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

Resumo Técnico: Quando a Adoção de IA Potencializa o Desempenho de Inovação de PMEs?

Problema de Pesquisa
Embora a Inteligência Artificial (IA) seja cada vez mais reconhecida como um motor de inovação, persiste um significativo "hiato entre adoção e valor", particularmente entre Pequenas e Médias Empresas (PMEs). Muitas empresas adotam ferramentas de IA sem conseguir convertê-las com sucesso em resultados tangíveis de inovação. A literatura existente frequentemente trata a adoção de IA como um antecedente direto da inovação ou do desempenho empresarial, falhando em explicar adequadamente os mecanismos organizacionais que traduzem a implementação técnica em valor. Além disso, o contexto específico das PMEs — caracterizado por restrições de recursos, processos de inovação menos formalizados e dependência da cognição gerencial — permanece subdesenvolvido na pesquisa de IA. Este estudo aborda a questão crítica: Quando e através de quais caminhos de capacidade a intensidade de adoção de IA potencializa o desempenho de inovação das PMEs?

Estrutura Teórica
O estudo integra a Teoria das Capacidades Dinâmicas (Teece et al., 1997; Teece, 2007) e a Teoria da Capacidade Absortiva (Cohen & Levinthal, 1990; Zahra & George, 2002). Propõe-se um modelo sequencial de construção de capacidades onde:

1. A Intensidade de Adoção de IA atua como um input tecnológico que fortalece a Capacidade Absortiva (a habilidade de identificar, adquirir, assimilar, transformar e explorar o conhecimento).
2. A Capacidade Absortiva aprimorada fomenta a Agilidade Empreendedora (a habilidade de reconhecer rapidamente oportunidades, experimentar e reconfigurar recursos).
3. A Agilidade Empreendedora traduz essas capacidades em Desempenho de Inovação de PMEs.
4. A Maturidade Digital é posicionada como uma condição de contorno que fortalece a relação entre a adoção de IA e a capacidade absortiva, influenciando, assim, o caminho indireto subsequente.

Metodologia

• Design: Design quantitativo, explicativo, de levantamento transversal (cross-sectional).
• Contexto: PMEs operando no Irã, uma economia emergente caracterizada por restrições de recursos e institucionais.
• Amostra: 294 respostas válidas de PMEs que haviam adotado ou experimentado ferramentas de IA. Os respondentes incluíram proprietários, CEOs, gestores de inovação e gestores de TI.
• Coleta de Dados: Foi utilizada uma estratégia de amostragem por conveniência para garantir que os respondentes possuíssem conhecimento direto sobre o uso de IA e atividades de inovação.
• Mensuração: Cinco construtos reflexivos foram medidos utilizando escalas adaptadas (Likert de 7 pontos): Intensidade de Adoção de IA, Capacidade Absortiva, Agilidade Empreendedora, Desempenho de Inovação de PMEs e Maturidade Digital.
• Análise: O Modelo de Equações Estruturais por Mínimos Quadrados Parciais (PLS-SEM) foi empregado utilizando o SmartPLS. A análise seguiu uma abordagem de duas etapas: avaliação do modelo de mensuração (confiabilidade, validade) e do modelo estrutural (coeficientes de caminho, mediação, moderação).
• Validação: O estudo utilizou bootstrapping (5.000 subamostras) para testes de significância e PLSpredict para avaliar a relevância preditiva fora da amostra. O viés de método comum foi tratado por meio de remédios procedimentais e diagnósticos de colinearidade.

Principais Resultados
A análise empírica gerou os seguintes achados:

1. Mediação Apenas Indireta: O efeito direto da Intensidade de Adoção de IA no Desempenho de Inovação de PMEs não foi estatisticamente significativo ($\beta = 0,079, p = 0,142$). No entanto, o efeito total e o efeito indireto serial foram significativos. Isso indica um mecanismo de mediação apenas indireta.
2. A Cadeia de Capacidades:
   • A Intensidade de Adoção de IA afeta positivamente a Capacidade Absortiva ($\beta = 0,391, p < 0,001$).
   • A Capacidade Absortiva potencializa fortemente a Agilidade Empreendedora ($\beta = 0,555, p < 0,001$).
   • A Agilidade Empreendedora melhora significativamente o Desempenho de Inovação de PMEs ($\beta = 0,484, p < 0,001$).
3. Mediação Serial: O caminho serial (Adoção de IA $\rightarrow$ Capacidade Absortiva $\rightarrow$ Agilidade Empreendedora $\rightarrow$ Desempenho de Inovação) foi significativo ($\beta = 0,105, p < 0,001$), confirmando o mecanismo sequencial proposto.
4. Papel Moderador da Maturidade Digital: A maturidade digital modera positivamente a relação entre a Intensidade de Adoção de IA e a Capacidade Absortiva ($\beta = 0,128, p = 0,008$). O gráfico de interação mostra que o efeito positivo da adoção de IA na capacidade absortiva é significativamente mais forte para empresas com alta maturidade digital.
5. Mediação Serial Moderada: A maturidade digital fortalece todo o caminho indireto, significando que o processo de construção de capacidades é mais eficaz em PMEs com maturidade digital.
6. Relevância Preditiva: Os resultados do PLSpredict indicaram relevância preditiva satisfatória ao nível do indicador para o Desempenho de Inovação de PMEs, com o modelo PLS-SEM superando um benchmark linear em termos de Erro Quadrático Médio (RMSE).

Principais Contribuições
O artigo reivindica quatro contribuições teóricas primárias:

1. Mudança na Lógica de IA-Inovação: Ele vai além da perspectiva de efeito direto, demonstrando que a adoção de IA não é um preditor isolado da inovação. Em vez disso, funciona como um input para um processo de construção de capacidades.
2. Extensão da Teoria da Capacidade Absortiva: Posiciona a capacidade absortiva como a "ponte de processamento de conhecimento" crítica entre a adoção de IA e a ação empreendedora, mostrando que a IA fortalece a habilidade da empresa de processar conhecimento externo.
3. Agilidade Empreendedora como Mecanismo: Identifica a agilidade empreendedora como o mecanismo orientado à ação através do qual o conhecimento absorvido é convertido em desempenho de inovação, ligando a pesquisa de IA à teoria do empreendedorismo.
4. Maturidade Digital como Condição de Contorno: Teoriza e apoia empiricamente a maturidade digital não meramente como um fator de fundo, mas como uma condição crítica que determina se a adoção de IA pode ser convertida em capacidade absortiva e, consequentemente, em inovação.

Significância e Alegações
O estudo conclui que o valor da inovação da IA nas PMEs depende menos do ato da adoção em si e mais das capacidades organizacionais que permitem às empresas aprender com a IA e agir sobre os insights gerados pela IA. Os autores afirmam que a IA não inova em nome das PMEs; em vez disso, as PMEs inovam com a IA apenas quando possuem a maturidade digital, a capacidade absortiva e a agilidade empreendedora necessárias.

Os achados sugerem que, para a IA potencializar a inovação, as PMEs devem focar na construção de capacidades complementares — especificamente, a habilidade de interpretar dados gerados por IA e a agilidade para agir sobre eles — em vez de ver a aquisição tecnológica como uma condição suficiente para o sucesso. O estudo enfatiza que, em economias emergentes com restrição de recursos, essas condições de capacidade são ainda mais críticas para reduzir o hiato entre adoção e valor.