De interactieve effecten van kenniscomponenten en samenwerkingsnetwerken op verkennende innovatieprestaties: bewijs uit de Chinese kunstmatige-intelligentie-industrie

Waarom dit belangrijk is voor de toekomst van AI‑bedrijven

Achter elke doorbraak in kunstmatige intelligentie schuilt een combinatie van wat bedrijven al weten en met wie ze samenwerken. Deze studie bekijkt China’s snel bewegende AI‑sector om een eenvoudige maar cruciale vraag te stellen: hoe zouden bedrijven hun interne knowhow moeten combineren met externe partnerschappen om echt nieuwe ideeën te creëren, en niet alleen kleine aanpassingen? Door duizenden patenten te analyseren met moderne data‑instrumenten onthullen de auteurs patronen die managers en beleidsmakers kunnen helpen AI‑innovatie slimmer te sturen.

Drie typen AI‑vernieuwers

Aan de hand van octrooi‑gegevens van 260 Chinese AI‑bedrijven brachten de onderzoekers eerst twee zaken in kaart voor elk bedrijf: de verscheidenheid en structuur van hun technische kennis, en de vorm van hun samenwerkingsnetwerk dat via co‑octrooiering is opgebouwd. Vervolgens pasten ze een clustermethode toe die bedrijven met vergelijkbare profielen groepeert. Dat leverde drie brede typen op. "Samenwerkingsgerichte" bedrijven zitten diep verankerd in dichte partnernetwerken maar hebben slechts matige interne kenniskrachten. "Kennisgerichte" bedrijven beschikken over rijke, diverse en gespecialiseerde knowhow maar zijn relatief geïsoleerd. "Gelijkwaardige" bedrijven bevinden zich ertussenin, zonder sterke voordelen of duidelijk zichtbare zwaktes op beide terreinen.

Hoe kennismix en partnerschappen elkaar beïnvloeden

De studie gebruikte vervolgens een beslisbomenalgoritme om na te gaan hoe verschillende combinaties van kennis‑ en netwerkkenmerken verband houden met de capaciteit van bedrijven om octrooien in nieuwe technologische gebieden te produceren — een praktische maat voor verkennende innovatie. Voor alle groepen speelde de structuur van interne kennis de hoofdrol, maar het omringende netwerk kon de effecten versterken of afzwakken. Bij samenwerkingsgerichte bedrijven schaadde een te brede spreiding over technische velden de prestaties vaak doordat het vermogen om informatie op te nemen en te gebruiken werd overspoeld. Wanneer deze bedrijven echter ook brede of hechte samenwerkingsnetwerken hadden, hielpen partners hen bij het filteren, delen en integreren van kennis, waardoor potentiële overload in bruikbare nieuwigheid werd omgezet.

Te veel specialisatie kan averechts werken

Kennisgerichte bedrijven vertelden een ander verhaal. Hun diepgaande en gevarieerde expertise vertaalde zich niet automatisch in baanbrekende doorbraken. Wanneer hun kennisbasis te divers werd, daalden de innovatieprestaties waarschijnlijk omdat aandacht en middelen te dun werden verspreid. Zelfs wanneer diversiteit werd beperkt, was samenwerken met veel organisaties niet altijd beter. Een matig aantal samenwerkingspartners bleek het beste te werken, terwijl zeer brede samenwerking coördinatiekosten en afleidingen met zich meebracht, en zeer nauwe samenwerking de blootstelling aan frisse ideeën beperkte. Dit suggereert dat sterk gespecialiseerde AI‑bedrijven zorgvuldig moeten zijn in het bijschaven van hun kennisportefeuille en het cureren van een beheersbare set strategische partners.

Het vinden van de gulden middenweg tussen gelijkheid en verschil

Voor gelijkwaardige bedrijven waren de sleutelhefbomen hoe goed hun kenniscomponenten op elkaar aansloten en hoe gemakkelijk de ene vaardigheid de andere kon vervangen. Als kenniscomponenten te perfect op elkaar waren afgestemd, raakte het bedrijf vast in smalle paden, wat het moeilijker maakte om naar nieuwe gebieden over te stappen. Wanneer er echter voldoende overlap was — zodat één techniek een andere kon vervangen — konden bedrijven beter experimenteren, bijsturen en reageren op onzekerheid in de jonge en volatiele AI‑sector. Met andere woorden: enige redundantie in knowhow, vaak gezien als verspilling, kan juist flexibiliteit en veerkracht bieden wanneer technologieën en markten snel veranderen.

Wat dit betekent voor AI‑strategie

Al met al toont de studie aan dat noch "meer kennis" noch "meer partners" automatisch leidt tot betere verkennende innovatie. Wat ertoe doet is de fit tussen de interne kennismix van een bedrijf en de manier waarop het zijn samenwerkingsnetwerk opbouwt en gebruikt, en die fit verschilt voor samenwerkingsgerichte, kennisgerichte en gelijkwaardige bedrijven. Voor managers is de boodschap om kennis en partnerschappen als een gezamenlijk ontwerpprobleem te behandelen: vermijd onbeheerde complexiteit, zoek partners die specifieke zwaktes aanvullen, en behoud voldoende overlappende vaardigheden om je aan te passen wanneer het AI‑landschap verandert. Voor beleidsmakers benadrukken de bevindingen de waarde van ecosystemen en industriële platformen die bedrijven helpen hun kennis te reorganiseren en gerichte partnerschappen te vormen, in plaats van simpelweg meer R&D‑uitgaven of meer allianties te stimuleren.

Bronvermelding: 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

Trefwoorden: verkennende innovatie, kunstmatige-intelligentiebedrijven, samenwerkingsnetwerken, kennismanagement, octaannanalyse