Sistemes i ecosistemes a Catalunya. Una visió des de la complexitat

Abstract

L’article presenta les característiques de l’economia de la complexitat, s’endinsa en el tractament que aquest enfocament fa dels ecosistemes i de les polítiques públiques d’innovació i amb ell analitza el cas concret d’una de les regions europees, Catalunya. La mirada des de la complexitat pot promoure la cultura innovadora i industrial dins de l’ecosistema i fer avançar en la fabricació de productes tecnològicament sofisticats.

1. INTRODUCCIÓ

Newton va establir un paradigma científic i una manera d’enfocar el saber, que es va estendre a totes les branques de la ciència: identificava els elements dels sistemes que es volien estudiar (terra i sol, poma i terra), en concretava les propietats bàsiques i finalment, formulava una teoria, unes lleis o una mecànica que s’ajustessin al seu funcionament. És un model reduccionista, que explica la naturalesa mirant els components dels sistemes i fixant-se poc en les seves interaccions. La ciència va funcionar així durant centúries. I, en veritat, va produir grans retorns, avenços i beneficis per a la humanitat.

Però, a mida que s’avançava en el coneixement, els investigadors es centraven en disciplines més específiques. Cadascuna era un món, amb la seva dinàmica i cultura, interactuant poc amb les altres. En elles, els investigadors es trobaven amb un problema: no els era possible explicar els fenòmens que percebien usant aquests models reduccionistes. Veien que, en el seu conjunt, els col·lectius que estudiaven presentaven propietats que els elements individuals no tenien. El problema s’accentuava en les ciències socials (on sovint els elements eren persones), les quals, a més, havien quedat enrere en l’aplicació del mètode newtonià. La única excepció era precisament l’economia, on, des d’Adam Smith, s’havien pogut fer formulacions teòriques fent reduccions a les persones (Farmer, 2024; Earls, 2013).

Així doncs, l’enfocament reduccionista, que mirava els components dels sistemes i no pas les seves interaccions, no explicava l’aparició de propietats del conjunt, que no tenien els elements individuals. Calien enfocaments sistèmics. Els primers intents de concretar-los amb l’anomenada ciència de la complexitat venen de lluny però catalitzen amb la creació de l’Institut Santa Fe, als Estats Units, a meitats dels 80 (Arthur, 2021; Arthur et al. 2020; Farmer, 2024; Fontana, 2010).

Pel que fa a l’economia, la neoclàssica o tradicional fa una sèrie de supòsits: Assumeix que els agents econòmics actuen racionalment, els agrupa en categories i els considera igualment representatius. Assumeix també que tots els agents tenen idèntic coneixement sobre tipologies d’agents; considera l’economia en equilibri i no proporciona incentius als agents a modificar les seves accions. D’aquestes assumpcions, en surten models matemàtics molt elegants. Però, segons la complexitat, allunyats de la realitat (Arthur et al. 2020; Arthur, 2021).

D’altra banda, les mesures econòmiques tradicionals, usades en la visió neoclàssica de l’economia, consisteixen en agregar xifres dels factors com el treball, el capital o l’institucional. En l’economia de la complexitat, els indicadors econòmics són resultat de multitud d’interaccions que es donen entre els agents que composen el sistema econòmic. L’anàlisi de la complexitat parteix de moltes dades, amb un gran nivell de detall. Després, usant diverses tècniques, en va reduint les dimensions, extreu factors de les dades, no en fa l’agregació. Aquest enfocament evita dependre de les categories usuals en l’economia, com per exemple indústria, agricultura, serveis. Els investigadors d’aquest àmbit usen la ciència de xarxes i tècniques de big data i machine learning. Per exemple, sistemes de recomanació. L’actual auge de la intel·ligència artificial i la creixent capacitat de càlcul faciliten l’aplicació de l’economia de la complexitat.

L’estudi de la innovació rep també la influència de la complexitat. La idea d’innovació ve de lluny. En el passat antic era vista amb desconfiança atès que es percebia com el trencament de l’ordre establert (Godin, 2015). Avui té connotacions positives. És equivalent a empenta, creativitat, prestigi i reconeixement i es relaciona amb la capacitat i el potencial de les persones, les organitzacions i els territoris. L’estudi de la innovació ha passat per diverses etapes. En cadascuna hi ha hagut un model acadèmic que era referent i motivava les decisions dels polítics, els estudis dels acadèmics i les accions dels emprenedors i les empreses (Cohendet i Simon, 2017). En els darrers tres quarts de segle hem vist aquests models dominants: el lineal (dècades dels 50 i 60); el push-pull (anys 60 i 70); l’interactiu, que ja assumia que la innovació no havia de ser lineal i plantejava col·laboracions constants amb altres entitats i empreses, entre elles clients i proveïdors (dècades dels 80 i 90), el model de xarxa i de sistema d’innovació, iniciat en els anys 90 i encara vigent, i el de la innovació oberta de Chesbrough, formulat en els anys 2000 i també vàlid avui en dia (Baldwin et al. 2024; Meissner i Kotsemir, 2016; Marinova i Phillimore, 2003; Tidd, 2006). Cohendet i Simon (2017) simplifiquen i només n’esmenten tres: el lineal tancat, l’interactiu tancat i l’interactiu obert.

Els darrers models d’innovació, plenament vigents, com el de la Innovació Oberta de Chesbrough, continuen sent essencialment lineals. Un model lineal no pot plasmar la dinàmica de la innovació oberta, massiva, sofisticada i heterogènia actual. Calen noves maneres de veure la innovació. La complexitat ofereix arguments per modelitzar aquesta realitat tan (usant la mateixa paraula) complexa. Pel que fa als ecosistemes d’innovació, la complexitat considera que són Sistemes Adaptatius Complexes (Viale et al, 2010; Russell i Smorodinskaya, 2018, Nylund et al. 2022, Ferràs et al. 2019).

Amb tot això, l’article defensa que la complexitat és útil per analitzar i promoure innovació, tecnologia i fabricació en els territoris i proposa mirar una regió europea concreta, Catalunya, des de la complexitat. L’article fa el següent: A l’apartat 2, presenta els trets generals de l’economia de la complexitat. Tot seguit (apartat 3), exposa com són vistos els ecosistemes d’innovació des de la complexitat. A l’apartat 4 aplica aquesta visió a l’ecosistema català i tot seguit fa unes reflexions finals, a manera de conclusions.

2. L’ECONOMIA DE LA COMPLEXITAT

Visió general

El conjunt d’una economia sap més i sap fer més quan cadascun dels individus que la conformen coneix un àmbit específic més a fons (the whole knows more because individuals know different) (Balland et al, 2022). La humanitat crea i acumula cada vegada més coneixement i ho fa dividint-lo entre cadascú de nosaltres. La forta especialització de les persones (connectades, relacionant-se i col·laborant) permet la diversificació de l’economia. En el passat es creia, erròniament, que l’especialització personal portaria a especialitzacions de les regions i països. Les capacitats d’una economia sorgeixen doncs de l’especialització i de les connexions. Aquest és un dels pilars fonamentals sobre els que es sustenta l’economia de la complexitat, que enllaça amb Adam Smith i la seva divisió del treball (Balland et al, 2022; Hidalgo, 2023; Hidalgo, 2021; Van Dam i Frenken, 2022; Arthur, 2021).

D’altra banda, l’especialització individual impulsa la innovació. El coneixement especialitzat (però connectat) permet combinar tecnologies i desenvolupar productes més complexos. Mil persones especialitzades poden dissenyar un avió. Un milió de persones de perfil generalista no ho podrien fer. La falta d’una determinada peça (un coneixement, una habilitat, una tècnica, una capacitat) impedeix l’aprofitament d’una tecnologia. Aquesta complementarietat i combinació de tecnologies i coneixement és un altre tret essencial de l’economia de la complexitat. Per això, els territoris més desenvolupats no només estan més diversificats sinó que també fabriquen productes més complexos (Arthur, 2021; Balland et al, 2022; Van Dam i Frenken, 2022).

El coneixement complex té dificultats per difondre’s a llarga distància; les activitats més complexes es concentren en l’espai. Es diu que, per acumular coneixement, calen grans aglomeracions urbanes (Balland et al. 2020). S’ha detectat també una relació entre complexitat i diversitat com també entre complexitat i inclusió LGBTQ+ (Hidalgo, 2021). Ens fa pensar en les 3 Ts de Richard Florida (2002): Talent, Tecnologia i Tolerància, que es trobaven a les ciutats creatives. Ara bé, la complexitat tendeix a generar desigualtats socials (Balland et al. 2022).

El desenvolupament econòmic.

Des de l’òptica de la complexitat, el desenvolupament econòmic és un procés de transformació cap a béns cada vegada mes sofisticats. Un país avança quan incorpora una capacitat i la combina amb les que tenia, per passar a fabricar nous productes. Quan una economia fa això, augmenta la varietat dels productes que fabrica i també la seva complexitat, mesurada a través del nombre de capacitats necessàries per produir-los (Van Dam i Frenken, 2022).

Hi ha hagut visions que creien que els productes d’una economia podien ser substituïts uns per altres, sense dificultats. És a dir, que es podia passar de fabricar aliments a avions, en poc temps. Sabem que no és així. És difícil que un país que avui produeix embotits o sabates, demà fabriqui semiconductors. Moure’s d’un tipus de producte a un altre no és immediat. El que avui poden fer països i regions depèn del que han fet en el passat, del camí que han seguit. Per saltar a un altre sector, un país ha d’estar actualment en sectors “propers”. El desenvolupament econòmic és path-dependent. Les economies desenvolupades aprofiten les oportunitats altament complexes, que són les més atractives. En els països en vies de desenvolupament, no es treu profit d’elles atès que estan allunyades del que fan en el present. S’ha suggerit que les economies usin portafolis d’activitats i oportunitats relacionades i no relacionades, properes i no properes, a allò que fan ara, i que es defineixi una estratègia i unes inversions per als citats portafolis (Hidalgo, 2021 i 2023).

Teòricament, segons la teoria de la complexitat, la diversificació i la varietat de productes en una economia haurien d’avançar permanentment. Cada cop hi ha més capacitats i, per tant, cada vegada hi pot haver més varietat de productes. Però alguns autors (per exemple, Van Dam i Frenken, 2022) han trobat que els països o regions, a mida que avancen en el seu desenvolupament, efectivament, inicialment es diversifiquen. Però després, al cap del temps, es tornen a especialitzar. L’explicació és que aquella economia abandona els productes menys complexos, que són ara ja fabricats en altres llocs i poden ser importats a menor preu. En un cert estadi de desenvolupament, els països i les regions abandonen els productes menys sofisticats.

L’afinitat i proximitat

L’economia de la complexitat té les seves eines de mesura, que consideren complexitat, connexió i relació.¹ Dèiem que els territoris tenen més fàcil anar cap a sectors relacionats, atès que hi tenen les capacitats requerides. La idea de relatedness quantifica la proximitat de sectors i àmbits. Es pot traduir com afinitat, relació o proximitat. L’afinitat s’ha consolidat com l’eina conceptual bàsica per explicar la diversificació i l’evolució tecnològica en els territoris (i també a les empreses). Es parla d’una diversificació relacionada (path-dependent) o no relacionada, que trenca amb el que el territori ha fet fins aquell moment (path-breaking). L’afinitat es determina usant xarxes (cadascuna lligada a un tipus d’activitat), que connecten altres xarxes d’activitats. També s’ha analitzat mirant els processos d’aprenentatge necessaris per a cada activitat (Arthur, 2021; Balland, 2017; Balland et al. 2022; Frenken, 2017; Hausmann et al. 2014; Hidalgo, 2021 i 2023; Hidalgo i Hausmann, 2009; Van Dam i Frenken, 2022). Actualment els investigadors busquen noves maneres de trobar-la, descomposant-la en dimensions (Hidalgo, 2021).

Els indicadors usuals

Dels principis nuclears de la literatura sobre economia de la complexitat se’n treuen els indicadors usats per mesurar-la. Ricardo Hausmann i César Hidalgo varen introduir el Economic Complexity Index (ECI) (Hidalgo i Hausmann, 2009), que captura la complexitat de productes i països. Es basa en les exportacions i mesura tant la diversitat de productes que un país exporta com la ubiqüitat, és a dir, la quantitat de països que exporten aquell mateix producte. S’assumeix que un país més desenvolupat, amb una economia més complexa, exportarà més productes. Els quals, a més, seran exportats per menys països. En definitiva, es recull allò que fa un país però també es té en compte el que fan els altres. Amb l’índex ECI, des del Growth Lab de la Universitat de Harvard, Ricardo Hausmann i el seu equip, publiquen The Atlas of Economic Complexity.² També l’OCDE té el Observatory of Economic Complexity (OEC).³

Altres autors han proposat indicadors alternatius. Per exemple, el índex Fitness d’un país (Tacchella et al. 2012) o el índex GENEPY (Schiarra et al. 2020), que combina informació de ECI i de Fitnesss (Hidalgo, 2023). Totes aquestes mètriques proporcionen una mesura de la sofisticació de les economies de països i regions. Ja s’apliquen en la pràctica. S’han usat a la Xina, a l’estratègia de diversificació de Mèxic, als Estats Units, a Europa, en la seva estratègia de Smart Specialization (Balland et al. 2019; Héraud et al. 2020). A Espanya, recentment COTEC va presentar el mapa de la complexitat de l’economia espanyola.⁴ El mapa fa evident que Espanya, entre 2010 i 2022, va perdre posicions pel que fa a la complexitat de l’economia. Es diu que no s’ha degut a un canvi en les exportacions sinó al fet que altres països han començat a exportar en àmbits en els quals Espanya estava especialitzada.

Els sistemes complexos

Des de la complexitat, l’economia es veu com un sistema complex, la qual cosa vol dir un sistema de múltiples agents que interactuen entre ells. Si en un sistema d’aquest tipus hi introduïm la realimentació, aleshores tenim un sistema complex adaptatiu o CAS⁵. Un CAS és un sistema format per un col·lectiu d’agents que interactuen, reaccionen i s’adapten al propi comportament del sistema. Concretem doncs la frase inicial d’aquest paràgraf: Des de la complexitat, l’economia es veu com un sistema complex adaptatiu.

Aquests sistemes complexos s’apliquen a multitud d’entorns. Els trobem en el món de la biologia, de l’economia, de les finances, de les ciències socials...Remarquem les interaccions entre els agents, les quals generen uns patrons. En resposta a aquests patrons, en un procés de realimentació, els agents mateixos canvien el seu comportament (i de retruc, el patró en resulta modificat). Els agents poden ser, per exemple, cèl·lules en un sistema biològic, cotxes en el tràfic o persones en una economia (Arthur et al. 2020). També ocells en una volada. El Nobel de Física de 2021 es va atorgar a Giorgio Parisi, per les seves investigacions sobre sistemes complexos. El gran públic el coneix pel llibre “En un vuelo de estorninos: Las maravillas de los sistemas complejos”, que descriu la dansa dels grans núvols d’estornells a partir de les interaccions de cada ocell amb els que té al seu voltant.

Els CAS troben el seu origen en la cibernètica i la dinàmica de sistemes. La cibernètica es desenvolupa a meitats dels segle passat per estudiar els sistemes de control i realimentació. Com una evolució de la mateixa, la dinàmica de sistemes s’inicia en els anys 60 i el seu èmfasis és la modelització de la realimentació, la interdependència de variables i les dinàmiques no lineals. La teoria del caos, que fa èmfasi en les condicions inicials i en la dependència del camí, influeix també en la concreció de les característiques dels CAS. Enumerem a continuació els trets que defineixen els CAS, en tots els àmbits on són aplicats (Earls 2013; Brett 2019; Holland 2014; Katz 2006 i 2012; Poutanen et al. 2016; Viale i Pozzali 2010; Silva i Guerrini 2018).

• Es componen d’una gran varietat i diversitat d’agents, que interaccionen entre ells i amb l’entorn.

• Els agents aprenen de l’experiència i adapten el seu comportament en resposta a canvis en l'entorn o en les accions d'altres agents. Hi ha doncs una realimentació.

• L’adaptació dels agents dona resiliència al sistema davant d’amenaces, facilitant que sobrevisqui. Això passa de manera espontània. No és un procés guiat o controlat. Per tant, els sistemes complexos s’autorganitzen i els agents que el formen evolucionen conjuntament.

• No tenen doncs jerarquia i el control està dispers. Es conformen de baix a dalt, no pas per indicacions des de dalt.

• Tenen subsistemes. Però la identitat principal la té el sistema.

• Són sensibles a les condicions inicials i depenen del camí. La seva història influeix en el seu present.

• Els agents interaccionen en un equilibri entre col·laboració i competència

• Les interaccions entre agents no són lineals. Els efectes d’una causa poden ser inesperats.

• Com a conseqüència, hi ha un procés d’emergència. A partir de les interaccions (bàsiques, simples), es generen estructures o patrons (que poden ser d’alta complexitat) que no existien a nivell dels agents però que emergeixen a nivell de sistema. La manera més ràpida de veure aquest comportament és usant simulacions amb autòmats cel·lulars: s’apliquen unes regles molt senzilles a cada agent i després de múltiples iteracions, apareixen patrons insospitats.

• Són sistemes oberts, de manera que els agents interactuen amb l’exterior, a través de xarxes. L’augment d’aquestes xarxes i dels agents que hi participen genera beneficis superiors (no lineals) a cada agent.

• Són sistemes dissipatius. És a dir, augmenten la seva complexitat generant entropia externa.⁶

• En ells no hi ha equilibri. El canvi és constant, operen en un estat dinàmic. Hi pot haver, dins del sistema, zones en les quals s’instaura un equilibri.⁷ Però són equilibris locals, que poden ser trencats en qualsevol moment.

• No es pot usar un enfocament reduccionista, que busqui comprendre la totalitat analitzant els agents. Un sistema complex no es pot descompondre (sense que el sistema es vegi afectat).

Aquestes característiques subratllen que la unitat d’existència, evolució i interès és el sistema, no pas els seus agents. Per estudiar i representar els sistemes complexos, s’usa la modelització basada en agents (ABM, o Agents Based Modelling). També la dinàmica de sistemes. La primera mira les interaccions entre agents. S’atribueixen regles, de manera molt detallada i granular. Després s’observa l’evolució del sistema, en particular els fenòmens d’emergència. Amb la dinàmica de sistemes, s’usen equacions matemàtiques mirant el sistema de manera més general. El focus són les variables del sistema i els fluxos de material o informació. No s’analitzen les interaccions entre agents (Abdi et al. 2024; Crooks i Heppenstall, 2011; Engler i Kusiak, 2009; Forrester, 1961; Forrester, 1968, Izquierdo et al. 2008).

3. ELS ECOSISTEMES D’INNOVACIÓ

Hem exposat models de la innovació que s’han suggerit en els darrers 75 anys. En ells, amb el temps, en va sortir la rellevància del lloc, que pot ser vist en dos sentits: geogràfic o estratègic.

El lloc geogràfic

Idees com els districtes industrials, els clústers, els sistemes i els ecosistemes remarquen la rellevància del lloc geogràfic per a la innovació. Els sistemes nacionals o regionals d’innovació i en especial els ecosistemes territorials d’innovació han sigut usats abastament. Sistema i ecosistema, malgrat que (fora de l’acadèmia) s’usen de manera equivalent, no són el mateix. Els sistemes són estàtics, jeràrquics i funcionen amb pautes de dalt a baix. No recullen la complexitat i dinàmica del procés innovador. En canvi, els ecosistemes incorporen un caràcter dinàmic, evolutiu i adaptatiu. De fet, l’ecosistema té una connotació biològica i de l’espai de la vida en treu el nom i moltes de les idees. Per exemple, l’evolució i l’adaptació o l’aparició d’agents que ocupen nínxols nous, com si fossin noves espècies. S’ha comparat un ecosistema d’innovació amb un bosc en el qual els sistemes naturals que el composen prosperen per la gran quantitat d’interaccions entre la flora i la fauna que allà hi ha. De fet, un ecosistema d’innovació no s’ha de veure “igual” que un sistema biològic sinó que “és” un sistema biològic (Brett, 2019).

Avui la innovació la duu a terme un ecosistema, no pas una empresa o un emprenedor (Baldwin et al. 2024; Russell i Smorodinskaya, 2018). Els ecosistemes d’innovació varen començar a ser tractats durant els anys 90. Va ser Moore qui va proposar el concepte l’any 1993 (pensant però més en l’ecosistema com a lloc estratègic per a l’empresa), amb l’article Predators and prey: a new ecology of competition (Moore, 1993). A l’igual que en els ecosistemes propis de la vida, on es generen relacions de dependència, de col·laboració i de competència, els ecosistemes d’innovació són llocs on hi ha agents que generen un resultat a partir d’aquesta relació de col·laboració i competència (Ritala i Thomas, 2025). Abans de Moore, es parlava i s’estudiaven els diversos blocs i agents econòmics, però no es trobava la manera de definir conceptualment les relacions que establien (Chelak, 2021).

Els agents d’un ecosistema són diversos i heterogenis. Van des d’una indústria a una universitat, passant per centres tecnològics i oficines de transferència, acceleradores i parcs científics, inversors, sector públic, etc. Tenen una relació d’interdependència (no es pot pensar en una oficina de transferència sense centres de recerca o en inversors sense startups) i generen un resultat de tot el sistema. És un treball col·lectiu i el resultat és major que la suma dels resultats dels seus agents (Ritala i Thomas, 2025; Thomas i Autio, 2020; Autio i Thomas, 2014).

Sobre la base dels ecosistemes altres autors aprofundiren en determinats aspectes, suggerint submodels. Per exemple, Etzkowitz i Leydesdorff (1995) proposaren la triple hèlix, remarcant que govern i universitats havien d’acompanyar l’empresa.

La literatura i les polítiques han usat la idea d’ecosistema d’innovació en contextos propers. Es parla doncs d’ecosistema emprenedor o de startups, dels ecosistemes de coneixement o de recerca, dels ecosistemes d’innovació oberta, etc. Aquests ecosistemes que incideixen en el territori són útils per definir polítiques d’innovació, de transferència de tecnologia i de desenvolupament econòmic.

El lloc estratègic: Els ecosistemes de negoci

Veiem ara la segona connotació dels ecosistemes d’innovació. És similar a la territorial però centrada en les empreses. De fet, el concepte d’ecosistema d’innovació que va proposar Moore (1993) en el seu article seminal sobre ecosistemes, s’enfocava a aquesta visió propera a l’estratègia i a la pràctica de la innovació en una corporació.

Els ecosistemes de negoci (accions concertades entre grups d’empreses que generen innovació pensant en el consumidor) són eines de canvi a les corporacions. A diferència dels ecosistemes territorials, que es centren en la generació i difusió d’innovacions, els ecosistemes de negoci posen el focus en la proposta de valor que veu l’usuari (Baldwin et al. 2024). Ecosistemes i plataformes són estructures que agrupen constel·lacions d’agents econòmics que interaccionen i col·laboren buscant crear i capturar valor. Els ecosistemes es relacionen doncs amb les plataformes, malgrat que no són el mateix. Un ecosistema de negocis és un nou entorn de competició (Jacobides et al. 2018; Jacobides et al. 2024). És una xarxa d’empreses i persones els productes i les accions de les quals són complementàries. En un negoci lineal, les empreses només capturen una part de la cadena de valor. Els ecosistemes de negoci i les plataformes re-escriuren aquestes cadenes de valor, faciliten l’intercanvi d’informació, productes i serveis i, a partir del feedback i amb multitud de dades proporcionades per les plataformes, incrementen les aportacions a l’usuari.

Es diu que aquests ecosistemes suposen un nou paradigma, que mou els conceptes B2B i B2C cap a ecosystem-to-human. Els ecosistemes són àmbits i al voltant d’ells, orquestrats per una empresa, s’agrupen altres empreses i entitats que tenen quelcom a oferir a l’usuari en aquell àmbit. Cadascuna d’aquestes empreses i entitats té la seva pròpia oferta, que complementa a la dels altres. L’agregació aporta més valor a l’usuari final (Deloitte, 2021; Deloitte University Press, 2015; Korhonen, 2001; Korhonen et al. 2005; Lingens et al. 2021; PWC, 2022; Van Dyck et al. 2024).

Els ecosistemes d’innovació en la complexitat

La complexitat considera que els ecosistemes d’innovació són sistemes adaptatius complexes. Són doncs oberts i adaptatius, desordenats i poc estructurats però auto-organitzats i en ells hi ha un procés d’emergència, que va de baix a dalt. No hi ha jerarquia i el paper de les institucions i de les polítiques públiques és un element més del conjunt. Les anàlisis macro no aporten una imatge real, atès que la dinàmica del sistema es sustenta en les relacions entre agents, les quals són múltiples i difícils de predir i han de ser vistes des de baix, no pas de manera reduccionista. A més, hi ha un procés de realimentació (Poutanen et al. 2016).

Els ecosistemes d’innovació entesos com a CAS es composen d’agents: empreses, entitats, persones, però també conceptes i elements físics, per exemple, edificis, com un parc científic. Cada agent té sentit en el context de tots els altres. Un ecosistema d’innovació entès com a CAS no estableix diferències entre fonts externes i internes de coneixement. Per tant, la total obertura de cada agent i la coevolució amb l’ecosistema és una característica intrínseca. Un agent tancat o poc obert viurà poc. La quantitat i qualitat de les relacions que cadascun dels agents de l’ecosistema estableix importen més que no les característiques individuals (Russell i Smorodinskaya, 2018).

En aquests sistemes, no hi ha relacions proporcionals de causa i efecte. Una acció petita pot tenir un resultat massiu i una gran actuació pot no tenir incidència. En particular, les interaccions entre agents poden comportar macro-transformacions. Així doncs, en sistemes complexos, no s’entén la relació causa-efecte analitzant variables atès que aquests sistemes tenen propietats emergents i un canvi en una d’elles afectarà totes les altres. Des de la complexitat, els ecosistemes s’estudien usant casos i trajectòries i no pas variables (Brett, 2019).

Es genera l’anomenada emergència; patrons i macro-estructures que sorgeixen de les interaccions entre agents. Alguns autors assumeixen que la innovació és l’emergència de la que parlen els sistemes complexos. És una simplificació excessiva. Altres afinen més i parlen de l’emergència de macro-propietats i del sorgiment de nous ordres. Per exemple, la idea d’universitat emprenedora (Viale et al. 2010) o el sorgiment del mètode emprenedor, que amb l’auge de les startups, ha establert un nou camí per generar innovació, de manera massiva, més accelerada.

En els ecosistemes d’innovació vistos des de la complexitat, no hi ha equilibri. Estan sempre en la frontera del caos, el canvi és perpetu, derivat de les adaptacions a efectes externs i a l’emergència de noves propietats. Des de la complexitat, no cal estudiar el canvi a nivell d’agent. Pensem en una olla amb un líquid en ebullició, considerant l’olla com l’ecosistema i sent els agents, les bombolles i remolins que es formen. No té sentit analitzar bombolles i remolins sinó entendre com es manté l’ebullició. El mateix passa en els ecosistemes biològics. En ells, els pilars del desenvolupament no són individus o espècies. Imaginem un bosc, una gran massa amb entitat pròpia, que s’adapta i evoluciona (com a bosc), que està obert a l’exterior i admet entrades i sortides, mai en equilibri, amb canvi constant (Brett, 2019). Poden aparèixer i desaparèixer espècies però el bosc -vist com a unitat, com a organisme- continua. Alguns autors consideren que el mateix passa en els ecosistemes d’innovació (Jacobides et al. 2018).

En els ecosistemes entesos com a CAS es donen fenòmens de caràcter fractal. Es generen estructures semblants a escales més gran o més petita. En particular, dins dels ecosistemes d’innovació, els clústers són també CAS.

Una visió diferent del sector públic

En els ecosistemes biològics no hi ha una ma suprema que guiï l’ecosistema. El mateix passa en els ecosistemes d’innovació. No hi ha governança (de fet, hi és però està distribuïda). Hi ha però molta coordinació, per alinear agents i atorgar identitat a l’ecosistema. Ara bé, és poc visible; sorgeix de les xarxes i les relacions (Russell i Smorodinskaya, 2018). El paper de l’administració és fomentar la interacció (Viale et al, 2010), no pas adoptar rols intervencionistes, com dictar normes i lleis. Ho pot fer de moltes maneres:

• Promovent una visió holística i compartida de l’ecosistema, que es centri en el conjunt, no en detalls.

• Fent una reflexió constant sobre l’ecosistema, per assegurar la visió holística.

• Estimulant les relacions entre agents i establint models dispersos de coordinació.

• Incrementant el numero de xarxes i el número de nodes, que farà augmentar la complexitat de les interaccions.

• Trencant jerarquies. Ningú s’ha d’apropiar de les dinàmiques del sistema, ja que automàticament les inhibiria.

• Promovent la diversificació i la sofisticació tecnològica dels productes que l’ecosistema dissenya i fabrica. Això passa, també, per la I+D empresarial.

4. EL CAS DE CATALUNYA

Catalunya és una de les 239 regions d’Europa analitzades pel Regional Innovation Scoreboard. L’edició 2023 la considerava Strong Innovator i la situava en el lloc 81 del ranking. Segons l’Institut d’Estadística de Catalunya, Catalunya té un PIB (2022) de 270.000 milions d’euros, amb una població de 8 milions d’habitants (2024) i 600.000 empreses, de les quals 40.000 són industrials. El sector industrial aporta el 18,6% del Valor Afegit Brut (VAB) català. És un pes superior al que té la indústria en el conjunt Espanya (16,7%). Si es consideren els serveis a la producció, resulta que més del 50% de l’economia catalana depèn de la indústria.

Però hi ha hagut una pèrdua de pes industrial al llarg dels anys. L’any 2000 suposava el 26,9% del VAB català. La davallada va continuar fins el 2009. A partir d’aquell any, oscil·la entre el 18% i el 20%. El VAB industrial català és el 2,2% de la zona euro. El sector ocupa 503.000 persones, un 14% del total de l’economia. Catalunya, gran regió industrial europea, que tan aviat va integrar la revolució industrial provinent del Regne Unit, avui no és aliena a la pèrdua manufacturera en el món occidental. Per això es segueixen aquí amb interès les decisions que Europa (i Occident en general) pren per re-industrialitzar-se.

Quant a les empreses innovadores, l’Institut d’Estadística de Catalunya n’identifica 8.000. D’aquestes, 4.000 innoven en producte. Quant a la R+D, el sector empresarial assumeix cada any 3.000 milions d’euros d’inversió, un 1,1% sobre el PIB català (2022), per sota de la mitjana de 1,48 de l’Europa dels 27. Segons Acció, l’agència de desenvolupament econòmic territorial, a Catalunya hi ha unes 1.400 empreses que fan sistemàticament I+D.

Barcelona destaca com a ciutat científica, tecnològica i emprenedora. És una gran capital mundial de la innovació. Ho resumim amb dos rankings, dels molts que hi ha que comparen ciutats. El Global Innovation Index 2023 elaborat per la World Intellectual Property Organization (WIPO) situa Barcelona en el lloc 54 de les 100 grans ciutats científiques i tecnològiques del planeta, amb un 0,4% de les publicacions científiques i un 0,2% de les patents PCT (Dutta et al. 2023). Cal dir però que hi ha una pèrdua constant de posicions en aquest ranking en els darrers anys. En cada edició, la ciutat de Barcelona retrocedeix (WIPO, 2022). Pel que fa a l’emprenedoria, Barcelona és la tercera ciutat preferida per a crear noves empreses a Europa, segons StartUp Heatmap Europe.

Proposem dividir l’ecosistema d’innovació que la capital i la regió conformen en quatre subsistemes. Són els següents:

1) El subsistema regit per les transaccions

2) El subsistema que actua a l’empara del mètode emprenedor

3) El subsistema que opera usant el mètode científic

4) El subsistema de suport

Fem aquesta partició per identificar les mancances de l’ecosistema i proposar recomanacions, en base al pensament de la complexitat. Pensem que la tipificació que proposem serà d’utilitat i podrà ser aplicada a qualsevol ecosistema d’innovació regional.

• Entorn de les transaccions. És l’entorn empresarial tradicional, amb les empreses tal com les va veure Robert Coase, en els seus treballs sobre costos de transacció. Les empreses que operen en aquest entorn estableixen acords a tots nivells encaminats a l‘intercanvi econòmic, a la producció, distribució i venda de productes i serveis. És la seva habilitat essencial, establir aquestes relacions contractuals amb tota mena d’agents: treballadors, proveïdors, clients, consultors, institucions, etc. En la balança explore – exploit, es decanten totalment cap a l’explotació. Els seus riscos s’ubiquen en aquesta activitat de producció i comercialització. No volen posar-se en perill degut a l’exploració. Els portafolis de projectes d’innovació concentren inversions en riscos tecnològics i de mercat mitjos i baixos. Quan s’assumeixen projectes d’alts riscos, els seus pressupostos queden controlats, de manera que, en cas de fracàs, no es posi en risc la corporació.

Aquest entorn suposa alta dificultat. Una part de les empreses del subsistema són industrials. I avui la indústria encara enormes reptes: exigències de descarbonització (electrificació, eliminació de combustibles fòssils, captació i emmagatzematge de CO2), conflictes globals, que han re-configurat les cadenes de subministrament, l’accés a materials crítics, etc. A més, a la indústria conflueixen molts aspectes d’una economia: energia, terrenys i espais industrials, transport, internacionalització, talent, cultura industrial, innovació, tecnologia... Tants camps trobant-se en les mateixes empreses suposa un gran repte estratègic i de gestió per als seus directius.

Els òrgans de representació usuals d’aquest entorn són les patronals, les Cambres de Comerç i els sindicats.

* Subsistema regit pel mètode emprenedor. Fins la segona part del segle XX, les novetats tecnològiques i les innovacions es generaven a dos entorns: el món de la investigació i l’entorn empresarial tradicional. Però s’han estès massivament les startups, acompanyades pel capital risc, com a nova manera de crear-ne. Les startups treballen tecnologia de frontera, disruptiva. Això significa alt risc de desenvolupament, que és assumit pels emprenedors (dediquen anys a impulsar una idea en la que creuen fermament) i pels inversors (posen diner per sustentar el desenvolupament tecnològic). L’alt risc suposa nivells alts de fracàs. Per aquest motiu, els emprenedors repeteixen després de cada fracàs (idealment, fins l’èxit) i els inversors diversifiquen, apostant per molts projectes. Neixen nombroses empreses emergents. Però la major part fracassen. Per optimitzar, s’ha estès la idea de fracassar ràpid: en el moment en que es tenen dubtes sobre el funcionament de la tecnologia, es deixa d’invertir temps i diners en la startup i aquesta desapareix.

El retorn prové de les poques propostes que arriben a bon port, via les sortides (anomenats exits), usualment a través de les adquisicions per part d’empreses tradicionals, que es mouen en l’entorn de les transaccions. Aquestes corporacions paguen un alt preu de compra de les startups exitoses. Però integren una tecnologia que ha estat desenvolupada, que funciona. Han desaparegut (o minvat) els riscos tecnològic i de mercat. Les empreses tradicionals deleguen doncs un part del risc de desenvolupament en les startups tecnològiques. Aquest és el mètode emprenedor, que ha accelerat el ritme de canvi tecnològic.

Algunes de les startups poden créixer (escalar) i, poc a poc, passar a una cultura de gestió de transaccions, més que no pas de creació de tecnologia disruptiva. S’han convertit aleshores en empreses tradicionals. Avui hi ha més de 300 ecosistemes de startups al món. Cadascun agrupa a multitud d’actors relacionats amb aquesta nova sistemàtica planetària: emprenedors, startups, acceleradores, inversors, mentors, etc. (Condom-Vilà, 2020). A Catalunya hi ha unes 2.200 startups, segons el registre que manté la Generalitat.⁸ Barcelona i la seva àrea metropolitana en concentren una immensa part, a prop del 90%. Aquesta densitat posa de manifest el que es deia: la complexitat requereix grans zones urbanes. Els òrgans de representació propis d’aquest entorn són associacions empresarials tecnològiques.

• Entorn investigador o ajustat al mètode científic. L’entorn basat en el mètode científic difon lliurament i universalment el coneixement que obté fent investigació finançada pel sector públic. La difusió es fa amb les publicacions científiques i el retorn que els investigadors obtenen és el prestigi entre la comunitat investigadora global, determinat per les cites i l’impacte de les publicacions. És el mètode que ha permès el gran avenç de la frontera del coneixement humà. Aquest coneixement és aprofitat per les empreses i es converteix en frontera tecnològica. Són dues fronteres que evolucionen en paral·lel. Moltes startups sorgeixen (com a spinoffs, basades en la investigació) dels centres de recerca, dels hospitals investigadors i de les universitats. Els processos de transferència de tecnologia i de creació de spinoffs connecten doncs les dues fronteres.

Catalunya té unes 58.000 persones dedicades a la R+D (Idescat, dades de l’any 2022). Unes 30.000 treballen en empreses i la resta en institucions públiques investigadores que segueixen aquest mètode científic. Aquestes darreres entitats tenen 2.246 grups de recerca, segons el Portal de la recerca de Catalunya. El portal recull també 51.300 projectes de recerca fets per aquestes institucions des dels anys 80. Igualment informa de les 43.000 tesis doctorals llegides (i les 2.200 que s’hi sumen cada any). Segons la Fundació Catalana per a la Recerca i la Innovació, a Catalunya s’han creat unes 300 spinoffs.

• Entorn d’acompanyament. El conformen tots els agents que donen suport a la resta de subsistemes: Centres tecnològics, entitats de formació i educació, com les universitats o les escoles de formació professional, escoles de negoci, entorn financer, consultoria, les diverses administracions i les seves agències, etc.

A Catalunya, els quatre subsistemes esmentats tenen uns límits molt definits, inclús en excés, atès que sovint fan de barrera, cosa que debilita l’ecosistema. S’han establert ponts. Per exemple, els programes de Corporate Venturing són una connexió entre el subsistema de les empreses tradicionals i l’entorn de les startups. Els programes de transferència de tecnologia són també un pont o corredor, en aquest cas entre el món de la recerca i l’empresarial tradicional. En les mateixes universitats, programes d’emprenedoria o de creació d’empreses deep tech suposen connexions entre aquest entorn de recerca i el de les startups. Aquestes iniciatives fan la seva funció i han permès un avenç. Però no deixen de ser corredors forçats, similars als que es creen per la circulació de la fauna en els ecosistemes biològics. Tenen un efecte limitat i continuen operant amb mentalitat lineal.

Es manté la queixa que Universitat i Empresa estan distants. Sembla que hi ha base per aquesta crítica. Les universitats i els centres de recerca continuen tenint una imatge de “torre d’ivori”. A més, amb el sorgiment dels ecosistemes de startups, cal preguntar-se per la “distància” entre universitats i emprenedoria. Les universitats, encara lluny de l’empresa tradicional, no han integrat plenament el fenomen de l’emprenedoria, per al qual s’han de transformar, no només impulsar programes. Les empreses tradicionals no aprofiten tampoc plenament les startups. Però no és un problema de distància: tots els subsistemes han de quedar més mesclats. No hauríem d’identificar-ne les fronteres, amb la capacitat productiva en el centre. L’activitat de tot l’ecosistema d’innovació ha de desembocar en el disseny, fabricació i venda internacional de productes tecnològics sofisticats. Aquesta seria la millor frase per definir un ecosistema d’innovació.

Mirant en positiu i pel cas de Catalunya, la Bioregió és un exemple d’actuació en el qual han quallat i s’han fusionat els diversos subsistemes. S’han diluït fronteres i s’ha generat esperit d’ecosistema. Actualment hi ha altres iniciatives (per exemple, Aliança de Semiconductors o l’Aliança NewSpace) que semblen també ajustar-se a aquest model.

Tradicionalment, per decidir on s’intervenia en l’àmbit de la innovació, es miraven les falles del mercat i les falles sistèmiques. Aquestes nocions no s’acaben d’ajustar a l’economia de la complexitat. Frenken (2017) proposa una tercera motivació. Diu que han de promoure la innovació radical, estimulant la interacció entre tecnologies i indústries no relacionades. Expressat diferent: La sofisticació constant dels productes que una economia produeix i la creació de nous productes altament sofisticats ha de ser l’objectiu fonamental de les polítiques d’innovació.

Això es relaciona amb la nova política industrial. Cherif i Hasanov (2019) afirmen que la qüestió clau en el debat de política industrial és determinar què s’ha de produir. Al respecte, defensen la fabricació i exportació de productes sofisticats, els quals generen guanys de productivitat, efectes d’aglomeració i clusterització i ocupació sostenible. A més, evolucionen més ràpidament que els productes bàsics (Farmer, 2024). Complexitat i nova política industrial van de la mà.

Ha quedat clar que el valor d’una economia està en les complementarietats (Felipe et al. 2012; Hidalgo, 2018). Però les complementarietats no són instantànies, ni en la manifestació de la seva necessitat ni en la concreció. La utilitat d’un “ingredient” tecnològic evoluciona a mida que la disponibilitat d’altres ingredients i la complexitat de les possibles “barreges” incrementa. La utilitat d’un nou coneixement va madurant i adquireix tot el sentit quan la resta de peces necessàries estan a punt. Hidalgo (2018) relaciona aquesta idea amb el coneixement científic, el qual, sovint ha d’esperar temps abans de convertir-se en aplicació pràctica. Els resultats de la recerca bàsica no s’aprofiten mai en present, ja que la resta de factors necessaris no estan disponibles. Però, quan ho estan, aquell coneixement inicial és imprescindible. És una visió que justifica les inversions dels països i les regions en investigació bàsica. Sense recerca bàsica, no es pot garantir la capacitat competitiva.

Però aquesta recerca (quan toqui) s’ha de convertir en aplicació. Frenken (2017) proposa un nou instrument: els "sistemes d'innovació temporals", per abordar problemes específics. S’aproxima a allò que passa en l’entorn de les startups, fent gran ús dels reptes. També es relaciona amb l’enfocament Deep Tech, que no és només tecnologia. És una sistemàtica que s’orienta al problema i usa un procés iteratiu de construcció de la solució (Business Wire, 2021; Polsky Center, 2021). Usa cicles design-build-test-learn, que provenen de la biologia sintètica. És similar al mètode Lean Startup. De fet, hi ha qui proposa Lean Startup per convertir recerca en aplicacions pràctiques (Still, 2017). Són sistemàtiques que volen fer evolucionar el paradigma de la transferència lineal de tecnologia, vigent des de fa dècades, el qual parteix dels resultats de la recerca, no del problema. Deep Science Ventures (DSV) és un exemple d’aquesta nova manera de fer: crea empreses científiques posant el repte en el centre (Deep Science Ventures, 2019; Deep Science Ventures, 2021).

Fem ara un conjunt de reflexions i propostes que poden contribuir a situar de nou el focus en la indústria i a donar més valor a l’ecosistema català d’innovació, al veure’l com un CAS. Són les següents:

• Pensar en clau d’ecosistema. Cal estendre la consciència de que cada agent i cada subsistema és una peça d’un tot. Les administracions també han d’assumir aquesta idea. Una política emprenedora d’un govern local, dirigida a un petit municipi, és part del conjunt. Les polítiques, inclús les molt granulars, s’emmarquen en el total de l’ecosistema i l’acaben afectant. No n’hi ha prou amb justificar accions (siguin aquestes de caire científic o bé relacionades amb la indústria, la innovació o l’emprenedoria) per la necessitat de cobrir gaps detectats en els subsistemes. Les accions s’han de justificar per les necessitats del conjunt. L’únic subsistema que té una consciència de la totalitat és l’entorn de suport. Els subsistemes científic, emprenedor i industrial tenen unes barreres definides en excés, que acaben debilitant l’ecosistema.

• Pensar en clau d’ecosistema complex. De fet, els subsistemes i els agents que els formen han d’anar més enllà i pensar en clau CAS, o sistema adaptatiu complex. Això vol dir, entre altres qüestions, tenir consciència de que un influx, una actuació en el sistema, per petita que sigui, pot acabar fent evolucionar l’ecosistema cap a quelcom molt diferent a allò que és ara. No hi ha un paper neutre, per part de ningú. També, quan de manera inconscient, no s’actua. O renunciant conscientment a actuar. Si som un agent de l’ecosistema i “no fem”, ja estem incidint en l’ecosistema, no només amb una simple mancança pròpia. Una mancança o una renúncia en un racó de l’ecosistema, pot acabar afectant (amb la no linealitat) la totalitat del sistema de manera important. Un consell d’administració d’una empresa que decideix no fer una inversió o una universitat que no vol iniciar un nou màster, són petites decisions que poden impactar de manera notable la totalitat. En tant que agents de l’ecosistema, hem de prendre les decisions explicant-les no només en clau individual (del propi agent, de la pròpia institució) sinó de tot el col·lectiu. Una universitat que aprova un nou reglament de recerca o de transferència de tecnologia hauria d’exposar les implicacions que tindrà per a tot l’ecosistema, no només per a la institució. Un municipi que decideix fer un polígon industrial l’hauria de contextualitzar en la totalitat de l’ecosistema d’innovació, no només pensant en l’activitat econòmica dels ciutadans de la vila. I, encara que sembli estrany (atès que són entitats privades) també les empreses han d’explicar-se davant del conjunt. Elles tenen integrada la responsabilitat social. Aquesta és similar, una responsabilitat envers l’ecosistema d’innovació.

• El paper de l’administració a l’ecosistema. Les administracions han de fer acció directa i dinamitzar. Tenen també el deure de custòdia. Però no pas de govern i control. Els governs han d’estimular la diversitat, donant suport a múltiples iniciatives, no pas focalitzant en poques. Alguna, de manera imprevista i sense planificació, portarà a grans resultats. Els governs i les polítiques han d’emfatitzar les interaccions, per davant del suport als agents. Han d’estimular la realimentació i la consciència de l’ecosistema. Les administracions han d’evitar concentracions de responsabilitats en pocs agents. Per exemple, aquesta és una de les crítiques que a Catalunya s’ha fet en el subsistema de les startups. També, els governs han d’establir àrees (i no pas ponts) de política d’innovació, que abastin els quatre subsistemes de manera simultània.

* Noves iniciatives d’innovació. Les polítiques d’innovació, en el marc de la complexitat, han de tenir una visió holística. Calen programes realment transversals, amb presència de tot els subsistemes, no només ponts i corredors. Per exemple, en els hubs d’innovació, hi ha d’haver actors dels quatre subsistemes. S’han d’estudiar nous instruments com els ecosistemes temporals que proposa Frenken (2022) o també programes de transferència de tecnologia que no tinguin caràcter lineal sinó integral. Cal encoratjar que alguna empresa tradicional impulsi ecosistemes de negoci, eines estratègiques que es sustenten en aquesta cultura i visió d’ecosistema.

* Les xarxes. Les xarxes són un tret característic de la complexitat i dels sistemes complexos. Catalunya les ha usat eficaçment. Per exemple, amb la seva política de clústers. Però no es pot parar i s’ha d’aprofundir en la relació i realimentació constants, estudiant clústers de clústers o clústers dins d’altres clústers i xarxes de xarxes o xarxes dins d’altres xarxes. La Generalitat ha quallat molt exitosament la Xarxa Tecnio, formada per grups de recerca amb capacitats i voluntat per transferir resultats de recerca. Tecnio pot complementar-se amb una nova xarxa de laboratoris de I+D empresarials.

• La massa crítica. La complexitat necessita massa crítica, requereix grans ciutats. És una de les clares manifestacions de l’enfocament de la complexitat. Catalunya té una gran ciutat científica i innovadora global, Barcelona. Però, a cent quilòmetres de distància d’aquesta gran metròpoli creativa i innovadora, que facilita les activitats complexes, es dilueixen els seus efectes i influència. Un dels motius és la pròpia dinàmica territorial, que busca allunyar-se i diferenciar-se de la gran ciutat. Per exemple, hi ha universitats en aquestes demarcacions que, estratègicament, s’auto-defineixen com “de proximitat”. És a dir, es dissenyen i operen pensant en el seu entorn social i econòmic més proper. Efectivament, és un possible enfocament estratègic. Però acaba tancant l’ecosistema local i evita l’aprofitament de les oportunitats complexes que una gran ciutat trasllada. Tanca les universitats mateixes; també els seus estudiants, que coneixen poc el que es fa a la gran capital de la innovació tan propera. Finalment acaba afectant les empreses a les quals aquests estudiants s'incorporen. L’ecosistema d’innovació català es veu afectat per aquest “aïllament”. Cal connectar territori amb gran ciutat i pensar en la complexitat des del territori.

• Productes més sofisticats. La tecnologia i la sofisticació dels productes que l’ecosistema produeix ha de ser la prioritat central. La visió de la complexitat situa aquesta qüestió com l’estrella polar. La creació d’empreses Deep Tech és un camí per anar cap a una economia de productes més sofisticats. Cal orientar-la mirant la dualitat: diversificació relacionada (path-dependent) i no relacionada o disruptiva (path-breaking). Per les dues, indústria i centres de recerca, de manera conjunta, han d’impulsar la creació d’aquest tipus d’empreses. Una major I+D empresarial és l’altra camí per aconseguir-ho.

• Anàlisi de l’economia i de l’ecosistema des de la complexitat. La visió que la complexitat trasllada de l’economia i la innovació és distinta a d’altres prèvies. Usa també nous indicadors i mecanismes de mesura, diferents als d’enfocaments tradicionals. L’ecosistema català ha d’integrar aquestes mètriques. Per exemple, tal com COTEC ha fet amb l’economia espanyola, cal analitzar la complexitat de la catalana. D’altra banda, pensant en la complementarietat, s’han d’analitzar quines activitats estan més o menys relacionades, construint portafolis d’activitats relacionades. Hem de recomanar també que economistes catalans entrin en el camp de la complexitat. Actualment, a Catalunya hi ha iniciatives com la Xarxa Complexitat, l’Institut UBICS de la Universitat de Barcelona, el grup de recerca de la UOC Complex Systems @IN3, i també el Complex Systems Lab, de la UPF. Aquest darrer és liderat per Ricard Solé, referent en el món de la complexitat, professor extern de l’Institut Santa Fe, bressol d’aquesta ciència. Però no hi ha economistes.

• L’emergència. S’ha d’identificar l’emergència, que no és la innovació en si mateixa sinó un patró de comportament col·lectiu que porta a la innovació. Com hem vist, és resultat de múltiples interaccions entre els agents del sistema i en ell s’hi inclouen també aspectes culturals, lideratges, sentit del propòsit, la rellevància que la innovació i la tecnologia tenen en les valoracions socials, l’ànsia d’aprofitar les tecnologies emergents...

Acabant, resumim algunes iniciatives per estimular l’ecosistema d’innovació des de l’òptica de la complexitat i per incrementar la sofisticació tecnològica dels productes fabricats a Catalunya:

• Mapa de la complexitat de l’economia catalana.

• Portafolis d’activitats relacionades amb el que fa l’economia catalana.

• Programa d’ecosistemes temporals, dirigits a reptes i desenvolupant tecnologia profunda.

• Programa de transferència de tecnologia, de caràcter no lineal.

• Xarxa de laboratoris empresarials de R+D i relació amb la Xarxa Tecnio.

• Label o segell de l’ecosistema d’innovació, per a empreses i entitats.

• Programa sobre ecosistemes de negoci a les empreses catalanes.

• Convocatòria per a grups de recerca que estudiïn l’economia de la complexitat.

5. CONCLUSIONS

L’economia de la complexitat veu els ecosistemes d’innovació com sistemes adaptatius complexos (CAS), amb unes característiques que hem identificat i revisat. D’altra banda, l’economia de la complexitat re-valoritza la industria, la torna a situar en el centre, d’on ara es veu que mai hauria d’haver marxat. Els Estats Units i Europa (Catalunya, en ser-ne part, no n’és aliena), fa unes dècades varen decidir sustentar les seves economies en el coneixement. La producció es portava a països llunyans, més capaços de fabricar a preus baixos. Aquesta s’ha mostrat una estratègia equivocada, veient l’impacte que han tingut diverses crisis (pandèmia, guerra d’Ucraïna, que ha sacsejat l’accés a l’energia, etc.) i veient també l’auge de la Xina. El món occidental reacciona, volent-se re-industrialitzar. L’economia de la complexitat diu que l’objectiu és dissenyar, fabricar i exportar productes sofisticats. Pot ajudar doncs a articular i explicar aquests esforços de re-industrialització. A Catalunya, aquesta visió entronca amb la tradició de la regió. Ara bé, aquí, en els darrers 40 anys, també s'han posat els recursos, focus, discurs i dedicació a la recerca primer i a les startups després. La rellevància atorgada a aquests dos altres subsistemes ha minvat l'atenció envers la producció. La complexitat ajuda a re-situar el focus, atorgant valor fonamental al subsistema industrial tradicional. Però, no es tornarà a una indústria com la d’abans, no pensem en xemeneies: ara cal fabricar i exportar productes altament sofisticats, els quals han de ser concebuts per l’estreta col·laboració dels quatre subsistemes que integren l’ecosistema d’innovació (Gràfic-1).

Gràfic-1. La fabricació de productes sofisticats en el centre de l’ecosistema

Referències bibliogràfiques

• Abdi, S., Yazdani, M., & Najafi, E. (2024). Evaluating innovation ecosystem resiliency using agent-based modeling and systems dynamics. Journal of Safety Science and Resilience, 5(2), 204-221.

• Arthur, D., Moizer, J., & Lean, J. (2023). A systems approach to mapping UK regional innovation ecosystems for policy insight. Industry and Higher Education, 37(2), 193-207.

• Arthur, W. B. (2021). Foundations of complexity economics. Nature Reviews Physics, 3(2), 136-145.

• Arthur, W. B., Beinhocker, E. D., & Stanger, A. (2020). Complexity economics: Dialogues of the applied complexity network. In Proceedings of the Santa Fe Institute’s 2019 Fall Symposium. SFI Press.

• Autio, E., & Thomas, L. (2014). Innovation ecosystems (pp. 204-288). The Oxford handbook of innovation management.

• Baldwin, C. Y., Bogers, M. L., Kapoor, R., & West, J. (2024). Focusing the ecosystem lens on innovation studies. Research Policy, 53(3).

• Balland, P. A., & Rigby, D. (2017). The geography of complex knowledge. Economic geography, 93(1), 1-23.

• Balland, P. A., Boschma, R., Crespo, J., & Rigby, D. L. (2019). Smart specialization policy in the European Union: relatedness, knowledge complexity and regional diversification. Regional studies, 53(9), 1252-1268.

• Balland, P. A., Jara-Figueroa, C., Petralia, S. G., Steijn, M. P., Rigby, D. L., & Hidalgo, C. A. (2020). Complex economic activities concentrate in large cities. Nature human behaviour, 4(3), 248-254.

• Balland, P. A., Broekel, T., Diodato, D., Giuliani, E., Hausmann, R., O'Clery, N., & Rigby, D. (2022). Reprint of the new paradigm of economic complexity. Research Policy, 51(8).

• Brett, A. M. (2019). Admired disorder: A guide to building innovation ecosystems: Complex systems, innovation, entrepreneurship, and economic development. Llibre autoeditat

• Business Wire (2021). New Deep Tech Report Released Today at DeepTechU Conference Highlights VC Investment, Research, and Startups Taking On Society’s Biggest Challenges. Business Wire; New York. 20 Apr 2021.

• Chelak, I. (2021). The research tree of the innovation ecosystems. In SHS Web of Conferences (Vol. 128, p. 04019). EDP Sciences.

• Cherif, R., & Hasanov, F. (2019). The return of the policy that shall not be named: Principles of industrial policy. International Monetary Fund.

• Cohendet, P. & Simon, L. (2017), Chapter 3: Concepts and models of innovation, dins del llibre Innovation and knowledge creation: challenges to the field. In The Elgar companion to innovation and knowledge creation (pp. 1-22). Edward Elgar Publishing.

• Condom-Vilà, P. (2020). Ciencia, tecnología y startups. Edicions Universitat de Barcelona.

• Crooks, A. T., & Heppenstall, A. J. (2011). Introduction to agent-based modelling. In Agent-based models of geographical systems (pp. 85-105). Dordrecht: Springer Netherlands.

• Deep Science Ventures (2019). Deep Science Ventures Launches Europe's First Venture-Building Programme for Food & Agriculture. PR Newswire. 15 de agosto de 2019

• Deep Science Ventures (2021). Cell and Gene Therapy Catapult and Deep Science Ventures Collaborate to Create a Novel Approach to Overcoming Barriers and Boost Innovation in the Advanced Therapy Industry. November 11th, 2021

• Deloitte (2021). The power of networked ecosystems. How platforms can be a force-multiplier in health. Deloitte, 2021

• Deloitte University Press (2015). Business ecosystems come of age. Deloitte University Press, 2015

• Dutta, S., Lanvin, B., Rivera León, L., & Wunsch-Vincent, S. (Eds.). (2023). Global Innovation Index 2023: Innovation in the face of uncertainty. WIPO.

• Earls, J. (2013). Introducción a la teoría de sistemas complejos. Fondo Editorial de la PUCP.

• Engler, J., & Kusiak, A. (2009). A New Theory of Innovation. In IIE Annual Conference. Proceedings (p. 374). Institute of Industrial and Systems Engineers (IISE).

• Etzkowitz, H., & Leydesdorff, L. (1995). The Triple Helix--University-industry-government relations: A laboratory for knowledge based economic development. EASST review, 14(1), 14-19.

• Farmer, J. D. (2024). Making Sense of Chaos: A Better Economics for a Better World. Yale University Press.

• Felipe, J., Kumar, U., Abdon, A., & Bacate, M. (2012). Product complexity and economic development. Structural Change and Economic Dynamics, 23(1), 36-68.

• Ferras‐Hernandez, X., & Nylund, P. A. (2019). Clusters as innovation engines: The accelerating strengths of proximity. European Management Review, 16(1), 37-53.

• Florida, R. (2002). The Rise of the Creative Class And How It's Transforming Work, Leisure and Everyday Life, 2002. Basic Books. ISBN 0-465-02477-7

• Fontana, M. (2010). Can neoclassical economics handle complexity? The fallacy of the oil spot dynamic. Journal of Economic Behavior & Organization, 76(3), 584-596.

• Forrester, J. W. (1968). Industrial dynamics—after the first decade. Management science, 14(7), 398-415.

• Forrester, J.W (1961). Industrial Dynamics. M.I.T. Press

• Frenken, K. (2017). A complexity-theoretic perspective on innovation policy. Complexity, Governance & Networks, 3(1), 35-47.

• Godin, B. (2015). Innovation: a conceptual history of an anonymous concept. Project on the intellectual history of innovation, 36.

• Hausmann, R., Hidalgo, C. A., Bustos, S., Coscia, M., & Simoes, A. (2014). The atlas of economic complexity: Mapping paths to prosperity. Mit Press.

• Hausmann, R., Yildirim, M. A., Chacua, C., Hartog, M., & Matha, S. G. (2024b). Global trends in innovation patterns: A complexity approach. World Intellectual Property Organization (WIPO) Economic Research Working Paper Series, (80).

• Héraud, J. A., Zenker, A., & Muller, E. (2020). Beyond smart specialisation: introducing complex innovation system thinking and the will factor in regional innovation policies. In Beyond smart specialisation: introducing complex innovation system-thinking, and the will factor in regional innovation policies: Héraud, Jean-Alain; Zenker, Andrea; Muller, Emmanuel. Fraunhofer ISI.

• Hidalgo, C. A. (2018). From useless to keystone. Nature Physics, 14(1), 9-10.

• Hidalgo, C. A. (2021). Economic complexity theory and applications. Nature Reviews Physics, 3(2), 92-113.

• Hidalgo, C. A. (2023). The policy implications of economic complexity. Research Policy, 52(9).

• Hidalgo, C. A., & Hausmann, R. (2009). The building blocks of economic complexity. Proceedings of the national academy of sciences, 106(26), 10570-10575.

• Holland, J. H. (2014). Complexity: A very short introduction. OUP Oxford.

• Izquierdo, L. R., Galán, J. M., Santos, J. I., & Del Olmo, R. (2008). Modelado de sistemas complejos mediante simulación basada en agentes y mediante dinámica de sistemas. EMPIRIA. Revista de Metodología de las Ciencias Sociales, (16), 85-112.

• Jacobides, M. G., Cennamo, C., & Gawer, A. (2018). Towards a theory of ecosystems. Strategic management journal, 39(8), 2255-2276.

• Jacobides, M. G., Cennamo, C., & Gawer, A. (2024). Externalities and complementarities in platforms and ecosystems: From structural solutions to endogenous failures. Research Policy, 53(1).

• Katz, J. S. (2006). Indicators for complex innovation systems. Research policy, 35(7), 893-909.

• Katz, J. S. (2016). What is a complex innovation system? PloS one, 11(6), e0156150.

• Korhonen, J. (2001). Four ecosystem principles for an industrial ecosystem. Journal of Cleaner production, 9(3), 253-259.

• Korhonen, J., & Snäkin, J. P. (2005). Analysing the evolution of industrial ecosystems: concepts and application. Ecological Economics, 52(2), 169-186.

• Lingens, B., Miehé, L., & Gassmann, O. (2021). The ecosystem blueprint: How firms shape the design of an ecosystem according to the surrounding conditions. Long Range Planning, 54(2).

• Marinova, D., & Phillimore, J. (2003). Models of innovation. The international handbook on innovation, 1, 2164.

• Meissner, D., & Kotsemir, M. (2016). Conceptualizing the innovation process towards the ‘active innovation paradigm’—trends and outlook. Journal of Innovation and Entrepreneurship, 5, 1-18.

• Moore, J. F. (1993). Predators and prey: a new ecology of competition. Harvard business review, 71(3), 75-86.

• Nylund, P. A., Ferràs-Hernández, X., Pareras, L., & Brem, A. (2022). The emergence of entrepreneurial ecosystems based on enabling technologies: Evidence from synthetic biology. Journal of Business Research, 149, 728-735.

• Polsky Center (2021). Report Deep Tech Deep Dive. Polsky Center for Entrepreneurship and Innovation. University of Chicago. Microsoft. 2021

• Poutanen, P., Soliman, W., & Ståhle, P. (2016). The complexity of innovation: an assessment and review of the complexity perspective. European Journal of Innovation Management, 19(2), 189-213.

• PWC (2022). Global Business Ecosystems 2030. PWC, 2022

• Ritala, P. & Thomas, L.D.W. (2025). Innovation ecosystems. In Eriksson P., Montonen, T., Laine, P-M., & Hannula A. (Eds.) Elgar Encyclopedia of Innovation Management. Edward Elgar.

• Russell, M. G., & Smorodinskaya, N. V. (2018). Leveraging complexity for ecosystemic innovation. Technological Forecasting and Social Change, 136, 114-131.

• Silva, A. L., & Guerrini, F. M. (2018). Self-organized innovation networks from the perspective of complex systems: A comprehensive conceptual review. Journal of Organizational Change Management, 31(5), 962-983.

• Still, K. (2017). Accelerating research innovation by adopting the lean startup paradigm. Technology Innovation Management Review, 7(5).

• Tacchella, A., Cristelli, M., Caldarelli, G., Gabrielli, A., & Pietronero, L. (2012). A new metrics for countries' fitness and products' complexity. Scientific reports, 2(1), 723.

• Thomas, L. & Autio, E. (2020). Innovation Ecosystems in Management: An Organizing Typology. In Oxford Research Encyclopedia of Business and Management. Oxford University Press.

• Tidd, J. (2006). A review of innovation models. Imperial College London, 16, 0-17.

• Van Dam, A., & Frenken, K. (2022). Variety, complexity and economic development. Research Policy, 51(8).

• Van Dyck, M., Lüttgens, D., Diener, K., Piller, F., & Pollok, P. (2024). From product to platform: How incumbents' assumptions and choices shape their platform strategy. Research Policy, 53(1).

• Viale, R., & Pozzali, A. (2010). Complex Adaptive Systems and the Evolutionary Triple Helix. Critical Sociology, 36(4), 575-594.

• WIPO (2022). World Intellectual Property Report 2022. The Direction of Innovation

---

(¹) En anglès: connectedness i relatedness

(²) https://atlas.cid.harvard.edu/

(³) https://oec.world/en

(⁴) https://complejidadeconomica.cotec.es/

(⁵) CAS, per la seva denominació en anglès: Complex Adaptive System

(⁶) Sense entrar en detalls, les estructures dissipatives articulen un cert ordre a costa de consumir energia, una part de la qual necessàriament es perd, degradada, i es transfereix a l’exterior del sistema.

(⁷) Aquestes zones s’anomenen attractors

(⁸) https://startupshub.catalonia.com/