12 de enero de 2019

¿TRANSFORMACIÓN O RENACIMENTO DIGITAL?


Hace unos meses hablábamos de los tres pasos metodológicos conceptuales en la llamada “transformación digital” (http://connociam.com/es/metodologia-de-transformacion-digital/). En todo proceso de transformación digital, deberíamos ser capaces de interpretar en profundidad la tecnología (de ahí, la importancia de los “tecnománagers”, aquellos directivos especialmente sensibilizados con el potencial transformador de la tecnología), deconstruir nuestra realidad actual desproveyéndonos de todo aquello que nos ancla al pasado (especialmente de las restricciones físicas), y reconstruir nuestros procesos, inmersos en una realidad amplificada soportada por nuevas capacidades digitales.

Sin embargo, posiblemente la palabra “transformación” es incorrecta. En muchas ocasiones, deberíamos hablar de “renacimiento digital”. ¿Se podría haber transformado Walmart en Amazon? ¿General Motors en Uber? ¿Marriot en Airbnb? ¿Disney en Netflix? Con toda seguridad, este nivel de transformación, sobre una discontinuidad tecnológica y de modelo de negocio, es imposible. No se trata siempre de transformarnos. Pero tampoco de obviar la realidad y las posibilidades que nos ofrecen las nuevas tecnologías. La gran paradoja del management moderno es porqué esos viejos líderes (que cuentan con grandes recursos en I+D, y posibilidad de hacer prospectiva, o de contratar a los mejores consultores), no alumbran las empresas que les pueden substituir. Un gran ejercicio de consultoría es diseñar la empresa digital que te puede matar. Y, una vez diseñada, crearla y lanzarla al mercado. Mejor que te amenaces tú mismo, que permitir que alguien externo desarrolle la empresa asesina y disruptiva que liquidará tu modelo de negocio actual.

En todo caso, si bien los pasos metodológicos propuestos parecen claros, hay cosas que podremos externalizar y otras que deberemos monitorizar muy de cerca en nuestro proceso de transformación digital (al menos, de inmersión en el nuevo universo digital). Factores meramente estructurales, y otros estratégicos.

En primer lugar, la inteligencia nos será proveída por alguien mucho más potente que nosotros. La inteligencia artificial será una commodity proporcionada en el cloud por grandes operadores de inteligencia (básicamente, los líderes digitales: Google, Amazon, Microsoft, o IBM). Serán ellos quienes nos harán llegar un terminal de proceso de datos. Quienes indicarán a qué clientes debemos visitar, dónde poner el cacao en los lineales de un supermercado, cuántas unidades de lejía se venderán la semana que viene, qué productos bancarios ofrecer en cada momento a cada cliente, o cuándo lanzar una oferta de un determinado modelo de automóvil, a quién y por qué canal. Las plataformas serán como un ser divino: lo sabrán todo, y estarán en todas partes. Pero el tratamiento de datos deep learning se convertirá en una commodity, como hoy lo es internet (para más información, ver https://www.forbes.com/sites/esade/2018/11/12/democratizing-artificial-intelligence-towards-a-google-inside-model-of-competition/#5b7fd21f5a61 )

En segundo lugar, deberemos desplegar una muy correcta estrategia de datos. Si la algorítmica nos será proveída como una commodity, su eficiencia y acierto en las predicciones y diagnosis dependerá de la calidad y cantidad de datos. Por tanto, será imprescindible que acumule cuantos más datos de su operativa, mejor (datos de clientes, de perfiles, de momentos y condiciones de compra, de indicadores, de competidores, de variables sectoriales…). Las máquinas pueden hacer magia sobre los datos, pero los datos los proporciona usted. Y esto sí que será absolutamente estratégico.

En tercer lugar, deberemos construir una empresa exploradora. Acostumbrarnos a hacer pruebas constantes, acotadas, sobre nuevas experiencias de consumidor, nuevos formatos de producto, nuevas modalidades comunicativas, nuevos modelos de negocio, y nuevos diseños de punto de venta, entre otros. Los datos, como hemos dicho, serán estratégicos. La experiencia de consumidor, también. Un gran ejemplo de empresa en exploración constante es Amazon, que lanza pruebas acotadas sobre dispositivos como Dash Button (botón electrónico asociado a una marca, que al pulsarse dispara una orden de compra de ese producto –sea pasta de dientes o cerveza-), Amazon Go (puntos de venta sin cajero), o Amazon 4 Estrellas (puntos de venta físicos con los productos valorados con 4 estrellas en la plataforma digital), entre otros.

En cuarto lugar, los procesos de transformación permiten aflorar los liderazgos innovadores. Como en cualquier cambio, existen unos perfiles “lead users” (los primeros dispuestos, de forma natural, al cambio: los más arriesgados), unos perfiles “seguidores”, el grueso de la comunidad, y, finalmente, los rezagados. Detectar “lead users” internos, perfiles de liderazgo innovador, y ponerlos al frente de los procesos de experimentación y transformación es un buen consejo.

Por tanto, tres pasos: interpretar la tecnología, decostruir, y construir. Una commodity: la propia tecnología. Y tres factores estratégicos: datos, experiencia de consumidor, y líderes. Y, con todo ello, quizá no se transformará… pero podrá renacer digitalmente.

Artículo original publicado en el blog de Connociam: http://connociam.com/es/transformacion-digital/

3 de enero de 2019

TECNONACIONALISMO Y FUNDAMENTALISMO DE MERCADO


Muy interesante el artículo Who Will Lead in the Age of Artificial Intelligence, publicado en Forbes. Todo parece indicar que, del mismo modo que la electrificación y la producción en masa propulsó el liderazgo de EEUU hace un siglo, quien consiga industrializar la inteligencia artificial (AI) será la superpotencia dominante en las próximas décadas. Y China es, seguramente, la mejor posicionada para ello.

Para Kai-Fu-Lee, ex director de Google en China, y uno de los más conocidos expertos mundiales en AI, los próximos años serán de intensa competición (una especie de duopolio) entre China y Estados Unidos por el control de la nueva tecnología. Y ganará China, país que ha sabido combinar en una “sinergia productiva” las políticas gubernamentales y las fuerzas de mercado. “China no sólo tiene capacidades comerciales superiores en AI, sino, lo más importante, tiene una estrategia nacional coherente”.  También tiene billones de datos, de su inmensa población, para entrenar los algoritmos. 

Mientras, Estados Unidos cuenta con investigación de élite y empresas líderes. Pero éstas operan globalmente, y sus estrategias no tienen el objetivo de crear y distribuir valor territorial. Los recursos están fragmentados y no existe un liderazgo político para la industrialización de la AI.  El gobierno chino, por el contrario, desea industrializar esa nueva tecnología en beneficio de su país, diseñando una estrategia orientada a conquistar el liderazgo tecnológico y económico mundial, en una especie de “tecno-nacionalismo” que está dando resultados claros.

Según el artículo de Forbes, en Estados Unidos, y en economías que se inspiran en el modelo americano, rige una especie de “fundamentalismo de mercado” que dificulta alinear la innovación con la prosperidad nacional, e inhabilita la captura del valor creado por las propias fuentes locales de conocimiento financiadas con el esfuerzo público. A ese fundamentalismo, inspirado en la teoría económica neoclásica, se ha opuesto intelectualmente la profesora Mariana Mazzucato, reclamando el papel emprendedor del estado y la necesidad de que éste soporte la innovación nacional en todas las fases de las cadenas de valor industriales: desde la creación de nuevo conocimiento hasta la absorción del mismo y la creación de nuevas ventajas competitivas empresariales. Mazzucato postula que los gobiernos deben fomentar la I+D orientada a la solución de retos económicos y sociales, como son la construcción de industrias del conocimiento, o la lucha contra la desigualdad o el cambio climático. Esa es la mejor política de fomento del empleo y de desarrollo de estados del bienestar. Sólo así un país puede prosperar en un mundo inmerso en una revolución tecnológica sin precedentes, que está cambiando las reglas del juego de la geoestrategia global.

Nuestro sistema de innovación está pensado por académicos y para académicos. Es, realmente, un sistema científico, no propiamente de "innovación", pues se centra en la generación de conocimiento, no en la explotación con éxito del mismo (definición de innovación). Y sufre de un notorio fundamentalismo de mercado: el conventional wisdom, derivado de años de corrientes intelectuales que han concebido la economía como la física de partículas, sigue suponiendo que cualquier intervención en la dinámica espontánea de mercado es como contaminar un ecosistema natural, inherentemente puro. La mano invisible de Adam Smith seguirá agregando millones de decisiones individuales en una gran fuerza positiva que propulsará nuestras economías hacia la deseada prosperidad. Cualquier intento de dotar de dirección esa mano invisible viene a ser como una alteración de las fuerzas puras de la naturaleza. Sin embargo, no es sólo la mano invisible de Adam Smith, ni las fuerzas libres de la naturaleza, las que guían hoy las economías de los países líderes en innovación. Más bien son políticas bien orientadas de ciencia, tecnología e industria, que tienen como objetivo crear sólidos ecosistemas innovadores e industrializar rápidamente las nuevas tecnologías para crear competitividad nacional, empleo de calidad, crecimiento económico y prosperidad compartida.

El diseño de nuestro sistema de apoyo a la innovación parte de un foco estratégico en la investigación (como fin en sí misma), y una aversión a cualquier política de soporte directo a empresas. Por tanto, se hace investigación (y muy buena), sin problemas a que ésta se desarrolle en entornos públicos (no “contaminados” de mercado), pero con aversión intelectual a desplegar instrumentos de apoyo a la investigación industrial (para no “contaminar” la dinámica natural de mercado). Al fin y al cabo, el “buen empresario”, de forma natural, ya se acercará a las fuentes de conocimiento. El resultado es un sistema extremadamente generoso: con nuestros impuestos creamos conocimiento público (en ocasiones, excelente), que ponemos con altruismo a disposición de la comunidad internacional (publicándolo en revistas científicas), y que en muchas ocasiones es aprovechado por empresas competidoras internacionales. Un sistema que crea conocimiento y talento, pero debe exportarlo porque no se han desplegado actuaciones complementarias de absorción del mismo.

No es cuestión de tecno-nacionalismo agresivo, pero tampoco de ingenuo fundamentalismo de mercado.  Probablemente, como postuló Aristóteles, en el justo medio está la virtud. Pero parece claro que aquéllos países que han sabido generar conocimiento, e intentar en primer lugar que sea la industria local la que lo aproveche, cree ventajas competitivas y empleo de calidad, son aquellos que ascienden en la escalera de la prosperidad.


27 de diciembre de 2018

CLUSTERS EN JAPÓN


Preparando mis próximas clases he encontrado este documento sobre clústers de conocimiento en Japón (ver aquí). Hoy, las políticas de desarrollo y tecnología japonesas están, hasta cierto punto, olvidadas bajo el peso de un país que ha envejecido y que se ha visto superado por otros tigres asiáticos. Pero Japón inauguró la senda de crecimiento oriental que han seguido otros después (Taiwan, Singapur, Corea del Sur, y, más recientemente, China). Detrás vienen Indonesia, Vietnam, Tailandia o Malasia. Japón, un país devastado tras la II Guerra Mundial, experimentó tasas de crecimiento similares a las actuales de China entre 1950 y 1990. La economía fue propulsada por fuertes flujos de inversión en capital, financiados por ahorros privados e incentivados por políticas de baja fiscalidad y apoyo público a las inversiones productivas. El rol del poderoso MITI (Ministry of International Trade and Industry) en el crecimiento económico de Japón ha sido controvertido. Algunos expertos aseguran que la preparada tecnocracia reinante en los ministerios de la postguerra japonesa estabilizó las políticas (entre ellas, la industrial) en el largo plazo, orientando flujos de inversión pública y privada hacia actividades productivas que redundaron en competitividad internacional. La clase política, con intereses cortoplacistas, no tenía poder real para cambiar los programas económicos estratégicos de las administraciones. Otros economistas, de corte neoliberal, afirman que el rol real del MITI fue residual y, en ocasiones, equivocado (uno de los errores más recordados por sus detractores fue la negativa a conceder un préstamo de 25.000 $ a una embrionaria Sony para conseguir la licencia de tecnología de transistores). Sea como fuere, durante los años del todopoderoso MITI éste coordinó actuaciones de política industrial con el Banco del Japón, actuó como regulador e impulsó industrias domésticas hacia la competición global. Su poder llegaba a la capacidad de imponer tipos de cambio artificial para el yen (para favorecer las exportaciones niponas), y a impedir la entrada de competidores en los mercados nacionales, extremos que dejaron de tener sentido en la era de la globalización. Su importancia era tal que incluso los primeros ministros japoneses electos debían hacer un tipo de “tenure” (algo así como unas prácticas) en MITI antes de acceder al cargo.

Pese a los problemas posteriores de estagnación endémica de la economía japonesa, la emergencia de superpotencias substitutivas (especialmente, China), y la pérdida de competitividad de algunos de sus sectores emblemáticos (como el de electrónica de consumo, superado por gigantes emergentes como Apple o Samsung, que supieron definir o, al menos, sumarse hábilmente al nuevo tren de la telefonía móvil) Japón sigue siendo una nación líder en I+D, con una inversión que supera el 3% de su PIB.

Vale la pena echar un vistazo a su política de clústers, y comprobar cómo los clústers (concentraciones locales de empresas y agentes relacionados que compiten en un determinado sector de la economía) son todavía las unidades básicas de política de competitividad en los países líderes, donde deben converger las actuaciones públicas y privadas de generación de conocimiento, transferencia tecnológica e innovación industrial.

http://www.mext.go.jp/component/a_menu/science/micro_detail/__icsFiles/afieldfile/2010/02/01/1288448_3.pdf 

(Por cierto, vale la pena recordar que en Catalunya existe una gran tradición y experiencia en política de clústers. Catalunya y País Vasco iniciaron sus políticas de clústers en los 90, en el momento en que Michael Porter escribió su famoso libro "La Ventaja Competitiva de las Naciones". Recientemente, Joan Martí, Gerente de Dinamización de Clústers de la Generalitat fue invitado a exponer sus actividades y sus modelos ante uno de los más importantes foros industriales en una nación líder en innovación: Corea del Sur. Sería importantísimo que las políticas de ciencia, tecnología e industria convergieran sobre los clústers locales, y fueran dotadas suficientemente para acelerar, de verdad, su competitividad internacional).

25 de diciembre de 2018

ROBOTS CON ALMA


La “singularidad” es el momento hipotético (y temido) en que un algoritmo de inteligencia artificial (IA) será capaz de diseñar autónomamente otro algoritmo más inteligente que él. En este caso se entraría en un efecto en cascada donde cada máquina diseñaría otra de inteligencia superior, hasta crear algo así como una amenazante inteligencia superhumana. Ese punto sería como un agujero negro: imposible saber qué pasaría después. Desconocemos si algún día alcanzaremos la singularidad. Pero la IA está llegando a nuestras vidas, de forma irremediable e irreversible. La palpamos a través de aplicaciones como Apple Siri, Microsoft Cortana, Google Home o Amazon Alexa. Las máquinas tienen capacidades crecientes de interpretación del lenguaje natural, de reconocimiento de objetos o de inteligencia estratégica. Según McKinsey, la IA sumará 13 billones de dólares al PIB global, y el 70% de las empresas la utilizarán en 2030. Las inversiones mundiales en I+D en tecnologías cognitivas superan ya los 20.000 millones de dólares. Y la carrera no ha hecho más que empezar. La gran batalla se libra hoy en la creación de entornos conversacionales (el nuevo gran canal de venta), el reconocimiento facial o los vehículos autoconducidos. Nuevas capas de diseño gráfico digital visten a los algoritmos de rostros humanos, con capacidades cognitivas, sociales e interactivas. Las máquinas reconocen e interpretan nuestras emociones, y simulan las suyas propias. Los bots, o avatares digitales mantienen conversaciones humanas no preprogramadas con soltura creciente. Si la máquina no conoce un tema, accede a bases de datos y lo absorbe rápidamente. El proceso de aprendizaje que para un niño dura quince años, un algoritmo lo desarrolla en minutos. Y, al final, en cualquier reflexión sobre el tema surge la pregunta: ¿llegarán las máquinas a tomar el control? ¿Qué hay tras la famosa “singularidad”?

Hace años que imitamos las estructuras cerebrales mediante sistemas electrónicos. Desde 1950 existen grupos de investigación sobre las famosas redes neuronales (arquitecturas electrónicas que simular el cerebro humano). Existe un know-how extenso sobre el funcionamiento de dichas redes. Pero no hemos llegado a la última frontera: la consciencia artificial. Este tema me fascina. ¿En qué momento una máquina será consciente de sí misma? ¿Cuándo un algoritmo desarrollará algún tipo de ego personal? Podemos crear inteligencia artificial a imitación de la biológica, pero no sabemos prácticamente nada sobre la consciencia artificial. Ése sí que será un punto de inflexión. Porque, asociados a la consciencia, están los sentimientos y las emociones: ¿podrá una máquina odiar, o amar? ¿Sentirá amistad, pena, ternura, motivación o euforia? ¿Puede una máquina ser ambiciosa? Las emociones son un tipo de sofisticada solución evolutiva: somos conscientes de que existimos porque la evolución nos ha llevado a este punto. En algún momento, algún primitivo ancestro empezó a tener consciencia de sí mismo, y a desarrollar estrategias de protección y supervivencia más eficientes asociadas a esa consciencia. De la consciencia de la propia existencia surge el miedo, la generosidad, el respeto, la envidia, la venganza o la ira. Es un apasionante misterio, todavía no resuelto por la ciencia, entender por qué, a partir de un grupo de neuronas, surge algo llamado consciencia. ¿A través de qué mecanismos un denso cúmulo de células nerviosas (llamado cerebro) genera un patrón cognitivo superior y se da cuenta de su propia existencia –y con ella, de su fragilidad y temporalidad-? Quizá la explicación se halle en el estudio de sistemas complejos y fenómenos de emergencia. Igual que de un conjunto de píxels coloreados surge La Gioconda, de un conjunto de neuronas conectadas emerge, de algún modo, la consciencia. Se nos crea una duda existencial: ¿somos sólo máquinas bioquímicas? ¿Es nuestro cerebro un conjunto de algoritmos naturales soportados por procesos químicos y eléctricos? ¿O existe algo más profundo, intangible, único, inimitable –y quizá inmortal- llamado alma, que entronca con otra realidad metafísica, espiritual o religiosa? Porque si sólo somos algoritmos bioquímicos, con toda certeza una máquina en un momento u otro, podrá replicar su funcionamiento. Y entonces, tendrá consciencia de sí misma. Ésa será la verdadera singularidad, el punto de inflexión en que las máquinas serán entidades dotadas de algún tipo de vida propia y con ella, de emociones. Y ahí se abren otros apasionantes debates: llegados a este punto ¿deberán esas “máquinas conscientes” ser consideradas como seres vivos? ¿Tendrán derechos y obligaciones? Juristas y filósofos tendrán una tarea ingente en los próximos años. Los expertos aseguran que no hay prisa: sabemos cómo se genera la inteligencia, y hemos diseñado redes neuronales artificiales para replicarla, con un cierto éxito. Pero la ciencia está en los albores de entender cómo se forma la consciencia. Por ello un humano es incapaz de crear una máquina consciente de sí misma. 

Pero hay caminos alternativos: hoy las nuevas técnicas de diseño generativo crean arquitecturas óptimas de dispositivos a partir de sus condiciones de contorno o requerimientos. Las máquinas pueden diseñar otras máquinas, por procesos de prueba y error, sin planificación, sólo experimentando en busca de la mejor configuración. No sería descabellado pensar en simular un proceso evolutivo en un computador que, por reglas similares a las biológicas (competencia por recursos virtuales), llegue a diseñar de forma autónoma un sistema digital tan complejo como un cerebro, hasta superar el punto de fuga de emergencia de la consciencia. ¿Tendremos robots con alma? Entonces sí que habremos franqueado todas las fronteras de la ética, la filosofía y la tecnología, la verdadera singularidad.

(Artículo publicado en La Vanguardia, el 23/12/2018)

9 de diciembre de 2018

APPLE DEJA ATRÁS LA INNOVACIÓN


El pasado 28 de noviembre, el renacido gigante Microsoft superó a Apple en valor financiero. Tres compañías se disputan la corona mundial de la empresa más rica del mundo: Apple (que cruzó primera la meta del trillón de dólares de capitalización, en julio), Amazon (que lo hizo en septiembre), y Microsoft (que no se rinde). Las tres se encuentran en una encarnizada carrera por mantenerse en el liderazgo. Una semana más tarde, en el volátil mercado financiero de la era Trump, Apple volvía a ganar por la mínima (877 billones), frente a Amazon (866 billones), o Microsoft (860 billones).

Tim Cook, CEO de Apple (Wikipedia)
Según el Global Innovation 1000 de PriceWaterhouse, Apple sigue siendo la empresa más innovadora del mundo. Su esfuerzo en I+D ha crecido un 15% en el último año (aunque el de Amazon ha sido un 40% superior y, sorprendentemente, el de Microsoft un 5% inferior). Sin embargo, analizando su trayectoria en los últimos años, surgen algunas dudas. En primer lugar, sus ventas siguen dependiendo en una proporción muy alta (60%) de un viejo dispositivo: el iPhone, una auténtica innovación disruptiva que ha marcado toda una época. En segundo lugar, los lanzamientos de Apple tras la muerte de Steve Jobs han tenido éxitos dudosos. El Apple Watch parece una mezcla desposicionada de un weareable (dispositivo electrónico para llevar en el cuerpo), y una extensión del iPhone, sin acertar a generar una propuesta de valor contundente y diferencial. Apple TV sólo goza de un 5% de la cuota de mercado de la televisión digital, sin excesiva diferenciación respecto a productos rivales, como Amazon Fire TV o Google Chrome. Homepod, la apuesta de Apple en el emergente segmento de los altavoces inteligentes (la nueva next big thing de los interfaces de compra) parece seguidora de Amazon Echo (Alexa), y de Google Home. En campos como realidad virtual, Facebook (Oculus) y Microsoft (Hololens) le han cogido ventaja. Y, una de las apuestas más esperanzadoras (el iCar), de certeza dudosa, se ve amenazada por Waymo (la filial de Google para vehículo autoconducido, cuyas ventajas en algorítmica parecen indudables), por otras rising stars (como Tesla – donde, por otra parte, han marchado parte de los ingenieros de Apple, atraídos por una cultura corporativa más cercana a la que implantó originalmente Steve Jobs- o Uber), o por las viejas marcas (Ford, GM, VW, Toyota), que definitivamente han encarado de forma acelerada su futuro digital (y acumulan un siglo de experiencia en manufactura de vehículos a gran escala).

¿Por qué Apple sigue estando posicionada como empresa innovadora, pese a sus evidentes problemas en crear el próximo blockbuster disruptivo? Posiblemente porque sigue siendo una gran máquina de hacer dinero. Su caja está dotada de 250 billones de dólares líquidos, y los márgenes de sus productos todavía son insuperables. Pero quizá Apple ya no compite en innovación… Quizá está compitiendo sobre la excelencia de su cadena de suministro.

Steve Jobs (Wikipedia)
Apple ha construido una cadena de suministro extremadamente ágil y eficiente en costes, sobre la base de un conjunto de proveedores de componentes localizados, especialmente, en Asia. La empresa ha invertido en tecnología de proceso en los mismos, y los ha ligado con contratos de exclusividad a largo plazo. Su cadena de suministro de componentes desemboca en la gran factoría de Foxconn (principal subcontratista de ensamblaje) en Zhengzhou (China), la llamada “iPhone City”. Una gigantesca estructura de producción en masa, dotada de mano de obra low-cost ultraflexible para absorber las variaciones de la demanda, en la cual se ensamblan 500.000 iPhones por día (350 por minuto). Para atraer operaciones a la región, el gobierno chino ha concedido más de 1.500 M$, además de desgravaciones fiscales y otros subsidios. La flexibilidad y velocidad de la cadena de suministro (necesaria en un sector donde la depreciación de componentes es del 2% semanal) redunda en bajos niveles de inventario (con mayores ahorros de coste), y en un ciclo financiero virtuoso: mientras el tiempo de ensamblaje y stock es de unas pocas semanas, el plazo de pago a proveedores es de más de dos meses, en media.

En definitiva, Apple dispone de una cadena logística de alta velocidad y bajo coste, produciendo de forma muy eficiente y en masa productos premium, con elevados márgenes. Tim Cook, el sucesor de Steve Jobs, estaba considerado un genio de las operaciones. En su momento, fue contratado por Jobs para desplegar en Apple un sistema logístico just-in-time como el de Dell. Pero no es un hombre de innovación. Ello, junto con los recientes fallos en la cadena logística (especialmente debidos a la escasez de algunos componentes de alta tecnología por la hipercompetición contra Samsung), y las crecientes tensiones entre China y EEUU ensombrecen el futuro de la antigua estrella de la innovación.

2 de diciembre de 2018

ESTADÍSTICAS I+D 2018


Se han publicado las nuevas estadísticas de I+D en España. Según el Instituto Nacional de Estadística, la economía española invirtió 14.052 M€ en I+D en 2017, el 1,2% del PIB.

Pese a significar un incremento bruto del 6% respecto al año anterior, la intensidad tecnológica de la economía (I+D/PIB) se incrementa sólo en una centésima (del 1,19 al 1,2%). Los países tecnológicamente más sofisticados del mundo se sitúan en el 4,3% (Corea del Sur), el 4,2% (Israel), o el 3,4% (Japón). Alemania invierte el 2,9%, el EEUU el 2,7%, y Francia el 2,3. La media de la UE es del 2%, y las instituciones europeas instan a los países miembros a llegar al 3% en 2020, mediante la Estrategia 2020 de la Comisión Europea.  

España está muy lejos de cumplir esos objetivos. Hoy, la economía española realiza un esfuerzo en I+D idéntico al de 2006. Avanzamos a una centésima por año. A este ritmo, cumpliremos los objetivos europeos de invertir el 3% del PIB en I+D dentro de 180 años. La brecha tecnológica para alcanzar los objetivos europeos es de 21.078 M€. Esa es la inversión adicional que debería realizar la economía española para situarse en el 3% de I+D/PIB. Mientras, Alemania sale de la crisis con un esfuerzo en I+D un 20% superior al de hace 10 años, y China invierte hoy un 50% más en I+D que hace una década. Hoy, China supera a la UE en inversión en I+D/ PIB y es ya la segunda economía del mundo en inversión bruta en investigación y desarrollo, tras EEUU, destacando en campos tecnológicos líderes como la inteligencia artificial.

En España, las políticas de innovación no han gozado de prioridad, ni de presupuestos estables. Las partidas destinadas a innovación en 2017 en los Presupuestos Generales del Estado (4.635 M€) eran sólo del 55% de las partidas consignadas en 2009. Y, de ellas, se ejecutaba sólo un 29,7% (un 16,3% de lo presupuestado en 2009). Poco esfuerzo, que además no se concreta, posiblemente por excesiva complejidad burocrática e ineficiencia financiera. No cesaré de insistir en que la situación es de extrema urgencia: las pensiones y prestaciones sociales de mañana no las pagarán nuestras cotizaciones. Esas pagan las de hoy. Las pensiones de mañana serán pagadas por los réditos de la I+D que hagamos hoy.

Oigo voces que afirman que “el problema está en la inversión privada”. La inversión pública en I+D en España es muy baja (y como hemos visto, ha caído a un gravísimo 16,3% de lo presupuestado hace una década). Sin embargo, comparativamente, es elevada respecto a la privada. Las empresas ejecutaron sólo un 47’7% de la I+D española. En países líderes, como Japón, esta proporción es del 70%. Por tanto, es cierto que quien debe crecer más, sin duda, es el segmento de empresas intensivas en I+D. Pero para ello, se precisan políticas de estímulo (como en todos los países avanzados). El mix incorrecto de la I+D española no se debe a un sobreesfuerzo público, y a una ineficiencia empresarial congénita. Se debe a que el esfuerzo público, insuficiente e inestable, se orienta casi exclusivamente a la financiación de proyectos alejados del mercado, sin interés empresarial, que no arrastran inversiones privadas adicionales.

Para cubrir la brecha tecnológica y alcanzar la inversión en I+D requerida por la Comisión Europea, sería preciso:

  1.  Establecer un Plan Nacional de I+D y Competitividad, con la finalidad de Incrementar en 7.000 M€ las partidas públicas destinadas a I+D (multiplicar por 2,5 el presupuesto actual).
  2. Coordinar las políticas de investigación e industria, priorizando la financiación a las líneas de investigación que contribuyan a la mejora de la competitividad empresarial y a la generación de empleo de calidad; y los proyectos empresariales que se sostengan en la generación de nuevas capacidades científicas en entornos industriales.
  3. Desplegar una política de investigación industrial, destinada a construir una nueva industria del conocimiento (basada en el modelo Industria 4.0), disponiendo fondos de ayudas con efecto multiplicador para financiar proyectos de muy alto riesgo tecnológico empresarial (con el objetivo de movilizar dos euros privados por cada euro público destinado)
  4. Reforzar los centros tecnológicos, dotándolos de estabilidad financiera, masa crítica y capacidad investigadora para establecer líneas de investigación consorciada y de largo plazo con PYMEs. Especializar dichos centros en tecnologías habilitadoras (aquellas que sustentan la competitividad industrial: nuevos materiales, microelectrónica, fotónica, manufácturing avanzado, digitalización y aereospacio, entre otras)
  5. Potenciar mediante elementos de financiación específica aquellos grupos de investigación universitarios que muestren excelencia en sus procesos de transferencia tecnológica al entorno socioeconómico.
  6. Establecer circuitos financieros ágiles y de alto riesgo para cubrir las fases early stage de proyectos emprendedores (startups) de base científica y tecnológica.
  7. Desplegar planes de adopción acelerada de tecnologías disruptivas, como la inteligencia artificial, y de transformación digital de las empresas
  8. Potenciar las políticas de clústers territoriales, acelerando sus procesos de cambio estratégico y de cambio tecnológico, mediante soporte específico a sus planes de actuación, de formación, y de inversión en I+D.


NOTA: En Catalunya no estamos mejor. La economía catalana se comporta igual, en I+D, que la española. Avanza a una centésima por año (del 1,46% de I+D/PIB en 2016 al 1,47% en 2017). A 153 años de Alemania. Seguimos deslumbrados por algunas grandes singularidades, excelentes, pero cuyo efecto en la economía es prácticamente nulo. Hay que escalar el esfuerzo, y compensar las políticas de oferta (creación de conocimiento), que tan bien se han hecho en los últimos 20 años, con políticas de demanda (absorción del conocimiento y del talento en la economía local). Si no, ese conocimiento y ese talento generados en Catalunya, con fondos públicos del contribuyente local, son aprovechados por competidores internacionales para incrementar su competitividad. Exportamos talento y conocimiento, y sufrimos un sangrante coste de oportunidad local. La diagnosis, y las recetas, son las mismas para Catalunya.


25 de noviembre de 2018

LA TECNOLOGÍA, ¿CREA O DESTRUYE EMPLEO?


¿La tecnología crea o destruye empleos? ¿Nos enfrentamos a un jobless future? El futuro se dibuja en tres escenarios a corto, medio, y largo plazo. A corto plazo, si observamos los mapas de la tecnología y del empleo en Europa, vemos una fuerte correlación: los clústeres innovadores, de alta intensidad tecnológica, son zonas de bajo desempleo. Son zonas 3T: Talento, Tecnología y Trabajo. Territorios donde se han creado marcos institucionales que aceleran el cambio tecnológico. A ellas acude el talento científico, emprendedor e inversor, y las renovadas industrias digitales, mucho más móviles que la vieja industria analógica. En ellas se reconcentra la manufactura avanzada, cerca de los centros de I+D. Regiones exportadoras y competitivas. Si cruzamos los índices de innovación de Europa con los datos de paro, el resultado es significativo: el desempleo desciende casi exponencialmente con la intensidad tecnológica del territorio. Las políticas de innovación, pues, son excelentes políticas de empleo. En el medio plazo, el futuro es menos nítido: se contraponen fuerzas difusas. Por un lado, se acelerarán los procesos de automatización impulsados por la inteligencia artificial. Las inversiones en I+D de los líderes digitales en este campo alcanzan dimensiones casi macroeconómicas. Y eso producirá una substitución considerable de personas en los sectores productivos. Sin embargo, se nos presenta también una bomba demográfica: la gran masa de población nacida durante el baby-boom se jubilará hacia 2030. Hacia 2050, en España, el segmento más numeroso de población tendrá entre 70 y 90 años. Para entonces, la población activa en Alemania se habrá reducido también en 18 millones de personas. Se avecina una reducción de la demanda de trabajo, por robotización, pero también una disminución de la oferta, por envejecimiento. ¿Podríamos ir hacia escenarios “a la japonesa”, de sociedades extremadamente viejas y tecnificadas? En cualquier caso, la solución a la ecuación es indiscutible: incrementos drásticos de la productividad para sostener a crecientes clases pasivas. De nuevo, la tecnología se revela como fuerza necesaria. Y, a largo plazo (2060), parece que el desarrollo exponencial de la tecnología nos lleva a reconfiguraciones radicales del mercado de trabajo. Si, como anticipan algunos estudios, para esa época las máquinas podrán realizar cualquier trabajo humano (manual o cognitivo), desde escribir un best-seller a hacer investigación matemática, o atender clientes con inteligencia emocional casi humana, entonces quizá el trabajo (como ahora lo conocemos) esté reservado a las máquinas. En cualquier caso, necesitaremos productividad tecnológica para apalancar las grandes innovaciones sociales que serán necesarias para redefinir el sistema.

Artículo publicado previamente en Expansión