Artificial Intelligence Adoption and Recruitment Efficiency in Malaysian Smes the Mediating Role of Decision-Making Quality

Com base no rascunho da tese fornecida, segue um resumo técnico detalhado do estudo "Adoção de Inteligência Artificial e Eficiência de Recrutamento em PMEs Malaias: O Papel Mediador da Qualidade da Tomada de Decisão".

1. Problema e Contexto

O estudo aborda uma lacuna crítica na literatura relativa ao impacto operacional da Inteligência Artificial (IA) dentro das funções de Gestão de Recursos Humanos (GRH) em Pequenas e Médias Empresas (PMEs) na Malásia. Embora as PMEs constituam quase 40% do PIB da Malásia e 48,7% do seu emprego, a sua adoção de IA permanece desigual devido a restrições em competências, governança e prontidão digital.

A literatura existente sugere que a IA pode melhorar a eficiência do recrutamento através da automação e da triagem baseada em dados. No entanto, a evidência empírica é escassa em duas áreas principais:

1. Lacuna de Contexto: A maioria dos estudos sobre recrutamento por IA foca-se em grandes corporações, deixando a dinâmica específica das PMEs malaias, com recursos limitados, subexplorada.
2. Lacuna de Mecanismo: Existe uma compreensão limitada de como a adoção da IA se traduz em eficiência. O estudo postula que a adoção isolada pode não gerar resultados; em vez disso, a qualidade da tomada de decisão (precisão, consistência, objetividade) pode ser o mecanismo mediador que determina se os ganhos de eficiência são alcançados.

2. Estrutura Teórica e Hipóteses

A pesquisa integra duas lentes teóricas:

• Modelo de Aceitação de Tecnologia (TAM): Utilizado para explicar os impulsionadores da adoção da IA (utilidade percebida e facilidade de uso) no contexto das PMEs.
• Visão Baseada em Recursos (RBV): Enquadra a adoção da IA não apenas como o uso de uma ferramenta, mas como uma capacidade organizacional que, quando integrada com competências e governança, cria uma vantagem competitiva (eficiência de recrutamento).

Modelo Conceitual:

• Variável Independente (VI): Adoção de IA (extensão da integração da IA na busca, triagem, seleção e comunicação).
• Variável Dependente (VD): Eficiência de Recrutamento (tempo de contratação, custo, redução de carga de trabalho, fluidez do processo).
• Variável Mediadora (VM): Qualidade da Tomada de Decisão (precisão percebida, consistência, objetividade e defensibilidade baseada em evidências das decisões de contratação).

Hipóteses:

• H1: A adoção de IA afeta positivamente a eficiência de recrutamento.
• H2: A adoção de IA afeta positivamente a qualidade da tomada de decisão.
• H3: A qualidade da tomada de decisão afeta positamente a eficiência de recrutamento.
• H4: A qualidade da tomada de decisão medeia a relação entre a adoção de IA e a eficiência de recrutamento.

3. Metodologia

• Desenho: Pesquisa quantitativa, transversal e explicativa.
• População e Amostragem: PMEs malaias alvo (definidas pelos limiares da SME Corp. Malásia) nos setores de manufatura e serviços. Foi utilizada uma técnica de amostragem por conveniência para atingir proprietários, gestores de RH e oficiais de recrutamento envolvidos em decisões de contratação.
• Tamanho da Amostra: Um alvo de 384 respostas válidas foi estabelecido com base na tabela de Krejcie e Morgan (1970) para grandes populações, com uma distribuição inicial de 500 questionários para considerar a atrição.
• Instrumento: Um questionário estruturado online utilizando uma escala Likert de 5 pontos (1 = Discordo Totalmente a 5 = Concordo Totalmente).
  • Adoção de IA: 8 itens.
  • Qualidade da Tomada de Decisão: 6 itens.
  • Eficiência de Recrutamento: 7 itens.
• Análise de Dados: Os dados foram analisados utilizando o IBM SPSS Statistics. As técnicas incluíram:
  • Estatística descritiva e teste de fiabilidade (Alfa de Cronbach).
  • Análise de correlação de Pearson.
  • Regressão linear múltipla para testar efeitos diretos.
  • Análise de mediação utilizando o macro Hayes PROCESS (Modelo 4) com 5.000 amostras de bootstrap para testar o efeito indireto.

4. Resultados Principais (Ilustrativos)

Nota: O texto contém dados ilustrativos de substituição destinados a demonstrar o formato de relatório. O seguinte resumo reflete os resultados esperados descritos no rascunho, não os achados empíricos de um conjunto de dados concluído.

Sob o padrão ilustrativo apresentado no rascunho:

• Fiabilidade: Todos os construtos demonstraram forte consistência interna (Alfa de Cronbach > 0,87).
• Correlação: Foram encontradas correlações positivas significativas entre a adoção de IA, a qualidade da tomada de decisão e a eficiência de recrutamento.
• Regressão e Mediação:
  • H1 Suportada: A adoção de IA teve um efeito direto positivo significativo na eficiência de recrutamento.
  • H2 Suportada: A adoção de IA melhorou significativamente a qualidade da tomada de decisão.
  • H3 Suportada: A qualidade da tomada de decisão previu significativamente a eficiência de recrutamento.
  • H4 Suportada: A qualidade da tomada de decisão atuou como um mediador parcial. O efeito indireto (IA → Qualidade de Decisão → Eficiência) foi significativo, mas um efeito direto da IA sobre a eficiência permaneceu mesmo após controlar o mediador.

5. Significância e Contribuições

O artigo reivindica significância em três áreas principais:

1. Contribuição Empírica: Fornece evidência quantitativa sobre o recrutamento habilitado por IA especificamente no contexto de economia em desenvolvimento das PMEs malaias, um setor frequentemente negligenciado em favor de estudos de multinacionais de grande porte.
2. Extensão Teórica: Estende a aplicação conjunta de TAM e RBV ao domínio dos RH. Argumenta que, enquanto o TAM explica a adoção da IA, a RBV explica como essa adoção é convertida numa capacidade estratégica (eficiência) através da melhoria das capacidades de tomada de decisão.
3. Orientação Prática: O estudo oferece insights acionáveis para as partes interessadas:
   • Para Proprietários de PMEs: A IA deve ser vista como um construtor de capacidades que melhora a qualidade da decisão, não apenas como uma ferramenta de automação para corte de custos.
   • Para Profissionais de RH: Recomenda-se uma abordagem de "humano no circuito" (human-in-the-loop), onde a IA apoia a triagem e a análise de dados, mas a supervisão humana garante a justiça e decisões finais defensáveis.
   • Para Formuladores de Políticas: Os mecanismos de apoio devem ir além da sensibilização; devem abordar déficits específicos em competências internas, governança ética e prontidão de dados para garantir uma difusão responsável da IA.

6. Limitações e Direções Futuras

Os autores reconhecem várias limitações:

• Desenho: A natureza transversal limita a inferência causal.
• Medição: Dependência de auto-relatos perceptuais em vez de métricas objetivas (ex: tempo real de preenchimento de vaga).
• Amostragem: A amostragem por conveniência pode sobre-representar empresas digitalmente ativas.

Pesquisa Futura é sugerida para incluir desenhos longitudinais para acompanhar o desempenho antes e depois da adoção, a inclusão de variáveis como confiança e justiça percebida, e abordagens de métodos mistos combinando questionários com entrevistas ou dados objetivos de recrutamento.

Conclusão

A tese conclui que, para as PMEs malaias, o caminho da adoção da IA para a eficiência de recrutamento não é automático. O percurso mais eficaz envolve alavancar a IA para melhorar a qualidade da tomada de decisão. Quando a adoção da IA melhora a precisão, a consistência e a base de evidências das decisões de contratação, ela impulsiona consequentemente ganhos significativos na eficiência de recrutamento.