Оценка эффективности использования интеллектуальных активов

Под влиянием перечисленных  факторов формируются модели технологического трансфера (Рис. 11).

«Личный»  технологический трансфер не требует  какой-либо институциализации (он осуществляется индивидуально, либо на основе самоорганизации творческих коллективов), принимает многообразные формы. Особенностью такого трансфера является большая доля некоммерческих отношений (в рамках конференций, симпозиумов, семинаров), которые могут служить основой для дальнейшей коммерциализации знаний или не приводить к такой коммерциализации.

Рис. 11. Система целей, преследуемых университетами в процессе технологического трансфера

«Внутренний» технологический  трансфер. Его формы достаточно разнообразны. Наиболее распространенной формой является создание в рамках университета структуры, отвечающей за защиту промышленной собственности и за технологический трансфер (Technology Transfer Office, TTO). Полномочия такой структуры ограничены действующим законодательством.

Рис. 12. Взаимосвязь факторов и моделей университетского трансфера технологий

Как правило, деятельность ТТО финансируется университетом. Однако, поскольку деятельность ТТО  как посредника между университетом  и бизнесом (или университетом  и государством) является для них  ключевой, они имеют и дополнительные источники финансирования.

Спин-офф - процесс создания новой компании, которая предназначена для передачи пригодных к коммерциализации научных и технологических знаний, созданных в материнском университете, на рынок [3]. Для осуществления спин-офф создается компания, специализирующаяся на трансфере технологий. Спин-офф не может быть успешным, если он не поддерживается региональным бизнес-сообществом и не вовлечен в инновационную инфраструктуру, важнейшим звеном которой выступает венчурный капитал.

4. Предпринимательский университет. По мнению одного из крупнейших исследователей этого явления, Х. Ицковица [34], предпринимательский университет отличается следующими чертами:

1. Образовательная миссия распространяется не только на студентов в аудиториях, но и на основателей фирм, работающих в бизнес-инкубаторах и технопарках. При этом владельцы успешных КСО сохраняют с университетом тесные связи, воспринимая его как источник инновационных идей и креативных квалифицированных кадров.
2. Университет осознает свою миссию как движущей силы экономики знаний. Он прилагает усилия по формированию интеллектуального капитала, проводя фундаментальные исследования, выступая как биржа идей.
3. В дополнение к традиционным функциям университет генерирует поток компаний спин-офф.
4. Университет аккумулирует значительные финансовые и организационные ресурсы и использует их для технологического трансфера. В этом процессе он активно сотрудничает не только с предприятиями, но и с региональными органами власти, часто выступая как инициатор совместных проектов.
5. Университет формирует внутри себя дух предпринимательства, помогая ученым искать возможности для технологического трансфера и поощряя такую деятельность.

Таким образом, предпринимательский  университет является наиболее развитой формой организации технологического трансфера, движущей силой инновационной системы региона. Отметим, что в России в большинстве университетов какая-либо институциализация форм технологического трансфера в настоящее время находится в зачаточном состоянии. Поэтому важно определить, какие факторы влияют на эффективность технологического трансфера, какие модели технологического трансфера наиболее пригодны для реализации в российских условиях, и как организовать управление технологическим трансфером в российских университетах.

Библиографический список:

1. Pérez, M-P., Sanchez, A-M., 2003. The development of university spin-offs: early dynamics of technology transfer and networking. Technovation 23, pp. 823-831.
2. Rosenberger J. What are real options? A Review of Empirical Research. – Seattle, WA: Academy of management, 2003.
3. Бухвалов А.В. Реальны ли реальные опционы? //Российский журнал менеджмента. – 2006. – Том 4. - № 3. – с. 77-86
4. Бухвалов А.В. Реальные опционы в менеджменте: классификация и приложения //Российский журнал менеджмента. – 2004. - № 2. – с. 27-56.
5. Дамодаран А. Инвестиционная оценка: инструменты и техника оценки любых активов. – М.: Альпина Бизнес Букс, 2004. – 1232 с.
6. Hackett S.M., Dilts D.M. A Systematic Review of Business Incubation Research //Journal of Technology Transfer. – 2004. – vol. 29 (1). – p. 55-82.
7. McGrath R.G. Falling Forward: Real Options Reasoning and Entrepreneurial Failure //Academy of Management Review. – 1999. - № 24 (1). – р.13-30.
8. Daft R. Organizational Theory and Design. – N.Y.: West, 1983.
9. Хагерти К. Стратегия глобализации американского стиля венчурного капитала. – www.rvca.ru
10. Гурова Т. Магистраль их мышления. Интервью с главой фонда прямых инвестиций Berkeley Capital Partners Д. Боски // Эксперт. – 2004. - № 47 (447). – С. 66-68; Шохина Е. Откормить и продать //Эксперт. – 2004. - № 47 (447). – С. 62-65.
11. Sohl J.E. The early-stage equity market in the USA //Venture capital. – 1999. - № 1 (2). – р. 101-120.
12. Auerswald F., Branscomb L.W. Valleys of Death and Darwinian Seas: Financing the Invention to Innovation Transition in the United States //Journal of Technology Transfer. – 2003. -  №28. – p. 227-239.
13. Аммосов Ю. Инсайд на высокой частоте // Эксперт. – 2004. - № 17 (418). – С. 58-62.
14.   Finance and Innovation – Innovative finance cases for the creation of techno start-ups. – Milan, 2005. – 120 p.
15. Гулькин П.Г., Теребынькина Т.А. Оценка стоимости и ценообразование в венчурном ин-вестировании при выходе на рынок IPO. – СПб.: Аналитический центр «Альпари СПб", РАВИ. – 2003. – 190 с.
16.   Cameron M. The Valuation of newly-formed technology companies. – Режим доступа: [www.whiteandlee.com] - 2002.
17. Finance and Innovation – Innovative finance cases for the creation of techno start-ups. – Milan, 2005. – 120 p.
18. Материалы сайта www.finlombarda.it
19.   Материалы сайта www.hg.com.es
20.   European Innovation. – 2006. - # 1. – p. 18-19.
21. Венчурная индустрия в России: история, реалии, перспективы //Инновации – Инве-стиции – Индустрия. – 2003. – 24 января. – www.3i.ru/print.asp?ob_no=416
22.   Аммосов Ю. Русские транснациональные инновации //Эксперт. – 2004. - № 47 (447). – с. 82-86.
23.   Аммосов Ю. Игра на повышение //Эксперт. – 2006. - № 3. – с. 52-54.
24.   Гулькин П. Венчурные инвестиции: в России потратили более $ 300 млн. – www.cnews.ru/newcom/index.shtml?2003/05/30/144766. - 30 мая 2003 г.
25. Сообщение для печати № 190. Правительство РФ учредило Венчурный инновационный фонд. - http://www.e-government.ru/government/government1/government2/decisions/archive/2000/03/13/imported-news403.htm
26.   Материалы с официального сайта РАВИ / http://www.rvca.ru/ - 2001
27.   Венчурное инвестирование от Фурсенко. По материалам сайта «Республика идей»ю – www.respublikaidei.ru. - 15.06.2005.
28. О принципах формирования региональных государственно-частных венчурных фондов. Материалы с официального сайта Фонда содействия развитию малых форм предприятий в научно-технической сфере. – www.fasie.net. - 07 февраля 2006 г.
29. По данным Ассоциации технологических инкубаторов Калифорнии.
30. На основе обзора инновационного бизнеса в Калифорнии Clagget Wolfe Associates. Интервью А.Фурсенко газете Московский Комсомолец 06.08.2007
31. На пути к обществу, основанному на знаниях: Из Доклада о развитии человеческого потенциала в Российской Федерации //Общество и экономики. – 2004 - № 11-12.
32. Viale R., Etzkowitz H. Third Academic Revolution: Poly-valent Knowledge; The “DNA” Of The Triple Helix [2]
33. Pérez, M-P., Sanchez, A-M., 2003. The development of university spin-offs: early dynamics of technology transfer and networking. Technovation 23, pp. 823-831. [3]
34. Etzkowitz, H. 2003. “Innovation in Innovation: The Tri-ple Helix of University-Industry-Government Rela-tions”. Social Science Information 42 (3), 293-338 Oct. [4]

Проблематика  оценки интеллектуальных активов, создаваемых  инновациями информационных технологий

К вопросу об исследовании влияния интеллектуальных активов информационных технологий на рост производительности

Толчком к исследованию проблемы влияния  на производительность информационных технологий (ИТ) стал парадокс, сформулированный нобелевским лауреатом Робертом Солоу: «Вы можете увидеть эру компьютеров повсюду вокруг себя, но не в цифрах роста производительности» (Solow, 1987). Этот вывод был сформулирован не в специализированном научном издании, а в «Нью-Йорк Таймс» – газете, издающейся многомиллионными тиражами, что вкупе с «громким» именем автора  вызвало определенный резонанс не только среди исследователей, но и в широких кругах общественности. Представители бурно развивающейся отрасли информационных технологий оказались почти в роли оправдывающихся: под сомнение была поставлена едва ли не экономическая целесообразность их бизнеса, быстро набиравшего обороты, которые уже исчислялись десятками миллиардов долларов в год. Преднамеренно или нет, но Солоу создал для коллег-экономистов направление для исследований, результаты которых окажутся востребованными в течение последующих двадцати лет.

Конечно, влияние новых технологий, в том  числе и информационных, на производительность исследовалось и до этого. Более  того, для тех, кто разбирался в этом вопросе, парадокс Солоу не представлял ничего удивительного: ведь адекватной методологии учета влияния на производительность научно-технических инноваций не существовало. Надо отметить, что в фундаментальной работе самого Солоу, основанной на статистических данных первой половины 20 века, за 38 лет почти в трети (!) случаев научно-технический прогресс оказывался отрицательным (Solow, 1957).

Результат был не менее парадоксальным, учитывая период времени (1909-1947), в который  имел место очевидный научно-технический  прогресс и то, что выбор тех  одиннадцати «черных» лет по методологии  Солоу едва ли было возможно содержательно  интерпретировать. В последующие  годы, несмотря на развитие данной методологии, ставшей парадигмой оценки эффектов новых технологий, ее нельзя было принимать как бесспорную. Так, Нельсон и Уинтер в уже ставшей классической работе 1982 года об этом подходе писали: «вместо того, чтобы доложить коллегам и общественности, что теория не объясняет буквально ничего из наблюдаемого роста производительности, эмпирические исследователи докладывали о своем «открытии», что 80% (или 85, или 75%) наблюдаемого роста производительности произошло благодаря техническим изменениям» (Нельсон и Уинтер, с. 260). Поэтому серьезные исследователи понимали, что проблему, вероятнее всего, следовало искать в области методологии, а не в полезности информационных технологий как таковых. Но именно «интеллектуальная провокация» Солоу привела в последующие десятилетия к многочисленным исследованиям в результате которых очевидное влияние ИТ на производительность было строго доказано. Однако более важными результатами стало существенное развитие методологии исследований и ряд принципиально новых выводов о характере и механизмах влияния ИТ на производительность, прежде всего, открытие временного лага – латентного (скрытого) периода, когда в течение ряда лет инвестиции в инновации ИТ не приносят экономического эффекта, а также особой роли смежных интеллектуальных активов, без которых положительный эффект инвестиций в ИТ не возникает. Хотя проекты исследование влияния ИТ на производительность продолжаются, в том числе и в России, можно подвести определенные итоги развития указанного направления исследований, результаты применения различных подходов и определить наиболее перспективные области для дальнейших работ.

Применение методов корреляционного  анализа

Первую группу по методологии  представляют собой проекты, использующие несложные статистические методы. Они позволяют установить связь между двумя явлениями (например, инвестициями в информационные технологии и достигнутой производительностью экономики) и оценить тесноту данной связи. В основном речь идет о применении корреляционного анализа.  Обычно в итоге констатируется, что установлена связь между использованием определенного информационного ресурса, например, программного обеспечения (ПО), и эффектом, например, ростом производительности труда. Kraemer и Dedrick провели подобное исследование влияния инвестиций ИТ на производительность и рост ВВП применительно к Азиатско-Тихоокеанскому региону (Kraemer, Dedrick, 1993). В 2005 году их методический подход был обобщен CompTIA применительно к экономической эффективности программного обеспечения на примере 7 стран Южной Америки (CompTIA, 2005).

Kraemer и Dedrick установили значительную позитивную корреляцию между инвестициями в ИТ, ростом ВВП и производительностью за период 8 лет. Были выделены следующие ключевые факторы, влияющие на эффективность: объем национального богатства; коэффициент цена/качество ПО; инфраструктура ИТ, уровень заработной платы. Ряд проектов показали сходные результаты, например CompTIA приводит следующие важнейшие результаты: ИТ повышает производительность во всех странах, 1% ­ ВВП на 10% прироста ИТ-инвестиций; кумулятивный рост эффекта ИТ; и, наоборот, отрицательный эффект от уменьшения инвестиций в ПО. Эти исследования показали, что страны с более высоким уровнем развития получают больший эффект от ПО. Таким образом, незначительное влияние ПО на производительность по текущему проекту в России может объясняться тем же фактором. Так, по оценкам Мирового экономического форума, Россия находится на 85 месте по общей технологической готовности (The Global Competitiveness Report, 2006).

Важно подчеркнуть, что  корреляционный анализ не показывает, какое из наблюдаемых событий  является причиной, а какое –  его следствием. Так, Рис. 13 можно было бы озаглавить и иначе «Доля ИТ возрастает с ростом производительности» или «В странах с высокой производительностью высока доля ИТ капитала в активах». Например, данная связь может проявляться из-за того, что богатые страны могут себе позволить тратить много на ИТ, а производства, требующие большого объема материальных активов, у них вынесены в страны третьего мира.

Рис. 13. Пример интерпретации результатов корреляционного анализа связи ИТ и производительности (CompTIA, 2006)

Преимуществом описанного подхода является его простота и  наглядность. Поэтому он весьма эффективен в случае недорогих исследований научно-популярного жанра. Более  того, результаты более строгих исследований требуют дополнительной обработки для их эффектной презентации и порой уступают в этом аспекте работам рассматриваемой группы. Данный методический подход имеет два основных отрицательных момента. Во-первых, он позволяет установить только наличие и тесноту связи, но не причинность. Например, связь между инвестициями в информационные и коммуникационные технологии (ИКТ) и производительностью труда может означать влияние инвестиций в ИКТ на рост производительности труда, а может отражать то, что страны с более высоким уровнем производительности труда имеют больше средств для инвестирования в ИКТ. Во-вторых, простые методы корреляционного анализа могут показывать ложную корреляцию применительно к нестационарным рядам данных. В итоге, полученные при применении подобных методов результаты позволили лучше понять и описать связь между ИКТ и производительностью, но, как аргументы для решения парадокса Солоу, использоваться не могут.

Эконометрические методы и исследование влияния ИКТ на основе производственной функции

Большинство эконометрических методов основано на использовании  производственной функции Кобба-Дугласа, вида

Y (t) = A (t) ×K (t)^α ×L (t) ^{1– α}                     (1)

где Y – объем производства; K – затраты капитала; L – затраты труда; A, α – константы.

Для А, еще называемого  остаток Солоу, часто используются термины общая производительность факторов производства (аббревиатура TFP) или мультипроизводительность факторов производства (аббревиатура MFP). TFP относится к изменениям в выпуске, прямо не связанным с затратами K и L (затратами факторов производства). Считается, что наиболее важной составляющей TFP является влияние научно-технического прогресса. Однако, существуют и другие составляющие TFP, например, изменение макроэкономических или других условий, например, изменения в климате. TFP можно также рассматривать как «сырую» составляющую производственной функции, в которой общая производительность еще не разложена по другим факторам. Например, если производственная функция усложняется для учета человеческого капитала, влияющего на производительность труда, вес TFP уменьшается. В таком случае его часть отнесена (объяснена) затратами человеческого капитала. В плане нашей темы важно отметить: иногда при исследовании производительности ИТ, все изменения в A относят на L, считая, что в конечном счете прогресс в K (включая использование ИТ) воплощается в росте производительности труда (формула 2).

Y (t) = [K (t)^α [L (t) . A (t)]^{1– α}                        (2)

При таком подходе  увеличение технического уровня капитала за счет роста доли «железа» и ПО приводит к росту технологического фактора А, относимого на рост производительности труда.

Прежде всего, следует  указать на работы одного из наиболее авторитетных экономистов в этой области Дейла Йоргенсона. Его анализ панельных данных по американской экономике  (совместно с Кэвином Стиро) показал основной вклад ИТ в рост производительности (Jorgenson, Stiroh, 2000 и  Jorgenson, Ho, Stiroh  2003) до 2% в 1995-2000 гг.

Вместе с тем, эконометрические исследования панельных данных давали еще более парадоксальный результат, чем  сам парадокс Солоу: они показывали влияние ИТ на экономический рост или на производительность труда⁸, но отсутствие или даже отрицательное влияние на общую эффективность факторов производства (технологический фактор, TFP). (Например, исследования Stiroh 2002 г. для США (Stiroh, 2002), van Ark  и Inklaar для Европы и США за период с 1970 по конец 90-х (Van Ark, Inklaar, 2005), Mas и Quesada для Испании (Mas, Quesada, 2006)).

O’Mahony и Vecchi (O’Mahony и Vecchi, 2003) объяснили источник данного противоречия с использованием более современной методологии количественных исследований. Они убедительно показали, что противоречие вызвано недостатками в методологии, использованной в исследованиях влияния ИТ на общую производительность⁹. Ранее использовавшаяся методология не отвечала последним достижениям в области эконометрических исследований, поэтому у O’Mahony и Vecchi, с применением более совершенных методов анализа панельных данных, результаты оказались прямо противоположными.