Verso ‘politiche per l’innovazione intelligenti’

I cinque modelli di innovazione identificati empiricamente (Capello, Lenzi, 2013a) e presentati più sopra possono rappresentare un buon punto di partenza per un rilancio di politiche per l’innovazione che includano aspetti ed elementi territoriali all’interno di un quadro di politiche di innovazione regionale appropriate, lungo le linee definitive e individuate dalla riforma dei fondi strutturali, esplicitamente intese come la “chiave per tradurre le priorità del progetto bandiera dell’Europa dell’Innovazione in azioni pratiche nel contesto reale” (EC, 2010b, p. 2).

Le “politiche di innovazione intelligenti” possono essere definite come quelle politiche capaci di rafforzare la capacità di un’area di incrementare l’efficacia della conoscenza accumulata e di favorire la diversificazione tecnologica, sulla base delle specificità locali e delle caratteristiche del modello di innovazione già ampiamente presente nella regione.

I due concetti di “radicamento” e di “connessione” rilanciati dal dibattito della specializzazione intelligente sono un utile punto di partenza. Tuttavia, le politiche di innovazione intelligente adat- tano i due concetti alle specificità di ogni modello di innovazione, e ricercano interventi ad-hoc, appropriati, con lo scopo di rinforzare gli aspetti virtuosi che caratterizzano ogni modello e la sua efficienza.

Questa strategia sembra esposta al rischio di lock-in delle regioni all’interno delle loro specia- lizzazioni tradizionali, che rende ancor più spazialmente concentrata la capacità di resilienza ad un ambiente esterno in continua evoluzione3_{. Infatti la strategia di innovazione intelligente, quando} applicata ai singoli modelli innovativi, non esclude una visione evolutiva: essa suggerisce e sup- porta processi di apprendimento locale verso l’identificazione di nuove necessità, nuove applicazioni creative e possibili diversificazioni per tecnologie consolidate, nuove forme di avanzamento nella conoscenza e nella specializzazione locale, nella scoperta e nella possibilità di orientare la ricerca tecnologica del futuro. Non sono esclusi in questo approccio possibili “salti” a modelli differenti di innovazione nei casi in cui le regioni mostrino una maturità nelle condizioni locali perché il salto avvenga. Tuttavia vista la responsabilità nella gestione di fondi pubblici, in generale i policy-makers dovrebbero orientarsi soprattutto verso il rafforzamento delle specificità locali già esistenti all’in- terno di ogni singolo modello innovativo, una scelta meno rischiosa e con maggiori probabilità di successo.

Le politiche di innovazione regionale dovrebbero innanzitutto individuare obiettivi diversi per ogni modello.

L’obiettivo di massimizzazione degli investimenti in R&S si presenta come il giusto obiettivo per a.

le regioni che appartengono ai due primi modelli di innovazione, caratterizzati da una massa cri- tica di R&S sufficiente. Le regioni possono sfruttare le indivisibilità associate all’attività di ricerca e ottenere vantaggi da risorse finanziare aggiuntive. La specificità dei due modelli innovativi per quanto attiene alla tipologia di conoscenza già presente suggerisce di incanalare le risorse finan- ziarie verso le specializzazione tecnologiche già presenti: all’area scientifica europea è efficiente dedicare risorse nelle tecnologie general purpose, mentre l’area di scienza applicata richiede sup- porto in campi tecnologici specifici, differenziati a seconda della specializzazione.

Supporto alla ricerca di base non sembra invece essere l’obiettivo principale per “l’area di appli- b.

cazione tecnologica intelligente” e per quella “della diversificazione intelligente e creativa”. La mancanza di massa critica di R&S lascia perplessi circa la capacità di queste aree di sfruttare economie di scala e vantaggi di dimensione della ricerca, tanto che è facile prevedere un modesto ritorno degli investimenti in R&S. Gli obiettivi delle politiche di innovazione in queste regioni devono orientarsi a raggiungere il massimo ritorno dalle nuove applicazioni e dallo sfruttamento dei vantaggi di cooperazione interregionale nelle applicazioni di nuova conoscenza, attraverso la ricerca di nuovi prodotti e nuovi mercati nei settori di specializzazione produttiva.

Per raggiungere questo obiettivo, le migliori politiche sono quelle a supporto dell’applicazione c.

creativa, dell’aumento di produttività in processi produttivi di tradizioni, dello spostamento da produzioni vecchie a nuove. In altre parole: supporto allo sviluppo (‘S’) piuttosto che alla ricerca 3. Una simile critica è stata mossa alla specializzazione intelligente. Si veda a riguardo Cooke, 2009.

Politiche di competitività e riforma dei fondi strutturali dell’Unione Europea 179

(‘R’). Nel primo pattern di questo genere, le azioni normative per raggiungere questo obiettivo devono essere un supporto all’aumento della presenza di conoscenza tacita e formale attraverso la cooperazione con partner forti nei settori di specializzazione. Nel secondo caso, nel quale la conoscenza presente è informale, il suggerimento è quello di aumentare la ricettività tecnologica, la creatività e la capacità di differenziazione del prodotto nei settori di specializzazione.

Infine, nel caso del modello di innovazione imitativa, l’obiettivo è quello di raggiungere il massimo d.

ritorno dall’imitazione di innovazione creata all’esterno dell’area, e adattata in modo creativo alle esigenze locali. Questo obiettivo è supportato da politiche di supporto al trasferimento tecnologico e alla diffusione, attraverso incentivi alla collaborazione di imprese multinazionali con imprese locali, fornitori o clienti, in progetti di adozione di innovazione adattata alle esigenze del tessuto produttivo locale.

Così come avviene per le azioni volte alla creazione di conoscenza in modo radicato sul territo- rio, anche le azioni per lo sfruttamento di conoscenza esterna (la cosiddetta “connessione”) devono essere declinate a seconda delle caratteristiche del singolo modello di innovazione.

Nei due patterns caratterizzati dalla presenza di una massa critica sufficiente di attività scientifica, a.

si possono individuare azioni quali il supporto alla mobilità di inventori, canale di diffusione di conoscenza avanzata, con un’attenzione particolare alle conoscenze complementari necessa- rie all’area. Questo suggerimento è in linea con il lancio dell’Area di Ricerca Europa (ARE), che incentiva la collaborazione scientifica e lo scambio di inventori e studiosi in Europa per la realizzazione di un’area di ricerca europea comune tra i paesi membri, e si sposa bene con le caratteristiche dell’area della ricerca scientifica di base. Supporto a meccanismi di trasferimento della conoscenza verso settori tecnologicamente connessi in regioni differenti e complementari in termini di conoscenza si presenta come una buona politica per l’area della scienza applicata. Per i due patterns appartenenti al secondo quadro concettuale, che vede nella conoscenza esterna b.

la base per l’innovazione locale, sfruttabile grazie a imprenditorialità e creatività locali, azioni per aumentare l’attrazione di avanzamenti di conoscenza formale e informale sono, per la natura di questi modelli di innovazione, molto importanti. La partecipazione a fiere internazionali spe- cializzate, l’aumento di conoscenza tacita e formale attraverso la cooperazione con partner forti nei settori di specializzazione, il supporto all’identificazione bottom-up delle vocazioni industriali aumentando la consapevolezza delle capacità e delle potenzialità locali (‘planning industriale stra- tegico’), l’aumento della ricettività tecnologica, la creatività e la capacità di differenziazione del prodotto nei settori di specializzazione sono tutte azioni in grado di rafforzare la conoscenza pro- veniente dall’esterno, vitale per il modello innovativo locale.

I tradizionali incentive agli IDE rimangono lo strumento più efficace per attrarre le nuove innova- c.

zioni in aree dove la capacità di innovare internamente è molto limitata.

Le politiche fin qui presentate sono orientate al rafforzamento dell’efficienza e dell’efficacia dei d.

processi di innovazione all’interno dei singoli modelli. Tuttavia, all’interno di ogni modello, esistono regioni più avanzate di altre nei modi di innovare, e in questo senso pronte, qualora sup- portate da politiche mirate, a cambiare il modello innovativo che le caratterizza, in una visione evolutiva. In questo senso, è possibile evidenziare politiche evolutive, volte al raggiungimento di un miglioramento dei processi di innovazione in alcune regioni.

Le regioni più efficienti all’interno del modello di innovazione imitativa (pattern 5) potrebbero e.

‘saltarÈ o verso il modello di diversificazione intelligente e creativa o verso l’area dell’applica- zione tecnologica intelligente (pattern 3), attraverso la creazione di nuove competenza locali e di spirito imprenditoriale, aggiungendo valore locale alla conoscenza esterna. Il caso del settore automobilistico a Bratislava sviluppato all’interno del progetto KIT (Šipikal, Buček, 2013) è un esempio in questo senso: il processo di innovazione locale si è allontanato da un modello imitativo per assumere le sembianze di un processo di applicazione tecnologica intelligente, attraverso la conoscenza che si è cumulata nei fornitori e sub-contraenti locali di imprese multinazionali del settore automobilistico.

Nel modello di diversificazione intelligente e creativa (pattern 4) le regioni più dinamiche potreb- bero andare verso un modello di applicazione tecnologica intelligente (pattern 3) attraverso il

180 Roberto Camagni, Roberta Capello

rafforzamento di conoscenza formale locale. L’area scientifica europea (pattern 1) potrebbe stimolare politiche volte a cercare di evitare i rendimenti decrescenti associati all’attività di R&S4_{, diversifi-} cando la ricerca in nuovi campi di applicazione in nuovi settori, assumendo le sembianze dell’area della scienza applicata (pattern 2). Alcune regioni appartenenti a quest’ultimo cluster potrebbero invece rafforzare le loro conoscenze in settori tecnologici general purpose, così da avvicinarsi all’area scientifica Europea. Infine, alcune regioni dell’area di applicazione tecnologica intelligente potrebbero superare i rendimenti decrescenti delle attività di R&S diversificando i campi tecnologici in cui investire e innovare, acquisendo caratteristiche dell’area della scienza applicata (pattern 2).

Decidere di sviluppare politiche evolutive richiede un’attenta analisi delle reali potenzialità delle regioni di ‘saltare’ su un modello più efficiente, così da evitare inefficienti allocazioni di risorse, dettate da erronee visioni e desideri locali. Questa decisione deve avvalersi: a) dell’identificazione delle regioni più efficienti in ogni modello: b) della presenza delle precondizioni territoriali che caratterizzano il modello innovativo a cui la regione vuole tendere; c) della presenza di attori locali dinamici, capaci di gestire nuove funzioni cruciali per il nuovo modello innovativo; d) della presenza di progetti di ricerca e innovazione credibili e ben valutati. Solo a queste condizioni le politiche evo- lutive troverebbero un terreno fertile su cui produrre effetti virtuosi.

Se è vero che in alcuni casi da manuale l’innovazione è il risultato di eventi non prevedibili, di salti creativi totalmente inattesi, che si discostano dalle traiettorie tecnologiche esistenti, è anche importante ricordare il carattere sistemico, complesso e incrementale della maggior parte delle inno- vazioni, necessariamente basate su un processo di apprendimento lento, cumulativo e “localizzato” all’interno di una traiettoria tecnologica ben precisa. Pertanto, è razionale sostenere che le politiche di innovazione regionale, che gestiscono risorse pubbliche, dovrebbero rimanere all’interno di traiet- torie tecnologiche definite, basate sulle condizioni e le capacità di contesto esistenti, che presentano rischi accettabili e i più elevati ritorni attesi per l’intera economia locale.

6. Conclusioni

Il presente dibattito sullo stile e il disegno di rinnovate politiche regionali che siano da supporto all’Agenda 2020 richiede ancora riflessioni sui modi in cui le politiche settoriali possano essere calate in contesti locali. Questo vale in particolare per le politiche che perseguono l’eccellenza nella conoscenza, il supporto alla ricerca e sviluppo, l’innovazione tecnologica.

Questo lavoro rappresenta uno sforzo in questa direzione, inserendosi nel dibattito sulla specializ- zazione intelligente. Si sostiene che se l’iniziale dicotomia centro-periferica del territorio Europeo su cui differenziare le politiche di innovazione portata avanti dai teorici dalla specializzazione intel- ligente non rappresentava in modo abbastanza accurato i modelli di innovazione regionali, anche la versione più moderna di questo approccio, che richiama singoli interventi per singole regioni, non è la via alla soluzione del problema. Infatti, se l’evidenziazione delle singole peculiarità tecnologiche locali è necessaria per la realizzazione di specifici progetti, le strategie e il contesto generale nel quale le politiche devono essere realizzate richiedono l’identificazione di approcci comuni per tipologie di regioni. Solo infatti attraverso linee di indirizzo comuni per contesti territoriali che mostrano modelli innovativi simili è possibile prevenire allocazioni non efficienti delle risorse e improbabili strategie locali.

Una via coerente che viene suggerita qui consiste nell’identificazione di una tassonomia deduttiva di regioni innovative, realizzata partendo da una ipotesi sui modi in cui le regioni possono innovare, definiti dalla presenza/assenza di condizioni di contesto per la creazione e diffusione di conoscenza e di innovazione interna. Questo lavoro ha identificato questa tassonomia teoricamente e empirica- mente attraverso una sua applicazione alle regioni europee. Sono stati identificati cinque modelli regionali di innovazione:

scienza Europea; •

scienza applicata; •

4. In letteratura esiste ampia evidenza empirica che nelle regioni europee all’attività di ricerca e sviluppo sono associati rendimenti decrescenti. A riguardo si veda Capello, Lenzi, 2013b, cap. 8.

Politiche di competitività e riforma dei fondi strutturali dell’Unione Europea 181

applicazione tecnologica intelligente; •

diversificazione intelligente e creativa; •

innovazione imitativa. •

Su questa tassonomia il lavoro ha declinato le politiche di innovazione, dette intelligenti in quanto disegnate sul modo di innovare che ogni gruppo di regioni presenta, partendo dalle ben note “parole d’ordine” a cui si riferisce l’Unione Europea per il rilancio delle politiche di innovazione, quelle di “radicamento” e di “connessione” nel contesto locale. Questi concetti sono stati ripresi nel lavoro, e declinati per ogni singolo modello innovativo, identificando al tempo stesso nuove azioni normative, e nuovi stili e modi di applicazione di tali politiche.

Infine, se le politiche innovative sono pensate per rafforzare ogni singolo modello di innovazione, il lavoro non si esime dal suggerire politiche di innovazione evolutive, volte a promuovere il salto a modelli di innovazione più efficienti per quelle regioni che, dopo attenta valutazione, mostrano le condizioni per poter efficacemente passare a un diverso modello di innovazione.

Tutti questi sforzi sono tesi a raggiungere gli obiettivi della crescita intelligente e del progetto ban- diera dell’Europa dell’Innovazione, utilizzando e rafforzando i suggerimenti della specializzazione intelligente proposta dalla DG Ricerche e facendo propri i suggerimenti di politiche “place-based” su cui si basa la riforma dei fondi strutturali.

Bibliografia

Acs Z., Audretsch D., Feldman M. (1994), R&D Spillovers and Recipient Firm Size. Review of Economics and Statistics, 76, 2: 336-340.

Barca F. (2009), An Agenda for a Reformed Cohesion Policy. A Place-based Approach to Meeting European Union Challenges and Expectations. Independent report (Ultimo accesso gennaio 2014 - http://ec.europa. eu/regional_policy/archive/policy/future/barca_en.htm).

Basile R., Capello R., Caragliu R. (2012), Technological Interdependence and Regional Growth in Europe. Papers in Regional Science, 91, 4: 697-722.

Boschma R. (2005), Proximity and Innovation. A Critical Survey. Regional Studies, 39, 1: 61-74. Doi: 10.1080/0034340052000320887.

Camagni R., Capello R. (2009), Knowledge-based Economy and Knowledge Creation: The Role of Space. In: Fratesi U., Senn L. (eds.), Growth and Competitiveness in Innovative Regions: Balancing Internal and External Connections. Berlin: Springer Verlag. 145-166. Doi: 10.1007/978-3-540-70924-4_7.

Camagni R., Capello R. (2013), Regional Innovation Patterns and the EU Regional Policy Reform: Towards Smart Innovation Policies. Growth and Change, 44, 2: 355-389. Doi: 10.1111/grow.12012.

Capello R. (2009), Spatial Spillovers and Regional Growth: A Cognitive Approach. European Planning Studies, 17, 5: 639-658. Doi: 10.1080/09654310902778045.

Capello R. (2014), A New Conceptualization of Regional Innovation Modes: Territorial Patterns of Innovation, submitted to International Journal of Urban and Regional Research.

Capello R., Lenzi C. (2013a) (eds.), Territorial Patterns of Innovation: An Inquiry on the Knowledge Economy in European regions. London: Routledge.

Capello R., Lenzi C. (2013b), Territorial Patterns of Innovation: a Taxonomy of Innovative Regions in Europe. The Annals of Regional Science, 51, 1: 119-154.

Cooke Ph. (2009), The Knowledge Economy, Spillovers, Proximity and Specialization. Brussels: European Commission, Directorate General for Research, JRC. 29-39. (Ultimo accesso gennaio 2014 - http://publica- tions.jrc.ec.europa.eu/repository/).

EC – Commission of the European Communities (2010a), Europe 2020. A Strategy for Smart, Suitable and Inclusive Growth, Communication from the Commission, COM(2010)2020. Brussels: EC.

EC – Commission of the European Communities (2010b), Regional Policy Contributing to Smart Growth in Europe, COM(2010)553, Brussels. Brussels: EC.

EC – Commission of the European Communities (2012), Guide to Research and Innovation Strategies for Smart Specialisations (RIS 3), Smart Specialization Platform, May. Brussels: EC(Ultimo accesso gennaio 2014 - http://s3platform.jrc.ec.europa.eu/c/document_library/get_file?uuid=a39fd20b-9fbc-402b-be8c- b51d03450946&groupId=10157.

Foray D. (2009), Understanding Smart Specialisation. In: Pontikakis D., Kyriakou D., van Bavel R. (eds.), The Question of R&D Specialisation. Brussels: European Commission, Directorate General for Research, JRC. 29-39. (Ultimo accesso gennaio 2014 - http://publications.jrc.ec.europa.eu/repository/). 19-28.

Foray D., David P., Hall B. (2009), Smart Specialisation - The Concept. Knowledge Economists Policy Brief, n. 9.

182 Roberto Camagni, Roberta Capello

Giannitsis T. (2009), Technology and Specialization : Strategies, Options, Risks. Brussels: European Commis- sion, Knowledge Economists Policy Brief, n. 8.

Jaffe A., Trajtenberg M., Henderson R. (1993), Geographic Localization of Knowledge Spillovers as Eviden- ced by Patent Citations. The Quarterly Journal of Economics, 108, 3: 577-598.

Licht G. (2009), How to Better Diffuse Technologies in Europe, Expert Group Knowledge for Growth. Brus- sels: European Commission, Knowledge Economists Policy Brief n. 7.

OECD (2010), Typology of Regional Innovation Systems, 20th session of the working party on Territorial Indicators. Paris: Oecd.

OECD (2011), Territorial Outlook. Paris: Oecd.

Pontikakis D., Chorafakis G., Kyriakou D. (2009), R&D Specialization in Europe: From Stylized Observa- tions to Evidence-Based Policy. In: Pontikakis D., Kyriakou D., van Bavel R. (eds.), The Question of R&D Specialisation, JRC. Brussels: European Commission, DG for Research. 71-84.

Sipikal M., Bucek M. (2013), The Role of FDIs in Regional Innovation: Evidence from the Automotive Indu- stry in Western Slovakia. European Planning Studies, Special issue, 5, 4: 401-415.

183