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

In de hooggestoken wereld van technologie wordt succes vaak gemeten aan de hand van hoeveel een bedrijf produceert en hoe vaak anderen zijn ideeën kopiëren. Wanneer een firma veel patenten aanvraagt en die patenten regelmatig worden geciteerd door concurrenten, wordt dit meestal gezien als een teken van kracht en leiderschap. Er schuilt echter een verborgen gevaar onder deze zichtbare tekenen van welvaart. Net zoals een reiziger een vertrouwde weg kan blijven volgen omdat die veilig aanvoelt, zelfs wanneer betere routes zich sluiten, kan een bedrijf gevangen raken in zijn eigen manier van denken. Dit fenomeen, bekend als technologische lock-in, gebeurt wanneer een organisatie zo afhankelijk wordt van een specifieke set kennis en connecties dat het het vermogen verliest om zich aan te passen wanneer de wereld verandert. Het risico is dat een bedrijf op papier ongelooflijk productief kan lijken, terwijl zijn werkelijke capaciteit om te innoveren en van koers te veranderen stilletjes verdwijnt.

Onderzoekers Jilong Zhang en Lei Chen zetten zich in om een manier te vinden om dit gevaar te signaleren voordat het te laat is. Ze richtten zich op de Chinese halfgeleiderindustrie, een sector waar het vermogen om snel te heroriënteren van vitaal belang is voor de nationale veiligheid en economische stabiliteit. In plaats van te wachten tot de patentoutput van een bedrijf daalt of de citaties vervagen — signalen die vaak pas aankomen nadat de schade al is aangericht — vroegen zij zich af of de structuur van de connecties van een bedrijf de problemen eerder kon onthullen. Ze beschouwden het web van patentcitaties niet alleen als een verslag van de prestaties uit het verleden, maar als een kaart van toekomstige mogelijkheden. Door te analyseren hoe bedrijven hun nieuwe ideeën aan oude linken, en hoe die ideeën zich verspreiden door verschillende groepen uitvinders, hoopte het team een waarschuwingssysteem te bouwen dat de vernauwing van de horizon van een bedrijf kon zien terwijl het nog druk bezig was met het vieren van zijn huidige succes.

Om dit idee te testen, verzamelden de onderzoekers een enorme collectie van 541.592 uitvindingenpatenten die tussen 2001 en 2023 in China zijn ingediend. Ze telden niet simpelweg hoeveel patenten elk bedrijf had of hoe vaak ze werden geciteerd. In plaats daarvan bouwden ze een complex digitaal model dat gelijktijdig naar drie verschillende soorten informatie keek. Ten eerste onderzochten ze de voor de hand liggende cijfers: het volume van de patenten, de omvang van de teams die ze creëerden, en het pure aantal citaties. Ten tweede lazen ze de tekst van de patentsamenvattingen om te begrijpen welke specifieke problemen de bedrijven probeerden op te lossen en of hun focus breder of nauwer werd. Ten derde, en het belangrijkste, brachten ze de verborgen architectuur van het citatienetwerk in kaart. Ze gebruikten een methode die volgt hoe een patent met andere verbonden is, waarbij ze zochten naar tekenen dat een bedrijf alleen met zichzelf praatte of met een kleine, gesloten groep gelijken, in plaats van zich uit te strekken naar diverse gemeenschappen van kennis.

Het team trainde een computermodel om te voorspellen welke bedrijven uiteindelijk diep verankerd zouden raken in een enkele, dominante technologische route — een staat die zij definieerden als een "lock-in"-risico. Ze ontdekten dat de meest nauwkeurige manier om dit risico te spotten het combineren van alle drie de soorten informatie was. Het model dat het beste werkte, was een type kunstmatige intelligentie bekend als een random forest, die uitblinkt in het vinden van patronen in rommelige, complexe data. Bij het testen op data die het nog nooit eerder had gezien, bereikte dit model een AUC van 0, 54 terwijl het aantal valse alarmen relatief laag hield. Deze prestatie was aanzienlijk beter dan eenvoudigere statistische methoden, wat bewees dat de verborgen structuur van connecties vitale aanwijzingen bevat die ruwe cijfers alleen niet kunnen bieden.

Een van de meest opvallende ontdekkingen was dat de structuur van het citatienetwerk informatie bood die niet vervangen kon worden door patentaantallen of tekstanalyse. Zelfs wanneer een bedrijf een hoog volume aan patenten en een sterke reputatie had, kon het model detecteren of de connecties van dat bedrijf te nauw werden. De netwerkdata fungeerde als een structurele röntgenfoto, die onthulde of de kennis van een bedrijf vrij stroomde over verschillende velden of dat het rondjes draaide om zichzelf. De onderzoekers ontdekten dat het verwijderen van deze netwerkdata uit hun model zorgde voor een scherpe daling in het vermogen om risico's te voorspellen, wat bevestigde dat de manier waarop ideeën verbonden zijn even belangrijk is als de ideeën zelf.

De studie onthulde echter ook een cruciale beperking: dit waarschuwingssysteem werkt heel anders voor grote bedrijven dan voor kleine bedrijven. Voor grote entiteiten met een lange geschiedenis van patentering en dichte netwerken van citaties was het model zeer effectief. Het kon betrouwbaar detecteren wanneer hun zoektocht naar nieuwe kennis stagneerde. Maar voor kleinere bedrijven met minder patenten en minder verspreide connecties had het model moeite om nauwkeurige voorspellingen te doen. De gegevens voor deze kleinere spelers waren vaak te dun om een betrouwbare diagnose te ondersteunen. De onderzoekers concludeerden dat, hoewel het instrument krachtig is voor het monitoren van gevestigde reuzen, het niet als een op zichzelf staande regel kan worden gebruikt voor kleine startups of onderzoeksteams in een vroeg stadium. Voor hen moet de data worden gecombineerd met menselijk oordeel en andere vormen van bewijs.

Om deze bevindingen bruikbaar te maken voor besluitvorming in de echte wereld, creëerden de auteurs een "Technology Lock-in Risk Index". Dit is een score van nul tot honderd die de waarschijnlijkheid inschat dat een bedrijf in het komende jaar in een vergrendelde staat terechtkomt. De score is niet slechts één enkel getal; het breekt het risico af in drie delen, waarbij wordt getoond of het gevaar voortkomt uit de zichtbare output van het bedrijf, de onderwerpen waarover het discussieert, of de verborgen structuur van zijn connecties. Een hoge score betekent niet dat een bedrijf gefaald heeft; het dient eerder als een vroeg waarschuwingssignaal dat aanzet tot een diepere blik. Het suggereert dat, hoewel het bedrijf nog steeds resultaten boekt, de weg vooruit mogelijk nauwer wordt en dat het nieuwe partnerschappen moet zoeken of verschillende technologische wegen moet verkennen om veerkrachtig te blijven.

De studie suggereert dat overheidsinstanties en industriële leiders zich niet uitsluitend moeten baseren op traditionele metrieken zoals patentaantallen bij het beoordelen van de gezondheid van hun innovatiesystemen. Door netwerkgebaseerde indicatoren toe te voegen aan hun monitoringsdashboards, kunnen zij structurele zwakheden detecteren voordat deze tot een crisis leiden. Het doel is niet om bedrijven te straffen voor hun succes, maar om hen te helpen herkennen wanneer hun succes hen rigide maakt. Voor grote ondernemingen betekent dit regelmatig controleren of hun kennisbronnen divers genoeg zijn. Voor kleinere innovators betekent het begrijpen dat hun potentieel misschien nog niet volledig zichtbaar is in de patentdata, wat een meer genuanceerde aanpak vereist. Uiteindelijk biedt het onderzoek een nieuwe manier om de onzichtbare stromingen van de kennisstroom te zien, waardoor samenlevingen het complexe terrein van technologische verandering met meer vooruitziendheid kunnen navigeren.