Innowacje w Polsce w 2025 roku

Dlaczego nadal liniowy model innowacji ma się dobrze w polskich realiach finansowania projektów B+R?

W 2011 roku, będąc studentem półrocznego stypendium w University College London, w ramach programu Erasmus, uczestniczyłem w kursie: Introduction to Science Policy Studies. Tytułowy liniowy model innowacji podczas kursu był omawiamy holistycznie, jako pewien model bazowy, „od którego wszystko się zaczęło”. Dziś obserwując innowacyjne procesy zwłaszcza w podmiotach prywatnych, można uznać, że model liniowy dawno odszedł do kart historii. W procesach badawczo-rozwojowych, rozmawiając z naszymi klientami, mogę zauważyć mnóstwo: ślepych uliczek, skrętów w boki, cofania się, iteracji, spadków, upadków, wspinaczek, serpentyn etc. Dlaczego więc, polskie instytucje (PARP, NCBR, czy podmioty regionalne), nadal rozpisują konkursy, w których wymagana jest agenda badawcza oparta o liniowość, ścisłość opisów, brak elastyczności, parametryczne określenie cech i przewag nad konkurencyjnymi produktami i rozwiązaniami. Dlaczego pracując nad agendą wymaga się pokazania niepewności badawczej, a równocześnie narzuca się ścisłe ramy efektów projektu badawczego, opartego o baterię wskaźników, których niespełnienie może skutkować nawet zwrotem całości dotacji?

Liniowy model (LMI)

„Liniowy model” innowacji (LMI) od dawna podlegał i podlega krytyce. Z jednej strony może świadczyć o tym, że nie jest on już wystarczający do opisu/wyjaśnienia procesów innowacyjnych. Z drugiej strony jednak, jego długotrwałe kwestionowanie może oznaczać, że wciąż pozostaje podejściem dominującym, Mimo wielu argumentów przeciwko, model ten nadal na jakimś poziomie pozostaje aktualny i bardzo użyteczny (zwłaszcza dla instytucji finansujących). Czy zatem możliwa jest wiarygodna obrona LMI?

Historycznie rzecz ujmując, można wyodrębnić kilka modeli innowacji, z których większość można zaklasyfikować jako modele liniowe. Ich koncepcję zawdzięczamy trzem grupom badaczy: (1) naukowcom przyrodniczym – koncentrującym się na badaniach podstawowych; (2) badaczom z uczelni biznesowych – skupionym na technologii (rozwoju); (3) ekonomistom (naukom społecznym) – koncentrującym się na dyfuzji technologii w społeczeństwie (Godin 2006: 659). W efekcie, w każdym modelu liniowym występują trzy kluczowe komponenty: (naukowe) badania, technologia (rozwój) i dyfuzja w społeczeństwie. Komponenty te występują w każdej wersji LMI, nawet jeśli niekiedy są podzielone na podkomponenty. Przykładowo: Furnas zaproponował model obejmujący badania eksploracyjne i podstawowe, badania stosowane, rozwój, produkcję (Furnas w Godin 2006: 658); Bichowsky: badania, inżynierię (lub rozwój), fabrykę (lub produkcję) (Bichowsky w Godin 2006: 659); Maclaurin: czysta nauka, wynalazek, innowacja, finansowanie, akceptacja (Maclaurin w Godin 2006: 655-656). Zestawiając te propozycje, można zauważyć, że każda odnosi się do nauki, następnie technologii (rozwoju), a na końcu do dyfuzji.

Zgodnie z Balconim, LMI można przedstawić jako proces przebiegający w jednym kierunku (sekwencji): od nauki przez rozwój do dyfuzji nowych produktów w społeczeństwie, a każdy z komponentów może być traktowany jako niezależny element. Oznacza to brak sprzężeń zwrotnych pomiędzy kolejnymi etapami. Ponadto, model ten zakłada, że badania podstawowe są kluczowym elementem w tworzeniu nowych produktów, które następnie mogą być sprzedawane z zyskiem (Balconi 2010: 5). Pojawia się tutaj pojęcie linearyzmu.

Czym jest linearyzm?

Wyróżnia się dwie główne interpretacje:

1. linearyzm jako synonim sekwencyjności;
2. linearyzm jako brak sprzężeń zwrotnych.

Pierwsza oznacza, że typowy proces innowacyjny przebiega krok po kroku w jednym kierunku i w jednej kolejności. Na przykład, nie ma bezpośrednich powiązań pomiędzy czystymi badaniami a produkcją, ani sprzężeń zwrotnych z produkcji do nauki (brak inwersji). Co więcej, nie można prowadzić procesów innowacyjnych niezależnie od siebie – np. naukowiec nie może rozpocząć badań stosowanych bez uprzednich badań podstawowych (Ibid: 8). Druga interpretacja postrzega linearyzm jako brak sprzężeń zwrotnych. Oznacza to, że proces innowacyjny przebiega krok po kroku bez „spojrzenia wstecz”. Sprzężenia zwrotne nie są „dozwolone”, by modyfikować wcześniejsze etapy (Ibid: 8-9). Uwzględniając te dwie interpretacje, można stworzyć prostą matrycę.

Silną wersją procesu innowacyjnego jest opcja nF-S. Model F-N jest najbardziej nieliniowy – z pełnymi sprzężeniami i brakiem sekwencji. Model F-S nadal jest silny, ale dopuszcza sprzężenia zwrotne między dwoma kolejnymi etapami. Z kolei model nF-N dopuszcza swobodne połączenia między komponentami, ale bez sprzężeń zwrotnych, czyli połączenia są jednokierunkowe. LMI można skutecznie bronić, osłabiając niektóre założenia modelu nF-S (silny LMI). Wymaga to jednak przedstawienia argumentów w postaci złożonych relacji między nauką i technologią oraz technologią i społeczeństwem.

Nauka i technologia

Zgodnie z silnym LMI, nauka stanowi pierwszy etap, który następnie wspiera technologie. W pewnym zakresie jest to zgodne z prawdą. Niektóre historyczne przykłady – jak inżynieria jądrowa, radar czy laser – nie byłyby możliwe bez teorii naukowych. Są to technologie oparte na nauce (Ziman 1984: 113–114). Nauka dostarcza również: wielu narzędzi i technik wykorzystywanych w technologii; umiejętności ludzkich niezbędnych do prac technologicznych; ocen skutków technologii; ogólnych strategii rozwoju technologii (Brooks 1994: 480-482).

Jednakże istnieje również przeciwny kierunek – technologia jako źródło nauki – co potwierdza słabszy LMI. Istnieje wiele historycznych przykładów, w których technologia wyprzedzała naukę, a dopiero po jej rozwoju zaczęto tworzyć teorie naukowe. Przykładem mogą być: współczesna medycyna, nauka o materiałach, chemia przemysłowa, termodynamika (Ziman 1984: 114, 116–117). Technologia może także inspirować do rozpoczęcia nowych badań podstawowych lub rewizji istniejących. Ponadto dostarcza instrumentów pomiarowych wielu dziedzinom naukowym – np. do pomiaru promieniowania X, ultrafioletowego czy podczerwonego (Brooks 1994: 482–483). Można więc zauważyć, że relacje między nauką a technologią nie są jednokierunkowe. Proces innowacyjny może rozpoczynać się od technologii i wracać jako sprzężenie do nauki.

Technologia i społeczeństwo

Podobna sytuacja zachodzi w relacji między technologią (rozwojem) a społeczeństwem (dyfuzją). W silnym LMI technologie determinują społeczeństwo, bez sprzężeń zwrotnych. To podejście deterministyczne reprezentowane jest przez „eksternalistów”, którzy twierdzą, że technologia to niezależna siła oddziałująca na społeczeństwo. Nie uwzględniają oni wewnętrznego wymiaru technologii: jest ona tworzona przez ludzi, a nie tylko dla ludzi (Nye 2007: 27–28). Autorzy tacy jak Marcuse czy Foucault wskazują, że technologia może ograniczać wolność człowieka – to najbardziej radykalne podejście (Ibid: 28–31).

Deterministyczne ujęcie krytykowane jest przez „internalistów”, którzy skłaniają się ku poglądowi, że technologia nie jest systemem izolowanym i uwzględnia sprzężenia ze społeczeństwem (Ibid: 47). Hughes zaproponował koncepcję „impetu technologicznego”, według której do momentu osiągnięcia przez technologię pewnego stadium determinacji, społeczeństwo ma duży wpływ na jej ostateczny kształt. Przykładem są wybory społeczne dotyczące prądu stałego vs zmiennego czy napięcia 110V vs 220V (Hughes w Nye 2007: 52–53). Przed latami 60. w Holandii preferowano rowery zamiast samochodów (Ibid: 52), podczas gdy w USA na początku XX wieku benzynowe auta przeważyły nad parowymi czy elektrycznymi – lepiej sprawdzały się w terenie wiejskim (Ibid: 58–60). Powyższe przykłady pokazują, że technologie są częścią kultury i wchodzą w interakcje ze społeczeństwem. Mogą zmieniać ludzi, ale i same być przez nich zmieniane (Ibid: 61).

Obrona LMI

Wiarygodna obrona LMI możliwa jest poprzez dopuszczenie sprzężeń zwrotnych i niesekwencyjności w niektórych częściach modelu – tzw. metaetapach. 

Model powyższy zawiera dwa metaetapy. W pierwszym dwa elementy (nauka i technologia) mogą na siebie oddziaływać, a następnie (łącząc się) oddziałują na trzeci (społeczeństwo). W drugim – technologia i społeczeństwo – również oddziałują. Dwie zakrzywione strzałki wskazują na dopuszczenie sprzężeń zwrotnych między sąsiadującymi komponentami. Linearyzm zostaje zachowany, ponieważ brak jest bezpośrednich relacji pomiędzy pierwszym i trzecim krokiem. Ogólnie, osłabiony LMI dopuszcza interakcje (niesekwencyjność) i sprzężenia tylko między komponentami sąsiadującymi. Wiarygodna obrona LMI możliwa jest jedynie poprzez osłabienie jego założeń. Model powinien dopuszczać sprzężenia zwrotne i niesekwencyjność, ponieważ historia nauki pokazuje, że relacje między komponentami modelu nigdy nie są całkowicie liniowe. Osłabienie modelu zwiększa jego dopasowanie do rzeczywistych procesów innowacyjnych. Co więcej, sprzężenia zwrotne i niesekwencyjność nie niszczą linearyzmu – nadal wprowadzają porządek, wskazują punkt początkowy i końcowy, pomagają planować badania, rozwój i dyfuzję. Jednak w słabszym LMI linearyzm nie odgrywa już roli centralnej – ale jest to „cena” za skuteczną obronę.

Realia prowadzenia projektów B+R w instytucjonalnym modelu liniowym

W mojej ocenie, polski system finansowania badań w 2025 roku (generalnie od kiedy go znam) opiera się wciąż nie na „osłabionym”, ale na najsilniejszej, historycznej wersji LMI (wariant nF-S). Warto spojrzeć na ogólne założenia co do agendy badawczej, którą przygotowujemy wespół z naszymi Partnerami. Z założenia agenda:

• z góry znana, znany jej przebieg – od A do Z – wszelkie zmiany merytoryczne są w jakimś stopniu zmianą dokumentacji, więc pojawia się ryzyko zanegowania na etapie kontroli merytorycznej przez eksperta;
• sekwencyjna – nawet jeśli zadania na siebie nachodzą muszą być pokazane liniowo;
• sparametryzowana – kamienie milowe, z opisem metodologii, najlepiej skwantyfikowane, z wariantem typu „what if”;
• poziom dokładności – inżynierski na etapie składania wniosku – trzeba nawet zaplanować ile materiału zużyje się do badań, co do kilograma;
• podparta wskaźnikami, których niespełnienie grozi zwrotem dotacji – wskaźnik przychodów z nowego produktu/usługi, wymagany do podania przykładowo na 3-4 lata przed wdrożeniem produktu (który nie wiadomo czy się sprzeda), jest zabiegiem bardzo trudnym, nie mającym nic wspólnego z klasycznych prognozowaniem ekonometrycznym.

W praktyce, podczas realizacji badań okazuje się, że iteracje jednak pojawiają się w każdym zadaniu (co akurat można założyć, ale ekspert może zapytać: „ile tych iteracji” czy „ile to będzie kosztowało); sekwencja prac często musi zostać zmieniona; niepewność badawcza jest zawsze realna, nie trzeba jej sztucznie deklarować. Dodatkowo, często wyniki badań wpływają na zmianę założeń (tzw. „dynamic refinement”), a wtedy brak elastyczności w projekcie powoduje problemy z jego dalszą kontynuacją. W skrócie mówiąc instytucje publiczne wciąż wymagają planowania badań tak, jakby innowacja była liniowa — choć praktyka rzadko taka jest.

Dopasowanie modelu – siedem propozycji

Siedem propozycji zmian w sposobie tworzenia agend badawczych w Polsce – ku mniejszej linearności:

1. Agendy adaptacyjne – definiujące cele i kierunki badawcze, nie sztywne rezultaty. Dopuszczające korekty, iteracje i zmiany w reakcji na wyniki częściowe.
2. Punkty decyzyjne: go /no-go – oficjalna możliwość zmodyfikowania zakresu, zmiany metod badawczych etc..
3. Rezerwa eksperymentalna do 10% budżetu – przeznaczana na nieplanowane, konieczne iteracje, badania alternatywne lub działania naprawcze.
4. Kamienie milowe w typie jakościowym i dowodowym – mniej klasycznych KPI, więcej realnych dowodów.
5. Eliminacja sztywnej sekwencyjności zadań – dopuszczenie etapów równoległych (nawet przez jeden podmiot)
6. Dopuszczenie korygowania wskaźników projektu – po pierwszym etapie badań lub po badaniach przemysłowych lub przykładowo po X miesiącach prac badawczych.
7. Mapa ryzyk badawczych jako narzędzie ochronne, a nie sankcyjne – realne zastosowania matrycy ryzyka podczas realizacji projektu.

Wprowadzenie choć części z powyższych propozycji poluzowałoby sztywne ramy prowadzenie procesu badawczego, nadało im bardziej elastyczną strukturę i lepsze rezultaty. Zachęciłoby również podmioty, którym sztywne ramy agendy badawczych PARP i NCBR nie przystają do wewnętrznych modeli biznesowych opartych o innowacje.

Wykorzystana literatura:

• Balconi, M. et al (2010), ‘In defence of the linear model: An essay’, Research Policy, vol. 39 (2010), pp. 1-13.
• Bichowsky, F.R. (1942), Industrial research, (New York: Chemical Publishing).
• Brooks, H. (1994), ‘The relationship between science and technology’, Research Policy, vol. 23, pp. 477-486.
• Furnas, C.D. (ed.) (1948), Research in Industry: Its Organization and Management (Princeton NJ: D van Nostrand).
• Godin, B. (2006), ‘The linear model of innovation: the historical construction of an analytical framework’, Science, Technology & Human Values 31(6), pp. 639-667.
• Hughes, T.P. (1983), Networks of Power: Electrification in Western Society, 1880-1930, (Johns Hopkins University Press).
• Maclaurin, W.R. (1953), ‘The sequence from invention to innovation and its relation to economic growth’, Quarterly Journal of Economics, vol. 67 (1): pp. 97-111.
• Nye, D.E. (2007), Technology Matters: Questions to Live With (Cambridge Mass: MIT Press).
• Utterback, J.M. (1994), Mastering the Dynamics of Innovation, (Harvard Business School).
• Ziman, J. (1984), An Introduction to Science Studies. the philosophical and social aspects of science and technology, (Cambridge University Press).

Artykuł przygotował: Dr Adrian Gorgosz