Знание - это ресурс, специфический ак­тив, способный порождать обширные внеш­ние эффекты, выражающиеся в накоплении знания и непрекращающемся производстве новых знаний на основе полученных компе­тенций, навыков, опыта. В научной литера­туре внешние эффекты принято рассматри­вать в основном как негативный результат деятельности промышленных предприятий, выражающийся в ухудшении экологической обстановки. «Обучающие» же эффекты, как правило, оцениваются положительно, поскольку способствуют расширению дея­тельности компаний.

Понятие «трансфер знаний» (спилло- вер-эффекг) возникло в начале 1990-х годов. Трансфер как процесс, в рамках которого одна организацион­ная единица (к примеру, группа, департамент или дивизион) зависит от опыта, исполнительности, знаний другой струк­турной единицы [Argote L.; IngramP., 2000; Курятников А.Б., Линдер Н.В., 2015]. Национальная инновационная система (НИС), которую составляют государство (различные инсти­туты), наука (научные сообщества), предприятия (формиру­ющие спрос на инновации), инновационная инфраструктура (инвесторы, бизнес-инкубаторы, технопарки), играет огром­ную роль в процессе развития технологического прогресса путем создания и распространения научных знаний [Тра- чук А.В., 2012]. Скорость распространения знаний между научно-исследовательскими организациями предопределяет тот или иной вектор развития экономики [The knowledge- based economy, 1996, p. 24]. Эффективный переток знаний за­висит от инвестирования в навыки и умения по нахождению и адаптации нужных, полезных знаний для их дальнейшего эффективного использования и преодоления отсталости раз­вивающихся бизнес-единиц, т.е. для решения накопившихся проблем [Трачук А.В., Линдер Н.В., 2017а].

В узком смысле переток знаний означает обмен идеями среди индивидуумов [Carlino G. А., 2001]. На уровне фирмы переток описывается следующим образом:

В широком же смысле переток определяется как про­цесс, порождающий обширные спилловер-эффекгы (экс­терналии), или «воздействие рыночных транзакций на тре­тьих лиц, не опосредованное рынком» [Экстерналия, [б.г.]], некомпенсируемые воздействия одной стороны на другую. Мы же будем понимать спилловер-эффекгы как «измене­ния в инновационном поведении фирм» [Трачук А.В., Лин­дер Н.В., 2016в], выраженные в трансформации бизнес-мо­дели, корпоративной культуры, поведения сотрудников и прочих внутрифирменных видоизменений.

В научных сообществах экономистов не прекращаются споры о том, действительно ли существуют спилловер-эф- фекты знаний, влияющие в значительной степени на эффек­тивность деятельности хозяйствующих субъектов, или же это закономерность, обусловленная влиянием множества других факторов [TrachukA., LinderN., 2018b]. В силу спорности во­проса мы решили проанализировать базу данных российских высокотехнологичных компаний с целью доказать существо­вание эффектов, рассмотрев переток знаний как фактор ин­новаций в процессе выхода компаний на зарубежные рынки.

Для начала приведем краткий обзор нынешнего состо­яния структуры экспорта России. Темпы роста объемов экспорта невелики: в 1990-2000 годах в среднем за год 0,8%, в 2001-2015 годах - 4,4% [World Development, [s.а.]], но есть небольшое улучшение экспортного потенциала РФ (рис. I). Для сравнения: в 2000-2015 годах темп прироста импорта 10,3% в среднем за год, в 1990-2000 годах - 6,1%.

Так или иначе, наблюдается положительное сальдо тор­говых отношений в течение всего периода, а значит, Россия относительно независима от других государств. Вместе с тем бытует мнение о том, что Россия до сих пор не слезла с нефтяной иглы и единственный шанс перестать быть за­висимой от внешнего мира - развивать и модернизировать промышленность, начинать экспортировать высокотехно­логичную продукцию вместо торговли сырьем, материала­ми и полуфабрикатами без наращенной добавленной стои­мости. Чтобы проанализировать развитость отраслей в РФ, необходимо провести детальный анализ структуры экспорта.

Мы поставили перед собой цель проанализировать вли­яние спилловер-эффектов экспорта на инновационную ре­зультативность именно высокотехнологичных компаний, за­нимающихся разработкой программного обеспечения (ДО), ИТ -технологий.

Большинство российских ИТ-компаний занимаются соз­данием решений для наиболее перспективных сегментов ИТ (большие данные, машинное обучение, искусственный интеллект, дополненная и виртуальныя реальность, нейро- подобные структуры, мобильность, когнитивные, биометри­ческие технологии, безопасность киберфизических систем и прочее). В этих сегментах разворачивается конкурентная борьба за глобальные рынки, закладываются основы лидер­ства на тот период, когда мировая экономика приобретет новый уклад. ИТ-индустрия не замыкается в себе, она пол­ностью открыта миру: компании активно используют воз­можности сотрудничества с мировыми технологическиими вендорами, не боятся выходить на ранее незнакомые им рын­ки и вступают в жесткую конкуренцию с преуспевающими мировыми производителями.

По мнению экспертов ассоциации «Руссофт», в 2016— 2017 годах имели место следующие основные тенденции:

Необходимо различать термины «экспорт» и «зарубеж­ные продажи» ПО: не всегда продажи на внешних рынках ведут к прямому притоку валюты в РФ (если рассматривать термин с позиций юридических лиц), часть денежных средств остается в иностранных компаниях-дочках, создан­ных российскими фирмами согласно мировой практике ве­дения зарубежного бизнеса. Деньги, как правило, направля­ются на развитие иностранных центров разработки, офисов продаж, маркетинга (валютная выручка не поступает на сче­та в России) и вплоть до 7 мая 2006 года на частичную обя­зательную продажу валютной выручки в РФ [Федеральный закон, 2003].

Таким образом, существует три показателя, характеризу­ющих внешнеэкономическую деятельность разработчиков ПО:

В данной статье поставлены цели:

Научная новизна заключается в том, что объектами ис­следования стали предприятия отрасли высоких техноло­гий, а не промышленного производства, сформированы новые подходы к пониманию понятия «обучающие спил- ловеры». Сравнительный анализ опыта зарубежных и рос­сийских компаний в области измерения процессов перетока и адаптации знаний посредством участия во внешнеторго­вой деятельности использован для того, чтобы предложить и обосновать собственный инструментарий оценки спилло­вер-эффекгов экспорта. Также подготовлены рекомендации, как стимулировать ИТ-компании выходить на зарубежные рынки для расширения деятельности и наращивания обо­ротов, как оценить активность в области инноваций до и после начала экспортной деятельности.

Если знание создает один экономический субъект (будь то индивид или целая организация), то со вре­менем оно окажется доступным другим субъектам. Такой феномен можно охарактеризовать как транс­фер знаний. Для отсталых участников рынка с не­развитой технологической, интеллектуальной базой процесс трансфера знаний служит «свежим глотком воздуха», позволяющим хотя бы немного развиваться дальше [Трачук А.В., 2013].

В теории внешние эффекты могут быть классифи­цированы следующим образом:

о спилловер-эффекгы знаний, инновационные спил­ловер-эффекгы, технологические спилловер-эффек- ты - типы спилловер-эффекгов, сопровождающих диффузию инноваций, или процесс распростране­ния инноваций посредством различных коммуника­ционных каналов;

о спилловер-эффекгы (знаний): передача знаний вне намеченной границы, определенного круга лиц, ор­ганизаций (в отличие от обмена знаниями);

о инновационные эффекты: производные от экстерна­лий знаний, возникающие в результате непреднаме­ренного использования обмененного знания;

о технологические эффекты возникают при диффузии технологий с той лишь разницей, что распростране­ние происходит неконтролируемо и без какой-либо платы за технологию; знание преобразуется в одном из факторов производства; применение технологий в различных секторах экономики;

о спилловер-эффекгы Маршалла - Эрроу - Ромера возникают среди фирм одной отрасли, географиче­ски близко расположенных. Знания, накопленные одной фирмой, так или иначе помогают развитию технологически близких фирм [Jaffe А.В., 1986];

о спилловер-эффекгы Портера возникают в компани­ях, сконцентрированных географически и конкури­рующих друг с другом;

о спилловер-эффекгы Джейкобса возникают среди фирм разных отраслей, географически близко рас­положенных.

Впервые эконометрическая модель «Измерение влияния эффекта инвестиций в R&D на запас знаний и экономический рост» была представлена 3. Гриличесом [Griliches Z., 1992]. А. Б. Джефф [Jaffe А. В., 1986] доказал взаимосвязь на основе того, что совокупная деятельность фирм, влияющих на инно­вации одной конкретной фирмы, может быть представлена в качестве взвешенной суммы инвестиций в НИОКР с уче­том технологической близости компаний к единственной рас­сматриваемой фирме. В 1989 году автор исследовал схожую модель с целью измерить географические спилловеры меж­ду соседствующими фирмами и университетами, где штаты принимались за кластерные единицы.

Исследователями также была оценена патентная ак­тивность в соседних регионах Франции и ее соотношение с уровнем корпоративных и университетских расходов на ис­следования и разработки (ИиР) [Malerba F., Mancusi М. L., Montobbio F., 2004]. Измерено, как географическая дистан­ция между фирмами влияет на их участие в программе инно­вационного исследования малого бизнеса, в рамках которой предоставляются гранты [Kesidou E., Szirmai А., 2007]. До­казано, что кластеризация напрямую влияет на инновацион­ные результаты и рост в американской индустрии программ­ного обеспечения [Breschi S., Lissoni F., 2001].

Эффективность различных каналов спилловер-эффекгов ИиР была изучена посредством опроса 358 швейцарских руководителей департаментов исследований и разработок, представителей 127 различных направлений бизнеса. В ка­честве возможных каналов перетока знаний рассматривались инновационная активность, расширение вложений в иссле­дования ИиР, инженерный анализ (способность к проектиро­ванию), публикации, патенты, технические встречи/обсуж- дения, внутрифирменные коммуникации. Возникновению спилловеров способствовали прежде всего собственные ин­вестиции в НИОКР [Keller W., 2004].

Другая группа исследований посвящена расследованию связей между спилловер-эффектами и инновациями. С це­лью показать локальный характер спилловеров явных зна­ний сравнивали географическое расположение компаний, публикующих патенты и цитирующих патенты [Jaffe А. В., 1986]. Стоит принимать во внимание важность влияния на инновации и неявного знания, которое, к сожалению, не поддается измерению. Co ставлен добротный обзор лите­ратуры по спилловер-эффекгам знаний и инновациям в тех­нологических кластерах [FallahFl., Ibrahim S.,2004].

Эффекты Портера образуются в среде конкурирующих, географически специализированных компаний; по своей природе они близки к концепции эффектов Маршалла — Эрроу — Ромера, которая воспринимает соперничество препятствием на пути к инновациям. Американский эконо­мист Майкл Портер настаивает на том, что локальная кон­куренция способствует погоне за знаниями, инновациями и их быстрой адаптации компаниями. Казалось бы, стрем­ление к успешному созданию инноваций должно выступать первопричиной поведения организаций извлекать сверхнор­мативную ренту, однако, по мнению экономиста, именно конкурентное давление заставляет менеджеров действовать новаторски для выживания, выдвижения на первые позиции и максимизации прибыли. В качестве примера приведена итальянская ювелирная индустрия, где множество мелких локальных компаний свирепо конкурируют в погоне за ин­новациями и прорывными технологиями.

Межотраслевые эффекты Джейкобса являются результа­том перетока знаний, который происходит между смежными отраслями промышленности или поставщиками и клиента­ми. He кластеризация, а многообразие индустрий выступа­ет триггером спилловеров взаимного обогащения. Переток идей, знаний, техник, инструментов в другие отрасли приво­дит к их совершенно новому применению и, соответственно, к другому конечному продукту.

Спилловер-эффекгы знаний систематизированы по при­знаку «нахождение внутри/вне отрасли», по горизонтали показаны два основных типа рыночных структур по степе­ни конкуренции (конкурентная и монополистическая среда), а по вертикали - отраслевые характеристики географической концентрации фирм (кластерный тип, диверсифицированная отраслевая база) (табл. 2).

Вышеуказанные теории динамических спилловер-эф- фекгов дают основания предложить своего рода гипотезу о природе отраслевой базы, диверсифицированной и кон­центрированной, а также о том, какая из них с большей ве­роятностью подвержена процессу перетока знания и наиско­рейшему росту.

Роль экспорта как фактора, провоцирующего рост в це­лом и производительность в частности, была эмпирически доказана с использованием агрегированных межстрановых и межотраслевых данных во времени уже достаточно давно (макроуровень). Лишь недавно исследователи решили сде­лать то же самое на межфирменном уровне (микро- и мезо- уровень) с целью определить, насколько отличаются по эф­фективности экспортеры и компании, работающие только на внутреннем рынке.

Одной из самых известных, цитируемых работ, посвя­щенных исследованию данного феномена на микроуровне, является автореферат профессора Дж. Вагнера «Экспорт и продуктивность», написанный в 2007 году. В основу ра­боты исследования на микроуровне [Wagner J., 2007] легли 45 небольших эконометрических моделей, построенных на базе данных компаний из 33 стран и опубликованных в 1995-2004 годах. Тогда были сделаны выводы:

Первый факт подтвержден в работах, где утверждает­ся, что именно расширение границ присутствия компании, рынка сбыта провоцирует руководителей к внедрению ин­новаций и различных улучшений, являющихся результатом повышения эффективности и устойчивого роста [Narula R., Marin А., 2003; Трачук А.В., Линдер Н.В., 2016а]. Второй факт проверен на теоретическом и эмпирическом уровнях: инновационная активность, осуществление исследований создают конкурентное преимущество для компании, веду­щее к росту продуктивности, повышающей вероятность стать экспортером и укрепиться не только на национальном рынке, но и на международном [Bernard А.В., Jensen J.B., 1999; Cassiman В., Golovko E., Martinez-Ros E., 2010]. Ин­туитивное предположение о взаимозависимости инноваций и экспорта не раз подтверждалось экспертами, однако связь между этими процессами неоднозначна и подлежит более детальному изучению на материалах разных отраслей, ком­паний и научных институтов.

Поставленные выше вопросы также освещены в ста­тье о самоотборе предприятий и об обучающем эффекте экспорта с помощью пробит-модели и системы рекурсивных одновременных уравнений [Архипова М.Ю., Александро­ва Е.А., 2014],. Эффект самоотбора анализируется по со­бранным данным с добавлением таможенной статистики [Kozlov Κ., Wilhelmsson F., 2007]. Имеющийся опыт работы на иностранном рынке служит залогом успеха в дальней­шем. Влобализация ведет к приросту инновационной ак­тивности [Gorodnichenko Y., Schnitzer М., 2010]. Еипотезы об инновационных стимулах предприятий обрабатывающей промышленности, когда они выходят на зарубежный ры­нок (панельные данные 2005 и 2009 годов получены в ходе двух опросов) проверены на микро- и макроуровне [Еолико- ва В. В., Еончар К.R Кузнецов Б. В., 2011].

Эмпирические исследования, использующие вариа­ции подхода А. Бернарда и Д. Дженсена, сосредоточенные на одной отрасли, также представляют интерес для изучения схожестей и различий между компаниями, которые явля­ются экпортерами или нет. Изучены различия между фир­мами на основании того, в какие страны, развитые или раз­вивающиеся, начинается экспорт [Damijan J., Polanec S., Prasnikar J., 2004]. В развивающихся странах иностранные компании имеют более значительную прибыль по сравне­нию с национальными, обратный эффект наблюдается в раз­витых странах.

Гипотеза I. Инновационные фирмы чаще становят­ся экспортерами по сравнению с фирмами, отдаленными от инноваций. Основной вопрос формулируется так: «Дей­ствительно ли организации выходят на глобальные рынки в результате самоотбора, согласующегося с индивидуальны­ми характеристиками каждой конкретной компании?»

Гипотеза 2. Экспортирующие компании с большей ве­роятностью внедряют инновации (в том числе организа­ционные), нежели фирмы, ориентирующиеся на локальный рынок (положительный эффект обучения от международ­ного взаимодействия). При этом экспортная деятельность не является залогом роста продуктивности компании. Еипотеза отражает роль обучающих эффектов экспорта: экспортирующие компании являются более эффективны­ми по сравнению с компаниями, присутствующими лишь на национальном рынке. Потоки знаний между зарубеж­ными покупателями, поставщиками и конкурентами помо­гают экспортерам-новичкам совершенствовать свою дея­тельность, перенимать позитивный опыт ведения бизнеса [GrossmanG. М., HelpmanE., 1992], быстрее продвигать про­дукты и услуги, «внедрять технологические новинки для со­хранения завоеванной ниши и расширения зоны влияния» [Greenaway D., Kneller R., 2007]. Фирмы, выходящие на ино­странные рынки, оказываются в условиях более интенсив­ной и жесткой конкуренции и обязаны развиваться быстрее, чтобы выжить.

Ориентация на экспорт и инновации - альтернативные, конкурирующие друг с другом инвестиционные проекты. Возможно, фирмы, которые уже вышли на иностранный рынок, не нуждаются в дополнительном инвестировании средств в развитие инноваций, раз они и так заимствуют все лучшее, новое из-за рубежа? Для ответа на этот вопрос была сформулирована вторая гипотеза.

Вышеупомянутые гипотезы ни в коем случае не являют­ся противоречащими друг другу и взаимоисключающими. Наоборот, они служат доказательством существования дву­сторонней связи между экспортной деятельностью, инно­вационностью и результативностью [Wagner J., 2007]. В ре­зультате внедрения инноваций более сильные, выносливые компании приступают к экспорту собственной продукции, что делает их еще конкурентоспособнее и продуктивнее бла­годаря «обучающему эффекту экспорта».

Ответы на поставленные вопросы должно дать эконо­метрическое моделирование на основе реальных данных, полученных в ходе интервьюирования, консолидации ин­формации по компаниям из различных баз данных, стати­стического мониторинга с целью проверить гипотезы. Мы считаем, что недостаточно комплексных исследований, где были бы комплексно проанализированы взаимосвязи экспорта, инноваций и эффективности. В своем исследова­нии мы рассматривали фирмы из наиболее динамично раз­вивающейся отрасли высоких технологий, взяв в качестве ключевого ориентира методологии работ [WagnerJ., 2007; Го­ликова В.В., Гончар К.Р., Кузнецов Б.В., 2011; Трачук А.В., Линдер Н.В., 20176].

Эмпирический анализ проведен на основе перекрестных данных российских ИТ-компаний. Стратифицированная выборка 152 предприятий индустрии высоких технологий в целом может считаться репрезентативной для совокупно­сти компаний, занимающихся разработкой ПО и различны­ми услугами в сфере ИТ. Выборку характеризует неполно­та (расширение выборки планируется в дальнейшем, более детальном исследовании), приоритетное включение компа­ний, расположенных в крупнейших городах РФ и доступных для привлечения к опросу, и возможности самих фирм за­ниматься производством и экспортом высокотехнологичных инноваций.

В целом за пределами двух мегаполисов России функ­ционирует примерно половина компаний, создающих ПО для корпоративных заказчиков. В Москве средний размер компаний выше в разы, нежели в других городах (даже по сравнению с Санкт-Петербургом в среднем на 80-90%). У петербургских компаний средний оборот и объем экспорта схожи с показателями среднестатистических ИТ-компаний по всей России. Столичные компании обеспечивают порядка 60-70% экспорта В2В-решений благодаря регионам, где рас­положены центры разработки, принадлежащие московским и петербургским материнским компаниям.

Инструментарий позволяет интерпретировать экспорт услуг и технологий с точки зрения его наличия (осущест­вление/отсутствие экспортной деятельности), масштабов (доля экспорта, точнее, зарубежных продаж, в общих про­дажах фирмы), структуры (технологические услуги, готовая продукция) и направленности экспорта (ближнее и дальнее зарубежье).

Для оценки обучающих эффектов экспорта были ис­пользованы различные показатели уровней экспортной дея­тельности; эффективности и производительности компаний (индикатор - финансовые показатели отчетностей по РСБУ и МСФО); технологические, продуктовые, организацион­но-управленческие инновации, включая затраты на проведе­ние НИОКР (статистическая форма № 4 - «Инновации»). Ос­новной массив данных был взят из системы по контрагентам SPARK и из анкет, расположенных на сайте аналитического интернет-портала TAdviser.

Влияние на инновационные процессы «обучения», разви­тие оказывает влияние не только экспорт, но и другие факто­ры. В частности, «на склонность к инновациям и внедрению новых управленческих технологий могут воздействовать отраслевая принадлежность предприятия и его размер» [Трачук А.В., Линдер Н.В., 2016в]. Также инновационная активность предприятий может быть связана с возрастом фирмы и характеристикой собственника (принадлежность к иностранному холдингу). Перечень зависимых перемен­ных и регрессоров представлен в табл. 3, 4.

Если обучающие спилловер-эффекты присутствуют при экспорте, то какова их природа? Возможно, это всего лишь некие закономерности: тот, кто выходит на внешний рынок (в результате самоотбора), изначально более произво­дителен, организован, больше тяготеет к новациям? На осно­ве анализа работ, ставящих во главу угла рассмотрение фено­мена внешних эффектов знаний и вопроса их существования как такового, мы построили регрессионную модель для эм­пирической оценки воздействия эффектов на производитель­ность:

где у1i - один из индикаторов инновационного поведения (табл. 3); bx - коэффициенты при объясняющих переменных из табл. 4.

Для оценки зависимых дамми-переменных мы будем использовать обычную пробит-регрессию зависимости со­ответствующего индикатора в 2017 году от значения этого индикатора в 2015 г, экспортного статуса и иных характе­ристик организации. Для устранения проблем эндогенности, «связанных с различным направлением причинно-следствен­ных связей между показателями размера и параметрами соб­ственности, значения этих предикторов в модели берутся за предшествующий период» [Трачук А. В., Линдер Н. В., 2016в].

Попытка применить линейную регрессию для прогно­зирования инновационной активности предприятий после выхода на зарубежные рынки не имеет смысла, так как зна­чения линейной формы принадлежат непрерывной количе­ственной шкале, а переменная изменяется дискретно. По­этому для исследования зависимостей между бинарными переменными (индикаторами инновационности) и количе­ственными данными (в нашем случае регрессорами) реко­мендуется строить специальные регрессионные модели.

Существует два подхода, которые позволяют строить такие модели. Первый подразумевает построение линей­ной вероятностной модели (с использованием робастных стандартных ошибок), которая нами не будет использована, второй - построение нелинейных моделей (логит и пробит). В случае построения двух последних моделей устанавли­вается зависимость между переменной и набором данных, а также между вероятностью того, что i-е значение бинарной переменной равно 1 при определенном условии.

Модель пробит отличается от модели логит только тем, что использует вместо производной логистической кривой:

где Z- аргумент функции стандартного нормального рас­пределения; р - плотность распределения, функцию плотно­сти нормального распределения:

По другим аспектам пробит- и логит-анализ схожи. Их идея состоит в том, что функция правдоподобия макси­мизируется: существует вероятность того, что то, что есть в нашей выборке, будет случайно получено. Практически это означает, что мы больше не обращаем внимания на сум­мы квадратов остатков, нам интересно поведение функции правдоподобия.

Для построения модели нами был проведен необходи­мый анализ данных, собранных по 152 компаниям, разно­плановых по своим характеристикам и структурно напоми­нающих генеральную совокупность, на которую можно бы было экстраполировать наши результаты.

По нашим данным, 55% респондентов расположены в Москве и Санкт-Петербурге и в Московской области (80 компаний - в Москве, Санкт-Петербурге, 5 компаний - в Мо­сковской области), или 53% только в столичных городах. Хо­рошо бы было уменьшить долю респондентов из Санкт-Пе­тербурга до 15% (для соответствия генеральной выборке), но так как данных из регионов оказалось недостаточно, было принято решение оставить 22%.

Большинство опрошенных респондентов (31%) работали в компаниях, образованных до 1999 года; примерно по 20% фирм были основаны в 1999-2003, 2004-2008 и 2009- 2013 годах (порядка 65% в 1999-2013 годах), и всего 5% ре­спондентов работали в новых компаниях.

Для построения пробит-моделей мы разделили компании на те, которые были основаны до и после 2003 года (54,6 и 45,4%, соответственно).

На рис. 7 мы привели распределение компаний в зави­симости от их ключевых направлений деятельности, кото­рыми они занимаются и которые они развивают в большей степени в процентном отношении к другим направлениям. Фирмы выбирали по одному направлению, соответственно, итог по всем позициям составил 100%. Как мы видим, на за­рубежных рынках большим успехом пользуются лишь заказ­ные разработки (39%).

На рис. 4, 5 представлено распределение опрошенных компаний по статусу и рыночной ориентации. Для разделе­ния новых и традиционных экспортеров мы принимаем в ка­честве рубежа «начало экспорта» 2017 год. Бывшими экс­портерами считаются все те, кто покинул зарубежные рынки в течение рассматриваемого периода. Мы должны понимать, что в 2016-2017 годах на международных рынках присут­ствовало больше отечественных компаний (22%).

На рис. 6 представлено распределение фирм в зависи­мости от их специализаций: каждая компания была вправе выбрать по несколько направлений. Лидирующими разра­ботками явились решения на заказ (68%), создание мобиль­ных приложений (44%), производство тиражируемых систем управления (32%).

Многие компании работают и развиваются по различным направлениям информационных технологий, при этом боль­шинство респондентов (39%) специализируются на заказной разработке ИТ-решений, кастомизированных под нужды конкретного заказчика (рис. 6, I). Были и такие субъекты, кто не смог определить специализацию компании, - 12%.

Распределение компаний по доле экспортной выручки к совокупной выручке (в общем обороте) в 2017 году выгля­дело так: 43% фирм имеют относительную долю экспорта менее 0,10; 13% фирм - от 0,11 до 0,25; 11% фирм - от 0,26 до 0,50; 11% фирм - от 0,51 до 0,75; 22% фирм - более 0,75. Таким образом, примерно пятая часть всех опрошенных фирм получает выручку в основном за счет зарубежных за­казов. Показатель завышен, так как в опросе участвовали лишь крупные экспортеры (бывшие, традиционные, долго присутствующие на внешних рынках, новые).

В табл. 5 представлены результаты расчетов зависимости индикаторов инновационного поведения от экспортного ста­туса ИТ-компаний.

Такой индикатор, как патенты, был исключен из рас­смотрения в связи с тем, что в сфере информационных технологий он является «плохим» показателем, по мнению экспертов софтверной индустрии. С одной стороны, некото­рые ИТ-компании просто обязаны регистрировать патенты, т.к. с хорошим продуктом, который несложно скопировать, выходить без юристов самоубийственно: имитаторы укра­дут технологию на вполне законных основаниях. В США, к примеру, таких прецедентов встречается довольно много. С другой стороны, большинство пренебрегает оформлени­ем патентов, так как на это нужно тратить деньги и время. Они рассуждают так: «Украсть у них можно, но повторить на том же уровне и с тем же качеством невозможно». И дей­ствительно, о вышеупомянутых проблемах пока никто не го­ворит.

Выдвинутые нами гипотезы о се­лективности предприятий (самоотборе на внешние рынки), о существовании обу­чающих эффектов экспорта и о влиянии длительности экспорта на усиление обу­чающих эффектов подтвердились (первая гипотеза - частично).

В отличие от традиционных экспор­теров, у новых ИТ-экспортеров нет види­мой связи между внедрением новых про­дуктов, технологий и началом экспорта (значимость коэффициентов не подтвер­дилась, Έ < р, где Έ - уровень значимо­сти, гипотеза об отсутствии зависимостей не отвергается, или Έ = 0). Сами коэффи­циенты проявления инновационного пове­дения намного ниже аналогичных у тра­диционных экспортеров. Вложения в ИиР, которые, возможно, были инициирова­ны после выхода на зарубежные рынки или одновременно с ним, пока что не при­несли результатов. Статус традиционных экспортеров увеличивает вероятность вло­жений в новейшие исследования и разра­ботки на 38%. Предполагаем, что данное утверждение верно и в обратную сторону.

У всех пяти индикаторов инновацион­ного поведения для группы традиционных экспортеров знак в моделях зависимости от регрессоров рассматриваемого нами прошлого периода (2015 года) положите­лен, доказана статистическая значимость (на уровне I, 5 и 10%), что свидетель­ствует о том, что стабильная экспортная деятельность служит стимулом приме­нять новые технологические, процессные и маркетинговые инновации, которые ра­нее не входили в планы фирмы, намного чаще по сравнению с фирмами, не занима­ющимися экспортом.

Доказано, что влияние внешних эф­фектов знаний на производительность ИТ-компаний зависит от географического направления экспорта: рынки ближнего зарубежья (другие страны СНГ) + непо­средственно сама Россия; рынки даль­него зарубежья. При экспорте за рубеж (преимущественно в Западную Европу и Америку) эффекты знаний оказывают значительное положительное влияние: российские софтверные компании начина­ют разрабатывать новейшие технологии, увеличивать затраты на НИОКР и марке­тинг для повышения сбыта софта и ИТ -ус­луг и увеличения доли на международном рынке. Зависимость спилловер-эффекгов и инновационной активности, эффекгивности в целом по отрасли высоких технологий (в нашем случае по индустрии разработки ПО и ИТ-услуг) достаточно большая. Стоит подчеркнуть, что обучение требует специ­альных усилий, способностей к усваиванию знаний и време­ни, поэтому обучающие эффекты проявляются спустя неко­торое время.

Вложения в ИиР, маркетинг и выпуск новой продукции характерны больше для компаний столичных (на уровне значимости - 1%). Взаимосвязь наличия международного офиса и внедрения новаций, напротив, не была доказана. Размер же компаний (по логарифму численности занятых) повлиял лишь на выпуск новых технологий: если компа­ния относится к средним предприятиям (101-250 человек) или является более крупной, то вероятность изобрести нова­ции повышается на 22% (на уровне значимости - 1%).

Влияние обучающих спилловер-эффекгов знаний про­является в организациях как результат изменения их ин­новационного поведения: чем дольше компании работают на иностранных рынках, т.е. чем дольше происходит процесс обучения, перетока знаний, тем заметнее выражена транс­формация инновационного поведения фирм (изменение бизнес-процессов, обновление штата компаний, повышение креативности и квалификации сотрудников (HT-специали­стов), изменение бизнес-модели и прочих индикаторов.

Мы предприняли попытку построить линейно-вероят­ностные модели, рассмотрели большое количество вариаций факторов, которые могли бы повлиять на инновационное поведение. Как ни странно, значимыми оказались те же са­мые переменные, что и при анализе пробит-модели. Также мы рассмотрели варианты с логарифмами от множествен­ных переменных статуса, периода экспорта и специализа­ции, что незначительно поменяло ситуацию. Количество корректно предсказанных случаев составляло примерно 118-126 (77,6—82,9%). R-квадрат во всех моделях колебался около 0,20, что не является достаточно высоким результатом для подтверждения выдвинутых нами гипотез. При постро­ении моделей мы также проверяли переменные на мульти­коллинеарность методом инфляционных факторов (табл. 6). Минимальное возможное значение - 1,0, значения больше 10,0 могут указывать на мультиколлинеарность. Коэффи­циент инфляции дисперсии (variance inflation factor, метод инфляционных факторов): ЛF (f) = 1/(1 -R (/') л2), где R (/') - коэффициент множественной корреляции между перемен­ной j и другими независимыми переменными. Все значения коэффициентов менее 10, следовательно, в моделях не суще­ствует сильной корреляции между объясняющими перемен­ными.

Сегодня лишь немногие инноваторы располагают ресур­сами, достаточными для реализации возможностей в усло­виях глобальной конкуренции, основанной по большей части на знаниях. Поскольку нет требуемых средств для успешно­го старта инновационной, экспортной или иной другой де­ятельности, наметилась тенденция роста доли инноваций, которые образовались вследствие объединения компетенций различных (внутренних и внешних) игроков как в пределах, так и вне цепочки создания ценности.

До 2008 года эксперты активно дискутировали об откры­тых инновациях, преимущественно об их внешних эффектах от международного месторасположения промышленных ИиР. В меньшей степени внимание уделялось разработкам в иных сферах и видам деятельности, не относящимся напрямую к ИиР, спилловерам иного характера (как мы выяснили, их бы­вает довольно много), а также к сетевому взаимодействию между фирмами на различных этапах стоимостной цепочки.

Сейчас все понимают, насколько велика значимость ди­версифицированных отношений для инициации экспортной деятельности или создания успешных инноваций. Такие от­ношения полезны и эффективны лишь при наличии благо­приятных рамочных условий, необходимой инфраструктуры знаний, выстроенной на локальном, национальном и между­народном уровнях. В первую очередь у компании, конечно, должна быть грамотно выстроена инновационная политика, а у государства развиты инструменты и механизмы прямой и косвенной поддержки инноваций в бизнесе. В глобальном смысле процессы открытых инноваций предъявляют требо­вания к синтезу инновационных стратегий фирмы и ее внеш­них партнеров (при согласованной корпоративной стратегии движения на текущий или же на новый рынок).

Касательно наращивания инновационного потенциала и выхода на зарубежные рынки малые и средние компании больше зависят от внешних знаний, источников информа­ции, ноу-хау и технологий, чем крупные предприятия. Неза­висимо от сферы интересов деятельности субъектам малого и среднего предпринимательства нужен прямой или опосре­дованный доступ к авторитетным источникам новых знаний (онлайн-платформам с базами данных, где есть возможность общаться с экспертами, консультироваться в случае спорных вопросов по ведению бизнеса).

Для крупных организаций партнерство означает, как пра­вило, увеличение расходов на инновации, для более мелких - резкое усиление конкуренции с крупными игроками. Не­большие компании ограничены в финансовых и человече­ских ресурсах, ориентированы на более короткую перспек­тиву, не всегда готовы к получению новой информации и ее применению в работе. Они менее рискованны, предпочитают избегать помощи извне, за исключением редких случаев, ког­да необходимо удовлетворить специфические потребности.

Бесспорно, выгоды от сетевого взаимодействия получа­ют все участники, вне зависимости от их вида деятельности и размера. Однако в ходе эмпирических исследований нами были выявлены закономерности в отношении российских ИТ-компаний:

Так или иначе исследование показало, что протяжен­ность и направленность экспорта значительно влияют на ин­новационную деятельность организаций, при этом новации не всегда подталкивают руководителей ИТ-компаний при­ступить к экспорту.

Эффекты перераспределения, бесспорно, существуют в рамках парадигмы открытых инноваций, способствую­щих изменениям как структуры географического размеще­ния вложений в ИиР, так и топографии соответствующего перетока знаний. В итоге влияние на все единицы (компа­нии, регионы, страны) со временем становится более сба­лансированным. Степень этого влияния напрямую зависит от наличия критической массы потенциала аккумулировать и применять знания, заимствованные у компаний с развиты­ми зарубежными связями. Спилловер-эффекгы позволяют компаниям обеспечить окупаемость инвестиций в экспорт и инновации на регулярной основе лишь за счет непрекра- щающешся притока комплементарных (взаимодополняю­щих) знаний и опыта от международных партнеров. Однако подобная открытость фирм предусматривает потерю незави­симости, возможность быть поглощенной и необходимость существенного рыночного спроса.

Для многих высокотехнологичных компаний залогом процветания являются вложения в исследования и разработ­ки [Трачук А. В., Линдер Н.В., 20166], благоприятствующие созданию научно-технологических прорывов, распростра­нению спилловер-эффектов знаний. В вопросе опережения конкурентов немаловажной является эффективность, разви­тие поглощающей способности и механизма сотрудничества между компаниями, исследовательскими лабораториями, государственными учреждениями и другими участниками НИС, подверженных перетоку знаний в рамках концепции открытых инноваций.