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

No mundo de alto risco da tecnologia, o sucesso é frequentemente medido pelo quanto uma empresa produz e com que frequência outros copiam suas ideias. Quando uma empresa registra muitas patentes e essas patentes são frequentemente citadas por concorrentes, isso é geralmente visto como um sinal de força e liderança. No entanto, há um perigo oculto espreitando sob esses sinais visíveis de prosperidade. Assim como um viajante pode continuar caminhando por um caminho familiar porque parece seguro, mesmo quando rotas melhores estão se fechando, uma empresa pode ficar presa em sua própria forma de pensar. Este fenômeno, conhecido como aprisionamento tecnológico (technological lock-in), acontece quando uma organização se torna tão dependente de um conjunto específico de conhecimento e conexões que perde a capacidade de se adaptar quando o mundo muda. O risco é que uma empresa possa parecer incrivelmente produtiva no papel enquanto sua capacidade real de inovar e pivotar desaparece silenciosamente.

Os pesquisadores Jilong Zhang e Lei Chen propuseram-se a encontrar uma maneira de detectar esse perigo antes que seja tarde demais. Eles focaram na indústria de semicondutores da China, um setor onde a capacidade de se reorientar rapidamente é vital para a segurança nacional e a estabilidade econômica. Em vez de esperar que a produção de patentes de uma empresa caia ou que suas citações diminuam — sinais que muitas vezes chegam apenas após o dano ter sido feito — eles questionaram se a estrutura das conexões de uma empresa poderia revelar o problema mais cedo. Eles trataram a teia de citações de patentes não apenas como um registro de conquistas passadas, mas como um mapa de possibilidades futuras. Ao analisar como as empresas ligam suas novas ideias às antigas, e como essas ideias se espalham através de diferentes grupos de inventores, a equipe esperava construir um sistema de alerta que pudesse ver o estreitamento dos horizontes de uma empresa enquanto ela ainda estava ocupada celebrando seu sucesso atual.

Para testar essa ideia, os pesquisadores reuniram uma coleção massiva de 541.592 patentes de invenção registradas na China entre 2001 e 2023. Eles não apenas contaram quantas patentes cada empresa possuía ou quantas vezes eram citadas. Em vez disso, construíram um modelo digital complexo que analisava três tipos diferentes de informações simultaneamente. Primeiro, examinaram os números óbvios: o volume de patentes, o tamanho das equipes que as criavam e o número absoluto de citações. Segundo, leram o texto dos resumos das patentes para entender quais problemas específicos as empresas estavam tentando resolver e se o seu foco estava se alargando ou se estreitando. Terceiro, e mais importante, mapearam a arquitetura oculta da rede de citações. Eles utilizaram um método que rastreia como uma patente se conecta a outras, procurando sinais de que uma empresa estava apenas falando consigo mesma ou com um grupo pequeno e fechado de pares, em vez de alcançar comunidades de conhecimento diversas.

A equipe treinou um modelo de computador para prever quais empresas eventualmente se tornariam profundamente imersas em um caminho tecnológico único e dominante — um estado que definiram como um risco de "aprisionamento" (lock-in). Eles descobriram que a maneira mais precisa de detectar esse risco era combinar os três tipos de informação. O modelo que funcionou melhor foi um tipo de inteligência artificial conhecido como floresta aleatória (random forest), que se destaca ao encontrar padrões em dados complexos e desordenados. Ao ser testado em dados que nunca havia visto antes, este modelo alcançou um AUC de 0,54, mantendo os alarmes falsos relativamente baixos. Este desempenho foi significativamente superior aos métodos estatísticos simples, provando que a estrutura oculta das conexões detém pistas vitais que os números brutos, por si só, não podem fornecer.

Uma das descobertas mais impressionantes foi que a estrutura da rede de citações forneceu informações que não poderiam ser substituídas pela contagem de patentes ou pela análise de texto. Mesmo quando uma empresa possuía um alto volume de patentes e uma reputação forte, o modelo conseguia detectar se suas conexões estavam se tornando muito estreitas. Os dados da rede atuaram como um raio-X estrutural, revelando se o conhecimento de uma empresa fluía livremente entre diferentes campos ou se estava circulando sobre si mesma. Os pesquisadores descobriram que remover esses dados de rede de seu modelo causou uma queda acentuada em sua capacidade de prever o risco, confirmando que a forma como as ideias estão conectadas é tão importante quanto as próprias ideias.

No entanto, o estudo também revelou uma limitação crucial: este sistema de alerta funciona de forma muito diferente para grandes empresas em comparação com pequenas empresas. Para entidades grandes, com longos históricos de registro de patentes e redes densas de citações, o modelo foi altamente eficaz. Ele conseguiu identificar de forma confiável quando a busca de uma empresa por novo conhecimento estava se tornando estagnada. Mas para empresas menores, com menos patentes e conexões mais esparsas, o modelo teve dificuldades em fazer previsões precisas. Os dados para esses players menores eram frequentemente muito escassos para suportar um diagnóstico confiável. Os pesquisadores concluíram que, embora a ferramenta seja poderosa para monitorar gigantes estabelecidos, ela não pode ser usada como uma regra isolada para startups ou equipes de pesquisa em estágio inicial. Para elas, os números precisam ser combinados com o julgamento humano e outras formas de evidência.

Para tornar essas descobertas úteis para a tomada de decisão no mundo real, os autores criaram um "Índice de Risco de Aprisionamento Tecnológico". Este é um escore de zero a cem que estima a probabilidade de uma empresa entrar em um estado de aprisionamento no ano seguinte. O escore não é apenas um número único; ele decompõe o risco em três partes, mostrando se o perigo vem da produção visível da empresa, dos tópicos que ela está discutindo ou da estrutura oculta de suas conexões. Uma pontuação alta não significa que uma empresa falhou; pelo contrário, serve como um sinal de alerta precoce que provoca um olhar mais profundo. Sugere que, embora a empresa ainda esteja produzindo resultados, seu caminho à frente pode estar se estreitando, e ela pode precisar buscar novas parcerias ou explorar diferentes avenidas tecnológicas para manter a resiliência.

O estudo sugere que agências públicas e líderes da indústria não devem confiar exclusivamente em métricas tradicionais, como contagem de patentes, ao avaliar a saúde de seus sistemas de inovação. Ao adicionar indicadores baseados em redes aos seus painéis de monitoramento, eles podem detectar fraquezas estruturais antes que estas levem a uma crise. O objetivo não é punir as empresas por serem bem-sucedidas, mas ajudá-las a reconhecer quando o seu sucesso as está tornando rígidas. Para grandes corporações, isso significa verificar regularmente se suas fontes de conhecimento são diversas o suficiente. Para pequenos inovadores, significa entender que seu potencial pode ainda não estar totalmente visível nos dados de patentes, exigindo uma abordagem mais matizada de avaliação. Em última análise, a pesquisa oferece uma nova maneira de enxergar as correntes invisíveis do fluxo de conhecimento, ajudando as sociedades a navegar pelo complexo terreno da mudança tecnológica com maior previsibilidade.