MANAJEMEN INOVASI Mohamad Ramdan

BERBASIS ARTIFICIAL NPM 073223010

Program Doktoral Ilmu Manajemen

INTELLIGENCE Universitas Pakuan

PENDAHULUAN
Prospek Artificial Intelligence (AI) dalam bisnis dan perekonomian global sangat cerah.
AI akan semakin menyamai bahkan melampaui kinerja manusia, mengambil peran kerja, mengubah fondasi operasional bisnis
secara mendasar, dan mengganggu praktik manajemen memiliki potensi yang besar (Agrawal dkk., 2017;Lakhani dan Lansiti,
2020; von Krogh, 2018.
Premis : AI akan meningkatkan kapasitas manusia, melakukan tugas atau menyelesaikan masalah dengan lebih cepat,
memberikan hasil yang lebih baik, dan memberikan efisiensi yang lebih tinggi (Agrawal dkk., 2019; Wilson dan Daugherty,
2018).
AI bukan hanya menghasilkan teknologi baru yang menghasilkan produk dan layanan tetapi juga mengubah proses yang ada
menjadi lebih cepat, lebih murah, dan berkualitas lebih tinggi; (Brynjolfsson dan McAfee, 2017).
AI diperkirakan akan mentransformasi setiap industri, seperti yang terjadi pada Internet 30 tahun lalu atau listrik 100 tahun lalu,
dengan menciptakan perkiraan pertumbuhan PDB sebesar $13 triliun antara saat ini hingga tahun 2030 (Bughin dkk., 2018 ).
AI akan mengubah cara kerja perusahaan secara mendasar – cara mereka beroperasi dan cara mereka bersaing (Lakhani dan
Lansiti, 2020).
AI juga akan menantang aksioma dan asumsi inti yang mendasari proses inovasi dan pengelolaannya (Benner dan Tushman,
2015)
PENDAHULUAN
Proposisi utamanya adalah AI mempunyai potensi untuk mengubah praktik manajemen
inovasi dengan memungkinkan proses inovasi yang jauh lebih efektif dan efisien sehingga
menandai era inovasi baru.
Di sisi lain, pengetahuan kita tentang cara menerapkan AI untuk manajemen inovasi masih
sedikit, dan para manajer kesulitan menemukan pendekatan yang paling tepat untuk
menerapkan AI dalam upaya inovasi mereka.  Fenomena Gap
Tujuan penelitian adalah untuk mengisi kesenjangan tersebut dengan mengeksplorasi
bagaimana para manajer memandang potensi AI untuk manajemen inovasi dan jenis
dampak apa yang mereka harapkan pada pengaturan proses inovasi mereka.
Dengan kata lain, peneliti mengeksplorasi perbedaan pandangan para manajer inovasi
mengenai bagaimana AI dapat memengaruhi praktik manajemen inovasi mereka serta
bagaimana mereka berencana menerapkan dan menggunakan AI untuk tugas-tugas
inovasi tertentu dalam organisasi mereka.
PENDAHULUAN
Studi eksplorasi dengan 150 manajer inovasi yang memahami AI, mengungkapkan empat wawasan utama mengenai era manajemen
inovasi berbasis AI yang akan datang melalui beberapa temuan
(1) Sebagian besar manajer inovasi setuju dengan potensi besar AI untuk meningkatkan efektivitas dan efisiensi tugas inovasi
tertentu secara signifikan.
(2) Manajemen inovasi berbasis AI memerlukan perubahan teknis dan organisasi yang besar untuk mengatasi tantangan terkait;
perbandingan kelompok menunjukkan bahwa inovator AI memiliki tantangan implementasi yang berbeda- beda, seperti
kurangnya akses terhadap data atau kurangnya keahlian teknis. Dalam hal tantangan organisasi, mereka berbeda dalam hal
pengalaman dan keahlian di bidang AI, serta ukuran perusahaan, yang mungkin membatasi sumber daya yang tersedia yang
dapat dialokasikan untuk inisiatif inovasi berbasis AI.
(3) Manajemen inovasi berbasis AI tidak dapat diterapkan dengan pendekatan yang universal. Organisasi jelas berbeda dalam
preferensi mereka mengenai bagaimana mereka dapat menggunakan dan menerapkan manajemen inovasi berbasis AI.
Membangun perspektif sistematis dari proses inovasi (Roberts, 2007), peneliti mengidentifikasi empat klaster penerapan
utama: AI-Frontrunners (37,3%), AI-Practitioners (25,3%), AI-Occasional innovators (26%), dan Non-AI innovators (11,3%).
(4) Manajemen inovasi berbasis AI memerlukan implementasi yang memadai untuk memanfaatkan potensi sepenuhnya. Manajer
penerapan AI harus memastikan bahwa pemangku kepentingan internal dan mitra eksternal utama selaras dan mematuhi
tujuan manajemen inovasi berbasis AI.
PENDAHULUAN
Empat Klaster Penerapan AI
AI Frontrunners (Pelopor)
Kelompok ini menerapkan strategi inovasi yang didominasi AI dengan menginvestasikan sejumlah besar anggaran
inovasi mereka ke dalam teknologi AI.
Sangat menghindari solusi mereka diterapkan oleh pesaing dan oleh karena itu mengelola kekayaan intelektual
mereka dengan lebih protektif dibandingkan Praktisi AI.
Kelompok ini tertarik untuk menjajaki peluang baru untuk menghasilkan model bisnis baru, dan juga mencoba
memanfaatkan produk dan model bisnis yang ada dengan menerapkan teknologi AI.
Mereka lebih memilih struktur organisasi baru untuk inisiatif AI mereka dan melengkapinya dengan praktik inovasi
terbuka dari waktu ke waktu.
Kelompok ini memperkuat dan mensistematisasikan AI dalam manajemen inovasi mereka dengan menyiapkan
infrastruktur jangka panjang yang berkelanjutan dan memperkuat platform untuk bereksperimen dengan algoritma
AI. Untuk membangun kemampuan baru, mereka mengikuti pendekatan ganda dalam penempatan staf dan
pengembangan keterampilan dengan berinvestasi besar-besaran dalam mempekerjakan ahli eksternal serta
PENDAHULUAN
Empat Klaster Penerapan AI
AI Practitioners (Praktisi)
Kelompok ini mengambil pendekatan penerapan AI pragmatis dan berusaha mencapai efek
yang solid dengan sumber daya yang terbatas.
Daripada membangun semua pengetahuan itu sendiri, mereka ingin menerapkan pengetahuan,
rutinitas, dan metode yang sudah ada.
Mereka mengandalkan kolaborasi eksternal untuk memacu praktik inovasi berbasis AI, alih-
alih membangun kemampuan internal yang diperlukan untuk menjadi ahli sejati.
Pendekatan pragmatis yang dilakukan tercermin dalam terbatasnya investasi mereka dalam
pelatihan staf yang ada, serta terbatasnya ambisi untuk merekrut talenta AI baru dari luar.
PENDAHULUAN
Empat Klaster Penerapan AI
AI Occasional Innovator (Inovator Sesekali)
Kelompok ini mengambil pendekatan implementasi tentatif dan sejauh ini tidak membuat komitmen apa pun
terhadap manajemen inovasi berbasis AI.
Menerapkan pendekatan upaya minimal sehubungan dengan relevansi manajemen inovasi berbasis AI, yang
tercermin dalam strategi, struktur organisasi, dan pengembangan keterampilan mereka.
Mereka mengandalkan proyek percontohan inovasi berbasis AI untuk bereksperimen dan mengenal penerapan
teknologi AI untuk manajemen inovasi.
AI-Inovator sesekali saat ini mendedikasikan sebagian kecil anggaran inovasi mereka untuk AI.
Mereka menerapkan pendekatan gabungan dalam mengelola kekayaan intelektual dan memilih antara
perlindungan melalui paten dan berbagi solusi dengan pihak lain. Praktik inovasi terbuka dan kolaborasi dengan
mitra di bidang AI jarang terjadi. AI-Inovator sesekali mempertimbangkan struktur organisasi yang sudah ada
dan berbasis proyek sebagai hal yang tepat untuk menyesuaikan dengan ambisi mereka saat ini dalam
manajemen berbasis AI, yang belum menjadi landasan dalam strategi inovasi mereka.
PENDAHULUAN
Empat Klaster Penerapan AI
AI Non AI (Innovator non AI)
Kelompok ini belum mengadopsi AI untuk manajemen inovasi dan tidak berencana untuk
menerapkannya di masa depan
PENDAHULUAN
Panduan dalam pembahasan artikel
Memberikan latar belakang teoritis untuk penelitian dan memberikan gambaran
umum tentang praktik manajemen inovasi saat ini.
Mengonsep bagaimana AI dapat memengaruhi manajemen inovasi – bagaimana AI
dapat mengubahnya dan membantu meningkatkan praktik inovasi saat ini.
Berdasarkan latar belakang teoritis, studi empiris peneliti mengeksplorasi bagaimana
para manajer dan praktisi inovasi memandang potensi AI untuk manajemen inovasi
dan bagaimana mereka berencana menerapkan AI dalam proses inovasi mereka.
Kemudian, mendiskusikan temuan penelitian, serta implikasi teoretis dan praktisnya.
LATAR BELAKANG TEORITIS
Memahami cara mengelola inovasi merupakan hal mendasar, terutama ketika
inovasi sangat penting bagi pertumbuhan perusahaan dan keunggulan kompetitif
(Ahmed dan Shepherd, 2010).
Proses inovasi biasanya menggambarkan rangkaian berbagai aktivitas yang
dilakukan untuk mewujudkan peluang dan membawa ide ke pasar (Ahmed dan
Shepherd, 2010; Tidd dan Bessant, 2013).
Dalam literatur manajemen inovasi,beragam pendekatan untuk mengelola inovasi
atau proses penelitian dan pengembangan yang lebih luas telah dicoba, dengan
berbagai tahapan mulai dari pembangkitan ide hingga proses pengembangan,
implementasi dan peluncuran produk (Cooper, 1986; Rogers, 2003; Rothwell, 1994;
Tidd dan Bessant, 2013)
LATAR BELAKANG TEORITIS
Roberts (2007, hal. 36), menyatakan bahwa ''inovasi terdiri atas dua bagian: (1) timbulnya suatu
gagasan atau penemuan, dan (2) pengubahan penemuan itu menjadi suatu usaha atau penerapan lain
yang bermanfaat, inovasi mencakup semua tahapan mulai dari penemuan teknis hingga
komersialisasi akhir.”
Tidd dan Bessant (2013) menggambarkan proses inovasi yang melibatkan empat fase:
(1)Searching–menganalisis lingkungan internal dan eksternal, dan mengelola sinyal
yang relevan tentang ancaman dan peluang inovasi;
(2)Selecting –memutuskan berdasarkan strategi inovasi bagaimana organisasi dapat
merespons sinyal;
(3) Implementing–mengejar ide-ide yang relevan untuk mengembangkan produk dan
layanan baru;
(4)Learning –membangun basis pengetahuan dan terus meningkatkan proses inovasi
melalui siklus ini.
LATAR BELAKANG TEORITIS
Roberts dan Frohman (1978), menjelaskan proses inovasi teknologi melalui tujuh
tahap: pengenalan peluang, perumusan ide, penelitian dasar/terapan, pengembangan
solusi prototipe, standardisasi, manufaktur, dan komersialisasi
Kumar dkk. (1996). mendefinisikan lima tahap inovasi: proyeksi awal, evaluasi
komersial, pengembangan, peluncuran manufaktur, dan komersialisasi awal.
Tabel berikutnya menunjukkan evolusi model inovasi, dan fase-fase selanjutnya
membantu menentukan arah kemajuan masa depan dalam pengelolaan inovasi
(Rothwell, 1994;Ahmed dan Shepherd, 2010;Tidd dan Bessant, 2013
LATAR BELAKANG TEORITIS
LATAR BELAKANG TEORITIS
Meskipun proses inovasi sistematis memberikan jawaban atas pertanyaan-pertanyaan
penting, misalnya bagaimana kita dapat mengidentifikasi peluang secara sistematis
dan merealisasikannya (Tidd dkk., 2005), AI dapat memperkuat kemampuan
inovasi dan mendukung keputusan yang berpusat pada manusia saat ini untuk
merasakan peluang di lingkungan dan memperkirakan perubahan peluang.
(Cockburn dkk., 2019).
Bahan-bahan untuk terobosan dalam manajemen inovasi sudah ada seiring dengan
semakin berkembangnya kekuatan komputasi, algoritma menjadi lebih tersedia dan
efektif, dan sejumlah besar data dihasilkan setiap hari.
LATAR BELAKANG TEORITIS
Mesin yang didukung oleh AI saat ini sudah mampu menangani banyak tugas yang
belum lama ini dianggap sebagai tugas "manusia" yang memerlukan kognisi
manusia. Misalnya, mesin dapat mengidentifikasi pola yang kompleks, mensintesis
informasi, menarik kesimpulan, memberikan prediksi, atau melaksanakan tugas
pemecahan masalah (Agrawal dkk., 2019; Brynjolfsson dan McAfee, 2017).
Bagaimana aplikasi berbasis AI ini mengubah cara kita berinovasi dan
memungkinkan manajemen inovasi yang lebih baik dan efisien.
LATAR BELAKANG TEORITIS
Mesin yang didukung oleh AI saat ini sudah mampu menangani banyak tugas yang
belum lama ini dianggap sebagai tugas "manusia" yang memerlukan kognisi
manusia. Misalnya, mesin dapat mengidentifikasi pola yang kompleks, mensintesis
informasi, menarik kesimpulan, memberikan prediksi, atau melaksanakan tugas
pemecahan masalah (Agrawal dkk., 2019; Brynjolfsson dan McAfee, 2017).
Bagaimana aplikasi berbasis AI ini mengubah cara kita berinovasi dan
memungkinkan manajemen inovasi yang lebih baik dan efisien.
LATAR BELAKANG TEORITIS
Proses inovasi yang dikembangkan yang didefinisikan oleh Rogers (2003). Proses
inovasi mengikuti empat fase, dan berikut ini, kami membahas contoh tugas terkait
yang dapat didukung oleh AI:
1. identifikasi peluang dan pembangkitan ide – misalnya mengidentifikasi
kebutuhan pengguna, mencari teknologi yang menjanjikan, menghasilkan ide;
2. evaluasi dan seleksi ide – misalnya penilaian ide, evaluasi;
3. pengembangan konsep dan solusi – misalnya pembuatan prototipe, pengujian
konsep;
4. fase peluncuran komersialisasi – misalnya pemasaran, penjualan, penetapan
harga.
DESAIN PENELITIAN
Konteks Organisasi :
pengalaman organisasi dengan teknologi AI
secara umum, penggunaan AI saat ini dalam
manajemen inovasi mereka, keahlian AI dalam
unit inovasi, ketidakpastian dalam orientasi
mereka terhadap AI manajemen inovasi
berbasis, kematangan digital, dan ukuran
organisasi.
Mayoritas dari 150 manajer yang memberikan
respons sudah memiliki pengalaman
menerapkan AI dalam keseluruhan operasi
bisnis mereka ( n = 95; 63,3%), dan sebagian
besar organisasi lainnya berencana
menggunakannya dalam waktu dekat ( n = 47;
31,3%). Hanya sebagian kecil dari mereka yang
menunjukkan bahwa organisasi mereka tidak
memiliki pengalaman dan rencana sama sekali
untuk menangani teknologi AI dalam
keseluruhan operasi bisnis mereka ( n = 8;
5,3%). .
HASIL PENELITIAN
Potensi Manajemen Inovasi
Berbasis AI “Saya berharap AI
akan semakin baik dalam lima
hingga sepuluh tahun ke
depan.” Dianggap penting
dalam tugas inovasi.
HASIL PENELITIAN
Pentingnya Metode Berbasis
AI dalam Tugas Inovasi “Harap
evaluasi pentingnya AI dalam
tugas inovasi berikut untuk 5–
10 tahun ke depan.” 1=tidak
penting, 5=sangat penting pada
Likert 5 Poin.
HASIL PENELITIAN
Keterampilan Manusia vs. AI,
Dalam 5–10 tahun ke depan,
keterampilan apa yang menurut
Anda lebih baik dimiliki
manusia dan keterampilan apa
yang menurut Anda lebih baik
dimiliki mesin di unit
inovasi? 1=Manusia dengan
keterampilan lebih baik, 5=
Mesin dengan keterampilan
lebih baik pada Likert 5 Poin.
HASIL PENELITIAN
Tabel di samping lebih jauh
menyoroti perbedaan dan
persamaan antara AI-
Frontrunners, AI-Practitioners,
dan AI-Occasional innovators.
HASIL PENELITIAN
Grafik Cluster Implementasi AI
dari Inovator berbasis AI, 1
Perbedaan berpasangan yang
signifikan Uji Wilcoxon dua
sisi: *** p < 0,01, ** p <
0,05, * p < 0,1.
HASIL PENELITIAN
Persepsi Potensi Manajemen
Inovasi berbasis AI di seluruh
Klaster, “Saya memperkirakan
AI akan meningkat…
sebesar…% dalam lima hingga
sepuluh tahun ke
depan.” Perbedaan berpasangan
yang signifikan Uji Wilcoxon
satu sisi: *** p < 0,01, ** p <
0,05, * p < 0,1.
HASIL PENELITIAN
Relevansi AI dalam Tugas
Inovasi di Seluruh Klaster,
“Harap evaluasi pentingnya AI
dalam tugas inovasi berikut
untuk 5–10 tahun ke
depan.” 1=tidak penting,
5=sangat penting pada 5 Poin
Likert, Perbedaan berpasangan
signifikan Uji Wilcoxon satu
sisi: *** p < 0,01, ** p <
0,05, * p < 0,1.
HASIL PENELITIAN
Pemahaman tentang Dampak dan
Perubahan yang diperlukan di
seluruh Klaster, “Kami
memahami…” 1=sangat tidak
setuju, 5=sangat setuju dengan 5
Poin Likert, Perbedaan
berpasangan yang signifikan Uji
Wilcoxon satu sisi: *** p <
0,01 , ** p < 0,05, * p < 0,1.
HASIL PENELITIAN
Memberi Peringkat Kendala Data
di Seluruh Klaster, “Apa batasan
terbesar pada kemampuan
menerapkan algoritme AI dalam
konteks inovasi? Tetapkan total
100 Poin”; perbedaan signifikan
Uji Kruskal-Wallis: *** p <
0,01, **, p < 0,05, * p < 0,1.
HASIL PENELITIAN
Memberi Peringkat Kendala
Organisasi di Seluruh Klaster,
“Harap sebutkan tantangan
organisasi secara umum
mengenai kemampuan
mengintegrasikan AI untuk
inovasi. Tetapkan total 100
Poin.”; perbedaan signifikan Uji
Kruskal-Wallis: *** p < 0,01,
** p < 0,05, * p < 0,1.
HASIL PENELITIAN
Konteks Organisasi di Seluruh
Klaster, Perbedaan berpasangan
yang signifikan Uji Wilcoxon
satu sisi: *** p < 0,01, ** p <
0,05, * p < 0,1.
KESIMPULAN
(1) Manajemen inovasi berbasis AI memang berpotensi mengantarkan paradigma baru
manajemen inovasi ketujuh ( Ahmed dan Shepherd, 2010 ; Tidd dan Bessant, 2013 ). Sementara
saat ini kita masih mengandalkan jaringan dan ekosistem inovasi (misalnya Tidd dan Bessant 2013
), temuan kami menunjukkan bahwa kita sedang menuju ekosistem inovasi berbasis AI.
(2) Manajemen inovasi berbasis AI memerlukan perubahan teknis dan organisasi yang substantif
agar dapat menangani dan berhasil mengatasi tantangan terkait.
(3) Tidak ada pendekatan yang bisa diterapkan untuk semua orang dalam menerapkan
manajemen inovasi berbasis AI.Meskipun sebagian besar manajer sepakat mengenai potensi dan
persyaratan manajemen inovasi berbasis AI, temuan kami menunjukkan bahwa mereka sedikit
berbeda mengenai pendekatan implementasi yang mereka pilih untuk memanfaatkan dan
membiasakan manajemen inovasi berbasis AI.
(4) Meskipun terdapat potensi manajemen inovasi berbasis AI, organisasi mungkin gagal
mewujudkan manfaat yang diharapkan karena penerapan yang tidak memadai atau buruk.
PENELITIAN SELANJUTNYA
Penelitian lebih lanjut dapat mengeksplorasi dan belajar dari praktik terbaik dan terburuk
serta menyelidiki hubungan sebab akibat antara prasyarat yang diperlukan dan
pengaruhnya terhadap manajemen inovasi berbasis AI.
Penelitian dapat mencoba mengidentifikasi berbagai resep untuk keberhasilan manajemen
inovasi berbasis AI, dengan asumsi lebih dari satu jalur menuju kesuksesan tersebut.
Jalan tambahan untuk penelitian di masa depan berkaitan dengan eksplorasi faktor
penentu keberhasilan atau dampak sebenarnya dari manajemen inovasi berbasis AI
terhadap hasil inovasi.
Bidang lain yang lebih menarik dalam konteks perdebatan pekerjaan baru saat ini
mencakup dampak manajemen inovasi berbasis AI terhadap pengembangan keterampilan
dan kemampuan tim inovasi, kolaborasi lintas inovasi dan pakar AI, serta peran dan
interaksi antara manusia dan mesin.
REFERENCES
Agrawal, A., Gans, J.S., Goldfarb, A., 2017. What to expect from artificial intelligence. MIT Sloan
Manag. Rev. 58, 23–26.
Lakhani, K.R., Iansiti, M., 2020. Competing in the Age of AI: strategy and Leadership When
Algorithms and Networks Run the World,. Harvard Business School Press Books
von Krogh, G., 2018. Artificial intelligence in organizations: new opportunities for phenomenon-
based theorizing. Acad. Manag. Discov. https://doi.org/10.5465/ amd.2018.0084.
Wilson, J.H., Daugherty, P.R., 2018. Collaborative intelligence: humans and AI are joining forces.
Harv. Bus. Rev. 96, 114–123.
Brynjolfsson, E., McAfee, A., 2017. The business of Artificial Intelligence : what it can — and
cannot — do for your organization. Harvard Business Review. https://hbr.org/ 2017/07/the-business-
of-artificial-intelligence.
Bughin, J., Seong, J., Manyika, J., Chui, M., Joshi, R., 2018. Notes from the AI frontier: modeling the
impact of. AI on the world economy, McKinsey Glob. Inst.
REFERENCES
Benner, M.J., Tushman, M.L., 2015. Reflections on the 2013 decade award – “exploitation, exploration,
and process management: the productivity dilemma revisited” ten years later. Acad. Manag. Rev. 40, 497–
514. https://doi.org/10.5465/ amr.2015.0042.
Cockburn, I.M., Henderson, R., Stern, S., Professor, H., 2019. The impact of artificial intelligence on
innovation: an exploratory analysis. The Economics of Artificial Intelligence. University of Chicago
Press,, pp. 115–146.
Haefner, N., Wincent, J., Parida, V., Gassmann, O., 2021. Artificial intelligence and innovation
management: a review, framework, and research agenda. Technol. Forecast. Soc. Chang. 162.
https://doi.org/10.1016/j.techfore.2020.120392
Keding, C., 2021. Understanding the interplay of artificial intelligence and strategic management: four
decades of research in review. Manag. Rev. Q. 71, 91–134.
https://doi.org/10.1007/S11301-020-00181-X/TABLES/4.
Nambisan, S., Lyytinen, K., Majchrzak, A., Song, M., 2017. Digital innovation management: reinventing
innovation management research. MIS Q. 41, 223–238. https://doi.org/10.25300/MISQ/2017/41.
REFERENCES
Rothwell, R., 1994. Towards the fifth-generation innovation process. Int. Mark. Rev. 11, 7–31.
https://doi.org/10.1108/02651339410057491.
Tidd, J., Bessant, J., 2013. Managing Innovation: integrating Technological, Market and
Organizational Change, 5th ed.
Roberts, E.B., 2007. Managing invention and innovation. Res. Technol. Manag. 50, 35–54.
https://doi.org/10.1080/08956308.2007.11657418
Roberts, E.B., Frohman, A.L., 1978. Strategies for improving research utilization. Technol. Rev.
80, 32–39.
Kumar, V., Persaud, A.N.S., Kumar, U., 1996. To terminate or not an ongoing R&D project: a
managerial dilemma. IEEE Trans. Eng. Manag. 43, 273–284. https://doi. org/10.1109/17.511838.
Ahmed, P., Shepherd, C., 2010. Innovation Management: Context, Strategies, Systems and
Processes. Financial Times Press
REFERENCES
Cooper, R.G., 1986. Winning at New Products. Addison-Wesley.
Smith, P.G., 2007. Flexible Product Development: Building Agility for Changing
Markets. John Wiley & Sons.
O’Reilly, C.A., Tushman, M.L., 2011. Organizational ambidexterity in action: how
managers explore and exploit. Calif. Manag. Rev. 53, 5–22. https://doi.org/
10.1525/cmr.2011.53.4.5.