Capacidades dinâmicas na era da inteligência artificial

• Ano de defesa: 2025
• Autor(a) principal: Torres, Ana de Almeida
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Artificial intelligence; Capacidades dinâmicas; Dynamic capabilities; Inteligência artificial; Organizações orientadas a projetos; Project-based organizations
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/12/12139/tde-28112025-191730/

Capacidades Dinâmicas (CDs) referem-se a competências para alcançar e sustentar vantagem competitiva, especialmente em ambientes dinâmicos em que a inovação é central. Nesse contexto, é sugerido que a Inteligência Artificial (IA) pode apoiá-las ao lidar e aprender com grandes volumes de dados e atingir objetivos específicos. No entanto, sua adoção isolada não garante vantagem competitiva, o que evidencia a necessidade de compreender os mecanismos pelos quais a IA pode contribuir para o desenvolvimento de CDs. Assim, este estudo busca responder à pergunta: como a inteligência artificial influencia as capacidades dinâmicas? com uma abordagem em duas fases. A primeira consistiu em uma revisão sistemática da literatura, incluindo uma análise bibliométrica da literatura mais ampla, seguida da análise de conteúdo de 66 artigos selecionados. Os resultados evidenciam que o campo, ancorado no referencial teórico de Teece (1997, 2007), apresenta indícios de uma influência positiva da IA sobre as CDs. A pesquisa identificou nove nós relacionais que conectam a IA aos microfundamentos que compõem as CDs, sistematizados em um modelo conceitual que destaca os principais mecanismos de influência: compreensão de grandes volumes de dados, previsão de tendências, colaboração, tomada de decisões mais rápidas e orientada por dados, aceleração no lançamento de novos produtos, novos modelos de negócio, aceleração da criação de conhecimento; criação de ativos complementares e escalabilidade. A segunda fase consistiu em um estudo de casos múltiplos em quatro organizações orientadas a projetos, aprofundando a compreensão empírica dos mecanismos identificados e do papel das diferentes formas de IA. Entre as tecnologias observadas - IA generativa, machine learning, visão computacional e robótica - destacaram-se os Large Language Models (LLMs), forma de IA generativa dedicada à linguagem natural, sobretudo no apoio a atividades estratégicas ligadas à gestão e à transferência de conhecimento. A dissertação contribui ao propor um modelo conceitual que sistematiza os vínculos entre IA e DCs e ao demonstrar empiricamente como essas tecnologias são incorporadas nesse contexto.