Intertmediari web-based a supporto dell'open innovation : un'analisi esplorativa

Abstract (English version) In the past “Innovation” was always understood from business perspective, as a closed process only supported by the internal R&D organization. However recently the high specialization and mobility of the operators (Chesbrough 2003; Gassmann, 2006), the fast market growth of joint ventures (Chesbrough, 2003) and the increased skills of suppliers (Chesbrough, 2003) forced the Companies to be more open (Gassmann 2006). According to Open Innovation paradigm (Chesbrough, 2003) companies have a possibility to improve the overall performances by being more proactive in cooperating with all the actors included into the business circle (clients, suppliers, institutions, universities, other companies). This offers the opportunity to the companies to have access to new technologies, new ideas, and to capture new business opportunities. Expansion of the relations among the different actors involved in the business have generated an impressive set of potentiality: i.e. P&G by its ‘Connect and Develop innovation model’ increased the number of new product generated by external suggestions up to 35% from the standard of 15% of previous years. Today more than 45% of the total initiatives in new product development are based on external suggestions. Open Innovation should not be only seen as a simple practice, which allows the organizations to be in contact among them (West and Lakhani 2008), but also as a powerful mechanism of connection among individuals that can actively participate to innovative processes (Pisano and Verganti 2008, West and Lakhani 2008, Jeppesen and Lakhani 2010). Consider the Netflix and Goldcorp cases. Netflix, a North American renting DVD Company, announced in 2006 to pay a premium of 1Mln$ to the first person who will be able to develop a software capable to improve the current accuracy method to recommend a movie by at least 10% The proposals were collected untill July 29th 2009 (bid closing date). Two teams proposed solution which exceed the requirements. One of these two was pronounced winner. At the end of 90’s Goldcorp, a North American mining enterprise experienced significant decline of its business, having serious difficulties in finding new gold layers. The CEO, Rob McEvans, decided to publish all the geological data of Goldcorp. The data were confidential and represented unique value for the competitors. At the same time Goldcorp announced that anyone who will be able to help, will receive the prize of 575,000$. During next few weeks Goldcorp collected 110 indications of new potential sites. 80% of them were gold mines with 3Bln$ total value resources. Netflix and Goldcorp, applied a practice called Crowdsourcing (Howe, 2006), which involves use of cooperation between company and a large crowd. The Company used creativity, knowledge and skills of people who participated in the open call via web (Howe,2006). Usage of internet and ICT reduced overall costs, and simplified the whole process.Involving external people meant also having access to knowledge, skills and solutions coming from the outside. In light of Open Innovation the crowdsourcing is most certainly a way to obtain new ideas and knowledge, and to foster innovation. The process is certainly not easy and could also be quite slow. Other challenges might also occur. First a proper definition of the problem is needed, so there is a real chance to solve it. It must be sufficiently clear to enable finding solutions without the company revealed sensitive information. Second, some companies prefer not to disclose their identity. There is also the “two side market” aspect: company and solvers have to proficiently work together. This is why the web-based intermediary born. The role of this new actor is to facilitate the connection between company and solvers involved on the innovation process. Innocentive and YourEncore are two examples of such intermediaries. Innocentive.com is an internet platform which allows the companies (seekers) which need to solve problems and users registered to web site (solvers) to propose solutions. Solvers who would like to participate have to register to the web site in the way they can submit their proposals. The submitted solution is evaluated by the seeker who can chose the best out of all proposals and pay the winner. The intermediary reserve for himself a percentage of the total award as a payment for his service. YourEncore, however, operates differently. This is a platform where a network of retired scientists and engineers are available to solve the problems of enterprises. In practice the process works as follows. The company and YourEncore jointly defines the characteristics of the project, the success factors and the timeline. The broker consults its own database identifying experts who possess the appropriate skills linked to the needs. Once defined the fee for the expert, he starts working with the company to undertake a study of the problem and seeking solutions on time. The phenomenon that we are talking about is fairly recent, and that is why there is not a lot of publications concerning in particular the Intermediaries and web based Crowdsourcing. Some scientific papers show that intermediaries may adopt different architectures to deliver their services (Chesbrough 2006, Huston and Sakkab 2006), or may work in different ways. Colombo et al. (2009) identify four different architectures through which intermediaries can operate: competition, searching competence, innovation and competence marketplace proposal. In this thesis we will focus on the first two. In the competition-type architectures seeker who needs to solve a particular problem is publishing it online, through a intermediary, which makes it visible to its community, whose members seek a possible solution. If they find the solution, they post it on the site. The intermediary helps the seeker to choose the best solution from among those posted (process evaluation) and the best solver, once the choice is made, would be remunerated. In architecture called “competence searching” the sicker contacts the intermediary, explaining the problem that needs to be solved. The latter forms a team by pulling out its pool of solvers, who are chosen, based on their skills. The seeker can make changes to the team. This way the cooperation between the seeker and the team is established. The literature also examines the types of problems, that can be solved by intermediaries. Terwiesch and Xu (2008) identify three main types of problems, that can be handled by web-based intermediaries: 1) expertise-based (eg, translate a document in a given language), 2) Ideation (eg, design a logo) and 3) trial and error (eg: to find a pill that eliminates gray hair). The first two types will be considered in the analysis carried out later. Starting from these considerations, the thesis aims to understand, how innovation intermediaries are structured to support the practice of Open Innovation. Considering both the perspective of the seeker and the solver. In general, the literature recognizes a relationship between the problem of innovation that must be solved in a collaborative forms that can be taken to resolve it (Pisano and Verganti, 2008, Lakhani and Boudreau, 2009). For the same reason it is considered that this happens also for the particular category of web-based intermediaries that operate in a virtual environment. Specifically, two research questions are formulated: • RQ1: Is there a relationship between the collaborative architecture implemented by the intermediaries, and the types of problems that they suggest to be resolved? • RQ2: Is there a relationship between the elements of RQ1 (architectures and types of problems), also from the solvers point of view? If yes, what is it? To get answers to previous questions we have chosen to use the methodology based on case studies. We have selected for this purpose seven Web-based intermediaries, including three based in Austria, three based in Italy and one based in Switzerland. The data collection was carried out in two phases: the first phase was focused on the existing literature (to understand more thoroughly the issues to be analyzed) and on the analysis of the most important intermediary websites. The second phase consists of interviews conducted with CEOs of intermediaries. In addition to the information from corporate websites and from interviews conducted, we used some data from the site www.Donanza.com. Later we structured the data obtained previously in order to achieve a unified and homogeneous data base of different cases, what would allow a comparison. Specifically, the first research question has been answered after the analysis of what architecture (competition or competence searching) is considered as best to solve different types of problems (Ideation or expertise based). It is clear from the analysis carried out, that for all intermediaries exists the following relation: the competition architecture is used to solve Ideation-based types of problems. The competence searching architecture is used to solve expertise-based problems. It would be possible to discuss above conclusions, noting that only 7 web-based intermediaries cases were analyzed, and therefore the sample may not be significant. Precisely for this reason further analysis was conducted on 120 problems posted on the site www.donanza.com. The results of this analysis support the conclusions drawn from the study of business cases. In fact, the relation found is the same. That means the intermediaries using the competence searching architecture mainly post problems defined as expertise-based, while those using competition architecture receive requests to solve Ideation-based problems. The obtained results can be explained also by the existing literature which refers to the design space (Simon, 1981, Nelson and Winter, 1977; Levinthal, 1997, Baldwin and Clark, 2000) and functional fixedness (Birch and Rabinowitz, 1951; Adamson, 1952).Innovation requires creative ideas, and a new development environment, for exploration (Baldwin et al., 2006). The competition architecture (linked to the problems Ideation) offers to the seekers an opportunity to explore different alternatives for the same solution. The competition architecture also allows to offset the effect of functional fixedness - the limit imposed on the creativity of the solvers in a standard innovation process. This can be overcame by exploiting the competition between different individuals from different parts of the world enabled by crowdsourcing. Even if problems are identified as expertise based (competence searching architecture), solvers are devoted to search the solution according to their capacity. However, since it is not very innovative question for which solutions are known a priori, the quality of the solution depends on the effort that the individual solver decides to take to arrive at the best solution. The effort of the solver is maximized because he is sure to be paid if his solution is chosen. The answer to the second question is based on the consideration that a solver decides to participate in a contest (regardless of competence or competition searcing) if the expected benefits arising from participation are greater than expected costs to be incurred. The development of a theoretical model based on the analysis of expected differences between the two types of architecture proved that the relation identified in the first research question is also valid for the solver. Four categories of solvers were identified: Star, Average, Emergent and Former Star. All four types of problem solvers prefer therefore to participate in expertise-based for competence searching architecture. In this type of contest, as the solver does not get benefits in terms of expertise and track record since the problems have a low level of innovation, it is important to offer a suitable award for the project, and use economic incentives to attract substantial investment in the community in case of Competence Searching. When we analyse Ideation type problems, and the solver is kind of average or emergent, he prefers to participate in competition, while in case solver is Star or Former Star (depending on the relative magnitude of factors involved). it was found that there is a problem of adverse selection in the competition architectural for these types. Former Star or Star gladly participate in competition only when problems arise particularly innovative: it is therefore necessary for these solvers to propose highly challenging questions. The research finally, despite the important findings made, has some limitations that can be overcome by future analysis. First, it would be interesting to replicate the analysis by considering the types of architectures that are not considered in this study, namely those that are beyond the competence types of competition and searching. It might also be interesting to investigate some performance measures of different architectures, including in relation to different types of issues at stake. Finally, it might be useful to increase the test sample in order to be more representative, for both groups: seekers and solvers.

Abstract (versione italiana) In passato l’innovazione è sempre stata vista dalle imprese come un processo chiuso da supportare unicamente tramite attività di R&D interna. Tuttavia negli ultimi anni la sempre maggior specializzazione e mobilità dei lavoratori (Chesbrough 2003; Gassmann, 2006), la crescita del mercato del venture capital (Chesbrough, 2003) e l’incremento delle skill dei fornitori (Chesbrough, 2003) ha portato le imprese ad aprire i propri confini ed i propri processi innovativi verso l’esterno (Gassmann, 2006). In accordo con il paradigma dell’Open Innovation (Chesbrough, 2003) quindi, le imprese hanno la possibilità di migliorare le loro performance collaborando con gli attori del mercato (clienti, fornitori, istituzioni, università, altre imprese) per ottenere idee innovative, catturare tecnologie sviluppate esternamente e utilizzare la conoscenza altrui. Le opportunità che si che si possono creare secondo un approccio open sono davvero enormi: si pensi a Procter&Gamble che con il suo Connect and Develop innovation model portò al 35% del 2006 (dal 15% del 2000) i nuovi prodotti originati da idee esterne. Attualmente tale percentuale si assesta attorno al 45%. L’Open innovation non deve essere solo vista come pratica che consente alle imprese di cooperare con altre imprese (West and Lakhani 2008), ma anche come meccanismo di collegamento con singoli individui che possono contribuire ai processi innovativi (Pisano and Verganti 2008, West and Lakhani 2008, Jeppesen and Lakhani 2010). Si pensi ad esempio al caso Netflix e al caso Goldcorp. Netflix, compagnia statunitense di noleggio DVD, annunciò nel 2006 l’elargizione di un compenso di 1 milione di dollari a chi fosse riuscito a sviluppare un software in grado di migliorare del 10% l’accuratezza del proprio sistema di raccomandazione dei film. Le proposte che arrivarono furono moltissime, fino a quando, il 26 luglio 2009, venne annunciata la chiusura della gara, poiché due team avevano sviluppato soluzioni che superavano la soglia del 10% richiesta dal regolamento: uno dei due venne premiato come vincente. Goldcorp, un’impresa mineraria americana, alla fine degli anni ’90 si trovò in forte declino avendo grandi difficoltà nell’identificare nuovi giacimenti d’oro. Il Ceo Rob McEwen decise così di rendere pubblici i dati geologici in possesso di Goldcorp, ovvero divulgare il know-how proprietario che rappresentava la maggiore leva competitiva. Chiunque avesse aiutato Goldcorp a trovare nuovi siti minerari, sarebbe stato ripagato con ben 575 mila dollari. Le risposte arrivarono copiose ed in poche settimane vennero collezionati suggerimenti relativi a 110 possibili siti di scavo, l’80% dei quali si rivelarono ricchi di oro per un valore totale di 3 miliardi di dollari. Netflix e Goldcorp utilizzarono la pratica attualmente identificata come Crowdsourcing (Howe, 2006) ovvero una forma collaborativa attraverso la quale un’impresa sfrutta la creatività e la conoscenza di una folla ampia e indefinita di persone, in seguito al lancio di un’open call (Howe, 2006) via web. Risulta evidente come un approccio all’innovazione che sfrutti le potenzialità del crowdsourcing possa rappresentare un efficace metodo per ottenere nuove idee e conoscenza in ottica di Open Innovation. Tuttavia coinvolgere singoli individui non è cosa facile ed immediata. Innanzitutto è necessaria una corretta definizione del problema da parte dell’impresa, affinché esso sia immediatamente comprensibile, in modo da poter procedere rapidamente allo sviluppo della soluzione. Inoltre vi è la questione dell’identità, ovvero la preferenza di alcune imprese a rimanere anonime. Esiste inoltre un problema di ‘‘two sided market’’, cioè la gestione multipla di più imprese e solutori. Per superare queste difficoltà è nata una nuova tipologia di attori che supportano le imprese nel gestire le relazioni con gli individui che saranno coinvolti nei processi d’innovazione: gli Intermediari web-based. Innocentive e YourEncore sono due esempi di tali intermediari. Innocentive.com è una piattaforma internet che consente alle imprese (seeker) che manifestano problemi, di pubblicare richieste d’aiuto e ad utenti iscritti al sito (solver) di proporre le loro soluzioni: qualunque individuo si ritenga un potenziale solutore può provare ad individuare una soluzione. La soluzione, una volta inviata, viene visionata dal seeker che sceglie la migliore tra quelle proposte, remunerando il solver vincitore. L’intermediario trattiene una percentuale del premio per il servizio effettuato. YourEncore, invece, lavora diversamente. Questa è infatti una piattaforma in cui un network di scienziati ed ingegneri in pensione sono a disposizione per risolvere i problemi delle imprese che si affidano al servizio offerto da questa piattaforma. In pratica, il processo funziona nel modo seguente. Una volta che l’impresa ha contattato YourEncore e sono state definite in modo congiunto le caratteristiche del progetto, i criteri di successo e la timeline, l’intermediario consulta il proprio database identificando gli esperti che possiedono le skill appropriate in base alle esigenze emerse. Una volta definito poi il compenso per l’esperto esso inizia la sua collaborazione con l’impresa, procedendo allo studio approfondito del problema e ricercando la soluzione nei tempi prestabiliti. Il fenomeno di cui si sta parlando è piuttosto recente e proprio per questo la letteratura riguardante il Crowdsourcing ed in particolare gli Intermediari web-based è piuttosto esigua. Alcuni paper scientifici evidenziano che gli intermediari possono dotarsi di differenti architetture per erogare il loro servizio (Chesbrough 2006, Huston e Sakkab 2006), ovvero possono lavorare in modi diversi. Colombo et al. (2010) identificano quattro differenti architetture tramite le quali gli intermediari possono operare: competition, competence searching, innovation marketplace e competence proposal. In questo lavoro di tesi ci si soffermerà sulle prime due. Nelle architetture di tipo competition il seeker che necessita di risolvere un determinato problema lo posta on-line tramite un intermediario il quale lo rende visibile alla sua community, i cui membri cercano una possibile soluzione e se la trovano, la postano sul sito. L’intermediario aiuta il seeker nella scelta della soluzione migliore tra quelle postate e il miglior solver viene remunerato. Nelle architetture competence searching, invece, il seeker contatta l’intermediario illustrando il problema: quest’ultimo forma un team estraendo dal suo pool di solvers quelli che si ritengono necessari alla sua soluzione, in base alle skill di cui sono dotati. Si passa quindi alla collaborazione finale tra seeker e team. Inoltre, un importante contributo della letteratura riguarda inoltre la tipologia di problemi che possono essere trattati dagli intermediari. In particolare Terwiesch e Xu (2008) ne identificano tre principali tipologie: expertise-based (es: tradurre un documento in una determinata lingua), ideation (es: disegnare un logo) e trial and error (es:trovare una pillola che elimina i capelli grigi). Le prime due tipologie saranno considerate nelle analisi condotte successivamente, in quanto risultano quelle meno esplorate dalla letteratura scientifica. Infine, la letteratura riconosce una relazione tra il problema d’innovazione che deve essere risolto in modo collaborativo e le forme collaborative che si possono adottare per risolverlo (Pisano e Verganti, 2008; Boudreau e Lakhani, 2009): si ritiene che questo avvenga anche per la particolare categoria degli intermediari web-based. Partendo da queste considerazioni, il lavoro di tesi ha l’obiettivo di capire come gli Intermediari dell’Innovazione si strutturano per supportare le pratiche dell’Open Innovation, considerando sia il punto di vista dei seeker che quello dei solver. Nello specifico vengono formulate due research question: • RQ1: Esiste una relazione tra le architetture collaborative implementate dagli intermediari e le tipologie di problemi che essi propongono per essere risolti? • RQ2: Esiste una relazione tra gli elementi della RQ1 (architetture e tipologie di problemi) anche dal punto di vista dei solvers? Qual è? Per ottenere risposte alle domande precedenti si è scelto di utilizzare la metodologia basata su gli studi di caso. Sono stati selezionati a tal proposito sette Intermediari Web-based di cui tre con sede in Austria, tre con sede in Italia e una con sede in Svizzera. La fase di raccolta dati è stata organizzata in due fasi: nella prima si è concentrata l’attenzione sulla letteratura esistente (per comprendere in maniera più approfondita le tematiche da analizzare) e sono stati analizzati i siti internet delle imprese scelte, mentre nella seconda sono state svolte delle interviste ai CEO degli intermediari. Oltre alle informazioni provenienti dai siti internet aziendali e dalle interviste svolte, sono stati utilizzati alcuni dati provenienti dal sito www.Donanza.com. In seguito si è passati alla strutturazione dei dati ottenuti in precedenza, al fine di ottenere una visione unitaria e omogenea dei differenti casi che ne consentisse un confronto. Nello specifico la prima domanda di ricerca (RQ1) ha avuto risposta in seguito all’analisi di quale architettura (competition o competence searching) si ritiene migliore per risolvere differenti tipologie di problemi (ideation o expertise based). Dalle analisi effettuate risulta che per tutti gli intermediari intervistati è valida la seguente relazione: chi utilizza un’architettura di tipo competition tratta problemi di tipo ideation, mentre chi si basa sull’architettura competence searching supporta la soluzione di problemi expertise-based. Potrebbe essere possibile obiettare alle conclusioni precedenti, rilevando il fatto che sono stati analizzati solo 7 intermediari web-based e dunque il campione potrebbe non essere significativo. Proprio per questo è stata condotta un’ulteriore analisi su 120 problemi postati sul sito www.donanza.com. I risultati di quest’analisi supportano le conclusioni tratte dallo studio dei casi aziendali: infatti la relazione trovata è la medesima, ovvero gli intermediari con architettura competence searching postano prevalentemente problemi di tipo expertise-based, mentre quelli con architettura competition ricevono richieste di soluzioni di problemi ideation. I risultati ottenuti possono essere spiegati anche secondo la letteratura esistente che riguarda il design space (Simon, 1981; Nelson and Winter, 1977; Levinthal, 1997; Baldwin and Clark, 2000) e la functional fixedness (Birch and Rabinowitz, 1951; Adamson, 1952). Per problemi di tipo ideation il seeker è interessato ad identificare idee creative, esplorandoun nuovo set di possibilità di design, ovvero un nuovo ambito risolutivo (Baldwin et al., 2006). L’architettura competition offre quest’opportunità al seeker, ovvero valutare differenti alternative per la stessa soluzione. L’architettura competition consente inoltre di compensare l’effetto di functional fixedness poiché il limite di creatività dei solutori è superato sfruttando la competizione tra individui diversi, provenienti da più parti del mondo e caratterizzati da competenze e esperienze pregresse differenti. I problemi expertise-based invece, rappresentano problemi scarsamente innovativi, le cui soluzioni sono note a priori. La qualità della soluzione dipende largamente dallo sforzo che il singolo solutore decide di promulgare. L’architettura competence searching, eliminando la competizione tra i solvers, spinge il solver selezionato ad esercitare il massimo sforzo, perché egli è sicuro di essere pagato. La risposta alla seconda domanda (RQ2), parte dalla considerazione che un solutore decide di partecipare ad un contest (indipendentemente dal fatto che sia gestito con architettura competition o competence searching) se i benefici attesi che derivano dalla partecipazione saranno maggiori dei costi attesi da sostenere. Tramite lo sviluppo di un modello teorico basato sull’analisi differenziale dei margini attesi dei due tipi d’architettura, si è verificato che la relazione individuata nella prima research question è valida anche per i solver. Tuttavia c’è da rilevare come l’architettura competition sembri affetta da un problema di adverse selection. In particolare i best solver non sembrano interessati a partecipare a questo tipo di meccanismo, fatta eccezione per i casi in cui vengano proposti problemi particolarmente innovativi e stimolanti la cui soluzione contribuisce a migliorare le competenze del solver stesso. La ricerca infine, nonostante gli importanti risultati ottenuti, presenta alcuni limiti che possono essere superati da analisi future. Innanzitutto sarebbe interessante replicare l’analisi indagando le tipologie di architetture non considerate nel presente lavoro, ovvero quelle che esulano dalle tipologie competition e competence searching. Potrebbe essere inoltre utile investigare alcune misure di performance delle diverse architetture, anche in relazione alle varie tipologie di problemi trattati. Infine, si potrebbe incrementare il campione d’analisi in modo che risulti più significativo.