SciELO - Scientific Electronic Library Online

 
vol.30 issue3Parametric linear programming for a materials requirement planning problem solution with uncertaintyUsing case-based reasoning for generating functional test procedures author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Ingeniería e Investigación

Print version ISSN 0120-5609

Ing. Investig. vol.30 no.3 Bogotá Sept./Dec. 2010

 

Valoración de la eficiencia de los sistemas de inteligencia tecnológica

Evaluating technology intelligence system efficiency

Luz Marina Torres P.1, Oscar F. Castellanos D.2, Claudia Nelcy Jiménez H.3

1 Ingeniera química. M.Sc., en ingeniería industrial. Investigadora del grupo BioGestión. Universidad Nacional de Colombia. lumatopi@gmail.com

2 Ingeniero químico. M.Sc. en Ciencias Técnicas. M.Sc., en Administración. Ph.D. en Química, Universidad Estatal de Moscú. Estudios posdoctorales en Biotecnología de enzimas. Profesor Facultad de Ingeniería, Universidad Nacional de Colombia, Sede Bogotá. Coordinador Grupo de Investigación y Desarrollo en Gestión, Productividad y Competitividad, BioGestión. ofcastellanosd@unal.edu.co

3 Ingeniera química. M.Sc., en Administración, Candidata a Ph.D., en Ingeniería industrial, Universidad Nacional de Colombia. Profesora Escuela de Ingeniería de la Organización, Facultad de Minas, Universidad Nacional de Colombia, Sede Medellín. Integrante de los grupos de investigación BioGestión e Innovación y gestión tecnológica. cnjimenezh@unal.edu.co


RESUMEN

Los sistemas formalizados de inteligencia en las organizaciones permiten identificar sus capacidades tecnológicas y los cambios del entorno, a través de la transformación de datos en conocimiento con valor estratégico. El sistema de inteligencia tecnológica (SIT) surge con el objeto de incorporar adecuadamente la variable tecnológica en el sistema productivo y empresarial, permitiendo su gestión y la generación de bases para el desarrollo de procesos de innovación. El objetivo de este artículo es el de definir un subsistema que permita realizar seguimiento y evaluar la implementación de los SIT. Con ese fin, inicialmente se revisa la evolución del tema de inteligencia tecnológica, para luego analizar los fundamentos en la literatura con respecto a la medición de la eficiencia de los SIT. Posteriormente se plantea un modelo que involucra las principales variables del sistema, el cual fue simulado sobre la base de la implementación de la inteligencia en varias cadenas agroindustriales. Finalmente se plantean los principales aportes del modelo desarrollado para el desempeño óptimo de los SIT.

Palabras claves: inteligencia tecnológica, generación de conocimiento, toma de decisiones, cadenas agroindustriales.


ABSTRACT

Formalised intelligence systems in organisations lead to identifying their technological abilities/capabilities and changes in their environment by transforming data into knowledge having strategic value. Technology intelligence systems (TIS) have emerged, involving the suitable incorporation of technology into production and entrepreneurial systems, thereby enabling their management and generating the basis for developing innovation. This article describes the work involved in defining a subsystem allowing TIS implementation to be followed-up and evaluated. The evolution of technological intelligence was thus reviewed; the pertinent literature regarding measuring TIS efficiency was analysed. A model involving the system's main variables was then constructed; its simulation was based on implementing intelligence in several agro-industrial chains. The model's main contributions to optimum TIS performance were then considered. 

Keywords: technology intelligence system, producing knowledge, decision-making, agro-industrial chains.


Recibido: septiembre 4 de 2009
Aceptado: noviembre 15 de 2010

Introducción

Los sistemas formalizados de inteligencia (económica, organizacional, comercial, tecnológica, competitiva) se han posicionado en las organizaciones por su versatilidad para identificar capacidades endógenas y cambios del entorno a través de la transformación de datos en conocimiento con valor estratégico. Particularmente, la inteligencia tecnológica ha sido concebida como una capacidad que permite identificar desarrollos tecnológicos a tiempo y además, surge como un modelo que vincula las necesidades del mercado a la innovación tecnológica, permitiendo distinguir entre campos tecnológicos basados en tecnologías en uso y campos tecnológicos de interés, los cuales pueden ser limitados mediante funciones futuras del producto y señales débiles en las tendencias tecnológicas(Lang y Mueller, 1997). Su función operativa principal consiste en capturar y entregar información para desarrollar conocimiento sobre las amenazas y las oportunidades tecnológicas; de aquí que Savioz et al. (2001) la definen como un modelo sistemático para recopilar, analizar y diseminar la información sobre el ambiente técnico con la finalidad de encontrar nuevas oportunidades, coincidiendo con lo planteado por Lang y Mueller (1997), quienes consideran que un proceso de inteligencia tecnológica está integrado por: formulación de las necesidades de información, selección de fuentes de información, recolección de datos y evaluación de la información.

La inteligencia tecnológica como esquema conceptual y metodológico de gestión tiene diversas aproximaciones (Savioz et al., 2004): están aquellos trabajos que presentan métodos con el objetivo de predecir el desarrollo tecnológico en el futuro, junto con las investigaciones sobre el desarrollo de sistemas que permitan observar periódicamente el ambiente tecnológico en el que se mueve la organización, con el fin de evaluar su impacto. En el marco de este último enfoque, para acercarse a un concepto de la inteligencia tecnológica es necesario incluir una visión sistémica y el cumplimiento de procesos inteligentes que promuevan el aprendizaje organizacional y la generación de capacidades de toma de decisiones. Así, la inteligencia tecnológica puede ser interpretada como la capacidad para llevar a cabo el proceso de búsqueda, manejo y análisis de información que, al transformarla en conocimiento, permitirá la adecuada gestión de los recursos para el diseño, producción, mejoramiento y comercialización de tecnologías de productos y procesos, a través de la generación de planes y estrategias tecnológicas para la toma de decisiones acertadas (Castellanos y Jiménez, 2004; Castellanos et al., 2005a; Castellanos et al., 2005b; Castellanos, 2007; Castellanos et al., 2007; Torres et al., 2008). De esta forma se atribuye dinamismo y versatilidad al proceso de inteligencia tecnológica, al ser un instrumento integrador de herramientas como el diagnóstico tecnológico, la prospectiva, el benchmarking, entre otras, que tradicionalmente se han utilizado de manera independiente.

Con anterioridad los autores del presente artículo han abordado el desarrollo conceptual de la inteligencia tecnológica, sus componentes esenciales, sus atributos genéricos y particulares, sus especificidades epistemológicas, sus estructuras de implementación, así como algunos casos de implementación. En este proceso se ha considerado prioritario valorar la eficiencia en la aplicación de la inteligencia tecnológica, lo cual es abordado en este documento.

Evolución de la inteligencia tecnológica

La inteligencia tecnológica se ha consolidado en el nivel mundial como una temática de interés creciente. La literatura disponible sobre el tema en los últimos diez años4 permite identificar dos escuelas de pensamiento: la primera, encabezada por autores como Kostoff, Tshiteya, Malpohl, Humenik, Karypis, Toothman y otros miembros de la Oficina Naval de Investigación de los Estados Unidos, cuya denominación es inteligencia técnica (technical intelligence), con publicaciones que han venido incrementándose gradualmente sobre temas como el análisis de tecnologías a través de métodos bibliométricos, tomografía de bases de datos y de minería de textos (por ejemplo: Kostoff et al., 1998; Kostoff et al., 2005). Estos métodos permiten explorar bases de datos científicas y realizar análisis de coocurrencias de palabras y frases para identificar tecnologías en desarrollo, competencias nucleares y definir la ruta tecnológica o roadmap de un sector o industria, con el propósito de anticiparse a los cambios y apoyar la toma de decisiones.

Este enfoque inicial de la inteligencia, muy ligado a la denominada vigilancia tecnológica, cambió a comienzos del segundo milenio, con autores como Norling, quien se desempeña como asesor tecnológico corporativo de Dupont y concibe el proceso como inteligencia tecnológica, más allá del escaneo o la vigilancia, proceso que aborda la información sobre desarrollos científicos y tecnológicos que afectan la posición competitiva de una empresa y está compuesto por cuatro etapas que lo distinguen como un proceso inteligente (Norling et al., 2000): 1) planeación, organización y dirección de los esfuerzos de inteligencia competitiva; 2) recolección inteligente de información; 3) análisis de datos; 4) diseminación de resultados.

Esta segunda escuela cuenta con numerosos representantes, siendo Lichtenthaler uno de los autores más importantes, quien viene trabajando en el tema desde 2004. De acuerdo con este autor (Lichtenthaler, 2003; Lichtenthaler, 2004a; Lichtenthaler, 2004b; Lichtenthaler, 2007), la implementación de procesos de inteligencia tecnológica dependen del estilo de toma de decisiones y de la cultura de la organización. Además, señala que la distribución y el tamaño de las actividades de inteligencia tecnológica están supeditados a la localización de la toma de decisiones en las actividades de innovación. También hace referencia a los tipos de coordinación de los procesos de inteligencia tecnológica (estructural, híbrido e informal) y menciona que la calidad de un proceso de inteligencia tecnológica influencia la efectividad de la gestión tecnológica, por ejemplo en la adquisición de la información sobre tendencias tecnológicas. Lichtenthaler et al. (2009) introducen un nuevo concepto, la inteligencia de comercialización tecnológica -technology commercialization intelligence-, que se refiere a la observación del entorno con especial énfasis en identificar oportunidades de licenciamiento tecnológico.

La escuela de inteligencia técnica es la que mayor trayectoria posee, mientras que la segunda, con apenas diez años de trayectoria, comienza a posicionarse con temáticas como conocimiento, estrategias y procesos inteligentes. Es importante resaltar que son comunes temas como capacidades, forecasting e innovación, que pueden considerarse como ejes articuladores de las dos escuelas.

Por ser la suma de métodos, procesos, mejores prácticas y herramientas, la inteligencia tecnológica es una respuesta al cambiante entorno de los negocios y los desarrollos tecnológicos o tendencias que pueden influir en la posición competitiva de una organización (Chang et al. 2008). Sin embargo, su implementación debe ser un esfuerzo organizado (Lichtenthaler, 2004c), por lo cual Norling et al. (2000) recomiendan utilizar medios sofisticados para recopilar y analizar información, transportar la inteligencia a quienes pueden actuar sobre ella, y emplear a los individuos con la experiencia, las habilidades y el temperamento correctos para su desarrollo. Así mismo, es crucial tener en cuenta que la calidad de la información tiene diferentes categorías y su evaluación permite la detección de errores (Berti, 1999).

Antecedentes en la mediación del impacto del proceso de inteligencia

Para establecer el valor o impacto de un proceso de inteligencia (no necesariamente tecnológica), Lönnqvist y Pirttimäki (2006) plantean la necesidad de diferenciar claramente el concepto de valor en este contexto, el cual depende en la mayoría de casos, de la apreciación subjetiva y de las necesidades, o puede evaluarse en términos de mejora en la utilidad percibida. Los sistemas de inteligencia no tienen un valor como tal, puesto que el valor es el resultado de usar la inteligencia. Estos autores señalan que con el análisis de dos cuestionamientos básicos es posible establecer el valor o impacto del proceso de inteligencia: ¿cuánto cuesta aplicar un sistema de inteligencia?, ¿cuáles son los beneficios de aplicar un sistema de inteligencia? Por tanto, indican que en la implementación de sistemas de inteligencia se contabilizan los recursos operacionales, el capital inicial de inversión y los costos laborales, de información y otros gastos; sin embargo, no todos los beneficios de un sistema de inteligencia se miden por costos, e incluso muchos de los efectos no son financieros o intangibles, como el mejoramiento de la calidad y del tiempo de respuesta con información actualizada.

Entre los desarrollos para medir el impacto de sistemas de inteligencia se encuentra el modelo de medición de la inteligencia competitiva, CIMM (por sus siglas en inglés), propuesto por Davidson (2001), que puede ser usado para calcular el retorno de la inversión en inteligencia competitiva, considerando que el valor de inteligencia competitiva (IC) es igual a la sumatoria de los proyectos de IC, y que las salidas de la IC son el resultado de los efectos del logro de los objetivos del sistema de IC sumados a la satisfacción del tomador de decisiones. De esta manera, se calcula el retorno de la inversión en IC como la diferencia entre las salidas y las entradas del sistema de IC, dividida por las entradas al sistema, relación que se conoce como ROCII (por las siglas en inglés). Empero, el cálculo del ROCII puede no ser tan fidedigno, ya que incluye valoraciones cualitativas.

Elbashir et al. (2008) mencionan que resulta poco apropiado usar medidas contables como la rentabilidad de la empresa o el retorno de la inversión en la medición del desempeño del negocio con base en herramientas como los sistemas de procesamiento transaccional o los sistemas de soporte a las decisiones. Argumentan que tales medidas frecuentemente son poco consistentes con la intención estratégica de la empresa en relación con la tecnología, y no son suficientemente cercanas a la influencia o beneficios de aplicar tales sistemas. Por su parte, Lönnqvist y Pirttimäki (2006) realizaron un análisis sobre las estrategias para evaluar la eficiencia de la aplicación de sistemas de inteligencia, retomando trabajos previos (Tabla 1).

Modelo para la mediación de la eficiencia del SIT

Un sistema de inteligencia tecnológica (SIT) involucra la transformación de elementos, insumos o estímulos del entorno (entradas) en resultados (salidas), los cuales son generalmente intangibles. Esta característica hace posible concebirlo como un proceso productivo cuyas principales entradas son el conocimiento y la información, y su principal salida es la inteligencia, como capacidad para la toma de decisiones en el ámbito tecnológico, que impacta estratégicamente en la gestión organizacional. Este proceso productivo tiene las características de los servicios intensivos en conocimiento, ya que involucra la interacción entre un proveedor del servicio, quien realiza la búsqueda, procesamiento, análisis de información y la difusión de conocimiento, y los tomadores de decisiones o consumidores del servicio.

La identificación de la cadena de valor del SIT constituye un paso indispensable para establecer posibles mecanismos de evaluación y seguimiento. Dicho análisis resulta compatible con los enfoques reseñados en la Tabla 1, ya que se evidencia la necesidad de identificar las consecuencias para la empresa de la implementación de las estrategias generadas por el sistema, así como el impacto en la organización, medido por la satisfacción del cliente. En lo que respecta al primer aspecto, la definición de indicadores dependerá de la visión de la organización y de los objetivos perseguidos con la aplicación de la inteligencia tecnológica, por lo cual deben establecerse de manera particular para cada caso, y su medición sólo podrá realizarse después de un espacio de tiempo. En lo que concierne a la medición del impacto, se evalúa la satisfacción del cliente, traducido en capacidades de toma de decisiones y generación de estrategias. En la Tabla 2 se presentan las principales variables, considerando los elementos más importantes para cada uno de los eslabones de la cadena de valor del SIT. Uno de los indicadores que permite evaluar el impacto del SIT es el tiempo de procesamiento del servicio, que no debe exceder el nivel permitido por el cliente (Powell et al., 2001). Además, como lo plantea Ojasalo (2003), los aportes del cliente dependerán del tipo de servicio que se esté prestando; incluso en ocasiones el cliente no tiene claras sus expectativas, pero a través de su interacción con el prestador del servicio define las características que espera recibir.

Evaluación y seguimiento del SIT

Se plantea un subsistema de evaluación y seguimiento del SIT con el propósito de describir y analizar el comportamiento de este sistema, y así, valorar su eficiencia. Para representarlo se formuló un modelo que respondiera al problema: ¿cómo aumentar la capacidad de toma de decisiones y formular estrategias acertadas con la implementación de sistemas de inteligencia tecnológica?

Posteriormente se identificaron las variables y sus conexiones tomando en cuenta que la prestación de servicios de inteligencia tecnológica involucra dos actores: el proveedor del servicio y el usuario; para el primero, lo más relevante es lograr la eficiencia en el uso de los recursos alcanzando el resultado esperado, mientras que el usuario busca un impacto en la organización, como la sostenibilidad, al incorporar capacidades de toma de decisiones. Estas metas permiten identificar dos enfoques del subsistema de medición: la gestión del proceso y el impacto de la implementación. Cada enfoque maneja variables diferentes, puesto que los propósitos de evaluación y seguimiento son distintos.

Las variables de entrada y de salida fueron establecidas tomando como referencia la influencia que ejerce cada actor de la prestación del servicio en la gestión del proceso y en el impacto de la aplicación del SIT. Los actores básicos de prestación del servicio pueden, a su vez, abarcar otros actores y contener otros elementos, como en el caso del proveedor del servicio, que involucra personal de contacto y personal generador del servicio, además de la información que se maneja. En la Tabla 3 se presentan las variables identificadas.

Como lo sugieren Spector et al. (2001), se procedió a establecer el número de interrelaciones entre las variables, las relaciones y el número de ciclos de retroalimentación y retrasos. En la Figura 1 se presentan las relaciones existentes entre las variables identificadas. La estructuración de esta interpretación se hizo con base en la experiencia de los autores en el acompañamiento y asesoría a la implementación de la inteligencia tecnológica en diferentes niveles organizacionales del ámbito nacional: empresas manufactureras; sectores como el biotecnológico, el de empaques plásticos flexibles y el del software y servicios asociados, y cadenas productivas como las de cacao-chocolate, cosméticos y productos de aseo, artefactos domésticos, fique, caucho y panela.

El seguimiento y evaluación de cualquier sistema se realiza generalmente usando un marco de medición del desempeño, el cual consiste en varias medidas o indicadores individuales; aunque existen numerosos modelos como el balance Scorecard, el prisma de desempeño o la pirámide del desempeño, las medidas que se elijan deben estar basadas en la visión y estrategia de la organización (Okkonen et al., 2002). A este fenómeno se le suma la necesidad de contar con un modelo que no contradiga el conocimiento del sistema real, por lo cual es necesario hacer una verificación de la estructura (Luna y Lines, 2003). Forrester (1988) señala que las variables de un modelo deben medirse en las mismas unidades que las variables reales, por ello se tomaron siete casos de implementación del SIT en cadenas productivas agroindustriales (cacao-chocolate, tabaco, palma africana, fique, algodón, carne bovina y ají) para establecer las unidades que se deben emplear en el modelo de evaluación y seguimiento del sistema, considerando que la mayoría de las variables son de carácter cualitativo. A manera de ejemplo, en la Tabla 4 se presenta la escala de medición de una de las variables definidas en el modelo.

Simulación del modelo de valoración de la eficiencia del SIT

La simulación y validación del modelo planteado, explicado ampliamente con datos de entrada, consideraciones y valores respectivos a los indicadores propuestos, fue llevado a cabo por Torres (2010). La representación del subsistema de medición y seguimiento se ajustó a las características de las variables identificadas como independientes y dependientes, y fueron adicionadas las variables específicas de interacción, gestión de conocimiento y gestión inteligente. Como resultado se obtuvo un modelo del subsistema simulado en el software Stella® 8.0, utilizando datos de los siete casos de estudio en cadenas agroindustriales mencionados. Es importante aclarar que este software se emplea para la simulación de sistemas dinámicos, y aunque el subsistema objeto de modelamiento no presenta cambios en el tiempo, posee retroalimentaciones entre sus variables, por lo cual este programa facilitó su análisis.

Mejoramiento en la implementación del SIT

La simulación y validación del modelo de valoración de la eficiencia del SIT permitió establecer, con base en las variables influyentes en el desempeño de este sistema, varios aspectos orientados al mejoramiento en su implementación en las organizaciones y en los resultados obtenidos: 1) la información, como materia prima del proceso de inteligencia, debe tener los más altos estándares, pero en el caso de organizaciones cuya estructura dificulta la existencia de información de calidad será necesario realizar estudios previos que garanticen su disponibilidad. 2) La disposición de los tomadores de decisiones permite generar vectores de conocimiento y propiciar capacidades de toma de decisiones; por tanto, en el caso en que no haya voluntad de participación en este nivel de la organización, lo mejor es reevaluar la necesidad de implementar la inteligencia tecnológica en un momento dado; se requerirá entonces un análisis de la cultura organizacional y la gestión del cambio, que puede revelar situaciones problemáticas para la organización, las cuales deberán atenderse de forma previa a la implementación de un SIT. 3) Los dos aspectos anteriores evidencian que la implementación del SIT está influenciada por la especificidad del contexto, por lo cual se requerirán más o menos etapas previas para que una organización se encuentre suficientemente preparada para que el SIT funcione satisfactoriamente. 4) La obtención de resultados satisfactorios en la implementación de la inteligencia tecnológica será resultado de la interacción entre los tomadores de decisiones y los proveedores del servicio, siendo insuficientes desempeños satisfactorios de las variables de manera individual<

Conclusiones

La inteligencia tecnológica se ha consolidado como una temática de gestión de gran relevancia en el ámbito investigativo, pero también se posiciona como un servicio de conocimiento prestado por centros de investigación y empresas consultoras. Dada la cantidad de recursos necesarios para la implementación de sistemas de inteligencia tecnológica en diversos ámbitos, se hace necesario establecer el impacto logrado y valorar la eficiencia de estos sistemas. No obstante, dicha valoración no puede medirse sólo en términos cuantitativos, debido a que muchos de los impactos y beneficios se expresan en aspectos cualitativos, como el fortalecimiento de capacidades en la organización y un mejor flujo y aprovechamiento de la información para generar conocimiento. El modelo propuesto se considera novedoso en la medida en que se plantea como un nuevo subsistema del SIT (no considerado aún por otros autores), y está definido por variables de tipo cualitativo que permiten medir los aportes y beneficios de la inteligencia tecnológica tanto en la gestión del proceso como en el impacto de su implementación.

La validación de este modelo del subsistema de seguimiento y evaluación del SIT reveló una alta correlación con los resultados obtenidos en los casos prácticos, lo cual evidenció la validez de las premisas y la coherencia del modelo, a la vez que permitió plantear algunas consideraciones para el mejoramiento en la implementación del SIT, orientadas básicamente a preparar a las organizaciones para que los resultados de los procesos de inteligencia tecnológica sean satisfactorios.

Bibliografía

Berti, L., Quality and recommendation of multi-source data for assisting technological intelligence applications., Lecture notes in computer science, 1677, 1999, pp.282-291        [ Links ]

Castellanos, O. F., Gestión tecnológica: de un enfoque tradicional a la inteligencia., Editorial: Universidad Nacional de Colombia, 2007, ISBN 958-701-685.         [ Links ]

Castellanos, O. F., Jiménez, C. N., Importancia de la inteligencia en la gestión tecnológica de las organizaciones contemporáneas.,  Memorias del XXIII Simposio de Gestión de la Innovación tecnológica, Brasil, 2004.        [ Links ]

Castellanos, O. F., Torres, L. M., Rosero, I. J., Modelo estructurado de inteligencia tecnológica para la generación de conocimiento y la direccionamiento estratégico del sector productivo., Memorias del IX Congreso Anual de la Academia de Ciencias Administrativas ACACIA, México, 2005a.        [ Links ]

Castellanos, O. F., Rosero, I. J., Torres, L. M., Jiménez, C. N., Aplicación de un modelo de inteligencia para definición de estrategia tecnológica en diferentes niveles de complejidad institucional., Memorias del XI Seminario Latino Iberoamericano de Gestión Tecnológica ALTEC, Brasil, 2005b.        [ Links ]

Castellanos, O. F., Torres, L. M., Fonseca, S. L., Montañez, V. M., Sánchez, A. P., Agenda prospectiva de investigación y desarrollo tecnológico de la cadena productiva de cacao-chocolate., Ministerio de Agricultura and Desarrollo Rural, 2007.        [ Links ]

Chang, H., Gausemeier, J., Ihmels, S., Wenzelmann, C., Innovative technology management system with bibliometrics in the context of technology intelligence., Trends in Intelligent Systems and Computer Engineering, 2008, pp.349-349        [ Links ]

Davison, L., Measuring competitive intelligence effectiveness: insights from the advertising industry., Competitive Intelligence Review, 12 (4), 2001.        [ Links ]

Elbashir, M. Z., Collier, P. A., Davern, M. J., Measuring the effects of business intelligence systems: The relationship between business process and organizational performance., International Journal of Accounting Information Systems, 9 (3), 2008, pp.135-153        [ Links ]

Forrester, J. W., Dinámica Industrial., Editorial Ateneo, Buenos Aires, 1988.        [ Links ]

Kostoff, R. N., Eberhart, H. J., Toothman, D. R., Database tomography for technical intelligence: A roadmap of the near-earth space science and technology literature., Information Processing & Management, 34 (1), Jan.,1998, pp.69-85.        [ Links ]

Kostoff, R. N., Tshiteya, R., Pfeil, K. M., Humenik, J. A., Karypis, G., Power source roadmaps using bibliometrics and database tomography., Energy, 30 (5), Apr.,2005, pp.709-730.        [ Links ]

Lang, H.C., Mueller, M., Technology intelligence identifying and evaluating new technologies, Innovation in Technology Management - The Key to Global Leadership., PICMET'97: Portland International Conference on Management and Technology, 1997.        [ Links ]

Lichtenthaler, E., Third generation management of technology intelligence processes, R&D Management, 33 (4), 2003, pp.361-375.        [ Links ]

Lichtenthaler, E., Coordination of technology intelligence processes: A study in technology intensive multinationals., Technology Analysis & Strategic Management, 16 (2), 2004a, pp.197-221.        [ Links ]

Lichtenthaler, E., Technological change and the technology intelligence process: a case study., Journal of Engineering and Technology Management, 21 (4), Dec., 2004b, pp.331-348.        [ Links ]

Lichtenthaler, E., Technology intelligence processes in leading European and North American multinationals., R & D Management, 34 (2), 2004c, pp.121-135.        [ Links ]

Lichtenthaler, E., Managing technology intelligence processes in situations of radical technological change., Technological Forecasting and Social Change, 74 (8), Oct., 2007, pp.1109-1136.        [ Links ]

Lichtenthaler, U., Lichtenthaler, E., Frishammar, J., Technology commercialization intelligence: Organizational antecedents and performance consequences., Technological Forecasting and Social Change, 76 (3), Mar., 2009, pp.301-315.        [ Links ]

Lönnqvist, A., Pirttimäki, V., The measurement of business intelligence., Information System Management Journal, 23 (1), 2006, pp.32-40.        [ Links ]

Luna, L., Lines, D., Collecting and analyzing qualitative data for system dynamics: methods and models., System Dynamics Review, 19 (4), 2003.        [ Links ]

Norling, P. M., Herring, J. P., Rosenkrans, W. A., Stellpflug, M., Kaufman, S. B., Putting competitive technology intelligence to work, Research-Technology Management, 43 (5), 2000, pp.23-28.        [ Links ]

Ojasalo, K., Customer influence on Service Productivity., Advance Management Journal, 68 (3), 2003, pp.14-19.        [ Links ]

Okkonen, J., Pirttimäki, V., Hannula, M., Lönnqvist, A., Triangle of business intelligence performance measurement and knowledge management., Tampere University of Technology, Finland, 2002, consulted on the 12th November 2009. Available at http://www.tut.fi/units/tuta/teta/mittaritiimi/julkaisut/tukholma.pdf        [ Links ]

Powell, S., Schwaninger, M., Trimble, C., Measurement and control of business processes., System Dynamic Review, 17 (1), 2001, pp.63-91.        [ Links ]

Savioz, P., Luggen, M., Tschirky, H., Technology intelligence, Structuring it into the new-technology-based firm (NTBF)., Tech Monitor, Heft, Jul-Aug, p. 41-46, 2004.         [ Links ]

Savioz, P., Scacchi, M., Tschirky, H.P., Implementing a technology intelligence system in a medium-sized medtech company., 2001.        [ Links ]

Spector, M., Christetnsen, D., Sioutine, A., Mrccormack, D.,  Models and simulations for learning in complex domains: using causal loop diagrams for assessment and evaluation., Computers in Human Bahavior, 17, 2001, pp.517-545.        [ Links ]

Torres, L. M., García, M. E., Castellanos, O. F., La inteligencia tecnológica como capacidad para las tomas de decisiones estratégicas., En: Retos y nuevos enfoques en la gestión de la tecnología y el conocimiento, Universidad Nacional de Colombia, 2008, pp.131-173.        [ Links ]

Torres, L. M., Definición de un sistema de evaluación y seguimiento de los componentes del sistema de inteligencia tecnológica., MSC Industrial Engineering thesis, Universidad Nacional de Colombia, Bogotá,  2010.        [ Links ]

4 Se efectuó un análisis de publicaciones científicas y técnicas posteriores al año 1998 (un total de 144 artículos relacionados con inteligencia tecnológica) mediante la ecuación de búsqueda TITLE-ABSTR-KEY ("techn* intelligence") en las bases de datos de ScienceDirect, EBSCO, ISI Web of Knowledge e Informa World, disponibles en el Sistema Nacional de Bibliotecas de la Universidad Nacional de Colombia (SINAB-UN). La consulta fue realizada en abril de 2009.

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License