AI Maturity as a Double-Edged Capability: Planning Fallacy and Firm Performance in Technology Startups

Resumo Técnico: A Maturidade da IA como uma Capacidade de Duas Faces

Definição do Problema
Embora a maturidade da Inteligência Artificial (IA) seja amplamente considerada um ativo estratégico para startups de tecnologia, seu impacto no desempenho da empresa não é garantidamente positivo de forma uniforme. A literatura existente frequentemente trata a capacidade de IA como um impulsionador isolado de sucesso ou examina vieses cognitivos empreendedores (como a falácia do planejamento) de forma isolada. No entanto, existe uma lacuna crítica na compreensão de como a institucionalização das capacidades de IA interage com os vieses cognitivos gerenciais. Especificamente, permanece incerto se sistemas de IA maduros corrigem automaticamente suposições de planejamento irrealistas ou se, inversamente, eles amplificam as consequências negativas de tais vieses ao acelerar e escalar a execução de estratégias falhas. Este estudo aborda a questão de saber se a maturidade da IA modera a relação entre a falácia do planejamento e o desempenho da empresa em startups de tecnologia com recursos limitados.

Metodologia
O estudo utiliza um delineamento de levantamento transversal direcionado a 165 startups de tecnologia em Teerã, Irã. A unidade de análise é a startup, sendo os respondentes fundadores, CEOs ou diretores executivos (posições de alto escalão) diretamente envolvidos no planejamento estratégico e nas decisões de IA.

• Coleta de Dados: Um questionário online estruturado foi administrado. Para mitigar o viés de método comum, as medidas preditoras e de resultado foram colocadas em seções separadas, utilizaram quadros temporais diferentes (desvios de projetos passados vs. desempenho atual) e empregaram redação neutra.
• Variáveis:
  • Falácia do Planejamento: Medida como a suscetibilidade percebida de subestimar cronogramas, custos e riscos, enquanto se superestimam benefícios, baseando-se na conceitualização de Flyvbjerg (2021).
  • Maturidade da IA: Medida como o grau de institucionalização das capacidades de IA em quatro domínios: estratégia/governança, dados/infraestrutura, talento/práticas e gestão do ciclo de vida do modelo (adaptado de Khan et al., 2025).
  • Desempenho da Empresa: Avaliado por meio de dez itens comparativos contra os principais concorrentes em dimensões de crescimento, financeiras, de mercado, de inovação e de clientes (adaptado de Stam e Elfring, 2008).
• Estratégia Analítica: Os dados foram analisados utilizando Modelagem de Equações Estruturais por Mínimos Quadrados Parciais (PLS-SEM) via SmartPLS 3. O estudo utilizou um modelo de medida reflexivo e testou as relações estruturais, incluindo um efeito de moderação, utilizando bootstrapping (5.000 subamostras). O desempenho preditivo fora da amostra foi validado usando PLSpredict.

Principais Resultados
O modelo estrutural explicou 30,3% da variância no desempenho da empresa ($R^2 = .303$). A análise gerou três descobertas primárias:

1. Efeito Direto da Falácia do Planejamento: A falácia do planejamento está negativamente associada ao desempenho da empresa ($\beta = -0,249, p < ,001$). Isso apoia a hipótese de que suposições de planejamento irreais distorcem a alocação de recursos e enfraquecem os resultados operacionais.
2. Efeito Direto da Maturidade da IA: A maturidade da IA está positivamente associada ao desempenho da empresa ($\beta = 0,430, p < ,001$). Isso indica que, em média, níveis mais altos de capacidade de IA institucionalizada correlacionam-se com melhor desempenho.
3. Efeito de Moderação: A interação entre a falácia do planejamento e a maturidade da IA é negativa e significativa ($\beta = -0,232, p < ,001$). A análise de inclinação simples revela que a relação negativa entre a falácia do planejamento e o desempenho torna-se mais acentuada à medida que a maturidade da IA aumenta. Em outras palavras, embora a maturidade da IA geralmente auxilie o desempenho, ela exacerba o impacto prejudicial da falácia do planejamento.

Principais Contribuições
O artigo traz três contribuições específicas para a literatura:

1. Cognição Empreendedora: Ele estende a pesquisa ao identificar a falácia do planejamento como um viés relevante para o desempenho em startups de tecnologia, demonstrando que suas consequências não são uniformes, mas dependem do contexto organizacional.
2. Empreendedorismo Digital & Capacidade de IA: Posiciona a maturidade da IA não meramente como um ativo técnico, mas como uma "capacidade contingente de duas faces". O estudo identifica a maturidade da IA como uma condição de contorno que altera a força da relação falácia do planejamento–desempenho, desafiando a noção de que a adoção da IA neutraliza automaticamente o viés gerencial.
3. Integração Teórica: Integra a Teoria dos Sistemas Sócio-Técnicos e a Visão Baseada na Atenção da firma. Esta integração explica que a maturidade da IA representa uma configuração interdependente de arranjos técnicos e sociais; seu valor é contingente ao alinhamento dessas capacidades com a qualidade do planejamento gerencial e da alocação de atenção.

Significância e Alegações
Os autores alegam que o argumento central do estudo é que a maturidade da IA não opera independentemente da cognição gerencial. Em vez disso, uma integração mais profunda da IA aumenta o alcance organizacional e a velocidade da tomada de decisão, magnificando, assim, as consequências de desempenho das suposições que guiam essas decisões.

O artigo afirma modestamente que a maturidade da IA não é inerentemente prejudicial; em vez disso, suas implicações de desempenho dependem do alinhamento entre as capacidades de IA, a atenção gerencial e as rotinas de planejamento do empreendimento. Os achados sugerem que, em startups, onde a folga de recursos é limitada, a natureza de "duas faces" da maturidade da IA significa que, sem um planejamento disciplinado e realista (especificamente evitando a falácia do planejamento), os benefícios da maturidade da IA podem ser minados ou até revertidos. O estudo conclui que o valor da maturidade da IA depende não apenas da prontidão tecnológica, mas também da qualidade dos julgamentos de planejamento que direcionam seu uso.

Limitações
Os autores reconhecem diversas limitações: o delineamento transversal impede a inferência causal; a dependência da percepção de suscetibilidade em vez de erros de previsão objetivos; o uso de informantes-chave únicos; e o contexto específico de Teerã, Irã, que pode limitar a generalização para outros ambientes institucionais. O estudo não pretende ter medido diretamente os mecanismos de atenção ou sócio-técnicos específicos, tratando-os como caminhos teoricamente plausíveis.