1. Introducción
El campo de investigación de la estrategia empresarial se enfrenta a distintos desafíos que condicionan su trayectoria y marcan los límites de su progreso. Algunos de ellos devienen de la naturaleza compleja y social del objeto de estudio: las empresas y las organizaciones. En este sentido, no hay que olvidar que las empresas son entes sociales complejos, con múltiples niveles de análisis y procesos; adicionalmente, la estrategia empresarial abarca diversas cuestiones, entre otras, la asignación de recursos, liderazgo, objetivos, ventajas competitivas, procesos de decisión, planificación, heterogeneidad empresarial, alianzas entre empresas y capacidades. La investigación en el campo de estrategia empresarial resulta compleja por esa diversidad temática, la ambigua delimitación de sus límites y la imprecisión en las proposiciones teóricas (Astley y Zammuto, 1992; Bacharach, 1989). Por lo tanto, la investigación recoge teorías que se sitúan en distintos niveles de análisis (Donaldson, 1995) y con proposiciones divergentes entre las que resulta muy difícil la integración (Miller y Tsang, 2010). Estos aspectos, entre otros, complican el desarrollo de la investigación y, por ende, el avance del conocimiento en este campo.
La investigación en estrategia empresarial comenzó con la aplicación de estudios de caso (Chandler, 1962), pero progresivamente ha ido evolucionando hacia la investigación extensiva y la aplicación de técnicas cuantitativas. Actualmente, el panorama de investigación muestra un exceso de dependencia de un conjunto limitado de métodos de investigación, sobre todo de aquellos cuantitativos que se sustentan en muestras extraídas de datos observacionales, en detrimento de la aplicación de otras metodologías.
La investigación en este campo está protagonizada por el recurso a los datos observacionales, extraídos de archivos o fuentes primarias y sometidos a técnicas cuantitativas dirigidas a detectar regularidades empíricas (Croson, Anand y Agarwal, 2007). Este procedimiento proporciona a los investigadores la sensación de retratar con fidelidad el mundo real. Además, la amplitud en el tamaño de las muestras utilizadas avala la generalización de los resultados obtenidos. A pesar de las cualidades evidentes, esta metodología no está exenta de inconvenientes. En la realidad empresarial normalmente se encuentra el objeto de estudio interaccionando con otros y no en aislado. Todo ello complica el análisis y oscurece las relaciones objeto de investigación. Así, la información obtenida por observación directa puede que no siempre sea la más adecuada para contrastar proposiciones teóricas, dado que, por la complejidad e interacción mencionadas, podría no recoger sólo el tópico que en ese momento se quiera estudiar sino estar mezclado con otros próximos (Croson et al., 2007).
Por otro lado, la investigación plantea con frecuencia el reto de manejar variables no observables (por ejemplo aquellas en las que no se dispone de un instrumento de medida) y/o estados no observables (por ejemplo, aquellos que se presentan entremezclados con otros o en los que la observación perturba el estado) y que, por tanto, el investigador no puede extraer directamente del mundo real (Godfrey y Hill, 1995; Levine, Bernard y Nagel, 2017). Asimismo, hay que tener en cuenta que los individuos no siempre resultan informadores fiables, la percepción individual aloja sesgos e imprecisiones (Starbuck y Mezias, 1996). Por lo tanto, recoger información directamente de los actores empresariales no siempre proporciona garantía de información fiable y representativa del comportamiento de la empresa. Además, el investigador puede contaminar la recogida de información. Por otro lado, las técnicas cuantitativas de investigación analizan posibles correlaciones empíricas, lo que no siempre va asociado a la existencia de causalidad. Estos argumentos revelan las limitaciones de la metodología cuantitativa con datos procedentes de la observación. En este contexto, se plantea el interés de completar los análisis utilizando otras metodologías y enriquecer con ello la investigación en estrategia empresarial.
Además, la investigación en estrategia progresivamente se va ampliando y se van explorando nuevos horizontes que a su vez plantean nuevos retos de investigación y nuevos desafíos en la metodología utilizada. Así, por ejemplo, el desarrollo de la estrategia del comportamiento, con el soporte del enfoque cognitivo y la psicología social, reclama metodologías que permitan aislar y analizar fenómenos que se sitúan a nivel micro (Molina-Azorín, 2014). En esta línea la literatura muestra una tendencia hacia diseños de investigación complejos, que plantean el uso combinado y complementario de distintas metodologías que propician una investigación más profunda y rigurosa (Aguinis y Molina-Azorín, 2015). La diversidad metodológica se convierte así en un requisito esencial para impulsar el avance del conocimiento en el campo de la estrategia (Powell, Lovallo y Fox, 2011).
En definitiva, actualmente la investigación en estrategia empresarial se sustenta mayoritariamente en técnicas cuantitativas que no siempre resuelven los desafíos que plantea la diversidad de tópicos que conviven en este campo de conocimiento. Con estos antecedentes se constata la necesidad de ampliar el conocimiento sobre el espectro de métodos de investigación utilizados en estrategia, de cara a mejorar la medición de distintos conceptos, generar nuevas ideas, examinar los fenómenos desde ópticas distintas y expandir las teorías y las cuestiones de investigación (Scherbaum y Meade, 2013; Aguinis, Pierce, Bosco y Muslin, 2009). Así, el objetivo en este artículo es mostrar la aplicabilidad de la experimentación en la investigación de estrategia empresarial y su capacidad para contribuir al avance del conocimiento. El desarrollo de esta investigación se apoya en la revisión de literatura, tanto referida a metodología experimental como de los requerimientos metodológicos en el campo de estrategia. Como resultado, esta investigación refleja la utilidad de la experimentación como metodología de investigación, destaca su complementariedad con otras metodologías y justifica su aplicación en los tópicos de investigación más recientes del campo de la estrategia.
El artículo se organiza como sigue: a continuación en la sección 2 se proporciona una breve explicación y delimitación de esta metodología; después en la sección 3 se revisan sus cualidades; posteriormente, en la sección 4 se comentan estudios previos en estrategia y, finalmente, en la sección 5 se destaca el potencial para investigaciones futuras.
2. Análisis experimental: una mirada al interior
La experimentación cuenta con una larga tradición en ciencias naturales, en ciencias sociales -por ejemplo en psicología y sociología- y ha sido también utilizada en el ámbito de la economía para probar teorías en áreas como la macro y la microeconomía (Castañeda, Arango y Olaya, 2009; Banerjee y Duflo, 2009). Sin embargo, en el campo del management y de la estrategia empresarial su utilización ha sido más limitada (Chatterji, Findley, Jensen, Meier y Nielson, 2016).
La esencia de un experimento reside en planificar y después realizar una determinada experiencia o situación, en la que ciertas variables son objeto de control por parte del investigador, con el objeto de estudiar posibles influencias entre variables. Se produce así lo que se denomina una variación controlada. La experimentación implica, por tanto, generar una situación controlada en la que se representa el fenómeno objeto de estudio y el investigador controla el objetivo y las condiciones en las que se desarrolla el experimento. La investigación se sustenta en el análisis del comportamiento o la respuesta de decisores individuales que se someten a esas condiciones y a variaciones sobre ellas -lo que se conoce como tratamientos o escenarios-. El objetivo último del investigador es contrastar la hipótesis causal sobre la que gira su investigación y contrastar o refutar la relación entre las variables que recoge la hipótesis.
El desarrollo del experimento se sustenta sobre los principios de conformación aleatoria del grupo experimental y de valor inducido (Smith, 1976). La asignación aleatoria, en promedio, elimina la endogeneidad que puede aparecer en el contexto natural (Kirk, 2003). El principio de valor inducido se traduce en la dotación de incentivos a los participantes, en función de sus respuestas, para evitar la aleatoriedad (Agarwal, Croson y Mahoney, 2010; Ariely y Norton, 2007). Los incentivos son comunes en economía experimental y en psicología. El diseño de los incentivos, para que resulten efectivos, debe tomar como referencia el coste de oportunidad de los participantes. En este sentido véase el diseño experimental de Burmeister-Lamp, Lévesque y Schade (2012), que utiliza dos grupos de participantes (empresarios recientes y estudiantes) y, en sintonía con los distintos perfiles de ambos grupos, establece unos incentivos diferentes para cada uno de ellos. Consideraciones éticas indican que el diseño de los incentivos debe impedir que los participantes puedan asumir pérdidas (Corgnet, Gonzalez, Kujal y Porter, 2015).
Por lo tanto, se deduce que un experimento consiste en una metodología de investigación que implica recoger datos primarios de decisores individuales que se enfrentan a un contexto controlado y que son remunerados en función de sus respuestas (Croson et al., 2007). La realización de un análisis experimental conlleva los siguientes componentes:
Diseño del experimento, con la definición de todos los procedimientos relativos al experimento.
Concreción de variables, con atención a:
Variable(s) dependiente(s), determinada(s) por el objetivo del estudio.
Variables independientes, controladas por el investigador.
Variables extrínsecas, distintas a las anteriores y que pueden incidir en la conducta de las unidades de la prueba y alterar el comportamiento de las variables dependientes.
Delimitación de unidades de prueba, que se corresponden con los individuos que son objeto de análisis y cuya participación descansa en dos principios: participación voluntaria y comportamiento inducido.
El investigador mide y analiza el efecto que genera la variación de las variables independientes sobre el comportamiento de la variable dependiente para, con ello, contrastar la hipótesis causal, refutando o confirmando la relación prevista entre variables. Resulta crucial que el desarrollo del experimento garantice la validez de los resultados obtenidos. En este sentido, se distingue entre validez interna y externa. La primera atiende a la posible incidencia de variables extrínsecas en los efectos que se observan sobre la variable dependiente. La validez externa alude a las posibilidades de generalización de las relaciones causa-efecto que aparecen en el experimento (Zelditch, 1969; Plott, 1991; Chatterji et al., 2016). De ahí la importancia de que las unidades de prueba sean seleccionadas de forma aleatoria y contrastados los resultados con un grupo de control.
Dado lo anterior, una reducida validez interna implicará ausencia de validez externa. La preocupación por alcanzar la validez interna intensifica el control y el aislamiento del experimento, alejándose así del fenómeno real que se analiza y reduciendo, a la vez, la validez externa. En definitiva, el investigador debe prestar especial atención al diseño del experimento para controlar las condiciones de realización a la vez que garantiza su validez. Así, la redacción de las instrucciones deben resultar claras para evitar ambigüedades y confusión en las respuestas. Además, el diseño del experimento debe evitar cualquier tipo de ruido o efecto no controlado que distorsione los resultados.
3. Análisis experimental: una mirada al exterior
La aplicación del análisis experimental presenta una serie de ventajas a la vez que genera una serie de puntos de controversia, tal y como se recoge a continuación. Entre las primeras cabe destacar que los experimentos resultan fácilmente replicables, lo cual, desde la óptica científica, supone una garantía para el investigador (Ehmke y Shogren, 2010). Asimismo, el análisis experimental permite al investigador diseñar y disponer de medidas claras y sin elementos de confusión para diferentes fenómenos o variables. Los experimentos permiten reducir el riesgo de sesgos en métodos comunes (variación derivada del método de medida más que del constructo que se intenta medir) (Podsakoff, Mackenzie, Lee y Podsakoff, 2003). Esta cualidad resulta especialmente importante en el campo de la estrategia, por cuanto los factores de análisis frecuentemente se refieren a constructos latentes que no son directamente observables y que pueden existir en diferentes niveles de análisis (Miller y Tsang, 2010; Scherbaum y Meade, 2013; Chatterji et al., 2016). Al respecto, un ejemplo sería la investigación sobre procesos de aprendizaje, transferencia de conocimiento, sesgos cognitivos y, en general, todos aquellos aspectos que se engloban en lo que se conoce actualmente como los microfundamentos de la estrategia (Foss, 2010, 2011; Powell et al., 2011).
La experimentación permite también delimitar el ámbito de aplicación de proposiciones alternativas o contradictorias, permitiendo, por tanto, separarlas y/o reconciliarlas. Así, por ejemplo, el análisis experimental de Sutcliffe y Zaher (1998) permitió reconciliar las diversas posturas planteadas en la literatura respecto a la relación entre integración vertical e incertidumbre. El análisis experimental permite además analizar relaciones causales con solvencia, de forma que permite detectar relaciones de dependencia entre variables y además discriminar cuáles son las variables que generan variaciones sobre otras (Croson et al., 2007; Chatterji et al., 2016).
El interés por retratar el mundo real complica el diseño del experimento. Así, es lógico advertir que los experimentos no resultan ser una alternativa viable cuando el marco natural es una parte indispensable de la investigación. No obstante, los experimentos permiten a los investigadores equilibrar contexto y control (Ehmke y Shoren, 2010).
La cuestión del realismo ha sido, sin duda, una de las críticas más frecuentes que se atribuyen al análisis experimental. Así, hay voces que señalan que los resultados de un experimento no sirven para explicar el comportamiento en el mundo real debido a que se derivan de un diseño artificial (para una discusión en profundidad véase Zelditch, 1969). Esta crítica está basada en una jerarquía implícita en términos de generación de datos, de forma que se asume que los datos de campo son superiores a los datos de laboratorio (Falk y Heckman, 2009). En respuesta a esta cuestión se plantean dos matizaciones. En primer lugar, la cuestión del realismo no es una objeción distintiva de datos de laboratorio respecto a datos de campo (Falk y Heckman, 2009). En cualquier proceso de recogida de información el investigador debe plantearse la fiabilidad de la fuente y la representatividad de los datos. Así, por ejemplo, en la obtención de información a través de entrevistas directas los datos adolecen de sesgos derivados del papel del entrevistador (Caven, 2012) y de las imprecisiones que se alojan en la percepción del entrevistado (Santos y García, 2006; Mezias y Starbuck, 2003; Starbuck y Mezias, 1996; Sutcliffe, 1994). En segundo lugar, la cuestión verdaderamente relevante no es cómo se obtienen los datos sino determinar cuál es el mejor camino para aislar el efecto causal que interesa investigar (Falk y Heckman, 2009). No obstante, la literatura recoge diseños metodológicos que combinan análisis experimental con análisis de campo (Dávila, 2005; Bardolet, Fox y Lovallo, 2011; Cain, Moore y Haran, 2015) y concluyen en la sintonía de los resultados obtenidos.
Desde el punto de vista operativo, el análisis experimental ha sido criticado repetidamente por la utilización de estudiantes como unidades de análisis. La literatura aporta varios argumentos (Trottier y Gordon, 2016). La frecuente utilización de estudiantes (normalmente estudiantes universitarios de titulaciones relacionadas con la dirección de empresas) responde a la facilidad de acceso para los investigadores y a su carácter representativo de decisores empresariales, pero con un inferior coste de oportunidad, lo que reduce la inversión del experimento. No obstante, la literatura ofrece ejemplos interesantes de análisis experimental con otros grupos de participantes. Así, Burmeister-Lamp et al. (2012) realizan un experimento con dos grupos de participantes: estudiantes y empresarios recientes. Asimismo, en otros estudios se recurre a ejecutivos que están cursando un programa de formación MBA y, por tanto, son decisores empresariales con la facilidad de acceso de los estudiantes (Tong, Reuer, Tyler y Zhang, 2015; Bardolet et al., 2011). Por otro lado, las nuevas tecnologías facilitan la participación de otras unidades de análisis. Así, por ejemplo, en la investigación de Di Stefano, King y Verona (2014) se recurre directamente a decisores de la industria analizada -chef italianos- como unidades de análisis. La literatura subraya, además, que la utilización de estudiantes como unidades de análisis proporciona resultados similares a otros grupos de participantes (Fehr, Kirchler, Weichbold y Gächter, 1998; Hodgkinson, Bown, Maule, Glaister y Pearman, 1999; Carpenter, Burks y Verhoogen, 2004).
Respecto al comportamiento de los participantes, con frecuencia se ha cuestionado la relevancia de los incentivos. Sin embargo, la literatura destaca su efecto disciplinario si están correctamente diseñados (Carpenter, Verhoogen y Burks, 2005) y, para ello, advierte de la necesidad de considerar el coste de oportunidad de los participantes. Otras críticas se dirigen a la influencia que ejerce en la respuesta de los sujetos analizados el saber que son observados -efecto Hawthorne-. Esta cuestión no es exclusiva de la experimentación, también está presente en los estudios de campo. Así, por ejemplo, en la investigación que se sustenta en datos obtenidos a través de encuesta directa, los entrevistados también son conscientes de que su respuesta es objeto de análisis y, por tanto, también están sometidos a diferentes tipos de sesgos (Schwarz, Groves y Schuman, 1998; Schwenk, 1986). Así pues, el efecto Hawthorne es un elemento a tener en cuenta por el investigador cuando recurre a distintos métodos de recogida de información y no solo con el análisis experimental. La alternativa es recurrir a técnicas no intrusivas (Webb, Campbell, Schwartz y Sechrest, 2000) cuando el objeto de estudio y el objetivo de la investigación así lo permitan. Además, hay que recordar que todas estas fuentes de variación en el análisis experimental pueden ser medidas y controladas por el investigador (Croson et al., 2007).
El contraste de resultados entre el grupo experimental y el grupo de control, la aleatoriedad en la formación del grupo experimental y el adecuado diseño de incentivos avalan la validez de los resultados generados en el experimento.
4. Análisis experimental: una mirada al pasado
La investigación en el campo de la estrategia se ha centrado últimamente, aunque de forma todavía escasa, en el análisis experimental para abordar algunos estudios. La tabla 1 recoge una muestra de la diversidad de tópicos analizados en el campo de la estrategia empresarial con metodología experimental.
Tabla 1 Revisión de tópicos
Autor/es | Año | Revista | Título | Tópico |
---|---|---|---|---|
London y Oldham | 1977 | ASQ | A comparison of group and individual incentive plans | Compensación; incentivos; productividad |
Freedman | 1978 | AMJ | Some determinants of compensation decisions | Compensación; toma de decisiones |
Sutcliffe y Zaheer | 1998 | SMJ | What executive notice: accurate perceptions in top management teams | Relación entre integración vertical e incertidumbre |
Camerer y Weigelt | 1988 | Econ. | Experimental tests of a sequential equilibrium reputation model | Reputación |
Weigelt y Camerer | 1988 | SMJ | Reputation and corporate strategy: A review of recent theory and applications | Reputación |
Bateman y Zeithaml | 1989 | SMJ | The psychological context of strategic decisions: A model and convergent experimental findings | Sesgos cognitivos; decisiones |
Bettenhausen y Murnighan | 1991 | ASQ | The development of an intragroup norm and the effects of interpersonal and structural challenges | Normas; negociación; cultura corporativa |
Schotter y Weigelt | 1992 | QJE | Asymmetric tournaments, equal opportunity laws, and affirmative action: Some experimental results | Compensación; incentivos |
Adler, Brahm y Graham | 1992 | SMJ | Strategic implementation: A comparison of face-to-face negotiation in the People's Republic of China and the United States | Negociación; decisión en grupo |
Schoemaker | 1993 | SMJ | Multiple scenario development: Its conceptual and behavioral foundation | Planificación estratégica; sesgos cognitivos |
Knez y Camerer | 1994 | SMJ | Creating expectational assets in the laboratory: Coordination in 'Weakest- Link' games | Negociación y decisión en grupos pequeños |
Pinkley y Northcraft | 1994 | AMJ | Conflict frames of reference: Implications for dispute processes and outcomes | Negociación; conflicto |
Parks y Conlon | 1995 | AMJ | Compensation contracts: do agency theory assumptions predict negotiated agreements | Asignación de recursos; incentivos; salario |
Bhappu, Griffith y Northcraft | 1997 | OBHP | Media effects and communication bias in diverse groups | Negociación; decisión; comunicación |
Tosi, Katz y Gomez-Mejia | 1997 | AMJ | Disaggregating the agency contract: the effects of monitoring, incentive alignment, and term in office on agent decision making | Decisiones gerenciales; incentivos; empleo |
Tenbrunsel | 1998 | AMJ | Misrepresentation and expectations of misrepresentation in an ethical dilemma: the role of incentives and temptation | Negociación; incentivos; compensación |
Polzer, Mannix y Neale | 1998 | AMJ | Interest alignment in coalitions in multiparty negotiations | Negociación; coalición; alianzas |
Hodgkinson, Bown, Maule, Glaiser y Pearman | 1999 | SMJ | Breaking the frame: An analysis of Strategic cognition and decision making under uncertainty | Sesgos cognitivos |
Weber, Camerer, Rottenstreich y Knez | 2001 | OS | The illusion of leadership: Misattribution of cause in coordination games | Liderazgo; Coordinación; sinergias |
Weber y Camerer | 2003 | MS | Cultural conflict and merger failure: An experimental approach | Cultura corporativa; fusiones |
Thomas-Hunt, Ogden y Neale | 2003 | MS | Who's really sharing? Effects of social and expert status on knowledge exchange within groups | Estatus social; conocimiento; negociación |
Flynn y Staw | 2004 | SMJ | Lend me your wallets: The effect of charismatic leadership on external support for an organization | Liderazgo; propensión al riesgo; entorno |
Burmeister y Schade | 2007 | JBV | Are entrepreneurs influenced by risk attitude, regulatory focus or both? An experiment on entrepreneurs' time allocation | Sesgos cognitivos; asignación de tiempo |
Agarwal, Anand y Croson | 2007a | WP | Do pre-acquisition alliances help in post-acquisition coordination: An experimental approach | Coordinación; comunicación; alianzas |
Argarwal, Croson y Mahoney | 2007b | WP | Decision making in strategic alliances: An experimental investigation | Alianzas; creación de valor |
Agarwal, Croson y Mahoney | 2010 | SMJ | The role of incentives and communication in strategic alliances: an experimental investigation | Alianzas; adquisiciones; creación de valor |
Kunc y Morecroft | 2010 | SMJ | Managerial decision making and firm performance under a resource-based paradigm | Asignación de recursos; ventaja competitiva |
Grégoire, Shepherd y Lamber | 2010 | ORM | Measuring Opportunity-Recognition Beliefs. Illustrating and Validating an Experimental Approach | Reconocimiento de oportunidades; incertidumbre |
Bardolet, Fox y Lovallo | 2011 | SMJ | Corporate capital allocation: a behavioral perspective | Oportunidades de negocio; unidades de negocio; decisiones de inversión |
Agarwal, Anand, Bercovitz y Croson | 2012 | SMJ | Spillovers across organizational architectures: the role of prior resource allocation and communication in post-acquisition coordination outcomes | Asignación de recurso, comunicación; arquitectura organizativa |
Burmeister-Lamp, Lévesque y Shade | 2012 | JBV | Are entrepreneurs influenced by risk attitude, regulatory focus or both? An experiment on entrepreneurs' time allocation | Asignación de tiempo; riesgo financiero; retornos |
Gary, Wood y Pillinger | 2012 | SMJ | Enhancing mental models, analogical transfer, and performance in strategic decision making | Procesamiento de información; experiencia previa; conocimiento; decisiones |
Reuer, Tong, Tyler, Ariño | 2013 | SMJ | Executive preferences for governance modes and exchange partners: An information economics perspective | Información; asimetrías informativas; joint ventures internacionales; adquisiciones |
Di Stefano, King y Verona | 2014 | SMJ | Kitchen confidential? Norms for the use of transferred knowledge in gourmet cuisine | Trasferencia de conocimiento; normas sociales |
Tong, Reuer, Tyler y Zhang | 2015 | SMJ | Host country executives' assessments of international joint ventures and divestitures: An experimental approach | Inversión directa; modos de entrada en mercados internacionales; joint ventures internacionales |
Fonti, Maoret y Whitbred | 2017 | SMJ | Free-riding in multi-party alliances: the role of perceived alliance effectiveness and peers' collaboration in a research consortium | Alianzas estratégicas, redes y cognición gerencial |
Revista: ASQ (Administrative Science Quarterly); AMJ (Academy of Management Journal); SMJ (Strategic Management Journal); Econ (Econometrica); QJE (Quarterly Journal of Economics); OBHP (Organizational Behavior and Human Performance); OS (Organizational Science); MS (Management Science); JBV (Journal of Business Venturing); WP (Working paper), ORM (Organizational Research Methods).
Fuente: elaboración propia.
Esta recopilación permite apreciar cómo el análisis experimental ha servido para la investigación de tópicos muy variados, que van desde la trasferencia de conocimiento hasta los movimientos estratégicos de alianzas, adquisiciones o integración vertical. Se deduce, por tanto, que la aplicación del análisis experimental no está focalizada en un estrecho rango temático sino que se desliza por distintos temas que se sitúan en distintos niveles de análisis estratégico. Incluso cabe pensar que la investigación y el avance en el conocimiento de ciertos tópicos de más reciente desarrollo, como, por ejemplo, el análisis minucioso del proceso interno de adopción de decisiones directivas, vienen impulsados por los resultados derivados del análisis experimental. Asimismo, la investigación de los microfundamentos de la estrategia empresarial encuentra en el análisis experimental una metodología adecuada y consistente que permite el avance de la disciplina.
5. Análisis experimental: una mirada al futuro
La investigación en el campo de la estrategia empresarial ha confiado de forma mayoritaria en la aplicación de metodología cuantitativa con datos observacionales. Este dominio de la metodología cuantitativa apunta también los límites de su aplicación y subraya el interés de recurrir a otras metodologías. Con este punto de partida, este artículo profundiza en el análisis experimental y su potencial de aplicación en la investigación de la estrategia empresarial.
El análisis experimental consiste en generar una situación controlada en la que se representa el fenómeno objeto de estudio y se analiza el comportamiento de un grupo de participantes a los que se remunera para evitar la aleatoriedad en las respuestas. El correcto desarrollo del experimento exige la atención a los elementos básicos: conformación aleatoria del grupo experimental y de control, verificación empírica de una hipótesis causal, manipulación y control de la variable independiente, medición del efecto de la variable independiente sobre la dependiente y, finalmente, contraste de resultados para demostrar o refutar las relaciones previstas en la investigación.
Precisamente esa construcción artificial del fenómeno objeto de estudio y la utilización de estudiantes como participantes conscientes de que su comportamiento está siendo observado son las críticas más habituales que se le atribuyen. A cambio, el análisis experimental permite el diseño y el manejo de variables representativas de fenómenos o elementos difícilmente observables. Asimismo, el diseño experimental va más allá de la identificación de relaciones de dependencia entre variables, ya que permite reconocer relaciones causales y, lo que es más importante, la dirección de causalidad.
Por lo tanto, la experimentación muestra cualidades interesantes como para ser incluida en el catálogo de metodologías de investigación útiles y relevantes en el campo de la estrategia empresarial. Así, desde finales de la década de los 70 hasta la actualidad, se encuentran ejemplos interesantes de investigaciones en este campo que recurren a la metodología experimental y que abordan tópicos tan diversos como alianzas, sesgos cognitivos, procesos de negociación o liderazgo. A la vista de las aplicaciones desarrolladas, la experimentación se ha revelado como una metodología versátil que se desliza a lo largo de distintos tópicos y que se acomoda a las necesidades de los diseños de investigación cada vez más complejos. Así, mientras en un primer momento las investigaciones recurrían a los estudiantes como unidades de análisis, actualmente se encuentran diseños más complejos que combinan distintos grupos de participantes o que combinan la metodología experimental con otras. Un ejemplo es el estudio de Bapuji, Hora y Saeed (2012) el cual recurre al análisis experimental y también a la realización de entrevistas.
En lo que se refiere al campo de la estrategia empresarial, la investigación avanza hacia una conclusión irrefutable: no hay estrategias universalmente válidas y cualquier estrategia resulta adecuada en un rango determinado de circunstancias. En este sentido, la experimentación constituye una herramienta útil para avanzar en el conocimiento de cuáles son esas circunstancias en las que determinadas estrategias pueden resultar más adecuadas y cuáles son las variables críticas en el éxito de la estrategia. Además, los investigadores en estrategia dirigen notables esfuerzos hacia la identificación de los factores que aseguran las ventajas competitivas. En esta línea, los resultados apuntan hacia variables como las capacidades dinámicas, el aprendizaje organizativo, la información, la red de relaciones, el ajuste estratégico -interno y externo- y las capacidades directivas. Estas variables son de naturaleza intangible, difícilmente observables y extremadamente complejas de representar en variables estandarizadas válidas para completar muestras de empresas con las que configurar una amplia base de datos. Así, la investigación apunta la necesidad de ampliar el catálogo de metodologías de análisis y recurrir, entre otras, a la experimentación como herramienta útil para avanzar en el conocimiento y representación de todas esas variables que la investigación tilda de relevantes, pero que resultan tan difíciles de manejar.
En suma, el análisis experimental permite enfrentar los desafíos que se plantean en un campo de investigación tan diverso y dinámico como es el de la estrategia empresarial; en este sentido, este artículo supone una invitación a los investigadores para que lo incluyan en su repertorio metodológico.