatizar las recombinaciones novedosas solo de conocimiento, no explicita la transformación de los recursos tangibles. El desarrollo de nuevos recursos aportaría nuevos servicios (alta heterogeneidad) y nuevas integraciones (baja especificidad). O sea, inicialmente, estos servicios no necesariamente existirían, Habría recursos existentes, en base a los cuales se desarrollarían. Esto llevaría tiempo (Godin, 2017; Kline y Rosenberg, 1986). Primero, para imaginar nuevos servicios y múltiples especificidades para los recursos existentes que permitirían crear conocimiento (Foss e Ishikawa, 2007; Lewin, 2011). Segundo, para verificar su factibilidad mediante la experimentación (D'Este et al., 2017). La gradualidad de este desarrollo para acumular conocimiento es coherente con la literatura (Kang et al., 2019). Sin embargo, no ocurriría solo con conocimiento, sino recombinando recursos tangibles junto con conocimiento. Diferente a la literatura, la alta heterogeneidad y la baja especificidad sugieren recursos tangibles cambiantes (junto al conocimiento) para integrarse. No serían recursos maleables por el conocimiento (Fleming y Giudicati, 2018).

El tiempo de desarrollo de la alta heterogeneidad y la baja especificidad implica numerosas iteraciones. O sea, estas características se integran con la alta disponibilidad de cantidad, clave para sostener una alta frecuencia de recombinaciones. Se precisaría gran número de recursos (conocimiento y tangibles) para alimentar las recombinaciones continuas y compensar el desperdicio de recursos en las pruebas (Kline y Rosenberg, 1986; Morero et al., 2015). También, se necesitaría una creciente disponibilidad de calidad, formada por los nuevos recursos transformados que agregan variedad (lo que justifica más frecuencia). Inicialmente, los stocks recombinados serían de recursos existentes, genéricos, disponibles en el mercado (Lee y Barney, 2018; Zeppini y Van den Bergh, 2013). Con el tiempo crecería la cantidad y calidad de recursos nuevos intermedios, transformados, Así, la alta disponibilidad también influiría la alta variedad al recombinar. La alta heterogeneidad, la baja especificidad, y la alta disponibilidad serían aspectos integrados en un mismo recurso. La integración influiría la alta variedad y frecuencia. Así se asociarían con una alta novedad de recombinaciones.

Una síntesis del análisis de las características intrínsecas sugiere una integración de valores específicos de estas con valores específicos de la novedad de las recombinaciones (y de la variedad y la frecuencia). La integración señala una posible acción conjunta equifinal, de todas las características. Estas confluirían en efectos similares sobre la novedad al recombinar (y sobre la variedad y la frecuencia). También, se deduce que las características intrínsecas asociadas con una baja novedad de recombinaciones (o sea baja variedad y frecuencia) son afines con la literatura en innovación recombinante. Estas características no cambian ni se busca cambiarlas. Serían propias de recursos existentes similares, recombinados durante poco tiempo. Esto limitaría las oportunidades de aprendizaje (Popadiuk y Choo, 2006) y contribuirían a crear conocimiento menos novedoso. Esto es coherente con la perspectiva de Danneels (2002), junto con Henderson y Clark (1990) que relacionan los productos de menor GDN con recursos existentes. De la misma manera, estos autores relacionan los productos de mayor GDN con recursos nuevos. Las características intrínsecas asociadas con una alta novedad de recombinaciones (y alta variedad y frecuencia) no serian afines con la literatura en innovación recombinante Serían propias de recursos nuevos (tangibles y conocimiento) que resultan de un largo tiempo de recombinación. Así, se incrementarían las oportunidades de aprendizaje (Popadiuk y Choo, 2006) y se crearía conocimiento más novedoso. Al ser constitutivas las características no pueden iniciar el cambio por si solas (ej. un recurso homogéneo no puede ser heterogéneo). Si se puede decidir cambiarlas (ej. aceptar transformar los recursos para que la baja heterogeneidad derive en alta heterogeneidad).

4. TIPOLOGÍA DE CARACTERÍSTICAS INTRÍNSECAS

Del análisis anterior se deducen dos grupos de características intrínsecas con integración y equifinalidad factibles. Como constructos de primer orden formarían dos tipos ideales de recursos. Cada uno formaría un extremo de un continuo de características intrínsecas. Los constructos de cada extremo serían equifinales para obstaculizar o favorecer la novedad al recombinar: 1) el tipo formado por baja heterogeneidad, alta especificidad, y baja disponibilidad, asociado con baja novedad de las recombinaciones (baja variedad y frecuencia); y 2) el tipo integrado por alta heterogeneidad, baja especificidad, y alta disponibilidad, relacionado con la alta novedad al recombinar (alta variedad y frecuencia).

Los constructos de cada tipo ideal extremo mostraron coherencia lógica. La comparación de los análisis previos de los constructos indicó que no se contradecían (Fiss, 2011). Serían casos de una base de recursos donde las diferentes características se potencian entre sí, para lograr una baja o alta novedad de recombinaciones. Hay una interinfluencia mutua (ver Tabla 1). Cada característica sería causa y consecuencia de las otras, tanto para las ligadas con un bajo como con un alto nivel de novedad al recombinar.

Como estos tipos ideales serían extremos de un continuo, se identificó un posible patrón de configuraciones híbridas de características intrínsecas entre esos extremos (Doty y Glick, 1994). Además de los valores bajos y altos, el patrón incluyó valores medios para las tres características. Un valor medio de heterogeneidad significa que la diversidad de servicios incluye servicios similares junto con servicios diferentes (a los usuales y entre recombinaciones). Por un valor medio de especificidad se entiende que los servicios de los recursos provienen de recursos especializados y flexibles, así como de recursos con inter-especificidad alta y baja. Esto indicaría recursos asignados a la explotación y a la exploración (March, 1991). Un valor medio de disponibilidad significa una proporcionalidad entre la cantidad de recursos destinados y no destinados a recombinar. También indica una proporcionalidad de stocks similares y diversos. La disponibilidad media de calidad sugiere que predominarían los recursos genéricos, adquiridos en el mercado (Lee y Barney, 2018). No abundarían los stocks de recursos desarrollados internamente.

Se encontraron 25 tipos ideales híbridos (3³-2). En total, incluyendo los extremos, había 27 configuraciones o tipos de características intrínsecas. Los 27 tipos se clasificaron en grupos, según su posible efecto similar sobre la novedad de las recombinaciones (o sea sobre la variedad y la frecuencia). Cada tipo que integraba un mismo grupo tenía el mismo valor total. Este valor total era igual a la suma de los valores de sus constructos. A los constructos asociados con baja novedad de recombinaciones (baja heterogeneidad, alta especificidad, baja disponibilidad) se les asignó un 1. A los constructos vinculados con alta novedad de recombinaciones o alta variedad y frecuencia (alta heterogeneidad, alta especificidad, alta disponibilidad) se les asignó un 3. A los constructos probablemente asociados con una novedad media de las recombinaciones (niveles medios de las tres características) se les asignó un 2. Para la disponibilidad, cualquier valor asignado (1, 2, 3) significó que la cantidad y calidad tenían el mismo nivel.

Se identificaron 5 grupos potencialmente asociados con diferentes niveles de novedad de recombinaciones (ver Tabla 2). Tipos ideales con valores totales menores debían asociarse con niveles de menor novedad de las recombinaciones y viceversa.

Los valores en la Tabla 2 fueron orientativos, un primer intento para reducir la complejidad de las configuraciones y poder compararlas. Todos los constructos de las configuraciones de los extremos tenían valores iguales. Mientras que las configuraciones intermedias no mostraron total coherencia lógica interna. Esto es, sus constructos podían tener valores contradictorios (1, 2, o 3): individualmente no se asociaban con un mismo nivel de variedad y frecuencia. Como en los extremos era posible una interinfluencia mutua, pero no virtuosa. En los extremos, la interinfluencia potenciaba el efecto individual y conjunto de las características. En los tipos intermedios, se observaba una tensión constante entre las características por imponer su efecto. Esta tensión podía indicar que no había equifinalidad y que la situación era más compleja que en los extremos. Por un lado, el valor numérico total de cada tipo intermedio orientaba sobre el nivel de novedad al recombinar. Por otro lado, no podía considerarse válido sin previo análisis de las contradicciones. El objetivo era deducir si el nivel de recombinación era lógicamente factible. A continuación, se muestra este análisis:

Nivel bajo de novedad de recombinaciones (3-4): (ver Tabla 3) Las características intrínsecas mostraron coherencia interna, con valores similares (ver Tabla 1). Habría una probable equifinalidad respecto a la baja novedad de recombinaciones (con baja variedad y frecuencia). Si un valor es diferente, los valores predominantes parecen dominar al restante. Por ejemplo, en el Tipo 2: la especificidad media no compensaría los efectos negativos de la baja heterogeneidad y la baja disponibilidad. En el Tipo 4, la baja heterogeneidad y la alta especificidad parecen dominar el efecto positivo de la disponibilidad media.

Como indica la literatura (Echterhoff et al., 2013; Gassman y Zeschky, 2008), se podría recurrir a los recursos externos para incrementar la heterogeneidad (Tipo 3). Esto incrementaría limitadamente la variedad de recombinaciones. Los nuevos recursos externos no tendrían cantidad y calidad de recursos para integrarse. No se compensarían la baja especificidad y baja disponibilidad que predominarían sobre la heterogeneidad.

Nivel medio-bajo de novedad de recombinaciones (5): (ver Tabla 4) Los valores de las configuraciones llevan a variedad media y baja frecuencia; o a baja variedad y frecuencia media. Hay cierta coherencia interna, con dos valores similares en todos los tipos. O sea, habría cierta similitud con el nivel bajo.

La variedad media se asociaría con probables inconsistencias entre heterogeneidad y especificidad (Tipos 5 y 7) o con la acción negativa de la baja disponibilidad de calidad (Tipos 5, 6, y 7). En el primer caso (Tipo 5), buscar especificidades múltiples se ve limitada por la baja heterogeneidad. Esto limita incluir nuevos servicios al recombinar. En todos los casos (Tipos 5, 6, y 7), la baja disponibilidad de calidad parece ser una razón para limitar la variedad y contribuir a un nivel medio de esta. También, la baja disponibilidad de cantidad y de calidad (esta última con un efecto indirecto, porque la poca variedad no justifica alta frecuencia) contribuirían a una baja frecuencia.

Cuando la variedad es baja, hay inconsistencias que la producirían (Tipos 8, 9, y 10). La heterogeneidad estaría limitada por recursos especializados con alta inter-especificidad: La disponibilidad de calidad, probablemente de recursos genéricos, no incrementaría mucho la heterogeneidad.

Una disponibilidad de cantidad mediana o alta no podría llevar a alta frecuencia. La posible razón es que la disponibilidad mediana o alta de calidad sea de recursos genéricos. Recombinaciones adicionales generarían resultados similares y restringirían desarrollar variedad internamente. Por eso la frecuencia no superaría el nivel medio.

Podrían usarse recursos externos (Tipo 7) para incrementar la heterogeneidad limitada. Sin embargo, los servicios especializados y la inter-especificidad reducirían la variedad de servicios, así como lo haría la baja disponibilidad de calidad.

Nivel medio de novedad de recombinaciones (6): (ver Tabla 5) Los valores de las tres características son disímiles. Competirían por predominar e impedirían avanzar a niveles más altos de variedad y frecuencia (y de novedad al recombinar). Sin embargo, también podrían impedir caer a niveles más bajos (compensado por el probable efecto de las características con valores más altos). Por ejemplo, en el Tipo 11, la heterogeneidad media y las posibles especificidades múltiples por la baja especificidad permitirían sostener cierto nivel de frecuencia. A este lo limitaría la baja disponibilidad de cantidad y calidad (con un efecto indirecto).

Los Tipos 16 y 17 muestran que habría recursos genéricos por alta disponibilidad de calidad. Sin embargo, esto no se reflejaría en variedad más alta: la heterogeneidad no es tan alta o la especificidad es media o alta, lo que limita agregar servicios nuevos.

Podrían usarse recursos externos (Tipos 12 y 15) cuando hay baja disponibilidad de calidad o esta es media (pero formada por recursos genéricos). Esto sugiere, nuevamente, una posible conexión entre la disponibilidad de calidad y los recursos externos.

Nivel medio-alto de novedad de recombinaciones (7): (ver Tabla 6) En cada tipo, dos de las tres características tienen valores medios y/o altos. La diferencia con los niveles altos (ver Tabla 7) es que cada tipo podría tener una característica que impida lograr niveles más altos de variedad y frecuencia.

La mitad de los tipos tiene variedad alta y frecuencia media (Tipos 18, 19, y 20). Esto parece asociarse con alta heterogeneidad y baja especificidad. La otra mitad tienen variedad media y frecuencia alta (Tipos 21, 22, y 23). Estos tipos parecen asociarse con alta disponibilidad de cantidad y calidad.

El uso de recursos externos sería excepcional (Tipo 18). Como ya se vio, cuando hay baja disponibilidad de calidad.

Nivel alto de novedad de recombinaciones (8-9): (ver Tabla 7) Los valores de las características intrínsecas son relativamente similares o iguales. Las tres características, o al menos dos, tienen valores altos. Difieren del nivel medio-alto en que, estas características no muestran valores bajos, como 1. Las configuraciones se asocian con alta variedad y frecuencia. Los tipos muestran diferencias mínimas y justifican su ubicación en el extremo.

Se observa que cuando las características intrínsecas maximizaran la variedad y la frecuencia para crear conocimiento más novedoso, no habría uso de recursos externos. Si ocurriría en los demás niveles de novedad de las recombinaciones. Que en este caso no se usen recursos externos sería coherente con la importancia de desarrollar internamente recursos nuevos para lograr un GDN más alto. En los otros casos, usar recursos externos, en general, compensaría una baja disponibilidad de calidad. Así, evitaría que la heterogeneidad (y la variedad de las recombinaciones) decrezca.

Como síntesis, las configuraciones de patrones híbridos sugieren bases de recursos que están desalineadas. Serían inconsistentes para buscar intencionalmente un GDN específico, ya sea bajo o alto. Así, alguien podría querer desarrollar un GDN más alto, cuando en realidad las características intrínsecas de sus recursos no permitirían hacerlo. Puede ser que a lo sumo faciliten un nivel medio o medio-alto, o incluso un nivel medio-bajo. También, como en los tipos ideales de los extremos (ver Tabla 1), en las configuraciones intermedias cada característica intrínseca no sería independiente de las otras. Sin embargo, las características con valores inconsistentes no se potenciarían entre sí. Tenderían a anularse mutuamente o a generar un contrapeso contra el efecto positivo o negativo de otras variables.

Con el patrón de configuraciones ya completo, se lo transfirió al formato de una matriz. Incluyendo los tipos de los extremos, la tipología original tenía 27 celdas (3³). Estas se repartían en tres matrices con tres dimensiones (heterogeneidad, especificidad, y disponibilidad), cada una con tres niveles (alto, medio, y bajo) (ver Figura 1).

FIGURA 1: TIPOLOGIA ORIGINAL DE CARACTERÍSTICAS INTRÍNSECAS

Fuente: Elaboración propia

Los tipos ideales asociados con niveles bajos y altos de novedad de las recombinaciones (variedad y frecuencia, ambas bajas o altas) representaron el 30% del total de los efectos, contra un 70% para los tipos ligados a niveles medios de novedad de las recombinaciones (incluyendo los niveles medio alto, medio bajo, y medio).

Tantas celdas conspiraban contra la simplicidad y la utilidad teórica y práctica de la tipología (Eppler et al., 2011). Se buscó reducir el número, sin perder la complejidad del patrón de configuraciones extremas e intermedias. Para eso se usó un procedimiento estándar de reescalado (Elman, 2005). Se omitieron los valores medios de las tres dimensiones. El resultado fue una reducción de 27 a 8 celdas (ver Figura 2). Las celdas mostraron niveles bajo, alto, e intermedios de novedad de las recombinaciones (incluyendo las subclases).

FIGURA 2. TIPOLOGÍA REDUCIDA DE CARACTERÍSTICAS INTRÍNSECAS

Fuente: Elaboración propia

La tipología reducida fue coherente con la tipología original, resultante de la hibridación (ver Figura 1), sin mayor pérdida de información. Similarmente a la tipología original, las configuraciones de características de los extremos del continuo tuvieron efectos menos frecuentes (25% vs. 30% en la tipología original). Heterogeneidad baja, especificidad alta, disponibilidad baja se asociaron con niveles bajos de novedad de las recombinaciones de baja variedad y frecuencia. Heterogeneidad alta, especificidad baja, disponibilidad alta lo hicieron con niveles altos de novedad de las recombinaciones de alta variedad y frecuencia. El 75% de los efectos de las características intrínsecas correspondió a los niveles medios de novedad de las recombinaciones (vs. 70% en la tipología original). Niveles medios en general incluye los niveles medio-alto, el medio, y medio-alto. La mayor pérdida de información fue que al eliminar los valores medios, desaparecieron los niveles puramente medios de novedad de las recombinaciones (con un valor de 6). Sin embargo, no fue una pérdida severa. Primero, porque la nueva tipología era más útil y simple desde lo teórico y desde lo práctico. Segundo, el 75% de los efectos en la tipología reducida osciló entre niveles medio bajos y medio altos de novedad de recombinaciones. En ese rango se encuentran los niveles medios. Si, por ejemplo, se precisa medir el nivel puramente medio de novedad de las recombinaciones y sus características intrínsecas siempre puede usarse la tipología original.

Las configuraciones asociadas con los niveles medios en general se formaron combinando variables de las configuraciones de los tipos extremos (ver Figura 2). Coherente con la literatura sobre GDN (Garcia y Calantone, 2002), sería menos frecuente que las recombinaciones creen conocimiento muy poco o sustancialmente novedoso (asociados con bajo y alto GDN). Serían más frecuentes, las características intrínsecas asociadas con recombinaciones que lleven a un conocimiento de novedad media. Este predominio debe ponerse en términos comparativos y a lo largo de un tiempo (ej., la innovación en una industria o una misma empresa, durante un período largo de tiempo), insertarse no en circunstancias puntuales (ej., el desarrollo de un nuevo producto en particular).

Siguiendo la tipología de características intrínsecas, se propone:

P1: Con recursos cuyas características intrínsecas sean heterogeneidad baja, especificidad alta, y disponibilidad baja, el nivel de novedad de las recombinaciones será bajo.

P2: Con recursos cuyas características intrínsecas sean heterogeneidad alta, especificidad baja, y disponibilidad alta, el nivel de novedad de las recombinaciones será alto.

P3: Con recursos cuyas características intrínsecas sean combinaciones de los extremos del continuo, el nivel de novedad de las recombinaciones será medio (en términos generales).

P4: En términos comparativos y a lo largo del tiempo, serían más frecuentes las características intrínsecas que facilitan un nivel medio (en términos generales) de novedad de las recombinaciones.

Estas relaciones podrían falsarse con un modelo cuantitativo, que traduzca el modelo verbal. La falsación se basa en lo que debe medir un modelo formal aplicado a una tipología explicativa (Doty y Glick, 1994). La divergencia entre tipos ideales y casos empíricos de características intrínsecas predeciría el nivel de novedad en las recombinaciones, que facilitan los recursos (y qué posible GDN). Esta divergencia puede medirse con la distancia euclidiana (Greenacre y Primicerio, 2013) entre casos y tipos (ver Figura 3). Si tipos ideales y casos empíricos son vectores con un número J de dimensiones, el modelo será:

FIGURA 3: MODELO FORMAL DE LA DIVERGENCIA ENTRE TIPOS IDEALES Y CASOS

Fuente: Elaboración propia

Debería haber tres tipos de divergencias: casos cercanos a tipos ideales asociados con baja, media, o alto nivel de recombinaciones. Un caso con baja heterogeneidad, alta especificidad, y baja disponibilidad divergiría de tipos ligados a alta novedad de recombinaciones (con alta variedad y frecuencia). Estaría cerca de los asociados con baja novedad de recombinaciones (con baja variedad y frecuencia). Lo contrario falsaría la relación. Un caso con alta heterogeneidad, baja especificidad, y alta disponibilidad divergiría de tipos ligados a baja novedad de recombinaciones (con baja variedad y frecuencia). Estaría cerca de los asociados con alta variedad y frecuencia. Si no se falsaría la relación. Los casos con características intrínsecas asociados con niveles medios de frecuencia, tendrían una divergencia equidistante de los tipos extremos. Si estuvieran más cerca de algún extremo se falsaría la relación.

Analizar constructos y relaciones, incluyendo su equifinalidad, permitió asumir un peso similar para los constructos (Doty y Glick, 1994; Schneider y Wagemann, 2012). La distancia euclidiana solo es apropiada para datos con la misma escala (Greenacre y Primicerio, 2013). Cada grupo de las características intrínsecas conceptualizadas tienen el mismo tipo de escala. Si se quieren asignar asignarse ponderaciones o estandarizar valores y unidades, la fórmula en la Figura 3 puede adaptarse a tales efectos (Greenacre y Primicerio, 2013). La cuantificación de las unidades dependerá del método para recolectar y analizar los datos.

5. DISCUSIÓN

La visión de recursos y recombinaciones de los resultados contrasta con la de la literatura en innovación recombinante (Savino et al., 2017). Los recursos recombinados adoptarían configuraciones diferentes de características intrínsecas. No serían homogéneos. Las diferencias aplicarían también a los recursos tangibles, no solo al conocimiento (Kang et al., 2019). Además, las recombinaciones no serían solo novedosas (Kok et al., 2019). Tendrían distintas variedades y frecuencias, asociadas con conocimiento de diferente novedad (y probablemente diferente GDN en los productos).

El desarrollo de la tipología y la tipología misma amplían la literatura, al explicar que recursos y recombinaciones involucrarían relaciones muy específicas: 1) entre conocimiento y recursos tangibles para crear conocimiento nuevo. Si se quiere mayor GDN en los productos no bastaría con recombinar conocimiento existente y nuevo, como plantea la literatura (D´Este et al., 2017); 2) entre las características intrínsecas de los extremos para ser equifinales respecto a la variedad y frecuencia al recombinar (Schneider y Wagemann, 2012). Facilitarían y obstaculizarían ciertos tipos de recombinaciones; 3) entre la variedad y la frecuencia de las recombinaciones y los tipos de conocimiento creado y GDN logrado (Camani, 2021). Las características intrínsecas crearían diferentes oportunidades de aprendizaje al recombinar (Popadiuk y Choo, 2006). El conocimiento creado y el GDN de los productos variarían según cambian recursos y recombinaciones.

Los resultados indican que la exactitud al hablar de innovación es muy importante. Así, las recombinaciones novedosas de recursos existentes de la literatura (Kang et al., 2019) se asociarían con características intrínsecas asociadas baja variedad y frecuencia (y probablemente un menor GDN). Similarmente, los resultados identifican situaciones precisas donde se recurriría a recursos externos para incrementar la variedad. Se especifican las situaciones sobre este punto que la literatura explica de forma general (Echterhoff et al., 2013; Gassmann y Zeschky, 2008).

La definición de patrones intermedios es otro punto fundamental para añadir exactitud a la innovación de productos. Entender los patrones intermedios permite salir de la dicotomía entre innovaciones incrementales y radicales. Limitarse a estudiar los tipos ideales de los extremos vinculados solo a la innovación incremental o radical puede llevar a conclusiones parciales. Las características intrínsecas de los extremos muestran total coherencia lógica y probable equifinalidad. Sin embargo, al analizar las de los tipos intermedios se observa que esta coherencia lógica no existiría. Más bien, los recursos tenderían a contradecirse en sus características intrínsecas, lo que impediría lograr un GDN más alto. La tipología muestra un claro predominio, teóricamente hablando, de los tipos ideales vinculados a niveles medios (en todas sus variantes) de recombinaciones. Este resultado es coherente con la literatura sobre GDN (Garcia y Calantone, 2002; Danneels, 2002) que muestra que el GDN más frecuente en nuevos productos es medio, no bajo ni alto. O sea, las innovaciones incrementales y radicales no prevalecerían, lo cual lo refleja la tipología.

La falta de especificidad en la innovación implica el riesgo de crear generalizaciones que impiden solucionar los problemas mencionados en la Introducción. Una consecuencia es desconocer ex ante los resultados de recombinar cierto tipo de recursos (Mukherjee et al., 2016). La tipología y el modelo cuantitativo muestran el posible valor predictivo de las proposiciones. Serían posibles parámetros de referencia, orientativos y medibles, hasta ahora inexistentes (Greenacre y Primicerio, 2013).

También, la literatura al cerrarse en un tipo de recombinaciones (novedosas) y un tipo de recurso (conocimiento existente) desconectados de un GDN presenta problemas para explicar un mayor GDN. Este trabajo apoya la gradualidad en la construcción del conocimiento (Kalthaus, 2020) como plantea la literatura en innovación recombinante. Sin embargo, lo hace apoyado, de manera concreta, en los recursos. La literatura, al enfatizar los recursos tangibles existentes, como estables (Sun y Jiang, 2017), no explica que sus características intrínsecas puedan cambiar. Esto es irrelevante para la literatura porque recursos y recombinaciones no explican grados específicos de novedad. Sin embargo, es fundamental explicarlo si se busca mayor GDN. Características intrínsecas como la alta heterogeneidad y la baja especificidad podrían desarrollarse en el tiempo (aunque no por sí mismas). Esto sería difícil con recursos tangibles homogéneos con los mismos servicios (Savino et al., 2017). Con el tiempo, deberían transformarse los recursos tangibles (y no solo el conocimiento) en recursos nuevos.

El desarrollo de la tipología cumplió con parámetros que la hacen relevante. Puede decirse que la tipología es 1) simple porque explica fácilmente los tipos de características intrínsecas de los recursos y sus efectos sobre variedades y frecuencias de las recombinaciones (Fiss, 2011); y 2) útil porque satisface importantes necesidades teóricas y prácticas como las planteadas en la Introducción y en esta sección (O'Raghallaig et al., 2010). Al construir la tipología se evitaron los malentendidos que llevan a que solo se considere a las tipologías como un instrumento para clasificar fenómenos organizacionales (Bacharach, 1989). Para esto se cumplieron los indicadores de rigurosidad para el desarrollo de teorías (Eppler et al., 2011; Whetten, 1989): 1) se explicitó el fenómeno a tipificar y dominio teórico. La tipología explica cuándo y dónde se sostienen las proposiciones. Define una gran teoría y concepto abarcador (Collier et al., 2012): diferentes características intrínsecas de los recursos facilitan distintos niveles de novedad de recombinaciones al desarrollar productos. En este sentido se profundizó el trabajo para evitar reducir las recombinaciones a los tipos de los extremos; 2) se definieron conceptualmente, sin ambigüedades, los constructos de primer y segundo orden (tipos ideales). Se explicó exactamente qué constructos se incluyen y excluyen en cada tipo ideal (Doty y Glick, 1994). Esta exactitud en la definición de los constructos, inclusive se extendió a los tipos intermedios; 3) se explicó cómo y por qué se relacionan los constructos de recursos y recombinaciones. Las celdas diferencian claramente los recursos asociados con niveles bajos, medios y altos de novedad de las recombinaciones (Bailey, 1994). Las relaciones definen teorías de rango medio: sobre el efecto de cada característica intrínseca sobre la variedad y frecuencia de las recombinaciones; 4) se explicaron las condiciones de falsación. El desarrollo teórico contempló cómo medir las relaciones propuestas para falsarlas (Jaccard y Jacoby, 2020). A tal efecto se desarrolló un modelo cuantitativo.

6. CONCLUSIONES E IMPLICACIONES

Al especificar qué características intrínsecas de los recursos influirían la novedad de las recombinaciones y por qué facilitarían diferentes tipos de novedad en estas, se contestaron las dos preguntas planteadas. La construcción de una tipología relevante y teóricamente rigurosa cumplió el objetivo de sistematizar estos resultados. Más allá del conocimiento como recurso recombinado, la tipología sugiere la importancia de los recursos tangibles al facilitar u obstaculizar ciertas recombinaciones. La teoría sobre la recombinación novedosa de recursos existentes es útil bajo ciertos límites. Uno de ellos es que no refleja la complejidad de los recursos y las recombinaciones. Pese a que innovar es un fenómeno multidimensional, podrían evaluarse ex ante ciertos efectos de los recursos recombinados (incluido un posible GDN). El GDN del producto que una empresa puede desarrollar no sería solo cuestión de qué se hace con los recursos, o sea del conocimiento. Dependería también de las características intrínsecas de los recursos usados y la novedad de las recombinaciones que facilitan. Esto incluye a los recursos tangibles en interacción con el conocimiento, para producir nuevo conocimiento. No prestar atención a los recursos y la novedad de las recombinaciones posibles sugiere una causa del predominio de productos con un GDN medio o bajo (cuando sería deseable un GDN más alto).

Este artículo aporta a las empresas, parámetros específicos para estimar de forma simple el potencial innovador de sus recursos. Podría evaluarse si la base de recursos es consistente o inconsistente en términos de cómo afectará la novedad de las recombinaciones. Así, evaluar las características intrínsecas de los recursos sugeriría qué posibles tipos de recombinaciones y GDN facilitarían. Esto contribuiría a reducir la incertidumbre de desconocer ex ante el resultado potencial de las recombinaciones y recursos. No puede decirse que lo planteado sea exactamente predecible. Se trata de un fenómeno complejo, dinámico, y en parte incontrolable. Sin embargo, comprender mejor a los recursos y las recombinaciones permitirían aproximar una respuesta específica y cuantificable. Así, la tipología aumentaría la eficiencia y eficacia al desarrollar nuevos productos. Además, como la tipología incluye los tipos ideales intermedios, representa la diversidad de recursos alternativos que podría tener una empresa. Esto facilitaría la evaluación y ampliaría el alcance de medir la divergencia.

Académicamente, se contribuyó al proceso de construir un campo teórico de recursos y recombinaciones para apoyar la indagación empírica. La especificidad de características intrínsecas y novedad de recombinaciones muestra la relevancia de relacionarlas con un GDN particular. Esto amplía la literatura y define el campo de aplicación de las recombinaciones novedosas de recursos existentes: 1) la posible asociación con un menor GDN; 2) la importancia de los recursos tangibles ampliaría la visión enfocada en el conocimiento. Las relaciones novedosas entre recursos serían claves, así como la relación entre conocimiento y recursos tangibles. 4) no solo el conocimiento se transforma, los recursos tangibles también lo harían.; 5) los recursos externos para incrementar la variedad serían utilizables en situaciones puntuales, que no se asociarían con lograr un GDN alto; y 6) los patrones híbridos muestran la complejidad de la interacción de tipos de recursos y tipos de novedad de las recombinaciones. La especificidad en estos temas también permite proposiciones predictivas y cuantificables.

La limitación obvia pero clave del trabajo es la necesidad de comprobar empíricamente las proposiciones. Esto incluye los efectos de los tipos ideales de los extremos y los híbridos. Además, el trabajo solo incluye tres dimensiones intrínsecas. Es probable que existan otras. También, la tipología establece relaciones que se entiende podrían aplicarse a diferentes tipos de industrias. Sin embargo, también debe comprobarse empíricamente la definición de los límites de la tipología en este aspecto. Tampoco sería necesariamente correcto establecer que los recursos son los únicos determinantes de los tipos de recombinaciones. Aunque sí sería apropiado decir que no se puede considerar a los recursos en general como una caja negra, desconectada de recombinaciones y GDN.

Como líneas para futuras investigaciones, expandir las dimensiones de las características intrínsecas y de las recombinaciones mejoraría la comprensión de la complejidad del fenómeno. También es preciso indagar otros aspectos de los recursos asociados con el cambio de las características intrínsecas (ej., desarrollo de baja especificidad). Podría haber aspectos de los recursos que influyan sobre las decisiones al recombinar. Asimismo, la multidimensionalidad de la innovación sugiere que deben investigarse otras influencias sobre las recombinaciones (ej. dinamismo competitivo, modelos de negocios, entre otras). Finalmente, podría evaluarse empíricamente el peso teórico de cada constructo dentro de un mismo tipo ideal y las consecuencias de posibles cambios en la novedad al recombinar.

El eje de la literatura en las recombinaciones novedosas puede llevar a una simplificación sobre el conocimiento como único y principal eje de estas. Este trabajo sugiere otras perspectivas. Los recursos (incluidos los tangibles) importan al innovar, no solo el conocimiento y es importante entender por qué importan. Estudiarlos permitiría que ciertas predicciones fueran posibles en un campo incierto como el desarrollo de nuevos productos. En conclusión, es importante ampliar el estudio de las recombinaciones, desde una nueva visión de los recursos en la innovación de productos.

7. BIBLIOGRAFIA

Ahuja, G., y Lampert, C. M. (2001). Entrepreneurship in the large corporation: A longitudinal study of how established firms create breakthrough inventions. Strategic Management Journal, 22(6–7), 521–543. https://doi.org/10.1002/smj.176

Ahuja, G., Lampert, C. M., y Tandon, V. (2008). Moving beyond Schumpeter: Management research on the determinants of technological innovation. Academy of Management Annals, 2(1), 1–98. https://doi.org/10.5465/19416520802211446

Alvarenga, R. (2016). Study of factors contributors to death of micro and small companies in the State of Maranhão. International Journal of Innovation, 4(2), 106–118. http://dx.doi.org/10.5585/iji.v4i2.36

Arthur, W. B., y Polak, W. (2006). The evolution of technology within a simple computer model. Complexity, 11(5), 23–31. https://doi.org/10.1002/cplx.20130

Arthur, W. B. (2007). The structure of invention. Research Policy, 36, 274–287. https://doi.org/10.1016/jrespol.2006.11.005

Arthur, W. B. (2009). The nature of technology: What it is and how it evolves. The Free Press.

Arts, S., y Veugelers. R. (2015). Technology familiarity, recombinant novelty, and breakthrough invention. Industrial and Corporate Change, 24(6), 1215–1246. https://doi.org/10.1093/icc/dtu029

Bacharach, S. B. (1989). Organizational theories: Some criteria for evaluation. Academy of Management Review, 14(4), 496–515.

Bailey, K. D. (1994). Typologies and taxonomies: An introduction to classification techniques. Sage.

Barton, A. H. (1955). The concepts of property-space in social research. En P. F. Lazarsfeld, y M. Rosenberg (Eds.), The language of social research: A reader in the methodology of social research (pp. 1403–1405). The Free Press.

Bradley, S. W., Sheperd, D. A., y Wiklund, J. (2011). The importance of slack for new organizations facing ‘tough’ environments. Journal of Management Studies, 48(5), 1071–1097. https://doi.org/10.1111/j.1467-6486.2009.00906.x

Buchanan, M. (2015). Innovation slowdown. Nature Physics, 11, 2. https://doi.org/10.1038/nphys3222

Camani, J. P. (2021). The role of resources in recombinations and the degree of novelty of products. International Journal of Innovation,9(3), 522–556. https://doi.org/10.5585/iji.v9i3.19958

Christensen, J. F. (1996). Innovative assets and inter–asset linkages: A resource–based approach to innovation. Economics of Innovation and New Technology, 4(3), 193–210. https://doi.org/10.1080/10438599600000009

Christensen, J. F. (2000). Building innovate assets and dynamic coherence in multi–technology companies. En N. J. Foss, y P. L. Robertson (Eds.), Resource, technology and strategy: Explorations in the resource–based perspective (pp. 123–152). Routledge. https://doi.org/10.4324/9780203982259

Collier, D.; LaPorte, J., y Seawright, J. (2012). Putting typologies to work: Concept formation, measurement, and analytic rigor. Political Research Quarterly, 65(1), 217–232. https://doi.org/10.1177/1065912912437162

Cornelissen, J. P. (2017). Editor´s comments: developing propositions, a process model, or a typology? Addressing the challenges of writing theory without a boilerplate. Academy of Management Review, 42(1), 1–9. http://dx.doi.org/10.5465/amr.2016.0196

Cornelissen, J. P., y Durand, R. (2014). Moving forward: Developing theoretical contributions in management studies. Journal of Management Studies, 51(6), 995–1002. http://dx.doi.org/10.1111/joms.12078

Danneels, E. (2002). The dynamics of product innovation and firm competences. Strategic Management Journal, 23(12), 1095–1121. https://doi.org/10.1002/smj.275

Delbridge, R., y Fiss, P. C. (2013). Editor´s comment: Styles of theorizing and the social organization of knowledge. Academy of Management Review, 38(3), 325–331. https://doi.org/10.5465/amr.2013.0085

Denrell, J., Fang, C., y Winter, S. G. (2003). The economics of strategic opportunity. Strategic Management Journal, 24(10), 977–990. https://doi.org/10.1002/smj.341

D'Este, P., Marzucchi, A., y Rentocchini, F. (2017). Exploring and yet failing less: Learning from past and current exploration in R&D. Industrial and Corporate Change, 27(3), 525–553. https://doi.org/10.1093/icc/dtx044

Donaldson, L., Qiu, J., y Luo, B. N. (2013). For rigour in organizational management theory research. Journal of Management Studies, 50(1), 153–172. https://doi.org/10.1111/j.1467-6486.2012.01069.x

Doty, D. H., y Glick, W. H. (1994). Typologies as a unique form of theory building: Toward improved understanding and modeling. The Academy of Management Review, 19(2), 230–251. https://doi.org/10.2307/258704

Dul, J. (2016). Necessary condition analysis (NCA): Logic and methodology of ‘‘necessary but not sufficient’’ causality. Organizational Research Methods, 19(1) 10–52. https://doi.org/10.1177/1094428115584005

Elman, C. (2005) Explanatory typologies in qualitative studies of international politics. International Organization, 59(2), 293–326. https://doi.org/10.1017/S0020818305050101

Elsban, K. D., y Van Knippenberg, D. (2020). Creating high-impact literature reviews: An argument for ‘integrative reviews’. Journal of Management Studies, 57(6), 1277–1289. https://doi:10.1111/joms.12581

Eppler, M.J., Hoffmann, F., y Pfister, R. (2011). Rigor and relevance in management typologies: Assessing the quality of qualitative classifications (mcm Working paper No 1/2011). mcm institute, University of St. Gallen.www.knowledge-communication.org

Echterhoff, N., Amshoff, B., y Gausemeier, J. (2013). Cross–industry innovations–Systematic identification of ideas for radical problem solving. International Journal of Industrial and Manufacturing Engineering, 7(2), 239–248. https://doi.org/10.5281/zenodo.1083853

Fiss, P. C. (2011). Building better causal theories: A fuzzy set approach to typologies in organization research. Academy of Management Journal, 54(2), 393–420. https://doi.org/10.5465/amj.2011.60263120

Fitzgerald, E., Wankerl, A., y Schramm, C. (2011). Inside real innovation: How the right approach can move ideas from R&D to market — and get the economy moving. World Scientific Publishing.

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

Fleming, L., y Giudicati, G. G. (2018). Recombination of knowledge. En M. Augier, y D. J. Teece (Eds.), The Palgrave encyclopedia of strategic management (pp. 1403–1405). Palgrave MacMillan. https://doi.org/10.1057/978-1-349-94848-2

Forés, B., y Camisón, C. (2016). Does incremental and radical innovation performance depend on different types of knowledge accumulation capabilities and organizational size? Journal of Business Research, 69(2), 831–848. https://doi.org/10.1016/j.jbusres.2015.07.006

Foss, N. J., e Ishikawa, I. (2007). Towards a dynamic resource–based view: Insights from Austrian capital and entrepreneurship theory. Organization Studies, 28(5), 749–777. https://doi.org/10.1177/0170840607072546

Foss, N. J., y Klein, P. G. (2012). Organizing entrepreneurial judgment: A new approach to the firm. Cambridge University Press. https://doi.org/10.1017/CBO9781139021173

Galunic, D. C., y Rodan, S. (1998). Resource recombinations in the firm: Knowledge structures and the potential for Schumpeterian innovation. Strategic Management Journal, 19, 1193–1201. https://doi.org/10.1002/(SICI)1097-0266(1998120)19:12<1193::AID-SMJ5>3.0.CO;2-F

Garcia, R., y Calantone, R. (2002). A critical look at technological innovation typology and innovativeness terminology: A literature review. Journal of Product Innovation Management, 19(2), 110–132. https://doi.org/10.1016/S0737-6782(01)00132-1

Gassmann, O., y Zeschky, M. (2008). Opening up the solution space: The role of analogical thinking for breakthrough product innovation. Creativity and Innovation Management,17(2), 97–106. https://doi.org/10.1111/j.1467-8691.2008.00475.x

Godin, B. (2017). Models of innovation: The history of an idea. MIT Press.

Greenacre, M., y Primicerio, R. (2013). Multivariate analysis of ecological data. Fundación BBVA.

Henderson, R. M., y Clark, K. B. (1990). Architectural innovation: The reconfiguration of existing product technologies and the failure of established firms. Administrative Science Quarterly, 35(1), 9–30. https://doi.org/10.2307/2393549

Jaccard, J., y Jacoby, J. (2020). Theory construction and model-building skills: A practical guide for social scientists (2nd ed.). The Guilford Press.

Jensen, M. B., Johnson, B., Lorenz, E., y Lundvall, B. A. (2007). Forms of knowledge and modes of innovation. Research Policy, 36, pp.680–693. https://doi:10.1016/j.respol.2007.01.006

Kalthaus, M. (2020). Knowledge recombination along the technology lifecycle. Journal of Evolutionary Economics, 30(3), 643–704. https://doi.org/10.1007/s00191-020-00661-z

Kang, T., Baek, C., y Lee, J. (2019). Effects of knowledge accumulation strategies through experience and experimentation on firm growth. Technological Forecasting and Social Change, 144, 169–181. https://doi.org/10.1016/j.techfore.2019.04.003

Kline, S., y Rosenberg, N. (1986). An overview of innovation. En R. Landau, y N. Rosenberg (Eds.), The positive sum strategy: Harnessing technology for economic growth (pp. 275–306). National Academy of Sciences. https://doi.org/10.17226/612

Kok, H.; Faems, D., y de Faria, P. (2019). Dusting off the knowledge shelves: Recombinant lag and the technological value of inventions. Journal of Management, 45(7), 2807–2836. https://doi.org/10.1177/0149206318765926

Kyriakopoulos, K., Hughes, M., y Hughes, P. (2015). The role of marketing resources in radical innovation activity: Antecedents and payoffs. Journal of Product Innovation Management, 33(4), 398–417. https://doi.org/10.1111/jpim.12285

Laursen, K., y Salter, A. J. (2006). Open for innovation: The role of openness in explaining innovative performance among UK manufacturing firms. Strategic Management Journal, 27(2), 131–150. https://doi.org/10.1002/smj.507

Lee, L., y Barney, J. B. (2018). Strategic factor markets. En M. Augier, y D. J. Teece (Eds.), The Palgrave encyclopedia of strategic management (pp. 519–521). Palgrave MacMillan. https://doi.org/10.1057/978-1-349-94848-2

Lewin, P. (2011). Capital in desequilibrium: The role of capital in a changing world. Ludwig Von Mises Institute.

Majchrzak, A., Cooper, L. P., y Neece, O. E. (2004). Knowledge reuse for innovation. Management Science, 50(2), 174–188. https://doi.org/10.1287/mnsc.1030.0116

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

McGregor, S. L. T. (2018). Understanding and evaluating research: A critical guide. Sage. https://dx.doi.org/10.4135/9781071802656

Mets, T, Trabskaja, J., y Raudsaar, M. (2019). The entrepreneurial journey of venture creation: reshaping process and space. Revista de Estudios Empresariales. Segunda época, 1, 61–77. https://dx.doi.org/10.17561/ree.v2019n1.4

Miles, M. B., Huberman, A. M., y Saldaña, J. (2014). Qualitative data analysis: A methods sourcebook (3rd ed.). Sage. https://doi.org/10.1080/10572252.2015.975966

Morero, A. H., Borrastero, C., y Motta, J. J. (2015). Procesos de innovación en la producción de software en Argentina. Un estudio de caso. Revista de Estudios Empresariales. Segunda época, 2, 24–48. https://dx.doi.org/10.17561/ree.v0i2.2739

Mukherjee, S., Uzzi, B., Jones, B., y Stringer, M. (2016). A new method for identifying recombinations of existing knowledge associated with high–impact innovation. Journal of Product Innovation Management, 33(2), 224–236. https://doi.org/10.1111/jpim.12294

Nelson, R. R., y Winter, S. G. (1982). An evolutionary theory of economic change. The Belknap Press.

Nonaka, I. (1994). A dynamic theory of organizational knowledge creation. Organization Science, 5(1), 14–37. https://doi.org/10.1287/orsc.5.1.14

O’Raghallaigh, P., Sammon, D., y Murphy, C. (2010). Theory-building using typologies – A worked example of building a typology of knowledge activities for innovation. Frontiers in Artificial Intelligence and Applications, 212, 371–382. https://doi.org/10.3233/978-1-60750-576-1-371

Platero Jaime, M. (2015). Revisión y adaptación del concepto “innovación” al contexto empresarial español. Revista de Estudios Empresariales. Segunda época, 2, 5–23. https://doi.org/10.17561/ree.v0i2.2737

Penrose, E. T. (1959). The theory of the growth of the firm. Blackwell.

Popadiuk, S., y Choo, C. W. (2006). Innovation and knowledge creation: How are these concepts related? International Journal of Information Management, 26(4), 302–312. https://doi.org/10.1016/j.ijinfomgt.2006.03.011

Savino, T., Messeni Petruzzelli, A., y Albino, V. (2017). Search and recombination process to innovate: A review of the empirical evidence and a research agenda. International Journal of Management Reviews, 19(1), 54–75. https://doi.org/10.1111/ijmr.12081

Schneider, C. Q., y Wagemann, C. (2012). Set-theoretic methods for the social sciences: a guide to qualitative comparative analysis. Cambridge University Press. https://doi.org/10.1017/CBO9781139004244

Schriber, S., y Löwstedt, J. (2018). Managing asset orchestration: A processual approach to adapting to dynamic environments. Journal of Business Research, 90(9), 307–317. https://doi.org/10.1016/j.jbusres.2018.05.027

Schumpeter, J. A. (1939). Business cycles. McGraw–Hill.

Si, S., y Chen, H. (2020). A literature review of disruptive innovation: What it is, how it works and where it goes. Journal of Engineering and Technology Management, 56(2), 1–21. https://doi.org/10.1016/j.jengtecman.2020.101568

Snow, C. C., y Ketchen, D. J. (2014). Typology-driven theorizing. A response to Delbridge and Fiss. Academy of Management Review, 39(2), 231–233. http://dx.doi.org/10.5465/amr.2013.0388

Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039

Sun, M., y Jiang, H. (2017). Innovating by combining: A process model. Procedia Engineering, 174(5), 595–599. https://doi.org/10.1016/j.proeng.2017.01.193

Thomke, S. H. (1998). Managing experimentation in the design of new products. Management Science, 44(6), 743–762.

Torraco, R. J. (2016). Writing integrative literature reviews: Using the past and present to explore the future. Human Resource Development Review, 15(4), 404–428. https://doi.org/10.1177/1534484316671606

Warnier, V., Weppe, X., y Lecocq, X. (2013). Extending resource–based theory: Considering strategic, ordinary and junk resources. Management Decision, 51(7), 1359–1379. https://doi.org/10.1108/MD-05-2012-0392

Weber, M. (1949). The methodology of the social sciences. The Free Press

Weitzman, M. L. (1998). Recombinant growth. The Quarterly Journal of Economics, 113(2), 331–360. https://doi.org/10.1162/003355398555595

Whetten, D. A. (1989). What constitutes a theoretical contribution? Academy of Management Review, 4(4), 490–495. https://doi.org/10.2307/258554

Youn, H., Strumsky, D., Bettencourt, L. M. A., y Lobo, J. (2015). Invention as a combinatorial process: evidence from US patents. Journal of the Royal Society Interface, 12(106), 1–8. https://doi.org/10.1098/rsif.2015.0272

Zeppini, P., y Van den Bergh, J. C. J. M. (2013). Optimal diversity in investments with recombinant innovation. Structural Change and Economic Dynamics, 24(1), 141–156. https://doi.org/10.1016/j.strueco.2012.09.002

_______________________________

*jpcamani@unrn.edu.ar

Fecha de envío: 22/04/2022. Fecha de aceptación: 15/09/2022.