📊 statistics

Which Discoveries Are Paradigm Shifting?

Este artículo propone una nueva medida coherente que integra el impacto, la novedad y la capacidad de ruptura de un descubrimiento para identificar hallazgos paradigmáticos, demostrando mediante datos de patentes y del Salón de la Fama de Inventores que estos tres factores son complementarios estrictos e irreemplazables entre sí.

Autores originales: Sajad Ashouri, Arash Hajikhani, Ari Hyytinen, Petri Rouvinen, Arho Suominen

Publicado 2026-04-14

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Sajad Ashouri, Arash Hajikhani, Ari Hyytinen, Petri Rouvinen, Arho Suominen

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Claro que sí! Imagina que la ciencia y la tecnología son como una gigantesca biblioteca donde cada nuevo libro (o invención) se apoya en los libros que vinieron antes. A veces, los autores solo escriben un capítulo más del mismo libro, mejorando un poco la historia. Eso es el progreso normal. Pero, de vez en cuando, aparece un libro tan increíblemente diferente que cambia las reglas del juego, haciendo que los libros anteriores parezcan obsoletos y obligando a todos a empezar a escribir desde cero. Esos son los "descubrimientos que cambian el paradigma".

Este artículo trata sobre cómo crear un termómetro perfecto para identificar esos libros especiales antes de que todo el mundo se dé cuenta.

Aquí tienes la explicación sencilla, paso a paso:

1. El Problema: ¿Cómo medimos la "revolución"?

Antes, los científicos usaban medidas imperfectas para encontrar estas grandes invenciones. Era como intentar medir la altura de un edificio usando solo una regla de 30 centímetros.

El problema: Algunos inventos tenían muchas citas (eran populares), pero no eran realmente nuevos. Otros rompían con el pasado, pero nadie los leía.
La analogía: Imagina que quieres encontrar a un genio. Si solo miras cuántos seguidores tiene en redes sociales (impacto), podrías confundir a un influencer con un científico brillante. Si solo miras qué tan raro es su peinado (novedad), podrías confundir a un excéntrico con un genio. Necesitas ver las tres cosas a la vez.

2. La Solución: La "Fórmula Mágica" (D_FLEX)

Los autores proponen una nueva medida llamada D_FLEX. Piensa en ella como una receta de cocina para detectar genios. Para que un plato sea considerado "la mejor comida del mundo" (un descubrimiento que cambia el paradigma), necesita tres ingredientes en cantidades perfectas:

Impacto (La popularidad): ¿Cuánta gente usa esta idea después? (Citas en patentes).
Novedad (La creatividad): ¿Qué tan diferente es de lo que ya existía? (Combinación de palabras o tecnologías nuevas).
Disrupción (El cambio de reglas): ¿Hace que las ideas anteriores parezcan inútiles? (Rompimiento con el pasado).

3. El Secreto: La Regla del "Eslabón Más Débil"

Aquí viene la parte más interesante. Los autores descubrieron algo crucial sobre cómo funcionan estos ingredientes.

La analogía de la cadena: Imagina que un descubrimiento es una cadena de tres eslabones. Para que la cadena sea fuerte (es decir, para que sea un descubrimiento revolucionario), todos los eslabones deben ser fuertes.
La conclusión: Si tienes un invento con un impacto enorme (100 puntos) y es muy disruptivo (100 puntos), pero es poco novedoso (solo 10 puntos), no es un descubrimiento revolucionario. La cadena se rompe en el eslabón débil.

Los autores descubrieron que estos tres factores son complementarios estrictos. No puedes compensar la falta de uno con la fuerza de otro. Es como intentar cruzar un río en un bote: si el bote tiene un agujero en el fondo (falta de impacto), no importa cuán rápido vaya (novedad) ni cuán bonito sea (disrupción), se hundirá.

4. ¿Cómo lo probaron?

Usaron datos de millones de patentes de Estados Unidos (como si fueran millones de recetas) y las compararon con los inventos que ya sabemos que son geniales, como los que están en el Salón de la Fama de los Inventores Nacionales (inventores como los del transistor, CRISPR, o la PCR).

El resultado: Su nueva fórmula funcionó mejor que las anteriores. Logró identificar correctamente que, por ejemplo, la tecnología de la PCR (usada para pruebas de ADN) fue un cambio de paradigma, pero también detectó que, aunque el PageRank de Google fue revolucionario, en sus primeros años no cumplía con todos los criterios al mismo tiempo.

5. ¿Por qué nos importa esto?

Tener este "termómetro" es vital para:

Empresas: Para saber en qué invertir su dinero y no perderse las próximas grandes olas tecnológicas.
Gobiernos: Para crear políticas que apoyen a los verdaderos innovadores y no solo a los que hacen pequeñas mejoras.
La sociedad: Porque los descubrimientos que cambian el paradigma son los que realmente mejoran nuestra vida a largo plazo (como la electricidad, internet o las vacunas).

En resumen

Este artículo nos dice que para encontrar a los "gigantes" sobre cuyas hombros nos paramos, no basta con mirar una sola cosa. Necesitamos una herramienta que nos diga: "Este invento es genial, nuevo Y cambia las reglas, todo al mismo tiempo". Y lo más importante: si le falta uno de esos tres ingredientes, por muy brillante que parezca, no es el cambio de paradigma que estamos buscando.

Es como buscar un diamante perfecto: si tiene una grieta, por muy brillante que sea, no es un diamante de primera calidad.

Aquí presento un resumen técnico detallado del artículo "Which Discoveries Are Paradigm Shifting?" (¿Qué descubrimientos son de cambio de paradigma?), publicado en Industrial and Corporate Change (2026) por Sajad Ashouri et al.

1. El Problema de Investigación

El artículo aborda la dificultad teórica y empírica para identificar y medir los descubrimientos que provocan un cambio de paradigma. Si bien la literatura reconoce que la ciencia y la tecnología avanzan tanto de forma incremental ("ciencia normal") como disruptiva (rupturas que reestructuran mercados y conocimientos), no existe un consenso sobre cómo cuantificar estas rupturas.

Los autores identifican tres limitaciones críticas en las medidas existentes (como el índice CD de Funk y Owen-Smith, 2017):

Unidimensionalidad: La mayoría de las métricas actuales se centran en un solo aspecto (generalmente la disruptividad técnica basada en citas), ignorando la multidimensionalidad inherente a un cambio de paradigma.
Falta de integración: No existe una medida coherente que combine simultáneamente el impacto (citas), la novedad (combinación de conocimientos) y la tendencia a romper con el pasado (disruptividad).
Problemas de escala y distribución: Las métricas existentes, como el índice mCD (citas ponderadas por disruptividad), sufren de problemas de escala y muestran distribuciones empíricas con "masas" o concentraciones artificiales en los extremos, lo que dificulta distinguir entre descubrimientos verdaderamente únicos y aquellos simplemente muy citados pero no disruptivos.

2. Metodología Propuesta: La medida $D_{FLEX}$

Los autores proponen una nueva métrica llamada $D_{FLEX}$ , basada en el concepto matemático de la media generalizada (generalized mean). Esta medida integra tres dimensiones clave en un solo indicador coherente que varía entre 0 y 1.

A. Las Tres Dimensiones

Impacto: Medido por el número de citas hacia adelante (forward citations) acumuladas en 5 años tras la concesión de la patente.
Novedad: Medido mediante nuevas combinaciones de palabras clave extraídas del texto de la patente (basado en el análisis de Arts et al., 2021), en lugar de clasificaciones tecnológicas administrativas, para capturar la originalidad conceptual.
Disruptividad (Ruptura con el pasado): Medido utilizando el índice CD (Consolidation-Disruption) y sus variantes, que evalúa si una invención hace obsoletas a las patentes anteriores o si las futuras citas ignoran el estado del arte previo.

B. Normalización y Cálculo

Para evitar problemas de escala y permitir la comparación, las tres variables crudas se transforman en porcentajes de sus distribuciones acumuladas ( $G(x)$ ) dentro de su respectiva industria (códigos NBER). Esto permite clasificar una patente en relación con sus pares.

La fórmula de $D_{FLEX}$ es:
$D_{FLEX} \equiv \left( \sum_{j=1}^{3} \alpha_j (G_j(x_j))^\sigma \right)^{1/\sigma}$
Donde:

$G_j(x_j)$ son los percentiles de impacto, novedad y disruptividad.
$\alpha_j$ son los pesos (que suman 1).
$\sigma$ es el parámetro de elasticidad de sustitución que determina la relación entre las dimensiones.

C. Calibración Empírica

Para determinar los parámetros ( $\alpha$ y $\sigma$ ), los autores utilizan un diseño de caso-control con controles contaminados:

Casos: Patentes asociadas a inventores incluidos en el Salón de la Fama de los Inventores Nacionales (NIHF), considerados como manifestaciones de descubrimientos de cambio de paradigma.
Controles: Una muestra aleatoria de patentes de la USPTO (1982-2015).
Se emplean estimadores de Máxima Verosimilitud (ML) y Método Generalizado de Momentos (GMM) para calibrar el modelo.

3. Contribuciones Clave

Medida Multidimensional Coherente: $D_{FLEX}$ es la primera medida que integra formalmente impacto, novedad y disruptividad en un solo índice, superando la fragmentación de la literatura actual.
Descubrimiento de Complementariedad Estricta: La calibración revela que las tres dimensiones son complementos estrictos (el parámetro $\sigma$ es negativo y grande en valor absoluto). Esto implica que la capacidad de un descubrimiento para ser de cambio de paradigma está determinada por su dimensión más débil (el "cuello de botella"). Un gran impacto no puede compensar una baja novedad o baja disruptividad.
Solución a Problemas de Distribución: A diferencia del índice CD, que muestra una concentración anómala en el extremo derecho de la distribución, $D_{FLEX}$ genera una distribución suave y bien comportada en la cola derecha, permitiendo una identificación más precisa de los descubrimientos verdaderamente únicos.
Flexibilidad Paramétrica: La medida permite ajustar el modelo según el contexto (complementos vs. sustitutos) y puede extenderse para incluir nuevas dimensiones (ej. valor de mercado).

4. Resultados Principales

Complementariedad: La estimación empírica confirma que $\sigma$ es negativo, validando la hipótesis de que un descubrimiento de cambio de paradigma requiere altos niveles en las tres dimensiones simultáneamente. En la práctica, $D_{FLEX}$ se aproxima a la función del mínimo: $D_{FLEX} \approx \min(G_1, G_2, G_3)$ .
Identificación de Patentes Paradigmáticas: Al aplicar un umbral estricto ( $D_{FLEX} \geq 0.90$ ), se identifican solo el 0.2% de las patentes como candidatas a cambio de paradigma. Estas patentes muestran consistentemente altos niveles de citas, novedad textual y disruptividad.
Validación Externa:
- Citas a Largo Plazo: Las patentes con alto $D_{FLEX}$ (medido a 5 años) generan significativamente más citas a largo plazo (hasta 2015) que las patentes con puntuaciones bajas.
- Estudios de Caso: La medida clasifica correctamente hitos históricos. Por ejemplo, la patente de la Reacción en Cadena de la Polimerasa (PCR) obtiene una puntuación alta (0.806), destacando su impacto y disruptividad, aunque su novedad relativa fue moderada en el momento. Por el contrario, patentes consolidadoras (como ciertas variedades de soja) obtienen puntuaciones cercanas a cero.
- Patentes Farmacéuticas: $D_{FLEX}$ distingue significativamente entre patentes originales (más disruptivas) y patentes "evergreen" (suplementarias) en la industria farmacéutica.
Tendencias Temporales: El análisis de series temporales (1982-2015) sugiere una tendencia a la baja en la proporción de patentes que alcanzan umbrales altos de $D_{FLEX}$ , indicando una posible disminución en la frecuencia de descubrimientos de cambio de paradigma en las industrias analizadas.

5. Significado e Implicaciones

Para la Política Científica y Tecnológica: Proporciona una herramienta transparente y cuantitativa para que los formuladores de políticas identifiquen tecnologías emergentes clave, evalúen el impacto de la regulación y asignen recursos a I+D de alto potencial.
Para la Estrategia Empresarial: Permite a las empresas identificar oportunidades de ruptura, evaluar el riesgo de obsolescencia de sus activos tecnológicos y orientar sus estrategias de innovación hacia la creación de valor disruptivo en lugar de solo incremental.
Avance Teórico: Resuelve la tensión entre la teoría de Kuhn sobre los cambios de paradigma y la medición empírica, demostrando que la "ruptura" no es un fenómeno unidimensional, sino un equilibrio delicado donde la debilidad en cualquier dimensión impide que un descubrimiento sea verdaderamente transformador.

En conclusión, el artículo presenta $D_{FLEX}$ como una herramienta robusta y flexible que supera las limitaciones de las métricas anteriores, ofreciendo una visión más matizada y precisa de cómo surgen los descubrimientos que redefinen el futuro de la ciencia y la tecnología.