Effetti interattivi degli elementi di conoscenza e delle reti di collaborazione sulla performance dell’innovazione esplorativa: evidenze dall’industria cinese dell’intelligenza artificiale

Perché questo conta per il futuro delle aziende AI

Dietro ogni svolta nell’intelligenza artificiale c’è una combinazione di ciò che le imprese già conoscono e di chi coinvolgono nei loro progetti. Questo studio esplora l’agile settore AI cinese per rispondere a una domanda semplice ma cruciale: come dovrebbero le aziende combinare il loro know‑how interno con le partnership esterne per generare idee veramente nuove, non semplici adattamenti? Analizzando migliaia di brevetti con strumenti di dati moderni, gli autori individuano modelli che possono aiutare manager e decisori a orientare l’innovazione AI in modo più intelligente.

Tre tipi di innovatori AI

Basandosi sui dati di brevetti di 260 imprese cinesi nel settore AI, i ricercatori hanno prima mappato per ciascuna azienda due aspetti: la varietà e la struttura del suo bagaglio tecnico e la forma della rete di collaborazione costruita attraverso co‑brevetti. Hanno poi applicato un metodo di clustering per raggruppare le imprese con profili simili. Ne sono emersi tre tipi generali. Le imprese “orientate alla collaborazione” sono profondamente inserite in reti di partner dense ma possiedono solo punti di forza interni moderati. Le imprese “orientate alla conoscenza” dispongono di un know‑how ampio e specializzato ma sono relativamente isolate. Le imprese “bilanciate” stanno nel mezzo, senza vantaggi marcati né debolezze evidenti in nessuna delle due dimensioni.

Come interagiscono mix di conoscenza e partnership

Lo studio ha poi utilizzato un algoritmo ad albero decisionale per tracciare come diverse combinazioni di caratteristiche della conoscenza e della rete si associano alla capacità delle imprese di produrre brevetti in nuove aree tecnologiche—una misura pratica dell’innovazione esplorativa. In tutti i gruppi, la struttura della conoscenza interna ha giocato il ruolo principale, ma la rete circostante poteva amplificarne o attenuarne gli effetti. Per le imprese orientate alla collaborazione, una diffusione troppo ampia dei campi tecnici spesso danneggiava la performance sovraccaricando la loro capacità di assorbire e utilizzare informazioni. Quando però queste imprese avevano reti di collaborazione ampie o ben connesse, i partner le aiutavano a filtrare, condividere e integrare conoscenze, trasformando un potenziale sovraccarico in novità utili.

Troppa specializzazione può ritorcersi contro

Le imprese orientate alla conoscenza raccontano una storia diversa. Il loro know‑how profondo e variegato non si traduceva automaticamente in scoperte all’avanguardia. Quando la loro base di conoscenza diventava eccessivamente diversificata, la performance innovativa calava, probabilmente perché attenzione e risorse venivano disperse. Anche con una diversità contenuta, collaborare con molte organizzazioni non era sempre vantaggioso. Un numero moderato di partner tendeva a funzionare meglio, mentre collaborazioni molto ampie comportavano costi di coordinamento e distrazioni, e collaborazioni troppo ristrette limitavano l’esposizione a idee nuove. Ciò suggerisce che le imprese AI fortemente specializzate devono essere deliberate nel ridurre il portafoglio di conoscenze e nel curare un insieme gestibile di partner strategici.

Trova il punto di equilibrio tra somiglianza e differenza

Per le imprese bilanciate, le leve chiave erano quanto i singoli elementi di conoscenza si integravano tra loro e quanto facilmente una competenza potesse sostituirne un’altra. Quando gli elementi di conoscenza erano troppo perfettamente allineati, l’impresa restava bloccata in percorsi ristretti, rendendo più difficile il salto verso nuove aree. Tuttavia, quando esisteva una sovrapposizione sufficiente—che permetteva a una tecnica di sostituirne un’altra—le imprese erano più capaci di sperimentare, pivotare e rispondere all’incertezza in un settore AI giovane e volatile. In altre parole, una certa ridondanza di competenze, spesso vista come spreco, può in realtà offrire flessibilità e resilienza quando tecnologie e mercati cambiano rapidamente.

Cosa significa per la strategia AI

Nel complesso, lo studio mostra che né “più conoscenza” né “più partner” portano automaticamente a una migliore innovazione esplorativa. Ciò che conta è l’adeguatezza tra il mix di conoscenze interne di un’impresa e il modo in cui costruisce e utilizza la propria rete di collaborazione, e questa adeguatezza assume forme diverse per imprese orientate alla collaborazione, alla conoscenza o bilanciate. Per i manager, il messaggio è di considerare conoscenza e partnership come un problema di progettazione congiunta: evitare complessità incontrollata, cercare partner che integrino debolezze specifiche e mantenere sovrapposizioni sufficienti nelle competenze per adattarsi quando il panorama AI cambia. Per i policy maker, i risultati evidenziano il valore di ecosistemi e piattaforme industriali che aiutino le imprese a riorganizzare la conoscenza e a formare partnership mirate, invece di limitarsi a incentivare più spesa in R&S o un maggior numero di alleanze.

Citazione: Zhang, L., Chen, J., Qiu, H. et al. The interactive effects of knowledge elements and collaboration networks on exploratory innovation performance: evidence from the Chinese artificial intelligence industry. Humanit Soc Sci Commun 13, 303 (2026). https://doi.org/10.1057/s41599-026-06637-x

Parole chiave: innovazione esplorativa, imprese di intelligenza artificiale, reti di collaborazione, gestione della conoscenza, analisi dei brevetti