Los retos de la generación de conocimiento en las universidades

En la era del conocimiento en la que nos encontramos, el desempeño de las organizaciones está estrechamente ligado al dominio del conocimiento, el análisis y procesamiento de grandes cantidades de datos y la adquisición de habilidades de alto nivel. La creación de valor impulsado por el conocimiento se ha vuelto cada vez más difícil debido al impacto de nuestro entorno VUCAH, es decir, volátil, incierto, complejo, ambiguo e hipercompetitivo (por sus siglas en inglés). Ante esta situación, la innovación ya no puede ser llevada a cabo de forma aislada, sino requiere de un esfuerzo conjunto entre los diferentes actores que conforman lo que llamamos la cuádruple hélice—la industria, el gobierno, la academia, y la sociedad civil—. Las universidades se han visto obligadas a repensar y rediseñar su rol dentro de estas cadenas de innovación con el propósito de maximizar su impacto en la sociedad a través del conocimiento científico y tecnológico. La travesía hacia los nuevos conocimientos está plagada de desafíos múltiples, los cuáles impactan directamente las actividades de investigación y desarrollo (I+D) de las universidades (ver figura 1).

Coevolución del conocimiento y la ciencia, tecnología e innovación (CTI)

El presente análisis parte de la suposición de que el conocimiento se encuentra incorporado en cualquier actividad de CTI; esto es, ambos aspectos coevolucionan. Por lo tanto, una forma de entender el cambio en la CTI es a través del estudio de la creación, evolución y diseminación del conocimiento. 

Tipos de conocimiento

La base científica y tecnológica está conformada por una serie de bloques elementales de conocimiento (ver figura 2), incluyendo átomos y qubits, bits y bytes, algoritmos, genes, y neuronas. Como lo describe Roco (2020), alrededor de cada uno de estos bloques fundamentales se han desarrollado campos científicos y tecnológicos (CyT): nano-escala, bio, información, cognitivos e inteligencia artificial.

Aunque cada campo científico y tecnológico sigue sus propias trayectorias de desarrollo, la esencia de los avances modernos se basa en las recombinaciones entre campos de CyT. Ejemplos son la nanobioinformática, interfaces cerebro-máquina, computación cuántica, nanobiomedicina, biología sintética, y las simulaciones del cerebro. Ante este escenario, las universidades se enfrentan al reto de definir, a través de sus actividades de I+D, las áreas objetivo a investigar dentro del paisaje global de ciencia y tecnología.

Tipos de investigación

Las actividades de I+D varían la forma en la que las universidades exploran los campos de CyT. Por décadas, la I+D ha sido dominada por la dicotomía investigación básica y aplicada (ver figura 3). Mientras que la investigación básica (à la Niels Bohr) busca un entendimiento básico sin consideraciones del uso, la investigación aplicada (à la Thomas A. Edison), se enfoca en el uso dejando el entendimiento básico en un segundo plano. Es importante recalcar que existen muchas voces que critican esta simplificación excesiva de la ciencia y tecnología por lo cual se han propuesto diferentes opciones que se describen a continuación.

Por ejemplo, Narayanamurti y Odumosu (2016) recomiendan una visión del desarrollo de ciencia y tecnología como ciclos de descubrimiento e invención. En otro caso, Donald E. Stokes (1997) propuso la inclusión de un tercer cuadrante, el cual llamó “Cuadrante de Pasteur”, para describir aquella investigación básica inspirada en el uso. Extendiendo este pensamiento, Roco & Bainbridge (2013) destacan la necesidad de ver más a largo plazo con el propósito de desarrollar CyT revolucionaria, en lo que ellos llaman la investigación básica inspirada en visión.

Estos tipos de investigación híbrida, básica-aplicada, han tomado relevancia en el contexto de los desafíos retadores como los Objetivos de Desarrollo Sostenible (ODS) de las Naciones Unidos y los problemas globales del Millenium Project. En este sentido, un reto para las universidades es el desarrollo de un portafolio plural y de vanguardia que incluya conocimientos impulsados por la mera curiosidad—la base de la ciencia, aquellos impulsados por una misión específica, e investigación híbrida—.

Integración del conocimiento

Estamos enfrentándonos a retos científicos, tecnológicos y sociales cada vez más complejos que demandan, a su vez, nuevas formas de solución. En este contexto, la integración del conocimiento―la conjunción de herramientas, métodos, conceptos o teorías cognitivamente distantes o no relacionados―ha tomado especial relevancia. A lo largo de los años, se han propuesto diferentes términos para describir al conocimiento integrado, tales como interdisciplinaridad, transdisciplinaridad, convergencia, investigación de fusión, hibridización, y antidisciplinaridad. De estos conceptos, a continuación, resaltaremos la antidisciplinaridad y la convergencia.

La antidisciplinaridad es definida por Joichi Ito, anterior director del instituto de investigación Media Lab del MIT, como aquellas actividades localizadas en espacios fuera de las disciplinas académicas tradicionales (Ito, 2018). Una analogía comúnmente utilizada por Joichi Ito es la del uso de una hoja de papel para representar toda la ciencia. Las disciplinas son pequeños puntos negros en este papel. Los grandes espacios blancos entre los puntos negros representan el espacio antidisciplinario.

Asimismo, Philip Sharp y Robert Langer, profesores del MIT, han utilizado el concepto de convergencia, la cual definen como la integración de más de dos disciplinas― las ciencias de la vida y salud, físicas, matemáticas, computacionales, ingeniería, y las ciencias sociales y humanidades―para la solución de retos o problemas globales encarados por la sociedad (NRC, 2014)—. Comparado con otros conceptos, la convergencia enfatiza un modelo de investigación basado en problemas o retos, alineado a las ideas de George Whitesides, químico emérito de la Universidad de Harvard (Whitesides, 2010). Para las universidades, un reto importante es el mantener la convivencia entre los silos creados alrededor de las disciplinas tradicionales y la “alquimia” generada por la integración del conocimiento.  

Estructuralización del conocimiento

Normalmente encontramos al conocimiento en una forma no estructuralizada; es decir, como datos, información, o conceptos relacionados con CTI, sobre los cuáles no es posible obtener perspectivas inteligentes para la toma de decisiones. Impulsados por la existencia de mayores capacidades de procesamiento y análisis computacionales, el uso de herramientas de mapeo a través de métodos basados en redes ha potencializado la estructuralización del conociminento.

Las visualizaciones sistémicas obtenidas de estos métodos permiten, entre otros aspectos, el monitoreo, la evaluación de tendencias y oportunidades, la planeación estratégica de la I+D, así como el análisis de la diversidad y sinergias en el conocimiento. Desde esta perspectiva, las universidades tienen el reto de no solo generar, usar, y difundir el conocimiento, sino también el de buscar formas de gestión de estos conocimientos, así como el monitoreo del paisaje de conocimiento global.

Impacto del conocimiento

Las misiones de la universidad se han expandido, en los últimos años; además de la enseñanza y educación y la investigación científica, hoy consideramos una tercera misión que consiste en el compromiso social, es decir, en los beneficios sociales, ambientales, culturales o económicos derivados de actividades académicas. Un punto crucial es la evaluación del impacto global del conocimiento generado en las universidades, la cual se ha expandido de un proceso basado en el impacto académico a uno complementado por el impacto económico/social.

Por un lado, el impacto académico se ha ido expandiendo a incluir aspectos más allá de las citas y el factor de impacto de las revistas científicas, a indicadores alternativos como las altmetrics, el fomento de colaboraciones y la generación de capacidades inventivas de los grupos de investigación. Asimismo, la medición del impacto en la sociedad del conocimiento generado por las universidades ha tomado relevancia últimamente. En este contexto, un reto será cómo las universidades tomarán en cuenta no solo la diversidad de indicadores y medidas, sino la diversidad de perspectivas.

Traslación del conocimiento

Un componente importante relacionado con la tercera misión de las universidades es la traslación o comercialización del conocimiento generado. En este caso, se trata de productos, servicios, modelos de negocios, o compañías venture creadas en las instituciones académicas con impacto económico y social en una región, país o en todo el mundo. Una metáfora comúnmente utilizada en la traslación del conocimiento es la del valle de la muerte que separa a la investigación de su aplicación comercial. Este proceso es complejo no solo debido a los altos niveles de incertidumbre económicas y técnica de las innovaciones basadas en ciencia y tecnología, sino también por las diferencias en los sistemas de valores y culturales que separan a la ciencia de los negocios. Mientras la ciencia alienta aspectos como el método científico, la apertura y el intercambio, el mediano y largo plazo y el impacto intelectual, los negocios priorizan los resultados, el secretismo, el corto plazo y el desempeño financiero.

Con el propósito de balancear estas diferencias, existen una serie de enfoques orientados a la ‘alfabetización’ del emprendimiento entre el personal científico: desde el proceso Lean Launchpad, el método Spark, o el de Disciplined Entrepreneurship. Asimismo, a lo largo de los años, se han desarrollado decenas de mecanismos orientados el fomento de la traslación del conocimiento en las universidades, incluyendo la trasferencia de tecnología, capital de riesgo, incubadoras y aceleradoras, mentoreo y coaching en emprendimiento, y programas de colaboración industria-universidad y de escuelas de negocios e ingeniería/ciencia, entre otros. Un reto claro para las universidades es la definición de la batería de políticas y estrategias para la facilitación de la traslación del conocimiento generado.

Ecosistema de innovación

La innovación no se realiza de forma aislada, sino que es un proceso que involucra la formación de un ecosistema; es decir, el grupo de actores e instituciones, y sus interacciones, que hacen posible la innovación. Dentro de esta perspectiva, los flujos e interacciones de conocimiento entre estos actores principales, más que el desempeño individual de sus componentes, toma mayor relevancia.

Existen diversas formas de visualizar ecosistemas, una de ellas son las redes tecnoeconómicas propuesto por Callon hace décadas. Esta perspectiva visualiza un sistema o ecosistema de innovación como un conjunto de polos― ciencia, tecnología, mercado, finanzas y regulación―a través de los cuales se llevan a cabo el uso, desarrollo y difusión de innovaciones (Bell & Callon et al., 1994), como se muestra en la figura 4.

A través de los años, el concepto de sistemas o ecosistema de innovación ha ido evolucionando. Lo que anteriormente se asumía como un grupo simple de organizaciones relacionadas con la ciencia, tecnología e innovación se ha convertido actualmente en un sistema complejo dominado por múltiples organizaciones, instituciones y métodos de naturaleza diversa: capital de riesgo, crowdfunding, incubadoras, aceleradoras, innovación abierta, emprendimiento académico y corporativo, oficinas de traslación, y centros de investigación aplicada, entre otros. Dentro de este contexto, un reto importante para las universidades es no solo entender el ecosistema en el que se encuentran, su posicionamiento dentro de este, sino también buscar explotar su impacto dentro y fuera del ecosistema.  

‘Plataformización’ del conocimiento

Por último, el impacto del conocimiento puede potencializarse a través de plataforma de ciencia y tecnología, como afirma Bob Langer, profesor del MIT (Langer, 2013). Dentro de esta perspectiva, no se busca el desarrollo de un tipo específico de conocimiento, sino de la creación de plataformas de conocimiento desde las cuales puedan multiplicarse el número e impacto del conocimiento generado. Un arquetipo de este tipo de práctica es el Wyss Institute de la Universidad de Harvard, el cual, en sus inicios, fue organizado por seis plataformas habilitadoras y dos iniciativas transversales a través de las cuales pretendían maximizar el valor del conocimiento generado, así como el aprovechamiento de los recursos e infraestructura dentro de cada plataforma y la formación de un ambiente abierto e interdisciplinario entre plataformas (Tolikas et al., 2017).

Aunque cada uno de los aspectos mencionados se ha considerado de forma independiente, se encuentran estrechamente relacionados. Lamentablemente, no hay una fórmula mágica para la generación de conocimientos futuros, la mezcla correcta depende del contexto en el cual se encuentra incorporada la organización. La mayoría de los retos representan paradojas: investigación básica vs. aplicada, investigación por curiosidad vs. orientada en misión, silos disciplinarios vs. conocimiento integrado, impacto académico vs. económico/social y conocimientos específicos vs. plataformas. Las universidades tendrán que abordar el valor que generan los nuevos conocimientos. Además, las universidades deben moverse en una línea delgada entre la implementación de políticas que fomenten la creación de nuevos conocimientos y la independencia de dejar que la ciencia y tecnología sigan sus trayectorias naturales de crecimiento.

La viabilidad de modelos de enseñanza alternos basados en tecnologías digitales ha mermado la posición de la universidad como único centro de educación superior en el futuro. Sin embargo, su rol como motor de generación y transformador del conocimiento a través de las actividades de I+D está y estará intacto en los años por venir.

El autor es profesor de planta de EGADE Business School.

Este texto se basa en una presentación realizada por el autor en la Universidad La Salle, Bogotá (Colombia) en junio 2021. 

Referencias

Bell, G., & Callon, M. (1994). STI Review, vol. 14.

Ito, J. (2017). The Antidisciplinary Approach: IRI Medal Address The antidisciplinary approach of the MIT Media Lab demonstrates how organizations might adapt to and take advantage of the evolving world of permissionless innovation. Research-Technology Management, 60(6), 22-28.

Langer, R. (2013). A personal account of translating discoveries in an academic lab. Nature Biotechnology, 31(6), 487-489.Narayanamurti, V. & Odumosu, T. (2016) Cycles of invention and discovery. Harvard University Press.

National Research Council. (2014). Convergence: Facilitating transdisciplinary integration of life sciences, physical sciences, engineering, and beyond. National Academies Press.

Roco, M. C., & Bainbridge, W. S. (2013). The new world of discovery, invention, and innovation: convergence of knowledge, technology, and society. Journal of nanoparticle research, 15(9), 1-17.

Roco, M. C. (2020). Principles of convergence in nature and society and their application: from nanoscale, digits, and logic steps to global progress. Journal of Nanoparticle Research, 22(11), 1-27.

Sharp P.A. (2014) Meeting global challenges: Discovery and innovation through convergence. Science 346(6216): 1468-1471.

Stokes, D.E. (1997) Pasteur’s Quadrant: Basic science and technological innovation. Brookings Institution Press.

Tolikas, M., Antoniou, A., & Ingber, D. E. (2017). The Wyss institute: A new model for medical technology innovation and translation across the academic‐industrial interface. Bioengineering & translational medicine, 2(3), 247-257.

Whitesides, G. (2010). Solving problems. Lab on a Chip, 10(18), 2317-2318.