IMPACTO DE LA GESTIÓN DEL
CONOCIMIENTO EN LA INNOVACIÓN
DE LAS PYMES DE DESARROLLO
DE SOFTWARE EN MÉXICO
THE IMPACT OF KNOWLEDGE MANAGEMENT
ON INNOVATION IN SOFTWARE DEVELOPMENT SMEs
Francisco Flores-Agüero
Universidad Autónoma de Querétaro, México
Carla Patricia Bermúdez-Peña
Universidad Autónoma de Querétaro, México
Luis Rodrigo Valencia-Pérez
Universidad Autónoma de Querétaro, México
pág. 11016
DOI: https://doi.org/10.37811/cl_rcm.v8i4.13238
Impacto de la Gestión del Conocimiento en la Innovación de las PYMES de
Desarrollo de Software en México
Francisco Flores-Agüero
1
francisco.flores@uaq.mx
https://orcid.org/0000-0002-6708-8401
Universidad Autónoma de Querétaro
México
Carla Patricia Bermúdez-Peña
2
carla.bermudez@uaq.mx
https://orcid.org/0000-0003-4728-7080
Universidad Autónoma de Querétaro
México
Luis Rodrigo Valencia-Pérez
valper@uaq.mx
https://orcid.org/0000-0002-1590-5000
Universidad Autónoma de Querétaro
México
RESUMEN
Los modelos de gestión del conocimiento son esenciales para impulsar innovaciones sistémicas y deben
personalizarse según las necesidades específicas de cada sector. Este estudio se enfoca en desarrollar
un modelo adaptado a las pequeñas y medianas empresas (PYMES) de software, para optimizar sus
procesos de innovación de productos. Utilizando una metodología cualitativa deductiva y el Análisis
Cualitativo Comparativo, se identificaron ocho variables críticas en la gestión del conocimiento que
influyen en la capacidad de innovación, aunque su relevancia varía. La investigación propone un
modelo cualitativo que sirve como estructura para analizar y gestionar eficazmente los procesos de
innovación de manera equilibrada y sistemática.
Palabras clave: gestión del conocimiento, innovación, modelos
1
Autor principal
Correspondencia: carla.bermudez@uaq.mx
pág. 11017
The Impact of knowledge Management on Innovation in Software
Development SMEs
ABSTRACT
Knowledge management models are a fundamental requirement to be able to carry out systemic
innovations, however, due to the nature of innovation processes, these knowledge management models
must be adapted to the specific circumstances of each industry. The objective of the research is to
propose the elements of a knowledge management model that serves software development SMEs to
manage their product innovation processes, by means of a deductive qualitative methodology using
Qualitative Comparative Analysis. It is found that eight variables of knowledge management are
necessary to be able to innovate although they must be present in different degrees. The research
conducted provides a qualitative model for companies to manage their knowledge management
processes to act as a framework for an analysis of balanced and systematic innovation processes.
Keywords: knowledge management, innovation, models
Artículo recibido 10 julio 2024
Aceptado para publicación: 15 agosto 2024
pág. 11018
INTRODUCCIÓN
Las Pequeñas y Medianas Empresas (PYMES) han sido cruciales para el crecimiento económico de
muchos países en las últimas décadas. En México, el 99.8% de los 4.2 millones de negocios son
PYMES, las cuales aportan el 42% del PIB y el 78% del empleo (CEPAL, s.f.). Sin embargo, estas
empresas enfrentan la competencia de grandes corporaciones multinacionales que ofrecen productos y
servicios más innovadores y de alta calidad en un mercado global competitivo. La innovación
tecnológica es vital en este contexto, ya que las empresas que invierten en investigación y desarrollo
(I+D) tienden a lograr mejores posiciones en el mercado (Heredia Zurita & Dini, 2021).
En América Latina, las PYMES están perdiendo competitividad frente a otros países, especialmente
frente a naciones asiáticas como China. Según el Foro Consultivo Científico y Tecnológico (2016), esta
pérdida de competitividad se debe a un déficit en actividades de I+D, lo que limita la expansión de las
PYMES en nuevos mercados, tanto nacionales como internacionales. El principal desafío que enfrentan
estas empresas es la falta de marcos de trabajo que faciliten avances innovadores significativos en el
mercado (Biachi & Guijarro, 2010). A menudo, estas organizaciones se concentran en la gestión de
tareas diarias y dedican pocos esfuerzos al monitoreo o impulso de cambios sectoriales. Sin embargo,
es crucial que inviertan sus recursos en la innovación sistemática, especialmente aquellas que operan
en el sector tecnológico (Suarez & Leon, 2019).
En el sector del desarrollo de software en México, el nivel de madurez es aún incipiente; la mayoría de
estas empresas son PYMES y no han aprovechado completamente los mercados nacionales e
internacionales. La principal causa de este fenómeno es la incapacidad para ofrecer productos
innovadores que satisfagan las demandas del mercado. Como resultado, los consumidores nacionales
optan por soluciones extranjeras (Álvarez et al., 2021).
Desde una perspectiva teórica, Hobday et al. (2005) destacan la importancia de los modelos de gestión
del conocimiento para la implementación de innovaciones sistémicas. Sin embargo, la adaptabilidad de
estos modelos es esencial debido a las particularidades de los procesos de innovación en cada industria.
Por lo tanto, el objetivo de este estudio es definir los componentes de un modelo de gestión del
conocimiento diseñado específicamente para las PYMES mexicanas del sector de desarrollo de
software, proporcionando así una herramienta estratégica para mejorar su competitividad en el mercado.
pág. 11019
Gestión del conocimiento
La gestión del conocimiento es un componente crucial en la administración estratégica, según Alavi y
Leidner (2001). Esta visión sostiene que la efectividad de los recursos tangibles depende de su
integración y aplicación, estrechamente ligada al conocimiento corporativo. Este conocimiento se
disemina a través de diversos medios dentro de una organización, como su cultura e identidad, rutinas
organizacionales, políticas, sistemas, documentos y el conocimiento de cada empleado (Nelson &
Winter, 1982).
Los recursos basados en el conocimiento son difíciles de imitar y tienen una complejidad social
inherente, lo que, según la teoría de la empresa basada en el conocimiento, puede proporcionar una
ventaja competitiva duradera. No obstante, lo esencial no es el conocimiento en sí mismo, sino la
habilidad de la empresa para utilizar el conocimiento actual de manera efectiva para generar nuevo
saber y emprender acciones. Estas competencias son vitales para construir una ventaja competitiva a
partir de los activos basados en el conocimiento. En este contexto, las tecnologías de la información
juegan un papel fundamental, facilitando una orientación hacia el conocimiento (Ali et al., 2020).
El conocimiento se define como una creencia fundamentada que mejora la capacidad de una entidad
para actuar eficazmente. Este puede ser visto desde varias perspectivas: (1) como un estado cognitivo
que permite a los individuos enriquecer su acervo y aplicarlo a las demandas organizativas (Schubert et
al., 1998); (2) como un objeto sujeto a almacenamiento y manejo (Carlsson et al., 1996); (3) como un
proceso, entendido como el acto simultáneo de conocer y actuar, destacando la aplicación práctica de
las experiencias (Teixeira et al., 2018); (4) como una condición para acceder a la información,
requiriendo que el conocimiento organizacional se organice para su recuperación y acceso eficiente
(McQueen, 1998); y (5) como una capacidad que condiciona la acción futura, donde Watson (2001)
sostiene que el conocimiento es la habilidad para utilizar información, con el aprendizaje y la
experiencia como factores clave para interpretar y discernir su relevancia en la toma de decisiones.
Las estructuras y culturas organizacionales en la gestión del conocimiento varían significativamente.
Existe un consenso entre los autores en que las categorías más influyentes son la tecnología, los procesos
y las personas, siendo común que las empresas enfaticen más en la tecnología que en los procesos o en
el factor humano (Manesh et al., 2020). Las organizaciones deben desarrollar estrategias para la gestión
pág. 11020
del conocimiento que armonicen sus activos intelectuales con la tecnología. Siguiendo las teorías de
Nonaka, es crucial establecer condiciones favorables para la generación de conocimiento. La
implementación de la gestión del conocimiento debe ser sistemática; la dirección debe ser capaz de
demostrar acciones concretas para fomentar la organización adecuada y los procesos, establecer una
infraestructura de soporte y promover una cultura y comportamiento alineados con los objetivos de la
organización. La cultura, de hecho, es un elemento crucial para una gestión del conocimiento exitosa,
ya que influye significativamente en el comportamiento organizacional (Santhose & Lawrence, 2023).
Bixler (2002) afirma que hay cuatro pilares esenciales en la gestión del conocimiento de cualquier
empresa: liderazgo, organización, tecnología y aprendizaje. Para prosperar y tener éxito en el entorno
comercial dinámico actual, los gerentes deben desarrollar estrategias empresariales y operativas, lo que
requiere un liderazgo efectivo. Estas estrategias deben sincronizar la gestión del conocimiento con las
tácticas empresariales para maximizar su valor a través de la empresa. La generación y colaboración
del conocimiento deben integrarse en todos los aspectos organizacionales. Los procedimientos
operacionales deben coordinarse con los objetivos y la estructura estratégica de la gestión del
conocimiento, incluyendo todas las métricas y metas de rendimiento. La tecnología proporciona la
infraestructura y herramientas necesarias para la gestión del conocimiento dentro de la empresa.
Además, el aprendizaje organizacional debe promoverse mediante iniciativas como el fortalecimiento
de la comunicación interna, el impulso de equipos interfuncionales y la creación de una comunidad de
aprendizaje (Kim et al., 2021).
Con base en estos cuatro pilares, Bixler (2002) identifica siete factores clave para el éxito en la
implementación de la gestión del conocimiento:
▪ Visión y liderazgo claros
▪ Capacitación y comunicación organizacional
▪ Indicadores de rendimiento empresarial
▪ Alineación de la misión organizacional con la gestión del conocimiento
▪ Estructuras y soporte de infraestructura para la gestión del conocimiento
▪ Integración de recursos y manejo del conocimiento
▪ Gestión y normativas: políticas y procedimientos
pág. 11021
Montequín et al. (2006) identifican ocho elementos esenciales para una efectiva implementación de la
gestión del conocimiento dentro de las organizaciones:
▪ Habilidades y competencias del personal
▪ Desarrollo y perfeccionamiento de estas habilidades
▪ Estabilidad laboral
▪ Fortalecimiento de las capacidades individuales y grupales
▪ Integración de las tecnologías de la información
▪ Filosofía y valores de la empresa
▪ Configuración de la estructura organizativa
▪ Gestión de la propiedad intelectual
Entender el concepto de conocimiento y sus clasificaciones es fundamental porque las distinciones entre
los distintos tipos de conocimiento influyen en los desarrollos teóricos dentro del campo de la gestión
del conocimiento. Además, las clasificaciones del conocimiento pueden ser útiles en el diseño de
sistemas de gestión del conocimiento, ya que subrayan la necesidad de respaldar diferentes tipos de
conocimiento y los flujos entre ellos. La gestión del conocimiento puede brindar una oportunidad para
expandir el alcance de la provisión de conocimiento basada en sistemas, abarcando diversos tipos de
conocimiento.
Gestión de conocimiento en las PYMES
Las PYMES suelen operar con recursos limitados, lo que les exige manejarlos con cuidado, ya que los
errores pueden tener consecuencias más graves en comparación con las grandes corporaciones (Petrov
et al., 2020). Estas pequeñas empresas generalmente presentan estructuras organizativas simples y una
gestión flexible que fomenta la iniciativa empresarial y la innovación. Se caracterizan por ser informales
y tener poca burocracia, con pocas reglas formales. El control suele estar en manos de los propietarios,
y rara vez existen políticas formales.
Además, en muchas de estas empresas, los dueños desempeñan un papel central en la gestión, lo que
hace que la planificación y toma de decisiones recaigan frecuentemente en una sola persona (Culkin &
Smith, 2000). Esta centralización implica que estas personas deben valorar la gestión del conocimiento
para respaldar las operaciones empresariales.
pág. 11022
Sin embargo, las operaciones diarias requieren una atención considerable (Samir, 2020), lo que puede
resultar en una falta de tiempo para estrategias a largo plazo. La limitación de recursos financieros y la
falta de experiencia a menudo hacen que el conocimiento se mantenga en las mentes de los propietarios
y algunos empleados clave, en lugar de documentarse o compartirse sistemáticamente (Yew Wong &
Aspinwall, 2004).
Dado esto, las PYMES enfrentan desafíos específicos en la gestión del conocimiento que difieren de
los de las grandes empresas. Durst y Runar Edvardsson (2012) señalan que los académicos
frecuentemente aplican métodos diseñados para grandes empresas sin considerar las particularidades de
las PYMES. Esto podría hacer que las pequeñas empresas pierdan sus características distintivas y, por
ende, su agilidad y capacidad de respuesta. Investigaciones anteriores han demostrado que las PYMES
difieren significativamente de las grandes empresas en su enfoque hacia la gestión del conocimiento.
Las PYMES suelen carecer de políticas formales de gestión del conocimiento estratégico y tienden a
centrarse en la gestión del conocimiento a nivel operativo. Valoran más el conocimiento tácito en
comparación con las grandes empresas, y es más común que la comunicación en las PYMES ocurra
entre empresas en lugar de internamente (Chaithanapat et al., 2022). Las PYMES generalmente
muestran un retraso en cuanto a la construcción del conocimiento y tienen un enfoque más mecanicista,
con menor dependencia de la interacción social. Además, son menos propensas que las grandes
empresas a participar en discusiones formales y sistemáticas para compartir conocimiento tácito. La
mayoría adopta enfoques informales y a corto plazo hacia el aprendizaje organizacional, y los gerentes
en las empresas más pequeñas suelen restringir la fuga de conocimiento, lo que impide su intercambio
(Hutchinson & Quintas, 2008).
La Figura 1 ilustra las características y procesos típicos de la gestión del conocimiento en las PYMES.
pág. 11023
Figura 1. Características y procesos de la gestión del conocimiento en las PYMES
Fuente: Elaboración propia con base en Durst and Runar Edvardsson (2012)
METODOLOGÍA
Este estudio se centró en cinco PYMES de desarrollo de software ubicadas en las regiones centro y
bajío de México (Querétaro y Ciudad de México), reconocidas por su capacidad innovadora. Estas
empresas se especializan en la creación de software, enfocándose en digitalización, desarrollo de
aplicaciones móviles y software para dispositivos móviles.
Para la investigación se utilizó un método de muestreo por conveniencia (Casal & Mateu, 2003), que
implica seleccionar una muestra no aleatoria con el propósito de identificar las cualidades que mejor
representen el problema teórico en estudio, permitiendo así identificar las propiedades fundamentales
de una categoría específica. Este enfoque de muestreo se usa para generalizar a partir de un conjunto
finito de casos, lo cual facilita la comparación de las características relevantes encontradas con las de
otros estudios relativos a la población en general.
El objetivo de esta investigación es definir los componentes de un modelo de gestión del conocimiento
adaptado a las necesidades de las PYMES de desarrollo de software, para facilitar la gestión de su
pág. 11024
innovación en productos. Se pretende responder a preguntas clave como: ¿qué variables de innovación
influyen en los procesos de innovación de productos? y ¿hasta qué punto deben las PYMES de
desarrollo de software especializado gestionar su conocimiento para innovar eficazmente?
Esta investigación adopta un enfoque metodológico cualitativo y deductivo, basado en teorías y
conceptos preexistentes como punto de partida, tal como lo sugiere Hyde Kenneth (2000). El estudio
no se basa en experiencias personales, sino en teorías previas que buscan comprender la realidad a
través de postulados teóricos. Estos fundamentos teóricos se contrastan con la realidad utilizando
diversas herramientas analíticas; en este caso, se seleccionó la encuesta como instrumento. Se realizaron
encuestas en cinco organizaciones, dirigiéndose a tres actores clave en la gestión del conocimiento de
cada una.
Siguiendo las directrices de Harrie (2013), la construcción de la encuesta se llevó a cabo en cuatro fases
esenciales: 1) análisis teórico del tema de estudio, 2) fase metodológica centrada en los objetivos del
conocimiento, 3) creación del instrumento de encuesta y 4) análisis de los datos recogidos.
Para este estudio, se empleó el Análisis Cualitativo Comparativo (QCA), que combina un análisis
profundo individualizado y comparaciones formales entre casos (Legewie, 2013). El QCA se basa en
dos principios: primero, reconoce la causalidad compleja como base teórica y, segundo, combina
análisis detallados de casos individuales con comparaciones formales entre varios casos.
El QCA se orienta hacia una comprensión detallada de un fenómeno, formulando preguntas como: ¿Es
el factor X una causa del fenómeno Y? ¿Qué combinación de condiciones conduce a un resultado
específico? ¿Qué grupos de casos comparten estas condiciones? El QCA busca explicar cómo se
produce un resultado, a diferencia de la mayoría de los análisis de regresión, que se centran en medir la
influencia de un factor causal sobre una variable dependiente (Schneider & Wagemann, 2010).
El método de análisis empleado facilitó la identificación de patrones y variables cualitativas que no
tienen equivalentes cuantitativos en estudios previos. Este enfoque también incrementó la fiabilidad del
análisis de datos en esta investigación, al estar alineado con la orientación cualitativa elegida, y
proporcionó una perspectiva desde el punto de vista de los participantes. Un resumen metodológico de
esta investigación se presenta en la Tabla 1.
pág. 11025
Tabla 1. Resumen metodológico
Metodología
Unidades
de análisis
Recolección
de datos
Análisis de
datos
Confiabilidad
y validez
Deductiva,
cualitativa
Gerentes y/dueños;
tomadores de
decisiones en los
proyectos de
innovación
Encuesta:
15 encuestas
QCA
TOSMANA
Validez:
- Triangulación
- Contraste con marco
teórico
Confiabilidad:
- Análisis QCA
Fuente: Elaboración propia
En este estudio, el uso del Análisis Cualitativo Comparativo (QCA) facilitó la comprensión de las
interacciones entre diversas variables cualitativas. Las situaciones sociales evaluadas se analizaron en
función de:
Grado de asociación de los casos considerados como conjuntos: Aquí, se mide la asociación, la cual
no siempre es absoluta o inexistente entre las diferentes variables. El QCA permite asignar a cada caso
un grado de asociación en una escala de 0 a 1. Los casos con una asociación cercana a 0 muestran una
conexión débil, mientras que aquellos con una asociación cercana a 1 presentan una conexión fuerte.
Comprensión de las relaciones como interacciones entre diferentes variables o conceptos.
Interpretación de estas interacciones de variables en términos de condiciones de suficiencia o
necesidad: Una condición suficiente significa que la presencia de la variable puede ser determinante
para la ocurrencia de un fenómeno, aunque no siempre. En cambio, una condición necesaria implica
que la presencia de la variable es imprescindible para que ocurra el fenómeno en cuestión.
Para realizar el análisis mediante QCA, fue necesario asignar un valor específico a cada respuesta,
estableciendo un grado para cada selección.
Es importante señalar que estos valores asignados no representan cantidades numéricas exactas, sino
percepciones que se convierten en cualidades. Los valores establecidos permiten medir el nivel en el
que cada empresa posee o carece de las variables en estudio, basándose en la percepción de los
participantes de la encuesta. Esta gradación se representó en una escala de 0 a 1, con puntos intermedios
como 0.2, 0.4, 0.6, 0.8 y 1. La Tabla 2 muestra el grado asignado a las respuestas para cada ítem
evaluado.
pág. 11026
Tabla 2. Escala codificada para el análisis QCA
Valor
0.2
0.4
0.6
0.8
1
Opción
Totalmente en
desacuerdo
En desacuerdo
Ni de acuerdo ni
en desacuerdo
De acuerdo
Totalmente de
acuerdo
Fuente: Elaboración propia
RESULTADOS Y DISCUSIÓN
La encuesta fue diseñada específicamente para captar las percepciones de los participantes sobre si sus
organizaciones tienen las características consultadas. Al agregar las respuestas individuales, se
determina en qué medida las empresas incorporan cada una de las variables analizadas dentro de la
metodología de innovación en el contexto de la gestión del conocimiento. Este proceso se llevó a cabo
con cada uno de los tres encuestados por empresa. Luego, se calculó un promedio de las respuestas de
los tres encuestados para obtener un valor consolidado por empresa para cada una de las preguntas.
Este método de codificación se muestra en la Tabla 3 a continuación.
Tabla 3. Codificación de las variables de gestión del conocimiento
Fuente: Elaboración propia
El uso del software Tosmana para el análisis QCA permitió descubrir las conexiones booleanas
cualitativas entre las variables de la metodología de innovación y la intensidad necesaria de cada una
para lograr la innovación en productos, procesos o comercialización. El primer paso de este análisis fue
ingresar al software los valores de cada variable por empresa, como se muestra en la Figura 2.
1
2
3
4
5
6
7
8
Sum
a
Gestión del
conocimiento
Gerente o
dueño
involucrad
o
Dueño
de la
empresa
líder de
proyecto
s
Documentar
proyectos
Experienci
a de
empleados
Políticas de
gestión del
conocimient
o
Preparació
n de
empleados
Información
de proyectos
anteriores
Ideas
proveniente
s de
empleados
Pronetcom
1
0.8
0.8
0.8
0.6
0.6
1
0.8
6.8
Softelligence
0.6
1
0.6
0.6
0.4
0.4
0.8
0.2
5.4
Desiteg
1
0.8
0.8
0.4
0.6
0.8
1
0.8
6.6
Linnet
0.6
1
0.6
0.6
0.4
0.4
0.8
0.2
5.4
ARRGOS
Enterprise
1
1
1
0.6
0.6
1
0.8
0.2
6.6
pág. 11027
Figura 2. Datos introducidos en Tosmana
Fuente: Tosmana (2023)
Tras ingresar los datos, es crucial calibrarlos para obtener la tabla de verdad utilizada en las operaciones
de álgebra booleana. La calibración de los datos se realizó con una escala de 0 a 2. Dado que el puntaje
máximo para cada empresa era de 9, se definieron los siguientes rangos para la calibración:
▪ Un rango de 0 a 3 puntos se asigna un valor de 0, indicando que la variable está ausente o presente
en un nivel muy bajo.
▪ Un rango de 3.1 a 6 puntos se asigna un valor de 1, reflejando una presencia intermedia de la
variable.
▪ Un rango de 6.1 a 9 puntos se asigna un valor de 2, señalando que la variable está presente en un
nivel alto.
En el análisis de cómo las variables de gestión del conocimiento afectan la innovación de producto, se
utilizaron los valores codificados previamente para las variables de innovación. Para la innovación de
producto, que se buscaba identificar solo su presencia o ausencia, se usaron los valores 0 para ausencia
y 1 para presencia.
Cabe destacar que, entre las empresas estudiadas, todas mostraron innovación en sus productos excepto
Linnet, que no reportó innovación de producto en los últimos tres años. Los resultados relacionados con
la innovación de producto y la necesidad de la presencia de variables de gestión del conocimiento se
detallan en la Figura 3.
pág. 11028
Figura 3. Grado en que las variables de gestión del conocimiento deben de estar presentes para la
innovación de producto
Fuente: Elaboración propia
Las fórmulas coinciden con las investigaciones de Montequín et al. (2006), que indican que ciertas
variables son cruciales para la innovación de productos. No obstante, estas variables no requieren la
misma intensidad. Por ejemplo, para la innovación de productos, factores como el compromiso del
gerente, el liderazgo del dueño en el proyecto, la documentación, la experiencia del personal, las
políticas de gestión del conocimiento y la receptividad a nuevas ideas deben estar altamente presentes.
En contraste, la capacitación de empleados y el uso de información externa deben estar en un nivel
intermedio.
Esto implica que, para lograr la innovación de productos, las variables de gestión del conocimiento
deben estar presentes, pero no todas necesitan estar desarrolladas al máximo nivel. Este hallazgo
concuerda con los resultados de Yew Wong y Aspinwall (2004), quienes hallaron que la gestión del
conocimiento es un proceso informal, centrado en propietarios y gerentes. En las empresas estudiadas,
los encuestados confirmaron que los dueños eran los líderes y supervisores de los proyectos.
pág. 11029
Además, se observó que las empresas gestionan la creación y adquisición de conocimiento de manera
autónoma, sin asistencia externa, reafirmando lo que Hutchinson y Quintas (2008) identificaron sobre
cómo las PYMES pueden operar de manera independiente en la gestión del conocimiento, restringiendo
el flujo de información tanto interna como externamente. Por lo tanto, la capacitación y educación de
los miembros de la organización se convierten en aspectos fundamentales.
Se ha notado que la formación académica formal de los empleados no es indispensable para innovar en
la gestión del conocimiento. Este hallazgo es coherente con las investigaciones de Wi et al. (2009), que
destacan la importancia de la creatividad de los trabajadores por encima de su educación formal para
fomentar la innovación en la gestión del conocimiento.
CONCLUSIONES
Evaluar los procesos de gestión del conocimiento es fundamental tanto para académicos como para
profesionales. La innovación en las organizaciones está influenciada por diversos factores, internos y
externos, y la gestión del conocimiento desempeña un papel crucial en este ámbito.
El modelo presentado en esta investigación destaca la amplia gama de aspectos de la gestión del
conocimiento que deben medirse y el nivel de desarrollo necesario, proporcionando a las organizaciones
una variedad de combinaciones posibles para trabajar. Estudios anteriores han examinado las
limitaciones de diferentes métodos de medición (Werner y Souder 1997) y de métricas específicas
(Trajtenberg 1990) en el contexto de la gestión del conocimiento y la innovación. La elección de una
herramienta de medición adecuada depende de las necesidades del usuario, considerando la profundidad
de la medición, el tipo de innovación, los datos disponibles y los recursos asignados al proceso. Sin
embargo, la recurrencia de ciertas métricas en la literatura, a pesar de su presentación fragmentada,
sugiere la existencia de un conjunto básico de medidas en el campo de la gestión del conocimiento.
Este estudio ofrece un modelo cualitativo que permite a las empresas gestionar sus procesos de gestión
del conocimiento, actuando como marco para el análisis de procesos equilibrados. Este modelo recoge
la percepción de los miembros de la organización sobre la innovación en relación con la gestión del
conocimiento, y este enfoque perceptivo es relativamente raro en la literatura existente. Sin embargo,
se han detectado carencias en la medición de diversas variables.
pág. 11030
Estas carencias son de dos tipos: de validez, cuando no hay suficiente evidencia de que las medidas
realmente capturan los factores impulsores o los resultados de la gestión del conocimiento; y de
omisión, donde faltan medidas para aspectos relevantes. Aunque no se puede asegurar que las
percepciones subjetivas sobre las prácticas de gestión del conocimiento estén vinculadas efectivamente
al desempeño en la gestión de la innovación, esta investigación proporciona una aproximación a las
prácticas empresariales que podría mejorarse con métodos cuantitativos en estudios futuros.
REFERENCIAS BIBLIOGRAFICAS
Alavi, M., & Leidner, D. E. (2001). Review: Knowledge Management and Knowledge Management
Systems: Conceptual Foundations and Research Issues. MIS Quarterly, 25(1), 107-136.
https://doi.org/10.2307/3250961
Ali, A., Bahadur, W., Wang, N., Luqman, A., & Khan, A. N. (2020). Improving team innovation
performance: Role of social media and team knowledge management capabilities. Technology
in Society, 61, 101259.
Alvarez, D. C. M., González, P. E. A., Cruz, L. M. H., & Chan, J. R. C. (2021). Aspectos tecnológicos
y sociales para el impulso de la industria de software en México. Revista Electrónica sobre
Tecnología, Educación y Sociedad, 8(16).
Biachi, G. G., & Guijarro, A. M. (2010). El apoyo a la innovación de la pyme en México. Un estudio
exploratorio. Investigación y Ciencia, 18(47), 21-30.
Bixler, C. H. (2002). Applying the four pillars of knowledge management. Km World, 11(1), 10-20.
Carlsson, S. A., El Sawy, O., Eriksson, I. V., & Raven, A. (1996). Gaining Competitive Advantage
Through Shared Knowledge Creation: In Search of a New Design Theory for Strategic
Information Systems. ECIS,
Casal, J., & Mateu, E. (2003). Tipos de muestreo. Rev. Epidem. Med. Prev, 1(1), 3-7.
Chaithanapat, P., Punnakitikashem, P., Khin Khin Oo, N. C., & Rakthin, S. (2022). Relationships
among knowledge-oriented leadership, customer knowledge management, innovation quality
and firm performance in SMEs. Journal of Innovation & Knowledge, 7(1), 100162.
https://doi.org/https://doi.org/10.1016/j.jik.2022.100162
pág. 11031
Culkin, N., & Smith, D. (2000). An emotional business: a guide to understanding the motivations of
small business decision takers. Qualitative Market Research: An International Journal, 3(3),
145-157. https://doi.org/10.1108/13522750010333898
Durst, S., & Runar Edvardsson, I. (2012). Knowledge management in SMEs: a literature review. Journal
of Knowledge Management, 16(6), 879-903. https://doi.org/10.1108/13673271211276173
Heredia Zurita, A., & Dini, M. (2021). Análisis de las políticas de apoyo a las pymes para enfrentar la
pandemia de COVID-19 en América Latina.
Hobday, M., Davies, A., & Prencipe, A. (2005). Systems integration: a core capability of the modern
corporation. Industrial and Corporate Change, 14(6), 1109-1143.
https://doi.org/10.1093/icc/dth080
Hutchinson, V., & Quintas, P. (2008). Do SMEs do Knowledge Management?:Or Simply Manage what
they Know? International Small Business Journal, 26(2), 131-154.
https://doi.org/10.1177/0266242607086571
Hyde Kenneth, F. (2000). Recognising deductive processes in qualitative research. Qualitative Market
Research: An International Journal, 3(2), 82-90. https://doi.org/10.1108/13522750010322089
Kim, T. H., Choi, B., Lee, J.-N., & Sambamurthy, V. (2021). Portfolio effects of knowledge
management strategies on firm performance: Complementarity or substitutability? Information
& Management, 58(4), 103468. https://doi.org/https://doi.org/10.1016/j.im.2021.103468
Legewie, N. (2013). An Introduction to Applied Data Analysis with Qualitative Comparative Analysis
[methodology; theory development; Qualitative Comparative Analysis (QCA); comparative
analysis; applied data analysis]. 2013, 14(3). https://doi.org/10.17169/fqs-14.3.1961
Manesh, M. F., Pellegrini, M. M., Marzi, G., & Dabic, M. (2020). Knowledge management in the fourth
industrial revolution: Mapping the literature and scoping future avenues. IEEE Transactions on
Engineering Management, 68(1), 289-300.
McQueen, R. (1998). Four views of knowledge and knowledge management. AMCIS 1998
Proceedings, 204.
Science, 32(6), 525-538. https://doi.org/10.1177/0165551506067127
pág. 11032
Nelson, R. R., & Winter, S. G. (1982). The Schumpeterian Tradeoff Revisited. The American Economic
Review, 72(1), 114-132. www.jstor.org/stable/1808579
Petrov, V., Ćelić, Đ., Uzelac, Z., & Drašković, Z. (2020). Three pillars of knowledge management in
SMEs: evidence from Serbia. International Entrepreneurship and Management Journal, 16(2),
417-438. https://doi.org/10.1007/s11365-018-00557-2
Samir, M. (2020). The Impact of Knowledge Management on SMEs Performance in Egypt. Open
Access Library Journal, Vol.07No.07, 23, Article 101674.
https://doi.org/10.4236/oalib.1106445
Schneider, C. Q., & Wagemann, C. (2010). Standards of Good Practice in Qualitative Comparative
Analysis (QCA) and Fuzzy-Sets. 9(3), 397.
https://doi.org/https://doi.org/10.1163/156913210X12493538729793
Schubert, P., Lincke, D.-M., & Schmid, B. (1998). A global knowledge medium as a virtual community:
the NetAcademy concept. AMCIS 1998 Proceedings, 207.
Santhose, S. S., & Lawrence, L. N. (2023). Understanding the implementations and limitations in
knowledge management and knowledge sharing using a systematic literature review. Current
Psychology, 42(36), 32427-32442.
Suarez, D. R., & Leon, G. C. (2019). Las PyME de desarrollo de software. Modelos de mejora de sus
procesos en Latinoamérica. Revista Espacios, 40(28).
Teixeira, E. K., Oliveira, M., & Curado, C. M. M. (2018). Knowledge management process
arrangements and their impact on innovation. Business Information Review, 35(1), 29-38.
https://doi.org/10.1177/0266382118757771
Watson, I. (2001). Knowledge Management and Case-Based Reasoning: A Perfect Match? FLAIRS
Conference,
Wi, H., Oh, S., Mun, J., & Jung, M. (2009). A team formation model based on knowledge and
collaboration. Expert Systems with Applications, 36(5), 9121-9134.
https://doi.org/https://doi.org/10.1016/j.eswa.2008.12.031
Yew Wong, K., & Aspinwall, E. (2004). Characterizing knowledge management in the small business
environment. Journal of Knowledge Management, 8(3), 44-61.
https://doi.org/10.1108/13673270410541033
