When Does AI Adoption Enhance SME Innovation Performance? The Roles of Absorptive Capacity, Entrepreneurial Agility, and Digital Maturity

Sintesi Tecnica: Quando l'adozione dell'IA potenzia la performance di innovazione delle PMI?

Problema di ricerca
Sebbene l'Intelligenza Artificiale (IA) sia sempre più riconosciuta come un motore di innovazione, persiste un significativo "gap tra adozione e valore", in particolare tra le Piccole e Medie Imprese (PMI). Molte imprese adottano strumenti di IA senza riuscire a convertirli con successo in risultati tangibili di innovazione. La letteratura esistente tratta spesso l'adozione dell'IA come un antecedente diretto dell'innovazione o della performance aziendale, fallendo nel spiegare adeguatamente i meccanismi organizzativi che traducono l'implementazione tecnica in valore. Inoltre, il contesto specifico delle PMI — caratterizzato da vincoli di risorse, processi di innovazione meno formalizzati e dipendenza dalla cognizione manageriale — rimane poco sviluppato nella ricerca sull'IA. Questo studio affronta la domanda critica: Quando e attraverso quali percorsi di capacità l'intensità dell'adozione dell'IA potenzia la performance di innovazione delle PMI?

Quadro Teorico
Lo studio integra la Teoria delle Capacità Dinamiche (Teece et al., 1997; Teece, 2007) e la Teoria della Capacità Assorbente (Cohen & Levinthal, 1990; Zahra & George, 2002). Esso propone un modello sequenziale di sviluppo delle capacità in cui:

1. L'Intensità dell'Adozione dell'IA agisce come un input tecnologico che rafforza la Capacità Assorbente (la capacità di identificare, acquisire, assimilare, trasformare e sfruttare la conoscenza).
2. Una maggiore Capacità Assorbente favorisce l'Agilità Imprenditoriale (la capacità di riconoscere rapidamente le opportunità, sperimentare e riconfigurare le risorse).
3. L'Agilità Imprenditoriale traduce queste capacità in Performance di Innovazione delle PMI.
4. La Maturità Digitale è posta come una condizione di contorno che rafforza la relazione tra l'adozione dell'IA e la capacità assorbente, influenzando così il percorso indiretto a valle.

Metodologia

• Design: Design quantitativo, esplicativo, trasversale (cross-sectional) basato su survey.
• Contesto: PMI operanti in Iran, un'economia emergente caratterizzata da vincoli di risorse e istituzionali.
• Campione: 294 risposte valide da PMI che avevano adottato o sperimentato strumenti di IA. I rispondenti includevano proprietari, CEO, responsabili dell'innovazione e responsabili IT.
• Raccolta Dati: È stata utilizzata una strategia di campionamento intenzionale (purposive sampling) per garantire che i rispondenti possedessero una conoscenza diretta dell'uso dell'IA e delle attività di innovazione.
• Misurazione: Cinque costrutti riflessivi sono stati misurati utilizzando scale adattate (Likert a 7 punti): Intensità dell'Adozione dell'IA, Capacità Assorbente, Agilità Imprenditoriale, Performance di Innovazione delle PMI e Maturità Digitale.
• Analisi: È stato impiegato il Modello di Equazioni Strutturali con Minimi Quadrati Parziali (PLS-SEM) utilizzando SmartPLS. L'analisi ha seguito un approccio in due fasi: valutazione del modello di misurazione (affidabilità, validità) e del modello strutturale (coefficienti di percorso, mediazione, moderazione).
• Validazione: Lo studio ha utilizzato il bootstrapping (5.000 sottocampioni) per il test di significatività e PLSpredict per valutare la rilevanza predittiva fuori dal campione. Il bias del metodo comune è stato affrontato attraverso rimedi procedurali e diagnostica della collinearità.

Risultati Chiave
L'analisi empirica ha prodotto i seguenti risultati:

1. Mediazione Solo Indiretta: L'effetto diretto dell'Intensità dell'Adozione dell'IA sulla Performance di Innovazione delle PMI non era statisticamente significativo ($\beta = 0,079, p = 0,142$). Tuttavia, l'effetto totale e l'effetto indiretto seriale erano significativi. Ciò indica un meccanismo di mediazione solo indiretta.
2. La Catena delle Capacità:
   • L'Intensità dell'Adozione dell'IA influenza positivamente la Capacità Assorbente ($\beta = 0,391, p < 0,001$).
   • La Capacità Assorbente potenzia fortemente l'Agilità Imprenditoriale ($\beta = 0,555, p < 0,001$).
   • L'Agilità Imprenditoriale migliora significativamente la Performance di Innovazione delle PMI ($\beta = 0,484, p < 0,001$).
3. Mediazione Seriale: Il percorso seriale (Adozione dell'IA $\rightarrow$ Capacità Assorbente $\rightarrow$ Agilità Imprenditoriale $\rightarrow$ Performance di Innovazione) è significativo ($\beta = 0,105, p < 0,001$), confermando il meccanismo sequenziale proposto.
4. Ruolo Moderatore della Maturità Digitale: La maturità digitale modera positivamente la relazione tra l'Intensità dell'Adozione dell'IA e la Capacità Assorbente ($\beta = 0,128, p = 0,008$). Il grafico di interazione mostra che l'effetto positivo dell'adozione dell'IA sulla capacità assorbente è significativamente più forte per le imprese con alta maturità digitale.
5. Mediazione Seriale Moderata: La maturità digitale rafforza l'intero percorso indiretto, il che significa che il processo di sviluppo delle capacità è più efficace nelle PMI con maturità digitale.
6. Rilevanza Predittiva: I risultati di PLSpredict hanno indicato una soddisfacente rilevanza predittiva a livello di indicatore per la Performance di Innovazione delle PMI, con il modello PLS-SEM che supera un benchmark lineare in termini di Root Mean Square Error (RMSE).

Contributi Chiave
Il documento rivendica quattro contributi teorici primari:

1. Spostamento della Logica IA-Innovazione: Si va oltre la prospettiva dell'effetto diretto, dimostrando che l'adozione dell'IA non è un predittore autonomo dell'innovazione. Al contrario, essa funge da input in un processo di sviluppo delle capacità.
2. Estensione della Teoria della Capacità Assorbente: Posiziona la capacità assorbente come il critico "ponte di elaborazione della conoscenza" tra l'adozione dell'IA e l'azione imprenditoriale, mostrando come l'IA rafforzi la capacità dell'impresa di elaborare la conoscenza esterna.
3. L'Agilità Imprenditoriale come Meccanismo: Identifica l'agilità imprenditoriale come il meccanismo orientato all'azione attraverso il quale la conoscenza assorbita viene convertita in performance di innovazione, collegando la ricerca sull'IA con la teoria dell'imprenditorialità.
4. La Maturità Digitale come Condizione di Contorno: Teorizza e supporta empiricamente la maturità digitale non solo come fattore di sfondo, ma come una condizione critica che determina se l'adozione dell'IA possa essere convertita in capacità assorbente e, successivamente, in innovazione.

Significato e Rivendicazioni
Lo studio conclude che il valore innovativo dell'IA nelle PMI dipende meno dall'atto dell'adozione in sé e più dalle capacità organizzative che permettono alle imprese di apprendere dall'IA e agire sugli insight generati dall'IA. Gli autori affermano che l'IA non innova per conto delle PMI; piuttosto, le PMI innovano con l'IA solo quando possiedono la necessaria maturità digitale, capacità assorbente e agilità imprenditoriale.

I risultati suggeriscono che, affinché l'IA potenzi l'innovazione, le PMI devono concentrarsi sulla costruzione di capacità complementari — specificamente, la capacità di interpretare i dati generati dall'IA e l'agilità di agire su di essi — piuttosto che considerare l'acquisizione tecnologica come una condizione sufficiente per il successo. Lo studio sottolinea che, nelle economie emergenti con risorse limitate, queste condizioni di capacità sono ancora più critiche per colmare il gap tra adozione e valore.