Repensar la innovación: el motor invisible que impulsa el cambio

Por qué repensar la innovación

La noción de innovación está cargada de mitos: creemos saber qué es, cómo gestionarla y cómo enseñarla. Pero, como plantea Eugene Fitzgerald, profesor en el MIT y autor de “The Invisible Engine: Why Innovation Evades Control”, la innovación suele entenderse mal. Su libro y su trabajo en iniciativas internacionales como el programa MIT-Masdar y la Alianza MIT-Singapur muestran que la innovación es un fenómeno complejo donde ciencia, mercado y ejecución convergen de formas impredecibles.

Fitzgerald escribió su libro en un momento en que la inteligencia artificial transforma nuestras ideas sobre conocimiento e investigación. Más allá de la fascinación por nuevas herramientas, la pregunta fundamental es práctica: ¿cómo sucede realmente la innovación y en qué conviene invertir hoy para que tenga impacto mañana?

El ‘motor invisible’: una inteligencia colectiva descentralizada

Fitzgerald acuña la imagen del “motor invisible” para describir la dinámica que genera innovaciones sorprendentes en el mercado. No es una entidad única ni una oficina de innovación corporativa, sino la interacción descentralizada de actores diversos: investigadores, emprendedores, empresas y clientes. Ese entramado produce las llamadas “sorpresas” en el mercado: productos o soluciones que nadie anticipó pero que encuentran una demanda real y, por ello, generan oportunidad económica.

La idea enlaza con la reflexión del economista Frank Knight sobre el papel del emprendedor: quien asume incertidumbre y descubre una oportunidad inesperada puede obtener una recompensa. En la práctica, esa recompensa surge cuando múltiples piezas —conocimientos científicos, capacidades tecnológicas y capacidades de implementación— convergen sin que nadie las haya planificado por completo.

Una lección desde los semiconductores

La experiencia personal de Fitzgerald ilustra bien este proceso. En Bell Labs, él y su equipo desarrollaron una técnica para deformar (o “esarzar”) el silicio en películas delgadas con muy pocos defectos, un avance importante desde el punto de vista físico. Pero convertir ese resultado en impacto real no fue automático: implicó diálogo con marketing, movimientos institucionales, la migración de la investigación al ecosistema académico del MIT, la creación de una startup y, finalmente, un reconocimiento industrial que culminó en una disputa de patentes resuelta con un arreglo con Intel.

Ese trayecto —laboratorio industrial, universidad, emprendimiento, adopción por la industria— no fue una cadena ordenada sino un proceso donde la incertidumbre se mantuvo abierta y la convergencia surgió de interacciones entre instituciones distintas. La historia del “strained silicon” muestra que los avances científicos solo toman vuelo económico cuando se enlazan con mercados y capacidades de implementación.

Tres formas de inversión en investigación

Una idea central del libro es que no toda inversión en investigación persigue el mismo objetivo. Fitzgerald distingue, al menos, tres categorías útiles para diseñar políticas y estrategias institucionales:

• Altruistic science (ciencia altruista): la investigación académica tradicional tiene como fin principal formar personas y generar conocimiento básico. Su valor directo en términos económicos puede ser difícil de medir y, a corto plazo, no busca rendimiento comercial. Su contribución clave es la formación de capital humano y avances conceptuales.

• Strategic research (investigación estratégica): proyectos organizados alrededor de un objetivo concreto. Ejemplos grandes —como el desarrollo de un avión militar complejo— requieren avances coordinados en múltiples disciplinas y suelen estar impulsados por un único comprador con recursos para asumir riesgos dispersos.

• Fundamental innovation (innovación fundamental): busca abarcar el proceso completo desde la investigación hasta el crecimiento económico. Se orienta a entender y habilitar las transiciones que llevan descubrimientos a mercados, aceptando horizontes largos y alta incertidumbre.

Confundir estas categorías conduce a decisiones equivocadas: financiar todo como si fuera ciencia básica o diseñar programas estratégicos excesivamente dirigidos puede limitar la aparición del motor invisible.

Implicaciones para América Latina

Para los tomadores de decisión en América Latina, las ideas de Fitzgerald ofrecen tres enseñanzas prácticas:

1. Valorar la diversidad institucional: crear puentes entre universidades, centros de investigación, empresas y ecosistemas emprendedores es esencial. No se trata de centralizar la innovación en agencias o de intentar controlar cada paso, sino de habilitar interacciones que permitan que surjan sorpresas útiles.

2. Diferenciar instrumentos de política: los fondos públicos deben diseñarse según la categoría de inversión. Programas de formación y ciencia básica necesitan estabilidad; proyectos estratégicos requieren coordinación y liderazgo del comprador; y las iniciativas orientadas a innovación fundamental requieren tolerancia al fracaso y horizontes largos.

3. Prepararse para la era de la IA: la inteligencia artificial está cambiando qué significa producir y transferir conocimiento. Eso obliga a instituciones educativas y de investigación a repensar currículos, infraestructuras de datos y mecanismos de colaboración público-privada para capitalizar oportunidades nuevas sin caer en soluciones rápidas y centralizadas.

Recomendaciones prácticas

Desde políticas públicas hasta gestiones universitarias y estrategias empresariales, estas recomendaciones son coherentes con el enfoque de Fitzgerald:

• Financiar una cartera equilibrada: combinar apoyos a ciencia básica, proyectos estratégicos con objetivos claros y programas que favorezcan la conversión de investigación en productos y servicios.

• Crear espacio para la incertidumbre: no todo programa debe tener entregables predefinidos. Algunos deben preservar la posibilidad de descubrimientos inesperados.

• Facilitar movilidad entre sectores: incentiven estancias, proyectos conjuntos y mecanismos de transferencia tecnológica que permitan que ideas viajen desde el laboratorio al mercado.

• Medir con inteligencia: diseñar métricas que reconozcan aportes de largo plazo, formación de capital humano y externalidades difíciles de cuantificar.

Conclusión

La innovación no se domestica mediante controles rígidos ni tampoco surge automáticamente de la pura inversión en ciencia. Según Fitzgerald, lo que impulsa el cambio es un “motor invisible”: la inteligencia colectiva descentralizada de actores que asumen incertidumbre y, a partir de interacciones diversas, generan sorpresas que el mercado valora. Para las economías latinoamericanas, la lección es clara: más que buscar fórmulas únicas, conviene construir ecosistemas que combinen formación, objetivos estratégicos y tolerancia a lo inesperado. En un mundo transformado por la IA y la rápida recomposición tecnológica, esa flexibilidad puede marcar la diferencia entre reproducir conocimiento y convertirlo en impacto económico sostenible.