Se analiza el impacto de los instrumentos fiscales sobre el esfuerzo inversor en I+D de las empresas manufactureras y también sobre la innovación de estas. Por otra parte, dentro de este objetivo se va a analizar el impacto de los instrumentos fiscales y de las decisiones de adopción de tecnología de las empresas manufactureras españolas sobre la eficiencia en innovación, basándonos en el uso de la función de producción de conocimiento (“Knowledge Production Function”). Este objetivo da continuidad a una de las líneas de investigación planteadas en el proyecto INNJOBMAD, de la anterior convocatoria de Humanidades 2019. Aunque, el enfoque cambia y se introducen importantes avances metodológicos. 

El objetivo es estudiar las áreas de mejora en la eficiencia y productividad del sistema de innovación de la CAM, dentro del marco metodológico del Regional Innovation Scoreboard (RIS) de la Comisión Europea. Para ello, se va a desarrollar una mejora en los métodos cuantitativos utilizados para realizar la evaluación por Benchmaking de los sistemas regionales de innovación. En concreto, el uso de las técnicas conocidas como Análisis Envolvente de Datos dentro de sus vertientes no supervisada y supervisada. La primera basada en métodos de machine learning. La segunda incorpora las preferencias de los stakeholders (administraciones, empresas, universidades) mediante la ponderación de las distintas actividades de los sistemas de innovación que inciden sobre las más relevantes por tener mayor efecto en la actividad económica.

Este objetivo se centra en el impacto de las nuevas tecnologías que conforman la Industria 4.0 y la robotización sobre la productividad y el empleo. Este análisis se va a llevar a cabo a nivel nacional en los países europeos, mediante el uso de los datos procedentes de la Federación Internacional de Robótica, combinada con Eurostat y OCDE. A nivel empresarial en España se hace uso de la Encuesta Sobre Estrategias Empresariales (ESEE), analizando diferencias por tamaño e intensidad tecnológica y competitiva sectorial. Los potenciales problemas de endogeneidad se van a afrontar mediante el enfoque de diseños de investigación cuasiexperimentales y mediante el uso del procedimiento de Inverse Probability Weithing Regession adjustment (IPWRA) robusto ante errores de especificación. Por otra parte, y dada la relevancia, otra de las investigaciones a desarrollar en este objetivo se va a centrar en el análisis de los efectos de la IA en España en función de su penetración por ocupación, sector de actividad y comunidades autónomas.

En este objetivo específico se aborda la relación entre la adopción de robots y la competitividad regional desde la perspectiva de la teoría de la complejidad económica y de producto. Por lo tanto, se plantea el estudio de la relación entre los índices de complejidad de productos y de complejidad económica y la adopción de robots a nivel regional. Para ello, va a ser necesario construir estos dos indicadores cuantitativos: Índice de Complejidad de Productos (ICP) e Índice de Complejidad Económica (ICE). 

Este objetivo contribuye a la literatura existente en la búsqueda de evidencia empírica que apoye la tesis de que la adopción de robots puede apoyar diversas estrategias empresariales. No se han encontrado trabajos de este tipo, en los que se analice el encaje de este posible efecto de sustituibilidad o complementariedad de la adopción de robots en la estrategia empresarial. Por lo tanto, se espera aportar nueva evidencia empírica en la búsqueda de un argumento que explique las características organizacionales y competitivas que perfilan el encaje de la adopción de robots. Se trata de un trabajo novedoso, que va a contribuir a aportar interesantes estrategias empresariales en el ámbito de la adopción de robots en las empresas españolas, y principalmente en la Comunidad de Madrid, e interesantes implicaciones de política económica.

Se lleva a cabo un análisis de los niveles de complejidad económica y su contribución al empleo con especial énfasis en los polos de innovación de la Comunidad de Madrid. Desde el punto de vista metodológico, se diseña una metodología única y novedosa que permitirá medir la complejidad económica con un nivel de detalle mayor. Actualmente la complejidad económica se mide a nivel regional y, por primera vez en la literatura, se planteará el estudio a nivel local (municipio o agrupaciones de municipios). Por otra parte, otra aportación metodológica va a ser la de analizar para la Comunidad de Madrid el grado de relación ocupacional entre industrias co-localizadas, con el objetivo de comprobar si la contribución de la complejidad económica al empleo depende de la co-localización de industrias relacionadas en términos de demanda ocupacional. Finalmente, se va a validar la posible existencia de una tendencia en la estrategia de diversificación y su contribución en la complejidad económica. 

Se plantea un enfoque novedoso para medir la interconexión entre actividades, complementando la perspectiva input-output con el análisis de la movilidad de los trabajadores, mediante el uso de datos geolocalizados. Por lo tanto, la novedad de la investigación se sustenta en su enfoque integrado, que combina la riqueza de datos geolocalizados de alta precisión con técnicas avanzadas de análisis espacial y temporal. Al aprovechar herramientas de Inteligencia Artificial y Machine Learning para el cruce, enriquecimiento y análisis de los datos, se espera revelar patrones ocultos, identificar correlaciones complejas y comprender mejor cómo las dinámicas de interacción social pueden determinar el desarrollo económico, el empleo y la innovación en la región.

Finalmente, otro de los factores relevantes en la relación entre complejidad económica y empleo es el papel de las instituciones. Así pues, la relación entre las características de las instituciones locales, difusión de conocimiento y desarrollo regional está mediada por una gran cantidad de elementos, como la solidez de la base científica y del sistema de transferencia de conocimientos, el sistema financiero, las competencias de la mano de obra local, y las políticas públicas destinadas a fomentar la innovación y el crecimiento. El enfoque de sistemas complejos se empieza a considerar el más apropiado para analizar las interrelaciones complejas entre estos distintos elementos del sistema a la hora de configurar la actividad innovadora de una región. Una de las metodologías más útiles para modelizar sistemas complejos son los mapas cognitivos difusos o fuzzy cognitive maps (FCM). A pesar de su utilidad, los FCM no han sido utilizados prácticamente para explicar la capacidad innovadora regional desde la perspectiva de los sistemas complejos. Este hueco en la literatura constituye la contribución principal del presente proyecto en este objetivo concreto. De forma más específica, el proyecto aplicará el FCM para comprender la relación entre calidad institucional local y los polos de innovación de la Comunidad de Madrid. Este enfoque permitirá establecer los elementos comunes que en estos polos de innovación afectan a la relación entre complejidad y desarrollo económicos a corto y largo plazo. El proyecto analizará cuáles son las variables de la teoría institucional que describen el desempeño de los polos innovadores de la Comunidad de Madrid en términos de complejidad económica.