AI‑Powered Capabilities and Green New Product Development: The Dual and Asymmetric Mediating Roles of Green Exploratory and Exploitative

Resumen Técnico: Capacidades Impulsadas por IA y Desarrollo de Nuevos Productos Verdes

Planteamiento del Problema y Brechas de Investigación
La convergencia de la inteligencia artificial (IA) y la sostenibilidad ambiental representa una frontera crítica en la gestión de la innovación; sin embargo, los mecanismos a través de los cuales las capacidades de la IA se traducen en el Desarrollo de Nuevos Productos Verdes (Green NPD, por sus siglas en inglés) permanecen teóricamente subdesarrollados. Mientras que la investigación previa se ha centrado mayoritariamente en los resultados directos de desempeño (p. ej., ahorro de costos, eficiencia), a menudo trata a la IA como un insumo tecnológico aislado, pasando por alto las rutinas organizacionales internas que convierten los conocimientos generados por la IA en resultados tangibles de productos. Este estudio identifica tres brechas específicas en la literatura:

1. La Caja Negra de la Mediación: Los estudios existentes rara vez desglosan las arquitecturas de procesos mediante las cuales la IA influye en el Green NPD, asumiendo implícitamente que los beneficios se materializan sin intermediación organizacional.
2. Tratamiento Indiferenciado de los Modos de Innovación: La investigación suele fallar al no distinguir entre las actividades de innovación verde exploratoria (búsqueda, descubrimiento, novedad radical) y verde explotativa (refinamiento, eficiencia, mejora incremental), a pesar de sus distintos requisitos operativos.
3. Asimetría no Examinada: Incluso cuando se consideran múltiples mediadores, los estudios suelen asumir efectos simétricos. Este artículo cuestiona si las capacidades específicas de la IA (reconocimiento de patrones, reducción de la incertidumbre) podrían hacer que una vía de mediación sea significativamente más fuerte que la otra.

Marco Teórico e Hipótesis
Basado en la Teoría de las Capacidades Dinámicas (DCT), el estudio postula que las capacidades impulsadas por la IA no impulsan directamente el Green NPD, sino que actúan como un catalizador para procesos adaptativos específicos. El marco distingue entre:

• Verde Exploratoria: Un proceso impulsado por la detección (sensing) donde la IA mejora la identificación de oportunidades y el descubrimiento de trayectorias novedosas de bajo carbono.
• Verde Explotativa: Un proceso impulsado por la captura/transformación (seizing/transforming) donde la IA optimiza la ejecución, refina las tecnologías verdes existentes y mejora la eficiencia de los procesos.

El estudio propone un modelo de doble mediación con una hipótesis asimétrica:

• H1a y H1b: Tanto la exploración verde como la explotación verde median la relación positiva entre las capacidades impulsadas por la IA y el Green NPD.
• H1c (Asimetría): El efecto mediador de la exploración verde es significativamente más fuerte que el de la explotación verde. Esto se teoriza basándose en la ventaja comparativa de la IA en el aumento de la detección (sensing augmentation), su capacidad desproporcionada para reducir la alta incertidumbre asociada con la innovación radical y el valor estratégico de las ventajas del primer movimiento en mercados volátiles de bajo carbono.

Metodología

• Recolección de Datos: El estudio utilizó datos de encuestas transversales de 333 empresas manufactureras en China a través de cinco sectores prioritarios: electrónica/semiconductores, automotriz, maquinaria, farmacéutica/dispositivos médicos y electrodomésticos/electrónica de consumo.
• Criterios de Muestreo: Las empresas fueron seleccionadas basándose en la implementación de prácticas de Green NPD y la adopción de tecnologías de IA para operaciones o toma de decisiones de bajo carbono.
• Mediciones: Los constructos se midieron utilizando escalas multi-ítem adaptadas de literatura establecida (p. ej., Gupta et al., 2023; Singh et al., 2024) en una escala Likert de 7 puntos. Las variables clave incluyeron capacidades impulsadas por la IA, exploración verde, explotación verde y desempeño de Green NPD. Las variables de control incluyeron sector industrial, edad de la empresa, tamaño, inversión en IA y certificación ISO 14001.
• Análisis: El estudio empleó regresión jerárquica y análisis de mediación mediante bootstrapping (Modelo PROCESS 4 con 5,000 remuestreos) para probar las hipótesis. El sesgo de método común se evaluó mediante la prueba de factor único de Harman y comparaciones de CFA, mientras que el sesgo de no respuesta se verificó comparando los respondedores tempranos y tardíos.

Resultados Clave

1. Doble Mediación Confirmada: Tanto la exploración verde como la explotación verde median significativamente la relación entre las capacidades impulsadas por la IA y el Green NPD.
   • Las capacidades de la IA predicen positivamente la exploración verde ($\beta = 0.624, p < 0.001$) y la explotación verde ($\beta = 0.578, p < 0.001$).
   • Ambos mediadores predicen positivamente el Green NPD ($\beta_{exploratoria} = 0.375, p < 0.001$; $\beta_{explotativa} = 0.289, p < 0.001$).
2. Mediación Asimétrica: El efecto indirecto a través de la exploración verde es significativamente más fuerte que a través de la explotación verde.
   • Efecto indirecto (Exploratoria): $\beta = 0.234$, IC 95% [0.139, 0.354].
   • Efecto indirecto (Explotativa): $\beta = 0.167$, IC 95% [0.093, 0.258].
   • Los intervalos de confianza muestran una falta de superposición parcial, lo que respalda la hipótesis de asimetría.
3. Ajuste del Modelo: El modelo completo explica el 54% de la varianza en el Green NPD ($R^2 = 0.540$).

Contribuciones Principales y Significancia
El artículo reclama tres contribuciones primarias:

1. Desentrañar la Caja Negra: Al especificar dos arquitecturas de proceso distintas (exploración y explotación), el estudio clarifica cómo la IA genera valor en el Green NPD, yendo más allá de los modelos de efecto directo hacia una visión orientada a procesos fundamentada en la DCT.
2. Desafiar la "Suposición de Equilibrio": Los hallazgos desafían la tradicional suposición de ambidiestría que dicta que las empresas deben equilibrar la exploración y la explotación por igual. En su lugar, el estudio demuestra la primacía de la mediación exploratoria en contextos de innovación verde habilitados por la IA, sugiriendo que las capacidades únicas de la IA son más potentes en la detección y el descubrimiento que en el refinamiento incremental.
3. Plantilla Metodológica: El estudio proporciona una plantilla rigurosa para probar la mediación dual y asimétrica utilizando comparaciones de intervalos de confianza mediante bootstrapping, ofreciendo un método replicable para futuras investigaciones que comparen vías de mediación competitivas.

Implicaciones Prácticas

• Para Gerentes: Las empresas deben priorizar las inversiones en IA que mejoren las capacidades de detección y exploración (p. ej., analítica predictiva para mercados emergentes, diseño generativo) sobre las herramientas puramente enfocadas en la optimización, aunque se recomienda un enfoque equilibrado pero sesgado hacia la exploración (p. ej., 60–70% a la exploración).
• Para Proveedores de IA: El desarrollo de productos debe diferenciar entre herramientas orientadas a la exploración (diseño generativo, detección de señales débiles) y herramientas orientadas a la explotación (optimización de procesos, mantenimiento predictivo).
• Para Responsables de Políticas: Los subsidios y marcos regulatorios deben recalibrarse para apoyar la innovación verde exploratoria habilitada por la IA de mayor riesgo, la cual genera mayores ganancias de desempeño por unidad de inversión que la explotación incremental.

Limitaciones y Direcciones Futuras
Los autores reconocen limitaciones que incluyen el diseño transversal (que limita la inferencia causal), la dependencia de datos de un solo respondiente y el contexto específico de la manufactura china. Se sugiere que investigaciones futuras empleen diseños longitudinales, investiguen los microfundamentos conductuales y examinen la interacción de la IA con otras tecnologías de la Industria 4.0 (IoT, blockchain). Adicionalmente, el estudio señala que los efectos de moderación propuestos de la incertidumbre tecnológica no fueron probados completamente en este manuscrito y siguen siendo una vía para análisis futuro.