Patent Citation Networks Anticipate Technology Lock-In Risk: Multimodal Evidence from China’s Semiconductor Industry

Nel mondo ad alta posta in gioco della tecnologia, il successo è spesso misurato da quanto una società produce e da quanto frequentemente altri ne copiano le idee. Quando un'azienda deposita molti brevetti e quei brevetti sono frequentemente citati dai concorrenti, ciò è solitamente visto come un segno di forza e di leadership. Tuttavia, un pericolo nascosto si annida sotto questi segni visibili di prosperità. Proprio come un viaggiatore potrebbe continuare a percorrere un sentiero familiare perché sembra sicuro, anche quando percorsi migliori si stanno chiudendo, un'azienda può rimanere intrappolata nel proprio modo di pensare. Questo fenomeno, noto come "lock-in tecnologico", accade quando un'organizzazione diventa così dipendente da un particolare insieme di conoscenze e connessioni da perdere la capacità di adattarsi quando il mondo cambia. Il rischio è che un'azienda possa apparire incredibilmente produttiva sulla carta, mentre la sua reale capacità di innovare e cambiare rotta svanisce silenziosamente.

I ricercatori Jilong Zhang e Lei Chen si sono posti l'obiettivo di trovare un modo per individuare questo pericolo prima che sia troppo tardi. Si sono concentrati sull'industria dei semiconduttori in Cina, un settore in cui la capacità di riorientarsi rapidamente è vitale per la sicurezza nazionale e la stabilità economica. Invece di aspettare che la produzione di brevetti di un'azienda diminuisca o che le sue citazioni svaniscano — segnali che arrivano spesso solo dopo che il danno è stato fatto — si sono chiesti se la struttura delle connessioni di un'azienda potesse rivelare il problema in anticipo. Hanno trattato la rete di citazioni dei brevetti non solo come un registro di successi passati, ma come una mappa di possibilità future. Analizzando come le aziende collegano le loro nuove idee a quelle vecchie, e come quelle idee si diffondono attraverso diversi gruppi di inventori, il team sperava di costruire un sistema di allerta capace di vedere l'ir narrowizzazione degli orizzonti di un'azienda mentre questa era ancora impegnata a celebrare il proprio successo attuale.

Per testare questa idea, i ricercatori hanno raccolto una collezione massiccia di 541.592 brevetti di invenzione depositati in Cina tra il 2001 e il 2023. Non si sono limitati a contare quanti brevetti avesse ogni azienda o quante volte venissero citati. Invezione, hanno costruito un complesso modello digitale che osservava tre diversi tipi di informazioni simultaneamente. In primo luogo, hanno esaminato i numeri evidenti: il volume dei brevetti, la dimensione dei team che li creano e il numero puro di citazioni. In secondo luogo, hanno letto il testo dei riassunti dei brevetti per capire quali problemi specifici le aziende stessero cercando di risolvere e se il loro focus si stesse allargando o restringendo. Terzo, e più importante, hanno mappato l'architettura nascosta della rete di citazioni. Hanno utilizzato un metodo che traccia come un brevetto si connetta ad altri, cercando segni che un'azienda stesse parlando solo con se stessa o con un piccolo e chiuso gruppo di pari, invece di tendere verso comunità di conoscenza diverse.

Il team ha addestrato un modello informatico per prevedere quali aziende sarebbero diventate infine profondamente radicate in un singolo e dominante percorso tecnologico — uno stato che hanno definito come rischio di "lock-in". Hanno scoperto che il modo più accurato per individuare questo rischio era combinare tutti e tre i tipi di informazioni. Il modello che funzionava meglio era un tipo di intelligenza artificiale noto come "random forest", che eccelle nel trovare schemi in dati disordinati e complessi. Testato su dati che non aveva mai visto prima, questo modello ha raggiunto un AUC di 0,54 mantenendo relativamente bassi i falsi allarmi. Questa prestazione è stata significativamente migliore rispetto ai metodi statistici più semplici, provando che la struttura nascosta delle connessioni contiene indizi vitali che i numeri grezzi da soli non possono fornire.

Una delle scoperte più sorprendenti è stata che la struttura della rete di citazioni forniva informazioni che non potevano essere sostituite dal conteggio dei brevetti o dall'analisi del testo. Anche quando un'azienda aveva un alto volume di brevetti e una forte reputazione, il modello poteva rilevare se le sue connessioni stavano diventando troppo strette. I dati della rete agivano come una radiografia strutturale, rivelando se la conoscenza di un'azienda fluiva liberamente attraverso diversi campi o se stava circolando su se stessa. I ricercatori hanno scoperto che rimuovendo i dati della rete dal loro modello si verificava un brusco calo della capacità di prevedere il rischio, confermando che il modo in cui le idee sono connesse è importante quanto le idee stesse.

Tuttavia, lo studio ha anche rivelato un limite cruciale: questo sistema di allerta funziona in modo molto diverso per le grandi aziende rispetto alle piccole. Per le grandi entità con lunghe storie di brevettazione e reti dense di citazioni, il modello è stato altamente efficace. Poteva individuare con affidabilità quando la loro ricerca di nuova conoscenza stava diventando stagnante. Ma per le aziende più piccole, con meno brevetti e connessioni più rade, il modello faticava a fare previsioni accurate. I dati per questi attori più piccoli erano spesso troppo sottili per supportare una diagnosi sicura. I ricercatori hanno concluso che, sebbene lo strumento sia potente per monitorare i giganti affermati, non può essere usato come regola autonoma per le startup o per i team di ricerca nelle fasi iniziali. Per loro, i numeri devono essere combinati con il giudizio umano e altre forme di evidenza.

Per rendere utili queste scoperte ai processi decisionali del mondo reale, gli autori hanno creato un "Indice di Rischio di Lock-in Tecnologico". Si tratta di un punteggio da zero a cento che stima la probabilità che un'azienda entri in uno stato di lock-in nell'anno a venire. Il punteggio non è solo un numero singolo; suddivide il rischio in tre parti, mostrando se il pericolo deriva dall'output visibile dell'azienda, dai temi di cui sta discutendo o dalla struttura nascosta delle sue connessioni. Un punteggio elevato non significa che un'azienda sia fallita; piuttosto, funge da segnale di allerta precoce che invita a un esame più approfondito. Suggerisce che, sebbene l'azienda possa ancora produrre risultati, il suo percorso in avanti potrebbe restringersi e potrebbe aver bisogno di cercare nuove partnership o esplorare diverse strade tecnologiche per rimanere resiliente.

Lo studio suggerisce che le agenzie pubbliche e i leader del settore non dovrebbero affidarsi esclusivamente ai parametri tradizionali come il conteggio dei brevetti quando valutano la salute dei loro sistemi di innovazione. Aggiungendo indicatori basati sulla rete alle loro dashboard di monitoraggio, possono rilevare debolezze strutturali prima che portino a una crisi. L'obiettivo non è punire le aziende per il loro successo, ma aiutarle a riconoscere quando il loro successo le sta rendendo rigide. Per le grandi corporazioni, ciò significa controllare regolarmente se le loro fonti di conoscenza siano abbastanza diversificate. Per gli innovatori più piccoli, significa comprendere che il loro potenziale potrebbe non essere ancora completamente visibile nei dati dei brevetti, richiedendo un approccio di valutazione più sfumato. In definitiva, la ricerca offre un nuovo modo per vedere le correnti invisibili del flusso di conoscenza, aiutando le società a navigare nel complesso terreno del cambiamento tecnologico con maggiore lungimiranza.