Introducción
Se espera que el capital humano, definido como el conjunto de habilidades, conocimientos y capacidades de toda la fuerza de trabajo de una organización, contribuya a la productividad, la innovación y la creación de los beneficios económicos de la firma (Blair, 2011). Sin embargo, en algunos contextos, el precario desarrollo tecnológico de las pymes no les permite ser más eficientes y productivas, porque invierten muy poco o nada en innovación tecnológica, un elemento esencial para la supervivencia en los agresivos mercados mundiales, cuyas preferencias cambian constantemente y donde uno de sus principales inhibidores es la deficiencia en el desempeño del capital humano (Ramírez, 2013; Pomar, Rangel, & Franco, 2014).
El capital humano de una organización va más allá de las ideas y soluciones individuales de los empleados; se requiere también de las aportaciones de los directivos, contribuyendo en su combinación a proyectos innovadores y a la mejora del desempeño de la firma (Fagerberg, 2005; Arvanitis & Loukis, 2009). Sin embargo, la innovación tecnológica es un desafío estratégico dentro de la gestión empresarial, que puede describirse como un proceso de aprendizaje interactivo (Lo, 2013; Tarapuez, Guzmán, & Parra, 2016) que, al implementar una idea para el desarrollo de un nuevo producto, servicios o elementos en los procesos organizacionales, impacta significativamente en el desempeño organizacional (Azar & Ciabuschi, 2017). En términos generales, la transformación del conocimiento en actividad económica es un proceso cognoscitivo (Dini & Stumpo, 2011; Slávik & Bednár, 2104; Madero & Barboza, 2015; Morales-Rubiano, Ortiz-Riaga, Duque-Orozco, & Plata-Pacheco, 2016), que se da por medio del uso y aprovechamiento tanto del conocimiento implícito interno como del que proviene de fuentes externas (Madero & Barboza, 2015; Morales-Rubiano et al., 2016), y puede convertirse en un recurso importante para la innovación (Gõssling & Rutten, 2007).
Entre las sugerencias de algunos autores de los últimos 10 años, se tienen las de De Winne y Sels (2010), quienes afirman que los hallazgos de la relación entre el capital humano y la innovación no son del todo concluyentes, y que una posible explicación de ello podría ser la falta de marcos conceptuales integrales. Según los autores, es posible que el capital humano de los empleados solo pueda contribuir a la innovación si se gestiona activamente en concordancia con una estrategia encaminada al desarrollo de la actividad innovadora de la empresa. Aunque es ampliamente aceptado que el capital humano incide en la capacidad de innovar de una organización (De Winne & Sels; 2010; Sarkis, González-Torre, & Adenso-Díaz, 2010; Pinho, 2011; Dini & Stumpo, 2011; Fraj, Matute, & Melero, 2013; Giménez, López, & Sanaú, 2015; Morales-Rubiano et al., 2016) y que disponer de un capital humano altamente cualificado, motivado y experimentado debería ser parte fundamental de todo proceso de innovación en la empresa (Dini & Stumpo, 2011; Morales-Rubiano et al., 2016), se ha encontrado que, a pesar de la relevancia de las pymes en la economía de países emergentes, este tipo de capital puede ser escaso e inconsistente para la generación de innovación y sus efectos en el desempeño (Khalique, Bontis, Shaari, Yaacob, & Ngah, 2018).
Por lo anterior, con esta investigación se pretende analizar el efecto de un recurso estratégico para la organización como es el capital humano sobre la capacidad de innovación tecnológica en pymes que buscan competitividad empresarial, desde la percepción de los empresarios de este tipo de organizaciones en Hermosillo, Sonora, México.
Marco conceptual y formulación de hipótesis
Revisión de la literatura
La innovación, asumida como un desafío estratégico para las empresas, implica contar con la capacidad de respuesta a las condiciones y exigencias cambiantes del entorno. Giménez et al. (2015) observan que las empresas con equipos directivos orientados a la innovación y al cambio se caracterizan por invertir en activos, conocimiento y recursos humanos necesarios para la mejora del desempeño medioambiental. Pese a la importancia de la innovación en el medio empresarial, las micro y pequeñas empresas (mypes), por sus características particulares en recursos y procesos de operación, presentan mayores dificultades para innovar (Arrieta et al., 2014; Garzón, 2015). Sin embargo, este tipo de organizaciones puede obtener mayores beneficios si desarrolla, comunica y abraza una orientación a la capacidad de innovar (Saunila, 2017a).
La producción de tecnología se caracteriza por ser una actividad intensiva en capital humano, pues los conocimientos y la información necesarios para llevar a cabo actividades de investigación, desarrollo e innovación (i+D+i) se obtienen a partir de la formación de los trabajadores. De este modo, se destaca la necesidad de llevar a cabo una gestión del capital humano en la que la gestión del conocimiento se enfoque en realizar procesos de aprendizaje organizacional, teniendo como fuentes el entorno, el conocimiento explícito de la organización y el conocimiento tácito presente en los empleados (Delmas, Hoffmann, & Kuss, 2011; Morales-Rubiano et al., 2016).
A diferencia de otros tipos de innovación, la capacidad de innovación tecnológica involucra innovaciones de producto y proceso (Camisón & Villar-López, 2014). Estudios previos han encontrado que el desempeño de los empleados puede afectar esta capacidad. Por ejemplo, en el contexto colombiano, Morales-Rubiano et al. (2016) demostraron que los conocimientos y habilidades del capital humano pueden promover la innovación y el progreso tecnológico, mientras que Saunila (2017a) identificó en pymes finlandesas que, aunque la capacidad de innovación afecta el desempeño de la firma, las perspectivas de gerentes y empleados difería. En dicha investigación, los empleados consideraban que esencialmente el desarrollo de know-how en la capacidad de innovación afectaba el desempeño de la organización; es decir, para los empleados, la gestión de los procedimientos a través de los cuales se monitorean las actividades de innovación es clave (Saunila, 2017a). Sin embargo, se espera que el desempeño de los empleados dentro de una una cultura de liderazgo participativo (Saunila, 2017a), así como la eficiencia en la comunicación y evaluación entre gerente y empleados (Saunila, 2017b) repercuta en la capacidad de innovación. Por lo anterior, es razonable relacionar causalmente la siguiente hipótesis:
H1. La capacidad de innovación tecnológica de las pymes está influenciada por el desempeño del capital humano de los empleados.
La innovación es la principal fuente de ventaja competitiva (Spiegel & Marxt, 2012), razón por la que es uno de los principales determinantes de la promoción del crecimiento, el desarrollo y la conducción de la productividad y la competitividad empresarial (Zhixiong & Yuanjian, 2010; Sambharya & Lee, 2014). Lograr el éxito en la gestión de la innovación implica generar, desde la gerencia general, una cultura relacionada con la innovación, que permita a las empresas identificar los factores clave que caracterizan dicho proceso y que pueden clasificarse en internos y externos a la propia organización (Robayo, 2016), y el input más importante para desarrollarla en las pymes es a través de las habilidades gerenciales.
Se suele asignar a los gerentes el papel de dirigir las actividades de innovación hacia fines exitosos (Saunila, 2017b). Al estudiar la perspectiva de gerentes de pequeñas y medianas empresas en Finlandia, Saunila (2017b) encontró una influencia positiva de la capacidad de innovación hacia la ideación, estructuras de organización y el desempeño de la firma, pero una relación negativa con respecto a una cultura de liderazgo participativa con los empleados para el logro de innovaciones y el desempeño de la organización. Además, halló que los gerentes muestran significativamente percepciones más positivas que los empleados respecto el uso y desempeño de la capacidad de innovación en sus organizaciones (Saunila, 2017b).
El rol de la gestión de la innovación tecnológica tiene un impacto positivo en el desempeño de las pymes, lo que indica que sus propietarios y directivos están comprometidos para entender que es un factor clave dentro de sus capacidades y, particularmente, identificar su impacto en la gestión al momento de la alineación de los recursos tecnológicos hacia la estrategia de negocios de la empresa (Gutiérrez, Gutiérrez, & Asprilla, 2013). La inversión en tecnología, desarrollo del capital humano y nuevos modelos de gestión que se ajusten a las demandas sociales y mercado, además del desarrollo en aspectos en diseño y manufactura, son importantes en la gestión tecnológica para establecer ventajas competitivas (González-Campo, & Hurtado-Ayala, 2012; Mantulak, Hernández, Dekun, & Kerkhoff, 2012; Velosa & Sánchez, 2012). Quezada, Hernández y Quezada (2017) plantean la necesidad de un modelo de gestión tecnológica como instrumento metodológico que permita conceptualizar, de manera integral, operativa y ejecutiva, la gestión tecnológica, donde se valore la intensificación como alternativa de optimización de la producción. Tras la revisión de la literatura especializada en los temas que nos ocupan, se demostró por medio de argumentaciones y sustentaciones teóricas la posible relación causal entre las construcciones conceptuales planteadas; por tanto, parece razonable formular la siguiente hipótesis de trabajo:
H2. La capacidad de innovación tecnológica de las pymes está influenciada por el desempeño del capital humano de los gerentes.
Planteadas las hipótesis de trabajo, el modelo causal propuesto quedaría reflejado tal y como se muestra en la figura 1, en el que se establece el papel del desempeño del capital humano como fuente de capacidad de innovación tecnológica en las pymes.
Tras argumentar y sustentar teóricamente las relaciones propuestas, en el siguiente apartado se detalla el diseño de la investigación con el objetivo de contrastar las hipótesis de trabajo formuladas.
Diseño metodológico
Recolección de datos
Para dar respuesta a las hipótesis de trabajo, se desarrolló una serie de pasos metodológicos divididos en dos etapas: 1) etapa cualitativa, en la que se realizó un análisis exploratorio de los datos con base en una prueba piloto, que se llevó a cabo realizando una encuesta a gerentes de pymes, para cuyo efecto se usó un cuestionario semiestructurado (en el anexo se presenta la operacionalización de cada constructo); 2) tras la validación del instrumento de investigación con el procedimiento anterior, se procedió con la recogida de información a través de una muestra probabilística de tipo estratificado sin reemplazo. El marco de muestreo se configuró con el listado de las 538 empresas incluidas en los directorios de las cámaras empresariales de la ciudad de Hermosillo, en el estado de Sonora al noroeste de México. Específicamente se incluyeron establecimientos afiliados a la Cámara Nacional de Comercio, Servicios y Turismo (Canaco-Servytur) y a la Cámara Nacional de la Industria y la Transformación (Canacintra). Tras la aplicación de la fórmula para una población finita sin reemplazo, se determinó una muestra de 108 casos, de los cuales el 68,51% fue respondido por empresas pequeñas y el 31,48%, por empresas medianas (tabla 1). Cabe mencionar que, para alcanzar la totalidad de cuestionarios validados, estos se aplicaron vía correo electrónico, llamadas telefónicas y, finalmente, para alcanzar los resultados finales, se visitó in situ a los gerentes.
Ámbito geográfico | Hermosillo, Sonora, México |
Universo | 538 empresas |
Unidad muestral | Pymes afiliadas a dos cámaras empresariales: Canacintra y Canaco-Servytur |
Metodología | Levantamiento por encuesta con cuestionario semiestructurado |
Procedimiento de muestreo | Muestra finita sin reemplazo |
Tamaño muestral | 108 encuestas válidas • Pequeña: 74 empresas que equivalen al 68,51% • Mediana: 34 empresas que equivalen al 31,48% |
Error muestral | ± 5, 0 % |
Nivel de confianza | 90 %; pq = 0,5 |
Fecha del trabajo de campo | Agosto-diciembre del 2015 |
Fuente: elaboración propia.
La información fue recopilada diseñando y validando un cuestionario semiestructurado que contiene una serie de reactivos con escalas de medida Likert de 7 puntos para cada una de las variables objeto de análisis. En el proceso de levantamiento del instrumento de investigación, los gerentes de las pymes manifestaron sus valoraciones respecto a la capacidad de innovación tecnológica y el desempeño del capital humano, medido en dos sentidos: la percepción hacia ellos mismos y la percepción hacia los empleados; finalmente, los entrevistados valoraron las características sociodemográficas.
Análisis estadísticos de los datos
Para realizar el tratamiento estadístico de los datos se utilizó el software SmartPLS 3.0 (Ringle, Wende, & Becker, 2015), que brinda herramientas de análisis para el modelado de ecuaciones estructurales (SEM), basado en la varianza con la técnica de rutas de Mínimos Cuadrados Parciales (PLS). Los modelos PLS-SEM se evalúan en dos fases:
Validez del modelo de medida. El procedimiento estadístico implica el análisis de 1) la validez de contenido y la validez aparente; 2) la fiabilidad individual de los indicadores a través de las cargas factoriales de cada uno de los constructos propuestos, y 3) la validez del constructo en términos convergentes y divergentes.
Validez del modelo estructural. En este tratamiento se deben realizar las siguientes pruebas: 1) la varianza explicada de las variables latentes dependientes (R2); 2) la significancia de los coeficientes path o pesos de regresión estandarizados (β-bootstrapping); la relevancia predictiva (Q 2 -blindfolding), y la bondad de ajuste del modelo estructural global.
Además, se realizó un análisis descriptivo previo de la muestra para determinar la normalidad, linealidad y homocedasticidad de los datos obtenidos, destacando el coeficiente de curtosis y asimetría con niveles aceptables. A continuación, se presentan los pasos metodológicos de cada una de las pruebas y criterios estadísticos para la estimación de los modelos conceptuales propuestos.
Validación del modelo de medida
Validez de contenido y validez aparente
En referencia a la validez de contenido, se realizó una exhaustiva revisión teórica de la literatura especializada en los temas de capacidad de innovación tecnológica y el desempeño del capital humano. Para el caso de la validez aparente, que nos indica lo que realmente deben expresar y medir cada una de las afirmaciones de las escalas de medida, se puso a consideración el instrumento de investigación ante un grupo de empresarios con características similares a la muestra seleccionada. El procedimiento anterior permite realizar adecuaciones al cuestionario, tales como depuración de reactivos y ajustes en la redacción de los indicadores, con el objetivo de garantizar resultados satisfactorios tras los análisis estadísticos.
Fiabilidad individual de los indicadores
Los indicadores individuales de medida que forman los constructos reflectivos de capacidad de innovación tecnológica y capital humano son medidos en dos sentidos: desde la percepción del gerente hacia el empleado y hacia la gestión que ellos realizan; se calcularon las cargas factoriales (A) por medio de los algoritmos path de los tres constructos reflectivos planteados.
Los constructos están medidos por indicadores individuales que poseen una determinada carga factorial, que indica que los niveles de varianza compartida entre las variables latentes y manifiestas es mayor a la varianza del error. Para tal efecto se utiliza el criterio estadístico de Carmines y Zeller (1979) (λ > 0,707) o recientemente de Hair, Huit, Ringle y Sarstedt (2017) (λ > 0,708), y a su vez se confirma su significancia a un nivel de confianza del 95%.
En la tabla 2 se muestran las cargas factoriales de los indicadores reflectivos de cada uno de los constructos del modelo. Tras una primera ronda de validación de las variables latentes por medio de logaritmos PLS-SEM, para el constructo Desempeño del capital humano de los empleados, se depuraron los indicadores CH1 y CH3; en el de Desempeño del capital humano de los gerentes se eliminó CH11; y para Capacidad de innovación tecnológica se descartaron FI13, FI15, FI16 y FI18, dado que no cumplen los criterios estadísticos antes expuestos. En una segunda ronda de validez se depuró el indicador FI14 y, finalmente, con la ronda 3 de validación de las cargas factoriales de los indicadores, el modelo cumplió con los parámetros que determina la metodología PLS-SEM.
De igual forma se procedió a realizar la prueba estadística de comunalidad (λ2), considerando el criterio de Bollen (1989), que determina si la varianza de los indicadores individuales forman parte de la varianza del constructo propuesto. Por ejemplo, el indicador CH2 = 0,720, demuestra que su comunalidad representa un λ2 = 0,5184, lo que implica que el 51,84% de la varianza de la variable manifiesta está relacionada con la variable latente (tabla 2).
Validez del constructo
La validez del constructo se demuestra por medio del análisis de tres coeficientes fundamentales: Alfa de Cronbach (α); Fiabilidad compuesta del constructo (p c ) y el Análisis de la Varianza Extraída Media (AVE).
Coeficiente Alfa de Cronbach (α). Mide la consistencia interna de las escalas de medida; el criterio aceptable metodológicamente es igual o mayor de 0,700, pero conforme las investigaciones son más rigurosas el valor debe estar entre 0,800 y 0,900. Henseler, Ringle y Sinkovics (2009) demuestran que una a igual o menor que 0,600 indica falta de confiabilidad. Considerando los criterios estadísticos de Nunnally (1978) y Sanz, Ruiz y Aldás (2008), todos los constructos del modelo propuesto cumplen satisfactoriamente.
Coeficiente de Fiabilidad compuesta del constructo (p c ). El valor demuestra la ausencia de errores de medida y la consistencia interna de la variable latente. Para el caso del modelo propuesto, todos los constructos poseen valores por encima de 0,600 (Bagozzi & Yi, 1988; Chin, 1998; Steenkamp & Geyskens, 2006). Cabe destacar que todos los valores de los p c son mayores a los α para los constructos, tal y como recomiendan Fornell y Larcker (1981).
Coeficiente AVE. Este criterio se define como el valor medio de las cargas factoriales al cuadrado de los indicadores asociados con el constructo (Hair et al., 2017). El valor debe ser mayor o igual que 0,500 (Bagozzi, 1981; Fornell & Lacker, 1981), con un nivel de 0,01 de significancia (Sanzo, Santos, Vázquez, & Álvarez, 2003), lo que demuestra que la varianza del constructo se debe a sus indicadores en más del 50%.
En conclusión, se determina que los constructos teóricos del modelo planteado tienen una consistencia interna satisfactoria al observar los tres coeficientes anteriores (tabla 3).
Constructos | Alfa de Cronbach (a) | Fiabilidad compuesta (Pc) | Varianza Extraída Media (ave) |
---|---|---|---|
Desempeño del capital humano de los empleados | 0,898 | 0,922 | 0,665 |
Desempeño del capital humano de los gerentes | 0,949 | 0,957 | 0,712 |
Capacidad de innovación tecnológica | 0,964 | 0,968 | 0,702 |
Fuente: elaboración propia con base en el análisis estadístico usando el software SmartPLS 3.0.
Validez convergente y divergente
A continuación, se analizan los criterios estadísticos para determinar la validez convergente y divergente.
Validez convergente. Para demostrar la convergencia de los constructos se debe calcular el coeficiente ave. El criterio de aceptación de esta prueba estadística debe ser mayor o igual que 0,500 (Bagozzi, 1981; Fornell & Larcker, 1981), lo que indica que el constructo está explicado en un 50% por sus indicadores con base en la varianza obtenida.
Validez divergente o discriminante. Para determinar esta prueba estadística se procedió a calcular la matriz de correlaciones entre los constructos objeto de estudio; los valores obtenidos del procedimiento estadístico anterior deben ser mayores a la raíz cuadrada del coeficiente ave, lo que explica que, a mayor varianza de las variables latentes (constructos), mayores serán las diferencias entre las variables manifiestas por bloques (indicadores) (Chin, 2002; Real, Leal, & Roldán, 2006).
Tras los cálculos estadísticos correspondientes a los tres constructos reflectivos planteados, se demostró que hay niveles satisfactorios tanto de validez convergente como divergente (tabla 4). En la primera prueba se busca verificar que la varianza de las variables latentes se obtiene de las variables manifiestas con relación a la cantidad de varianza debida al error de medida; en la segunda, se busca determinar si el constructo propuesto está significativamente retirado de otros constructos con los que se encuentra relacionado en términos teóricos (Roldán, 2000).
Constructos | Capacidad de innovación tecnológica | Desempeño del capital humano de los empleados | Desempeño del capital humano de los gerentes | Varianza Extraída Media (AVE) | Raíz cuadrada del AVE |
---|---|---|---|---|---|
Capacidad de innovación tecnológica | 0,838 | 0,702 | 0,837 | ||
Desempeño del capital humano de los empleados | 0,903 | 0,815 | 0,665 | 0,815 | |
Desempeño del capital humano de los gerentes | 0,980 | 0,901 | 0,844 | 0,712 | 0,843 |
Fuente: elaboración propia con base en el análisis estadístico usando el software SmartPLS 3.0.
Validación del modelo estructural
Tras la validación del modelo de medida se procede a demostrar la validez del modelo estructural por medio de dos pruebas básicas: la varianza explicada (R2) y los coeficientes path (β), de acuerdo con la metodología propuesta por Johnson, Herrmann y Huber (2006).
Varianza explicada (R2). El criterio estadístico de aceptación de este indicador debe ser igual o mayor que 0,100 (Falk & Miller, 1992).
Los coeficientes de regresión estandarizados (β).
Los valores beta deben cumplir con un valor de al menos 0,2 para que se les consideren significativos (Chin, 1998).
Tras los análisis estadísticos con la técnica bootsrapping para 5.000 submuestras (Hair et al. 2017) (tabla 5), el valor de la varianza explicada obtenida de las variables endógenas o latentes (R2 = 0,962) cumple con el criterio estadístico de aceptación; por lo tanto, todos los constructos poseen un poder de predicción satisfactorio y, por ende, todas las relaciones causales expresadas como hipótesis son válidas, tal y como se demuestra con los coeficientes path (β) calculados (β 1 = 0,105; β 2 = 0,885).
Hipótesis | Coeficientes path estandarizadosβ | p value | Estadísticos t |
---|---|---|---|
H1: Desempeño del capital humano de los empleados → Capacidad de innovación tecnológica | 0,105 | 0,026 | 2,228* |
H2: Desempeño del capital humano de los gerentes D Capacidad de innovación tecnológica | 0,885 | 0,000 | 20,073*** |
R cuadrado | R cuadrado ajustada | ||
Capacidad de innovación tecnológica | 0,962 | 0,962 | |
SSO | SSE | Q2 (=1-SSE/SSO) | |
Capacidad de innovación tecnológica | 1.404,000 | 529,191 | 0,623 |
Desempeño del capital humano de los empleados | 648,000 | 648,000 | |
Desempeño del capital humano de los gerentes | 972,000 | 972,000 |
Nota. *** valor t > 3,092 (p < 0,001: 99,9%), ** valor t > 2,327 (p < 0,01: 99%), * valor t > 1,645 (p < 0,10: 90%), n.s. = no significativo, considerando una distribución t de Student con dos colas gausianas con 4,999 grados de libertad (t (4,999) de Student)).
Fuente: elaboración propia con base en el análisis estadístico usando el software SmartPLS 3.0.
Con el objetivo de profundizar en la comprobación del modelo estructural, se procedió al cálculo de predicción por medio de la técnica de blindfolding. Para tal efecto, se verificó el valor obtenido de la prueba Stone-Geisser (Q2 = 0,623), que debe ser mayor a cero, lo que indica que los constructos analizados poseen la validez predictiva correspondiente (tabla 5).
Índice de Bondad de Ajuste (GOF)
Finalmente, con el objetivo de determinar el ajuste global tanto del modelo de medida como estructural, el siguiente paso es calcular el índice de Bondad de Ajuste (COF) por medio de la raíz cuadrada de la multiplicación de la media aritmética del coeficiente AVE y la varianza explicada (R2); el criterio de aceptación de la prueba en mención debe tener valores entre 0 y 1, donde los valores más cercanos a uno tendrán un mejor indicador de medida (Tenenhaus, 2008). Tras los cálculos estadísticos señalados se obtuvo un resultado final de 0,8165 para el modelo propuesto, lo que significa que el ajuste global es de 81,65%, que es significativamente satisfactorio.
Constructo | Varianza Extraída Media (ave) | R cuadrado | Índice de Bondad de Ajuste (GoF)a |
---|---|---|---|
Desempeño del capital humano de los empleados | 0,665 | ||
Desempeño del capital humano de los gerentes | 0,712 | 0,962 | |
Capacidad de innovación tecnológica | 0,702 | ||
Media aritmética | 0,693 | 0,962 | 0,8165a |
a GOF = √ (AVE) x (R2) (Tenenhaus, 2008).
Fuente: elaboración propia con base en los resultados estadísticos usando el software SmartPLS 3.0.
Discusión e interpretación de resultados
Los resultados obtenidos de cada una de las hipótesis formuladas nos ponen de manifiesto una serie de interpretaciones relevantes del desempeño del capital humano de los empleados y los gerentes de las pymes sobre la capacidad de innovación tecnológica. Por ello, la discusión analítica de los valores interpretados se reflejan en propuestas, alternativas y soluciones en pro de mejorar el comportamiento futuro de estas importantes unidades económicas.
Los análisis estadísticos y la interpretación final de los resultados demuestran que la capacidad de innovación tecnológica de las pymes influye de forma significativa sobre el desempeño del capital humano de los empleados (H1:β = 0,105; p < 0,10). Asimismo, se encontraron hallazgos de que los directivos pymes mejoran la capacidad de innovación tecnológica por medio de estrategias de desempeño del capital humano de los gerentes (H2: β = 0,885; p < 0,01). Por lo anterior, el estudio causal soporta la tesis principal de esta investigación, ya que los resultados muestran que el desempeño del capital humano tiene una influencia estadísticamente positiva y significativa sobre la capacidad de innovación tecnológica de la empresa.
De la misma forma, se deduce que el gerente de pymes es consciente de la importancia de innovar en tecnología para la gestión de procesos administrativos, considerando como factor productivo el desempeño del capital humano desde la perspectiva del trabajo que realiza, como de las estrategias de obtención y su conservación. Sin embargo, para que la empresa logre crecimiento y competitividad empresarial es necesario que la directiva defina y aplique estrategias de acuerdo con el cumplimiento de objetivos en cuanto a los recursos que domina y las capacidades actuales y futuras, encaminado a potencializar la generación de capacidades dinámicas de innovación tecnológica mediante la mejora del nivel y la movilidad del desempeño del capital humano.
Conclusiones e implicaciones empresariales
La producción de tecnología se caracteriza por ser una actividad intensiva en capital humano, pues los conocimientos y la información necesarios para llevar a cabo actividades de i+D+i se obtienen a partir del desempeño de los trabajadores. Este escenario complejo donde, por un lado, las innovaciones demandan cada vez más capital humano y, por otro, ese capital debe ser adquirido y se deprecia si no se hace nada para evitarlo, hace que entre las técnicas de gestión de la innovación no deba estar ausente el desempeño del capital humano.
La nueva dinámica competitiva, en la que la competencia es cada vez más fuerte, exige que las empresas reflexionen sobre la importancia del desempeño del capital humano como factor productivo clave e identifiquen sus oportunidades de mejoramiento y desarrollo de la capacidad de innovación tecnológica empresarial. No se trata de un ejercicio con una mirada retrospectiva sobre lo que esté equivocado en la organización, sino de mirar hacia adelante para explorar los medios, agregar valor y causar diferencia en el futuro.
Es necesario considerar que, en el contexto de empleabilidad, el colaborador es más exigente al elegir un empleo y deja el que tiene si no se siente lo suficientemente desafiado y valorado (Giménez et al., 2015; Madero & Barboza, 2015). Considerando que el comportamiento humano es la esencia activa de la organización al momento de crear estrategias de desarrollo de la actividad innovadora de la empresa, la empresa de éxito utiliza innovación tecnológica al desarrollar estrategias para la mejora del desempeño del capital humano. La capacidad de innovar se constituye en la característica clave para aspirar a competir y reforzar las propias posiciones de mercado, y esto no es tan sencillo de conseguir, aun habiendo adoptado la decisión de hacerlo, por causa de los requerimientos financieros y organizacionales asociados. Quienes no disponen de una gestión empresarial con la capacidad suficiente para enfrentar una verdadera tarea de investigación y desarrollo deben conformarse con adoptar innovaciones incrementales de menor magnitud.
Una gestión basada en el desempeño del capital humano resulta de la incorporación del trabajador a los diferentes procesos administrativos de la organización y, para lograrlo, es necesario la aplicación de estrategias encaminadas a su desarrollo dentro de un entorno competitivo, incierto y dinámico, como en el que nos encontramos en la actualidad; por eso, la innovación se está convirtiendo, de forma creciente, en un aspecto clave que ayuda en este trabajo para lograr competitividad empresarial (Beltrán y Pulido, 2012; Fraj et al., 2013; Kell & Lurie-Luke, 2015; Garzón, 2015). Enfrentar el cambio, la adaptación y la innovación en la empresa debe darse mediante la creación, adquisición, transferencia de conocimiento y modificación de desempeño del capital humano para poder desarrollar la capacidad de innovación más adecuada. El desempeño del capital humano como factor de innovación tecnológica es una oportunidad para el mejoramiento y desarrollo de actividades innovadoras de las empresas que buscan ventaja competitiva.
Este trabajo ha analizado la importancia que el desempeño del capital humano tiene en el desarrollo de la actividad innovadora. La capacidad de innovación tecnológica es una actividad intensiva en trabajo de elevada cualificación, por lo que el desempeño del capital humano resulta imprescindible para este tipo de procesos. Los resultados estadísticos muestran la importancia que tiene para los empresarios de pymes de Hermosillo el uso de estrategias encaminadas a la capacidad de innovación tecnológica dentro de los procesos de gestión administrativa, considerando como factor productivo el desempeño del capital humano y las estrategias para su obtención y conservación.
Lo anterior pone de manifiesto la necesidad de incorporar en la gestión empresarial de las pymes del estado de Sonora medidas orientadas al desempeño del capital humano, para lograr capacidad de innovación tecnológica durante el desarrollo de actividades innovadoras. En primer lugar, hay que apoyar a las pymes para que, de forma progresiva, superen sus deficiencias productivas mediante la mejora de estrategias de gestión, como podría ser guiar el desempeño del capital humano hacia la capacidad de innovación tecnológica, que se espera que dé como resultado final una fuerza laboral fortalecida que lleve a la empresa a lograr una ventaja competitiva en el mercado. En segundo término, es necesario avanzar con iniciativas integradas que apunten a producir cambios estructurales dentro de estos negocios. Finalmente, es necesario mencionar que utilizar el desempeño del capital humano como estrategia para lograr una capacidad de innovación tecnológica dentro de la empresa definirá las estrategias de acción que la gerencia deberá llevar a cabo para lograr la ruta a seguir, con el fin de realizar acciones encaminadas al desarrollo de actividades transformadoras dentro de los procesos de gestión administrativa para lograr competitividad empresarial.