César Hidalgo y la economía del conocimiento: Recolectamos la fruta más accesible, pero aún está lleno de sabores misteriosos

 

“Hace unas semanas, el comité del Nobel reconoció a Paul Romer con el mayor honor de su área: El Premio en Ciencias Económicas en memoria de Alfred Nobel. Paul ayudó a descubrir el misterio del crecimiento económico con una contribución simple pero poderosa. A diferencia de los factores clásicos de producción, como el capital y el trabajo, el conocimiento era un “bien no rival”, es decir, podría compartirse sin consumirse. Esto significaba que el conocimiento era lo único que realmente podía crecer en términos per cápita y, por lo tanto, era el secreto del crecimiento económico”.

 

“Paul creó la base matemática de su teoría, pero también, inspiró una nueva generación de investigadores que estudiaron la creación, difusión, y valoración del conocimiento. Tres años después de la contribución de Paul, Adam Jaffe, Manuel Tratejnberg y Rebecca Henderson publicaron un artículo trascendental sobre la difusión geográfica del conocimiento. Jaffe y sus colegas utilizaron datos de patentes para estudiar la difusión geográfica del conocimiento. Analizaron patentes utilizando una técnica de concordancia (“matching“), lo que les permitió identificar patentes “gemelas” para cada una de las patentes estudiadas”.

 

“Los economistas compararon las citas recibidas por cada patente y su gemelo separando entre las citas provenientes de inventores que residían en la misma ciudad e inventores residentes en ciudades distintas. Comparadas con sus patentes gemelas, las patentes recibían un número desproporcionado de citas provenientes de la misma ciudad que sus inventores. Paul nos mostró que el conocimiento podría ser compartido infinitamente. Adam, Manuel y Rebecca nos mostraron que el conocimiento se difundía con dificultad”.

 

“¿Pero por qué el conocimiento se encuentra tan concentrado? Durante la explosión de internet se produjo un debate sobre la difusión del conocimiento. Muchos techno-opinólogos de las costas de Estados Unidos predecían un mundo en el que la gente trabajaría a distancia y las ciudades desaparecerían. Pero ocurrió lo contrario. Los precios de las viviendas en Nueva York y Silicon Valley se cuadruplicaron en las siguientes décadas. El conocimiento se concentró más que antes. Los geógrafos económicos y los economistas de la innovación sabían porque. El mundo no se estaba aplanando como algunos argumentaban, sino que se estaba transformando en un mundo con concentraciones de conocimiento cada vez más pronunciadas. Sin embargo, esto no podía ser consecuencia sólo de la geografía”.

 

“En la primera década del siglo XXI, Stefano Breschi y Franceso Lissoni de la Universidad de Boconni, y Jasjit Singh del INSEAD, ampliaron el descubrimiento de Jaffe y sus colegas al demostrar que la red de coautoría de inventores explicaba el poder explicativo de la geografía sobre el conocimiento. De Romer a Singh aprendimos que el conocimiento era importante y estaba concentrado, pero aún nos faltaban mejores maneras para medirlo”.

“Cuando Paul Romer publicó su artículo seminal yo sólo tenía diez años. Sin embargo, dieciséis años después comencé a contribuir en el área. El 2006, era estudiante de doctorado en la Universidad de Notre Dame, pero a diferencia de Paul, tenía muchos datos. Un conjunto de datos en particular describía el comercio internacional global desde 1962 hasta el 2000”.

 

“Robert Feenstra había compilado estos datos detallando todos los productos exportados por cada país. El 2006, también me encontraba trabajando con datos genéticos y no podía evitar ver los paralelos entre ambos proyectos. Cada producto era como un gen que estaba encendido o apagado. ¿O eran fenotipos, que se encendían o apagaban expresando una combinación de genes? A ese nivel de abstracción no tenía importancia. Lo que sí importaba era que cada país tenía cientos de faros parpadeantes contándonos lo que eran buenos para producir”.

 

“La primera medida de conocimiento que creamos fue una conocida hoy en día como conocimiento relacionado (relatedness). El conocimiento relacionado honra la naturaleza relacional del conocimiento. El conocimiento es específico. Una persona que sabe mucho sobre música puede saber poco sobre deportes. Lo mismo ocurre en la economía. Una economía que sabe sobre productos químicos puede no saber de ingeniería mecánica. De ser así, deberíamos ser capaces de medir el conocimiento que tiene una economía, no en su total, sino en relación a cada actividad económica”.

 

“Afortunadamente, crear un indicador sobre conocimiento relacionado es extremadamente fácil. Sólo necesitamos dos ingredientes. Primero, debemos crear una red que conecte productos similares. En nuestro caso, conectamos pares de productos que solían exportarse juntos: camisas y blusas, manzanas y peras, autobuses y automóviles. Con esa red podíamos centrarnos en cualquier producto y preguntarnos: ¿Cuántos de sus “productos hermanos” ya estaban siendo exportados por un país determinado? Si para un país la respuesta era 50%, y para otro 30%, entonces la predicción era que el primer país tenía más conocimiento sobre ese producto, y por ende, debería ser más probable que comenzara a exportarlo en el futuro. Eso es exactamente lo que encontramos. Una década después, este es un resultado sólido y extremadamente replicado: la probabilidad de que una economía entre en una actividad aumenta con el conocimiento relacionado entre una economía y esa actividad. Esto no sólo es cierto para países y productos, sino también para regiones e industrias, ciudades y patentes, e incluso universidades y áreas de investigación. Es una ley empírica de las más robustas en la economía”.

 

“Un par de años después publicamos una segunda medida del conocimiento. Este nuevo indicador calculaba el conocimiento total de una economía. En esta oportunidad no nos centramos en la naturaleza relacional del conocimiento, sino que en su intensidad. Por ejemplo, un país como Singapur, con aproximadamente 5.6 millones de personas, puede tener un conocimiento más productivo que un país como Etiopía, con aproximadamente 105 millones. El conocimiento productivo no correlaciona con la población; es una cantidad intensiva o per cápita. Esta abundancia de conocimiento productivo en Singapur se expresa en la diversidad y sofisticación de sus exportaciones. La exploración de esta idea dio lugar a una realización interesante. Era posible definir el conocimiento de una manera completamente circular”.

 

“Para entender la circularidad del conocimiento se necesita aceptar dos ideas. La primera es la idea que el conocimiento en un país, ciudad o región esta expresado en las actividades económicas presentes en él. ¿Pero cuál es el conocimiento presente en cada actividad? La segunda idea es asumir que las actividades más intensivas en conocimiento son aquellas que se producen en los países, ciudades, y regiones más intensivas en conocimiento. En otras palabras, definimos a la biotecnología como una actividad intensiva en conocimiento porque ocurre en ciudades como Boston y San Francisco. También estamos diciendo que Boston y San Francisco son ciudades intensivas en conocimiento porque son el hogar de actividades como la biotecnología y el software. La buena noticia es que este argumento circular se puede resolver recursivamente en una computadora portátil. Las soluciones—técnicamente autovectores—son medidas de la intensidad del conocimiento en las economías y de las actividades económicas”.

 

“¿Estaba Paul en lo cierto? ¿Eran más ricos los países con más conocimiento per cápita? ¿Crecían más rápido? La respuesta fue un retundo sí. Las economías de los países con mayor intensidad de conocimiento (mayor complejidad económica por unidad de PIB) crecían más rápido. Esta métrica mágica ayuda e entender el ascenso de Asia Oriental, la crisis de Grecia y el estancamiento de Latino América. Todo esto corroboró la teoría de Paul, pero también abrió un nuevo capítulo de estudio empírico”.

“Hoy, estos descubrimientos tienen una década de antigüedad, por lo que es tiempo de nuevas preguntas. En la última década distintos colegas generalizaron estas ideas. Colegas en Utrecht y UCLA extendieron la idea de complejidad económica a las ciudades y las patentes. Con Dominich Hartmann, ahora en la Universidad de Sao Paulo, demostramos que la intensidad de conocimiento también explica variaciones en la desigualdad. Es difícil ser desigual con la estructura productiva de Suecia y es también difícil tener baja desigualdad con la estructura productiva de Perú o Angola. Pero todos estos trabajos nos dijeron poco sobre cómo obtener el conocimiento. Ahí es donde están las nuevas preguntas”.

 

“Mientras las medidas de conocimiento se extendían entre los académicos, comenzamos a pensar en cómo se difunde el conocimiento. A diferencia de los trabajos fundamentales de Jaffe, Tratjenberg, Henderson, o de Breschi y Lissoni, nuestro trabajo no se centró en la difusión geográfica o social del conocimiento, sino que en la difusión del conocimiento a través de actividades cognitivamente relacionadas. Nos centramos en cómo el conocimiento pasó de las camisas a los pantalones, no de Chile a Argentina”.

 

“Sin embargo, cuando presentaba mi trabajo a académicos, empresarios, ministros, congresistas, y funcionarios públicos, recibía siempre la misma pregunta: “¡¿Cuál es la lista?! ¿Cuáles son las actividades más relacionadas a mi economía?”.”

 

Nunca me gustó la idea de «la lista», pero era lo que la gente pedía. “Por esa razón, comenzamos finalmente a explorar la idea de «la lista» en más detalle. Después de un par de años de investigación, junto a Aamena Alshamsi de la Universidad de Khalifa, y Flavio Pinheiro, ahora en la Universidad de Nova Lisboa, demostramos que «la lista» era sub-óptima”.

 

“En 2018, publicamos un artículo en Nature Communications que exploraba las múltiples formas en las que una economía podía apuntar a futuras actividades económicas. En otras palabras, construimos y comparamos miles de millones de listas. Algunas listas que iban de lo fácil a lo difícil. Otras que iban directo a lo más complejo. La cantidad de posibles listas es enorme. Tan grande que nos enfrentamos ante lo que se conoce en las ciencias de la computación como un problema NP (un problema que no se puede resolver con un algoritmo regular). No obstante, encontramos formas de explorar el espacio de soluciones de manera numérica, y encontrando casos límite que podíamos incluso resolver matemáticamente”.

“Ahí descubrimos que seguir una lista de actividades en orden decreciente de acuerdo a la medida de conocimiento relacionado era una estrategia sub-óptima. El problema con esa lista era que, a medida que los países se desarrollan, encuentran productos que están altamente relacionados, pero que no conducen a productos nuevos. Estos callejones sin salida ocupan un lugar destacado en la lista, pero a veces, es mejor centrarse en productos que están menos relacionados, pero que pueden abrir nuevas oportunidades de desarrollo. Estas opciones podrían desacelerar a los países en el corto plazo, pero generarían las bases para un impulso futuro”.

 

“En ese trabajo también estudiamos cual era el momento adecuado para asumir más riesgos. La respuesta estaba en un nivel intermedio de desarrollo. Ser ambicioso muy al principio nos condena a múltiples proyectos fallidos de desarrollo. Ser demasiado conservador durante la ventana de oportunidad, significa perderla, ya que no se logra sumar actividades sofisticadas cuando la economía aún tiene una ventaja de precios”.

 

“Ahora esta área de estudios está tomando un nuevo giro. A medida que disponemos de mejores datos, y mejores métodos estadísticos, estamos trasladándonos cada vez más de lo abstracto a lo concreto. En mi grupo, hemos estado observando cómo los trabajadores trasladan el conocimiento de industria a industria cuando cambian de trabajo. También hemos estado analizando cómo los flujos de conocimiento varían con cambios tecnológicos: desde la introducción de la prensa en Europa hasta los trenes de alta velocidad en China. Colegas, en Estados Unidos y Europa también se dedican a estudiar cómo los flujos de conocimiento cambian con la migración”.

 

“Otros colegas están uniendo las ideas de complejidad económica con el trabajo de Jaffe, usando patentes para explorar el conocimiento relacionado y la complejidad de las actividades innovadoras. No obstante, también es interesante ver la rapidez con la que estas ideas han penetrado la política. No la política de los políticos de izquierda o derecha, sino que las política de los funcionarios públicos profesionales, encargados de diseñar e implementar políticas de innovación, promoción de exportaciones, atracción de inversión, y desarrollo”.

 

“¿Qué nos traerá el estudio del conocimiento durante las próxima décadas? ¿Llegaremos a reemplazar el PIB por un indicador del CIB (Conocimiento Interno Bruto)? ¿Aprenderemos realmente a diseñar su difusión? ¿Invertiremos en el conocimiento como el principal recurso competitivo? ¿Seguirá este causando desigualdad espacial, concentrándose en unas pocas ciudades? ¿O llegará a todos los rincones del mundo rompiendo finalmente los grilletes de las redes sociales y la geografía? Lo único que sabemos con certeza es que el estudio del conocimiento es un viaje emocionante. Es un campo donde ya hemos recolectado la fruta más accesible, pero es un árbol frondoso que aún está lleno de frutas desconocidas y sabores misteriosos. Depende de todos nosotros hacerlo crecer, y seguir explorando”.