REGISTRO DOI: 10.70773/revistatopicos/791960907
RESUMO
A rápida disseminação da Inteligência Artificial Generativa (IAG) amplia possibilidades de produção e recombinação de conteúdo, apoio à inovação e suporte a atividades decisórias, mas não implica, por si só, vantagem competitiva. Este artigo tem como objetivo analisar como a IAG pode influenciar a reconfiguração das capacidades organizacionais, examinando suas implicações para a inovação e para a estratégia competitiva empresarial. Trata-se de um ensaio teórico-conceitual, de natureza exploratória e descritiva, sustentado por revisão narrativa estruturada e busca dirigida de atualização bibliográfica, articulando a Resource-Based View, a teoria das capacidades dinâmicas e estudos contemporâneos sobre transformação digital e IAG. A síntese teórica indica que o valor estratégico potencial da IAG depende de mecanismos intermediários, entre eles integração humano–IA, aprendizagem organizacional, gestão e recombinação do conhecimento, redesenho de processos, desenvolvimento de competências e governança. Propõe-se um framework no qual a IAG interage com recursos humanos, tecnológicos e informacionais e pode favorecer, sob condições organizacionais específicas, a reconfiguração de capacidades, a inovação e a criação de valor. O artigo contribui ao distinguir adoção tecnológica de apropriação estratégica e ao posicionar capacidades organizacionais como elo explicativo a ser testado entre IAG e resultados competitivos.
Palavras-chave: Capacidades Dinâmicas; Estratégia Competitiva; Inovação; Gestão Empresarial; Inteligência Artificial Generativa.
ABSTRACT
The rapid diffusion of Generative Artificial Intelligence (GenAI) expands possibilities for content generation and recombination, innovation support, and decision-related activities, but does not, by itself, imply competitive advantage. This article aims to analyze how GenAI may influence the reconfiguration of organizational capabilities and to examine its implications for innovation and competitive strategy. The study adopts a theoretical-conceptual, exploratory, and descriptive design, supported by a structured narrative review and a targeted search for recent literature, articulating the Resource-Based View, dynamic capabilities theory, and contemporary studies on digital transformation and GenAI. The theoretical synthesis indicates that the potential strategic value of GenAI depends on intermediate mechanisms, including human–AI integration, organizational learning, knowledge management and recombination, process redesign, capability development, and governance. An integrative framework is proposed in which GenAI interacts with human, technological, and informational resources and may, under specific organizational conditions, foster capability reconfiguration, innovation, and value creation. The article contributes by distinguishing technological adoption from strategic appropriation and by positioning organizational capabilities as a testable explanatory link between GenAI and competitive outcomes.
Keywords: Competitive strategy; Dynamic capabilities; Innovation; Management; Generative Artificial Intelligence.
1. INTRODUÇÃO
A transformação digital modificou de forma significativa a maneira como organizações desenvolvem recursos, estruturam processos e formulam estratégias. Nesse movimento, a Inteligência Artificial (IA) passou de aplicações predominantemente analíticas e preditivas para sistemas capazes de gerar textos, imagens, códigos, sínteses e alternativas de solução. A Inteligência Artificial Generativa (IAG) amplia, assim, a discussão sobre tecnologia e gestão porque alcança atividades intensivas em conhecimento, criatividade, comunicação e tomada de decisão.
Do ponto de vista estratégico, entretanto, a disponibilidade de uma tecnologia não equivale automaticamente à construção de vantagem competitiva. A Resource-Based View sustenta que diferenças de desempenho dependem das características e da combinação dos recursos controlados pelas organizações (Barney, 1991), enquanto a teoria das capacidades dinâmicas enfatiza a habilidade de perceber oportunidades, mobilizar recursos e reconfigurar bases de ativos diante de mudanças ambientais (Teece; Pisano; Shuen, 1997; Teece, 2007). Essa lente é especialmente pertinente à IAG, cuja difusão amplia simultaneamente oportunidades de inovação e riscos de homogeneização das práticas empresariais.
A literatura recente oferece evidências de que a relação entre IAG e resultados organizacionais pode envolver mecanismos intermediários. Shi et al. (2025), ao analisarem dados de 268 participantes vinculados a empresas da construção, encontraram associações positivas entre IAG, capacidades dinâmicas baseadas em conhecimento e desempenho de inovação, além de efeitos mediadores da integração e da absorção de conhecimento. Höhener (2024), em estudo de casos múltiplos com cinco organizações, identificou onze microfundamentos relacionados a sensing, seizing e transforming na gestão da IAG em esforços de transformação digital. Li et al. (2025), por sua vez, encontraram, em 260 empresas chinesas, mediação de dimensões da inovação em serviços na relação entre capacidades de IAG e vantagem competitiva. Esses achados não autorizam generalização universal, mas sustentam a relevância de investigar capacidades e condições organizacionais que conectam a tecnologia a resultados estratégicos.
Apesar desse avanço, permanece relevante integrar os diferentes mecanismos que conectam IAG, capacidades organizacionais, inovação e estratégia competitiva. Parte do debate concentra-se na adoção, produtividade ou aplicações funcionais da tecnologia, enquanto uma perspectiva estratégica exige compreender como recursos tecnológicos são incorporados a conhecimentos, rotinas, competências, governança e processos de aprendizagem. A lacuna que orienta este artigo consiste, portanto, na necessidade de uma compreensão teórica integrada sobre como a IAG participa da reconfiguração das capacidades organizacionais e por quais mecanismos essa reconfiguração se relaciona à inovação, à formulação de estratégias competitivas e à criação de valor.
Diante disso, formula-se o seguinte problema de pesquisa: como a Inteligência Artificial Generativa influencia a reconfiguração das capacidades organizacionais e quais são suas implicações para a inovação e a estratégia competitiva das empresas?
O objetivo geral é analisar como a Inteligência Artificial Generativa influencia a reconfiguração das capacidades organizacionais, examinando suas implicações para a inovação e para a estratégia competitiva empresarial. Especificamente, busca-se: (i) examinar os fundamentos teóricos que relacionam capacidades organizacionais, capacidades dinâmicas, inovação e estratégia competitiva no contexto da transformação digital; (ii) identificar os principais mecanismos pelos quais a IAG pode modificar recursos, competências, processos decisórios e práticas de inovação; e (iii) analisar as implicações da reconfiguração das capacidades organizacionais mediada pela IAG para a formulação de estratégias competitivas e a criação de valor empresarial.
A contribuição proposta é dupla. Teoricamente, o artigo articula RBV, capacidades dinâmicas, aprendizagem, inovação e integração humano–IA em um framework que evita uma relação determinista entre adoção tecnológica e desempenho. Gerencialmente, oferece uma leitura segundo a qual o desafio não é apenas acessar ferramentas generativas, mas desenvolver configurações organizacionais capazes de convertê-las em conhecimento, inovação e valor.
A emergência da IAG também altera a unidade de análise da estratégia tecnológica. Em ondas anteriores de digitalização, a discussão frequentemente se concentrava na aquisição de sistemas, infraestrutura e ativos de informação. Com modelos generativos de propósito geral, a tecnologia pode ser incorporada a múltiplas tarefas e áreas funcionais, o que torna a vantagem menos dependente da ferramenta em si e mais dependente da arquitetura organizacional que orienta sua utilização. Krakowski (2025) argumenta que a IAG representa uma mudança qualitativa em relação à IA preditiva porque amplia aplicações exploratórias e recombinatórias, reforçando a agência humana como elemento decisivo para transformar capacidade computacional em inovação e valor.
Essa mudança possui consequências para a tomada de decisão. Schulte e Kanbach (2026), em revisão sistemática sobre IAG e decisão organizacional, identificaram ampla variedade de tarefas desempenhadas por aplicações generativas e mostraram que sua inserção ocorre de modo desigual ao longo do processo decisório. A fase de escolha permanece particularmente dependente de intervenção humana, o que sugere uma fronteira de responsabilidade: sistemas podem ampliar atenção, inteligência, desenho de alternativas e feedback, mas decisões substantivas exigem supervisão, julgamento e accountability. Essa evidência reforça a necessidade de estudar IAG como componente de sistemas sociotécnicos, e não como agente estratégico autossuficiente.
Ao mesmo tempo, estudos recentes tornam o debate mais complexo. Pena et al. (2026), em estudo de caso exploratório sobre design thinking corporativo, observaram aceleração da ideação, maior confiança criativa e apoio à análise de tendências, mantendo o julgamento humano relevante para avaliação contextual e ética. Mascareño et al. (2026), em experimento com 221 empregados, encontraram que colaboração proximal com IA reduziu comportamentos de seleção de ideias e, sob determinadas condições, sua implementação. Tan et al. (2026), combinando experimentos e estudo de campo, identificaram evidências convergentes, embora não uniformes, de que o uso de IAG pode reduzir a propriedade psicológica criativa e enfraquecer intenções posteriores de elaborar, defender e implementar ideias, sobretudo em configurações mais centradas na IA. Assim, o artigo adota uma perspectiva contingencial: os resultados dependem do desenho da colaboração, das capacidades complementares, da aprendizagem e da governança.
2. REFERENCIAL TEÓRICO
2.1. Gestão Empresarial EEstratégia Competitiva em Ambientes de Transformação Digital
A estratégia competitiva ocupa-se da forma como organizações constroem posições, mobilizam recursos e desenvolvem mecanismos de criação e captura de valor. Porter (1985) enfatizou as fontes de vantagem competitiva relacionadas à configuração das atividades da firma, enquanto a RBV deslocou parte da explicação para os recursos e capacidades internos capazes de sustentar diferenças de desempenho (Barney, 1991). Em ambientes digitais, essas perspectivas permanecem relevantes, mas precisam considerar que tecnologias, dados e conhecimento se tornam cada vez mais interdependentes.
A transformação digital não se reduz à digitalização de atividades existentes. Vial (2019) a descreve como processo no qual tecnologias digitais desencadeiam mudanças que afetam criação de valor, estruturas e respostas estratégicas. Warner e Wäger (2019) mostram que a transformação digital envolve renovação estratégica contínua e construção de capacidades dinâmicas. Assim, tecnologias emergentes devem ser analisadas em conexão com a capacidade da empresa de modificar processos, estruturas e modelos de negócio.
A IAG intensifica esse movimento ao penetrar tarefas cognitivas e criativas. O debate estratégico passa, portanto, da disponibilidade tecnológica para a capacidade de apropriação: empresas podem utilizar modelos semelhantes, mas diferir quanto à qualidade de dados, conhecimento acumulado, integração entre áreas, cultura, governança e capacidade de aprendizagem. É essa heterogeneidade organizacional que torna pertinente analisar a IAG por meio das lentes de recursos e capacidades.
2.2. Capacidades Organizacionais e Teoria das Capacidades Dinâmicas
A teoria das capacidades dinâmicas surgiu para explicar como empresas renovam sua base de recursos em ambientes de mudança. Teece, Pisano e Shuen (1997) definem capacidades dinâmicas em torno da integração, construção e reconfiguração de competências internas e externas. Posteriormente, Teece (2007) sistematizou seus microfundamentos nas funções de sensing, seizing e transforming, isto é, perceber oportunidades e ameaças, mobilizar recursos e transformar ou reconfigurar a organização.
Essa perspectiva complementa a RBV ao mostrar que recursos valiosos não permanecem necessariamente estratégicos em ambientes turbulentos. A capacidade de recombinar ativos, desenvolver competências e alterar rotinas pode ser tão relevante quanto a posse inicial dos recursos. Helfat et al. (2007) reforçam essa dimensão evolutiva ao tratar capacidades dinâmicas como aptidões organizacionais para criar, estender ou modificar propositalmente a base de recursos.
No contexto da IAG, a distinção entre recurso e capacidade é fundamental. O acesso a um modelo generativo pode ser adquirido por muitos concorrentes; já a habilidade de incorporá-lo de modo coerente a dados, processos, conhecimentos e decisões depende de capacidades específicas. Höhener (2024), em estudo com líderes digitais de cinco organizações, identificou microfundamentos como aprendizagem e abertura organizacional, colaboração interdisciplinar, agilidade, liderança estratégica, governança e criação de sinergias, reforçando a adequação da perspectiva das capacidades dinâmicas à gestão da IAG.
2.3. Inteligência Artificial Generativa no Contexto da Gestão Empresarial
A IAG representa uma classe de sistemas capaz de produzir novos conteúdos e respostas a partir de padrões aprendidos em grandes volumes de dados. No ambiente empresarial, suas aplicações alcançam síntese de informações, produção de conteúdo, programação, atendimento, análise, geração de alternativas e suporte a atividades de inovação. Essa amplitude diferencia a IAG de tecnologias digitais restritas a funções operacionais específicas.
O impacto gerencial, contudo, depende da apropriação organizacional. Cimino et al. (2024), em pesquisa com 222 gestores de inovação italianos, identificaram associações positivas entre orientação para inovação, criatividade individual e apropriação de ferramentas generativas, indicando que a incorporação da tecnologia depende de características humanas e organizacionais, e não apenas de disponibilidade técnica. Em paralelo, a literatura de gestão já reconhece que a IAG cria um novo contexto para teorias relacionadas à decisão, conhecimento, recursos humanos e administração.
A utilização da IAG também introduz limitações relevantes: respostas podem conter erros, vieses e informações inadequadas; dados sensíveis podem ser expostos; questões de propriedade intelectual e responsabilização permanecem relevantes. Por isso, o valor empresarial da tecnologia não pode ser avaliado apenas por sua capacidade de produzir respostas, mas pela qualidade dos mecanismos de validação, integração e governança que acompanham seu uso.
2.4. Inteligência Artificial Generativa e Reconfiguração das Capacidades Organizacionais
A reconfiguração das capacidades organizacionais constitui o núcleo teórico deste artigo. A incorporação da IAG pode modificar rotinas, redistribuir tarefas, alterar competências requeridas e transformar a relação entre áreas funcionais. Tais mudanças não correspondem necessariamente à substituição do trabalho humano; em muitas atividades, representam recomposição das interfaces entre conhecimento humano e capacidade computacional.
Evidências recentes apoiam essa interpretação. Shi et al. (2025) encontraram relação positiva entre IAG, capacidades dinâmicas baseadas em conhecimento e desempenho de inovação em empresas da construção, com integração e absorção do conhecimento atuando como mecanismos mediadores. Em 2026, estudos também passaram a investigar aprendizagem organizacional por meio de experimentos controlados de IAG e a forma como ciclos de aprendizagem internos e externos ajudam empresas a reduzir incertezas antes de decisões de implantação.
Dessa forma, a IAG pode ser compreendida como catalisadora de processos de reconfiguração, e não como capacidade estratégica autônoma. A transformação efetiva depende da habilidade organizacional de absorver, validar, integrar e institucionalizar novas práticas. Essa interpretação também aproxima o fenômeno da capacidade absortiva, entendida como habilidade de reconhecer, assimilar, transformar e explorar conhecimento relevante (Zahra; George, 2002).
2.5. Inteligência Artificial Generativa e Inovação Organizacional
A inovação envolve exploração de novas possibilidades e exploração eficiente de conhecimentos e competências existentes. March (1991) mostrou a tensão entre exploration e exploitation, tema que permanece central quando organizações incorporam tecnologias capazes de ampliar rapidamente o espaço de alternativas. A IAG pode contribuir para ideação, síntese, experimentação e prototipagem, mas o volume de ideias geradas não equivale, por si só, à inovação.
Pesquisas recentes sugerem que a colaboração humano–IA pode ampliar processos de solução criativa de problemas. Estudos experimentais em organization science investigaram parcerias humano–IA em desafios de inovação, enquanto pesquisas corporativas mais recentes indicam que a IAG pode acelerar ideação e análise de tendências, ao mesmo tempo em que mantém o julgamento humano relevante para avaliação contextual e ética.
A inovação depende, portanto, da capacidade de selecionar, desenvolver, implementar e capturar valor das alternativas geradas. Essa leitura reforça o argumento de que os efeitos da IAG são mediados por capacidades de aprendizagem, conhecimento e execução. Em vez de substituir a organização inovadora, a tecnologia amplia possibilidades que precisam ser convertidas em resultados por meio de processos organizacionais.
2.6. Inteligência Artificial Generativa, Estratégia Competitiva e Criação de Valor
O acesso crescente a ferramentas generativas reduz a plausibilidade de tratar a tecnologia isolada como recurso raro e difícil de imitar. À medida que soluções semelhantes se tornam acessíveis a múltiplos competidores, a diferenciação tende a deslocar-se para os recursos complementares: dados específicos, conhecimento, capital humano, arquitetura tecnológica, processos, relacionamentos, marca, governança e capacidade de execução.
Essa distinção pode ser expressa pelos conceitos de adoção tecnológica e apropriação estratégica. Adotar significa incorporar uma ferramenta; apropriar-se estrategicamente implica integrá-la deliberadamente a processos e recursos para produzir resultados coerentes com a estratégia. Evidências recentes reforçam essa mediação: pesquisa com 260 empresas chinesas encontrou que dimensões de inovação em serviços mediaram a relação entre capacidades de IAG e vantagem competitiva, sugerindo que a tecnologia produz valor competitivo por meio de mecanismos organizacionais e inovadores.
Assim, a questão relevante não é apenas se uma empresa utiliza IAG, mas como constrói uma configuração difícil de reproduzir em torno dela. Essa configuração pode envolver conhecimento específico, qualidade dos dados, rotinas, competências e mecanismos decisórios que, combinados, ampliam produtividade, personalização, inovação ou experiência do cliente.
2.7. Integração Humano–IA, Governança e Sustentabilidade da Vantagem Competitiva
A integração humano–IA constitui uma dimensão transversal do processo. Sistemas generativos apresentam vantagens relativas em velocidade de processamento, síntese e geração de alternativas; pessoas permanecem essenciais em julgamento, contextualização, responsabilidade, negociação e definição de objetivos. A vantagem potencial pode surgir, portanto, da capacidade de desenhar sistemas de trabalho que explorem complementaridades em vez de tratar tecnologia e trabalho humano como substitutos absolutos.
Essa integração requer desenvolvimento de competências. Além do domínio técnico, tornam-se relevantes formulação de problemas, avaliação crítica, conhecimento do contexto, segurança informacional e compreensão dos limites dos modelos. Estudos sobre capacidades dinâmicas para IAG também destacam liderança estratégica, colaboração interdisciplinar, aprendizagem e governança como elementos necessários à transformação digital.
Governança deve ser compreendida não apenas como controle, mas como condição habilitadora da criação de valor. Políticas de uso, definição de responsabilidades, proteção de dados, validação, supervisão humana, transparência e monitoramento ajudam a reduzir riscos e aumentar confiabilidade. Dessa forma, a apropriação estratégica da IAG combina exploração de oportunidades com mecanismos capazes de preservar legitimidade, segurança e responsabilidade.
2.8. Estado da Arte: Convergências, Tensões e Fronteiras Emergentes
A produção recente sobre IAG em Administração começa a migrar de perguntas centradas em adoção para investigações sobre mecanismos organizacionais. Corvello (2025) argumenta que a gestão da inovação precisa ser reinterpretada a partir de uma perspectiva centrada no ser humano, pois agência, apropriação e desenho organizacional condicionam os efeitos da tecnologia. Krakowski (2025), por sua vez, destaca que a natureza generativa amplia aplicações divergentes e exploratórias, tornando insuficientes modelos baseados apenas em previsão, otimização e automação. Em conjunto, essas contribuições indicam que o fenômeno exige integração entre tecnologia, cognição, estrutura e estratégia.
No campo das capacidades dinâmicas, a literatura recente oferece evidências de que IAG pode participar de processos de sensing, seizing e transforming, mas seus efeitos não são uniformes. Höhener (2024) identifica aprendizagem, colaboração interdisciplinar, agilidade, liderança e governança como microfundamentos relevantes à gestão da IAG. Shi et al. (2025), com dados de 268 participantes de empresas da construção, mostram que capacidades dinâmicas baseadas em conhecimento se relacionam ao desempenho de inovação e que integração e absorção de conhecimento exercem funções mediadoras. Esses resultados aproximam a discussão contemporânea de IAG de uma tradição teórica consolidada na estratégia.
Outra linha emergente investiga a passagem de capacidades de IAG para vantagem competitiva. Li et al. (2025), com amostra de 260 empresas chinesas, encontraram que inovação de conceito de serviço, inovação de processo de serviço e inovação da experiência do cliente mediam a relação entre capacidades de IAG e vantagem competitiva. O dinamismo ambiental, entretanto, altera parte desses efeitos. Esse achado é relevante porque contraria uma leitura linear segundo a qual maior capacidade tecnológica produziria automaticamente maior vantagem: o ambiente e os mecanismos de inovação condicionam a apropriação do recurso.
A aprendizagem organizacional aparece como outro elo decisivo. Te'eni et al. (2026), a partir de 18 meses de experimentos em sandbox em uma organização internacional de serviços, propõem o framework CORE - capacidades, oportunidades, riscos e ecossistema - para estruturar aprendizagem diante das incertezas da IAG. O estudo mostra que organizações precisam produzir conhecimento específico ao seu contexto antes de decisões de escala e que ciclos de aprendizagem podem envolver níveis de segunda e terceira ordem. Isso reforça a tese de que a apropriação estratégica da IAG exige experimentação disciplinada e capacidade de transformar experiência em rotinas e critérios decisórios.
No nível da colaboração, os achados são simultaneamente promissores e cautelosos. Pena et al. (2026), em um estudo de caso exploratório com abordagem mista em workshop corporativo de design thinking, observaram que a IAG acelerou a ideação, ampliou a confiança criativa e apoiou análise de tendências e integração de feedback, mantendo o julgamento humano relevante para decisões contextuais e éticas. Em sentido complementar, Mascareño et al. (2026), em experimento com 221 empregados, encontraram efeitos negativos da colaboração proximal com IA sobre seleção de ideias e, condicionalmente, implementação. Tan et al. (2026), por meio de quatro experimentos e um estudo de campo em ondas, identificaram evidências convergentes, embora não uniformes, de uma associação negativa entre uso de IAG e propriedade psicológica criativa, com possíveis consequências para elaboração, defesa e implementação de ideias. A fronteira de pesquisa, portanto, não é simplesmente verificar se a IAG 'funciona', mas identificar configurações de colaboração capazes de ampliar cognição sem degradar agência, responsabilidade e comprometimento.
A literatura sobre decisão organizacional chega a conclusão semelhante. Schulte e Kanbach (2026) identificam papéis ativos e colaborativos da IAG em diferentes componentes da decisão, mas ressaltam que a escolha permanece uma zona de maior responsabilidade humana. Essa constatação sugere que capacidades de IAG precisam ser acompanhadas por capacidades de julgamento e governança. Para a estratégia, isso significa que velocidade e escala devem ser equilibradas com mecanismos de validação, contestação, supervisão e responsabilização.
A síntese do estado da arte permite identificar três convergências. Primeiro, a IAG possui potencial para ampliar busca, aprendizagem, criatividade e inovação. Segundo, seus resultados dependem de capacidades complementares - conhecimento, dados, competências humanas, processos, liderança e governança. Terceiro, a relação com vantagem competitiva é mediada e contingente, e não automática. Persistem, contudo, tensões sobre dependência, homogeneização de ideias, perda de agência e riscos de governança. É precisamente nesse espaço que se situa a contribuição deste artigo: integrar essas dimensões em um modelo no qual a reconfiguração das capacidades organizacionais explica a passagem do recurso tecnológico para resultados estratégicos.
3. PROCEDIMENTOS METODOLÓGICOS
Este estudo caracteriza-se como um ensaio teórico-conceitual, de natureza exploratória e descritiva e abordagem qualitativa. Sua construção foi apoiada por revisão narrativa estruturada da literatura e por busca dirigida de atualização bibliográfica. Esse delineamento foi escolhido para articular contribuições de campos relacionados - estratégia, capacidades dinâmicas, inovação, transformação digital e Inteligência Artificial Generativa - sem atribuir ao levantamento o estatuto de revisão sistemática ou integrativa concluída.
A construção do manuscrito foi orientada por sete eixos conceituais: gestão e estratégia competitiva; capacidades dinâmicas; IAG na gestão; reconfiguração das capacidades organizacionais; inovação; criação de valor e estratégia competitiva; integração humano–IA e governança. A análise buscou identificar conceitos, mecanismos explicativos, convergências e tensões capazes de sustentar um framework integrativo.
3.1. Estratégia de Revisão e Fontes
A investigação bibliográfica combinou referências seminais, selecionadas por sua centralidade para os constructos do estudo, com buscas dirigidas por trabalhos contemporâneos sobre IAG e organizações. Para uma futura revisão sistemática reprodutível, recomenda-se executar protocolo específico nas bases Scopus e Web of Science Core Collection, registrando data da busca, filtros, resultados recuperados, duplicatas, exclusões e corpus final. Entre os descritores pertinentes estão “generative artificial intelligence”, “generative AI”, “GenAI”, “dynamic capabilities”, “organizational capabilities”, “AI capabilities”, “innovation”, “competitive strategy”, “competitive advantage”, “value creation”, “human-AI collaboration” e “digital transformation”. A expressão de busca apresentada neste artigo deve, portanto, ser entendida como proposta para uma etapa sistemática futura, e não como protocolo já executado.
Como uma busca sistemática completa e documentada em Scopus e Web of Science não foi executada no escopo deste manuscrito, não são apresentados números de documentos recuperados, percentuais bibliométricos, fluxograma PRISMA ou alegações de exaustividade. As referências contemporâneas utilizadas foram verificadas quanto à existência, dados bibliográficos e aderência aos argumentos para os quais são citadas. Essa delimitação preserva a distinção entre ensaio teórico informado por literatura verificável e revisão sistemática concluída.
3.2. Critérios Analíticos e Síntese
A análise qualitativa foi organizada por categorias conceituais relacionadas à utilização da IAG; recursos e competências; capacidades dinâmicas; aprendizagem e gestão do conhecimento; integração humano–IA; inovação; estratégia competitiva; criação de valor; e governança. A síntese comparou contribuições seminais e evidências contemporâneas para identificar mecanismos plausíveis, convergências, divergências e condições de fronteira. As categorias servem à organização do argumento teórico e não representam códigos derivados de um corpus sistemático exaustivo.
A síntese final busca compreender não apenas se a IAG está associada às capacidades organizacionais, mas por quais mecanismos essa associação pode ocorrer. O framework é, portanto, tratado como produto da integração teórica das evidências e não como modelo causal empiricamente validado neste artigo.
3.3. Critérios de Rigor, Validade Conceitual e Limites do Desenho
O rigor de um artigo teórico não depende da quantidade de referências, mas da transparência na seleção das lentes teóricas e da coerência entre constructos, argumentos e proposições. Neste estudo, a robustez conceitual é buscada pela articulação entre três níveis de literatura: obras seminais que definem RBV, capacidades dinâmicas, aprendizagem e capacidade absortiva; trabalhos conceituais recentes que reinterpretam a IAG no contexto organizacional; e estudos empíricos contemporâneos que examinam mecanismos específicos relacionados a inovação, aprendizagem, colaboração, decisão e vantagem competitiva.
A síntese também adota uma lógica de comparação de evidências convergentes e divergentes. Resultados favoráveis à IAG não são tratados como prova de efeito universal, e evidências de riscos não são generalizadas para todos os desenhos de uso. Em vez disso, procura-se identificar condições de fronteira: tipo de tarefa, nível de autonomia, intensidade da colaboração, qualidade do conhecimento, maturidade organizacional, dinamismo ambiental e governança. Essa estratégia é coerente com o caráter contingencial das capacidades dinâmicas e reduz o risco de inferências tecnologicamente deterministas.
Para uma versão de revisão sistemática integral, recomenda-se registrar previamente protocolo, bases, string de busca, período, idiomas, critérios de elegibilidade e procedimentos de codificação, além de documentar duplicatas e razões de exclusão. O presente artigo não atribui ao seu levantamento números que não tenham sido produzidos por esse protocolo. A investigação bibliográfica adicional realizada para o refinamento do manuscrito teve função de atualização e robustecimento conceitual, não de substituição de uma busca sistemática formal em Scopus e Web of Science.
Essa delimitação tem implicação epistemológica: o framework apresentado deve ser interpretado como proposição teórica informada por evidências, e não como modelo causal validado. Seu valor reside em organizar relações plausíveis, explicitar mecanismos e produzir hipóteses testáveis. A validação demanda estudos futuros com desenhos quantitativos, qualitativos e longitudinais capazes de observar como as capacidades se desenvolvem ao longo do tempo e em diferentes contextos setoriais
4. DISCUSSÃO DOS RESULTADOS
A síntese teórico-conceitual sugere que os efeitos estratégicos da IAG não decorrem exclusivamente de sua disponibilidade ou adoção. Estudos contemporâneos apontam mecanismos intermediários como integração e absorção de conhecimento, aprendizagem organizacional, inovação em serviços, colaboração humano–IA e capacidades de reconfiguração. Shi et al. (2025), Li et al. (2025), Te'eni et al. (2026) e Pena et al. (2026) oferecem evidências em contextos distintos; por isso, seus resultados são utilizados como suporte localizado para o argumento, e não como prova de um efeito universal da IAG sobre organizações.
4.1. Da Adoção Tecnológica à Transformação da Gestão
A IAG amplia a transformação digital porque alcança atividades de produção de conhecimento, comunicação e apoio à decisão. Seu efeito pode ocorrer nos níveis operacional, gerencial e estratégico, mas não elimina a necessidade de interpretação e julgamento. Empresas com acesso às mesmas ferramentas podem obter resultados distintos em razão da qualidade de seus dados, competências, cultura, processos de aprendizagem e governança.
Essa heterogeneidade altera a pergunta estratégica. Em vez de avaliar apenas qual tecnologia a empresa possui, torna-se necessário analisar o que a organização consegue realizar de forma diferenciada por meio da combinação entre tecnologia, pessoas, conhecimento e processos. Essa passagem da posse para a orquestração dos recursos é compatível com RBV e capacidades dinâmicas.
4.2. Capacidades Dinâmicas e Apropriação da IAG
Sensing, seizing e transforming fornecem uma estrutura útil para interpretar a IAG. A tecnologia pode apoiar identificação de sinais e alternativas, mobilização de respostas e redesenho de processos, mas a escolha das oportunidades relevantes e a transformação da organização permanecem dependentes de decisões, estruturas e competências.
Höhener (2024) identifica microfundamentos de capacidades dinâmicas associados à IAG, incluindo aprendizagem, colaboração interdisciplinar, agilidade, liderança e governança. Esse resultado sustenta a distinção central do artigo: possuir acesso à IAG é diferente de desenvolver capacidades organizacionais para explorá-la estrategicamente.
4.3. Conhecimento, Aprendizagem e Reconfiguração Organizacional
A IAG pode acelerar síntese, recuperação e recombinação de informações, mas informação gerada não equivale a conhecimento validado. O potencial estratégico depende da capacidade de avaliar, contextualizar e incorporar resultados aos processos organizacionais. Shi et al. (2025) oferecem evidência consistente com essa interpretação ao mostrar papéis mediadores da integração e absorção de conhecimento na relação entre IAG e desempenho de inovação.
Estudos recentes sobre experimentação organizacional com IAG também sugerem que empresas precisam aprender sobre capacidades, oportunidades, riscos e ecossistemas antes de escalar aplicações. A aprendizagem torna-se, assim, mecanismo de redução de incerteza e de desenvolvimento de capacidades para uso contextualizado da tecnologia.
4.4. IAG e Inovação Organizacional
A IAG amplia o espaço de alternativas em ideação, análise e experimentação, mas a inovação requer seleção, implementação e apropriação de valor. A contribuição da tecnologia depende da capacidade de transformar possibilidades em soluções relevantes. Isso ajuda a explicar por que estudos recentes encontram efeitos mediados, em vez de relações puramente diretas, entre capacidades de IAG e resultados competitivos.
A complementaridade humano–IA é particularmente relevante. Sistemas generativos podem acelerar busca e geração de alternativas, enquanto pessoas fornecem julgamento, conhecimento tácito e compreensão contextual. Essa combinação sugere que a capacidade de integração humano–IA pode tornar-se componente importante das capacidades organizacionais contemporâneas.
4.5. Estratégia Competitiva e Criação de Valor
A disseminação das ferramentas generativas torna o acesso tecnológico progressivamente menos distintivo. A criação de valor tende a depender da configuração organizacional construída em torno da tecnologia. Dados específicos, conhecimento, competências, arquitetura tecnológica, processos, governança e capacidade de execução podem determinar se a IAG se traduz em produtividade, personalização, inovação ou novas propostas de valor.
Li et al. (2025), em survey com 260 empresas chinesas, encontraram que inovação de conceito de serviço, inovação de processo de serviço e inovação da experiência do cliente mediaram a relação entre capacidades de IAG e vantagem competitiva, com efeitos condicionados pelo dinamismo ambiental. O achado reforça, naquele contexto empírico, a interpretação de que o valor competitivo não decorre apenas da disponibilidade tecnológica, mas de mecanismos organizacionais de inovação. Ele não implica que a IAG seja condição necessária ou suficiente para vantagem competitiva em todos os setores.
4.6. Integração Humano–IA e Governança
A dicotomia entre substituição humana e automação integral é insuficiente para explicar o fenômeno. A organização precisa decidir quais tarefas podem ser delegadas, quais exigem supervisão e onde a complementaridade produz maior valor. Isso implica redesenho de funções, desenvolvimento de competências e mecanismos de responsabilização.
A governança atua como condição transversal. Riscos de erro, viés, privacidade, propriedade intelectual e segurança podem comprometer benefícios potenciais. Políticas, controles, validação e supervisão humana podem aumentar confiabilidade e favorecer escala responsável, transformando governança de uma função meramente restritiva em capacidade habilitadora.
4.7. Framework Conceitual Integrativo
A integração das evidências permite propor o seguinte encadeamento conceitual: Inteligência Artificial Generativa → integração humano–IA e recursos organizacionais → aprendizagem, gestão e recombinação do conhecimento → reconfiguração de recursos, processos e competências → capacidades dinâmicas → inovação organizacional → estratégia competitiva e criação de valor. A governança da IA atua transversalmente sobre essas relações.
O modelo não pressupõe causalidade automática. A IAG representa um recurso tecnológico cujo potencial é condicionado por recursos complementares e pela capacidade de aprendizagem e reconfiguração. A principal contribuição é, portanto, posicionar as capacidades organizacionais como elo explicativo entre tecnologia e resultados estratégicos.
4.8. Contribuições Teóricas e Gerenciais
A primeira contribuição consiste em evitar determinismo tecnológico: adoção não é sinônimo de vantagem competitiva. A segunda aproxima a literatura emergente de IAG da teoria das capacidades dinâmicas, permitindo interpretar a tecnologia em termos de sensing, seizing e transforming. A terceira incorpora integração humano–IA e governança ao debate estratégico, reconhecendo que desempenho depende de dimensões humanas, tecnológicas e organizacionais.
Gerencialmente, o framework indica que investimentos em ferramentas generativas devem ser acompanhados por competências, dados, redesenho de processos, aprendizagem e governança. A pergunta central para gestores deixa de ser “qual ferramenta adotar?” e passa a ser “quais capacidades precisamos desenvolver para transformar essa tecnologia em valor?”
4.9. Proposições Teóricas Derivadas do Framework
A integração entre teoria e evidências permite derivar proposições que tornam o framework empiricamente testável. A primeira decorre da distinção entre recurso e capacidade. Como ferramentas generativas são progressivamente acessíveis, seu valor estratégico depende da habilidade de selecioná-las, combiná-las com recursos específicos e incorporá-las a rotinas. Propõe-se, portanto, que a intensidade de uso da IAG, isoladamente, apresenta menor poder explicativo sobre resultados estratégicos do que a capacidade organizacional de orquestrar recursos de IAG com dados, conhecimento e competências complementares.
Proposição 1 (P1): a relação entre utilização de IAG e criação de valor é mediada pela capacidade organizacional de integrar e orquestrar recursos tecnológicos, humanos e informacionais.
A segunda proposição deriva da aprendizagem. A incerteza associada à IAG exige experimentação, feedback e atualização de rotinas. O framework CORE e as evidências sobre integração e absorção de conhecimento indicam que aprender sobre a tecnologia no contexto específico da organização é condição para reduzir ambiguidade e transformar experimentos em práticas escaláveis.
Proposição 2 (P2): a aprendizagem organizacional e a capacidade absortiva fortalecem a conversão de experiências com IAG em reconfiguração de processos e competências.
A terceira proposição relaciona-se à agência. A literatura recente mostra que a colaboração humano–IA pode produzir benefícios em determinadas etapas de ideação, mas também efeitos adversos em seleção, implementação e propriedade psicológica das ideias, dependendo do desenho da interação (Pena et al., 2026; Mascareño et al., 2026; Tan et al., 2026). Assim, complementaridade não significa maximização indiscriminada do uso da IA, mas alocação adequada de tarefas e preservação de julgamento, autoria percebida e responsabilidade.
Proposição 3 (P3): configurações de colaboração humano–IA que preservam julgamento, autonomia e responsabilidade humana apresentam maior potencial de contribuir para inovação do que configurações excessivamente dependentes da IAG.
A quarta proposição deriva da governança. Quanto mais a IAG participa de tarefas cognitivas e decisórias, maior a necessidade de mecanismos de validação, rastreabilidade, proteção de dados e responsabilização. Governança adequada pode reduzir riscos e, simultaneamente, aumentar confiança e escalabilidade do uso.
Proposição 4 (P4): a governança da IA modera positivamente a relação entre capacidades de IAG e criação sustentável de valor ao reduzir riscos de uso e aumentar confiabilidade organizacional.
A quinta proposição conecta capacidades dinâmicas e inovação. Evidências de empresas industriais mostram que inovação pode mediar a relação entre capacidades de IAG e vantagem competitiva. Isso sugere que sensing, seizing e transforming não produzem valor apenas por eficiência, mas pela capacidade de renovar ofertas, processos e experiências.
Proposição 5 (P5): capacidades dinâmicas associadas à IAG influenciam resultados competitivos principalmente quando são convertidas em inovação de produtos, serviços, processos ou modelos de negócio.
Por fim, o dinamismo ambiental introduz uma condição de fronteira. Ambientes muito turbulentos podem aumentar a necessidade de adaptação, mas também reduzir a duração dos benefícios obtidos por determinadas inovações. Assim, velocidade de aprendizagem e reconfiguração tornam-se mais importantes do que soluções pontuais.
Proposição 6 (P6): o dinamismo ambiental altera a força e a estabilidade da relação entre capacidades de IAG, inovação e vantagem competitiva, elevando a importância da reconfiguração contínua.
4.10. Paradoxos e Riscos Estratégicos da IAG
A discussão da IAG em estratégia precisa incorporar paradoxos. O primeiro é o paradoxo da democratização: quanto mais acessível a tecnologia se torna, maior sua capacidade de elevar produtividade média e, simultaneamente, menor sua raridade como fonte isolada de vantagem. O efeito competitivo migra para recursos complementares, conhecimento específico e velocidade de aprendizagem. Isso implica que empresas não devem confundir acesso a modelos avançados com diferenciação sustentável.
O segundo é o paradoxo da criatividade. A IAG pode ampliar repertório e velocidade de ideação, mas pesquisas recentes indicam que certos desenhos de colaboração podem reduzir seleção e implementação de ideias ou a propriedade psicológica criativa. Mascareño et al. (2026) encontraram efeitos negativos da colaboração proximal com IA sobre seleção de ideias e, condicionalmente, implementação; Tan et al. (2026) identificaram um possível custo psicológico associado à redução da sensação de propriedade sobre ideias produzidas com IAG. A implicação é contingencial: processos de ideação, seleção e implementação podem exigir desenhos distintos de colaboração e preservação deliberada da agência humana.
O terceiro é o paradoxo da eficiência decisória. A IAG reduz custos de busca e síntese, mas também pode multiplicar alternativas e produzir falsa sensação de segurança quando respostas fluentes são confundidas com evidências confiáveis. Schulte e Kanbach (2026) mostram que a integração da IAG varia entre etapas da decisão e que a escolha permanece sensível à responsabilidade humana. Assim, acelerar informação não elimina a necessidade de critérios, contestação e julgamento.
O quarto é o paradoxo da aprendizagem. A tecnologia pode tornar conhecimento mais acessível, mas a terceirização indiscriminada de tarefas cognitivas pode reduzir oportunidades de aprendizagem humana. A organização precisa equilibrar uso instrumental da IAG com mecanismos que preservem compreensão, memória institucional e desenvolvimento de competências. Esse equilíbrio é especialmente importante em atividades nas quais erros têm consequências estratégicas ou regulatórias.
O quinto é o paradoxo da governança. Controles excessivamente rígidos podem impedir experimentação e aprendizagem; controles insuficientes ampliam riscos reputacionais, jurídicos e operacionais. Uma governança adaptativa deve combinar princípios claros, classificação de riscos, espaços seguros de experimentação, supervisão proporcional e revisão contínua. A governança torna-se, assim, parte da capacidade dinâmica da organização, pois precisa evoluir com os usos e com a tecnologia.
4.11. Agenda de Pesquisa e Operacionalização Futura do Modelo
O framework abre uma agenda empírica que pode ser organizada em níveis individual, de equipe, organizacional e interorganizacional. No nível individual, pesquisas podem medir alfabetização em IA, confiança calibrada, julgamento crítico, criatividade, autonomia e aprendizagem. No nível das equipes, tornam-se relevantes diversidade funcional, padrões de interação humano–IA, integração de conhecimento e distribuição de responsabilidade. No nível organizacional, capacidades de IAG, maturidade digital, capacidade absortiva, governança e inovação podem ser relacionadas a indicadores de desempenho e criação de valor.
Uma possibilidade quantitativa consiste em operacionalizar capacidades de IAG como constructo de segunda ordem formado por capacidade tecnológica, capacidade de dados, capacidade humana e capacidade de orquestração. Aprendizagem organizacional, capacidade absortiva e integração humano–IA podem atuar como mediadores, enquanto governança e dinamismo ambiental podem ser testados como moderadores. Resultados dependentes podem incluir inovação exploratória e exploitativa, velocidade de desenvolvimento, qualidade decisória, produtividade, experiência do cliente e desempenho competitivo percebido.
Estudos longitudinais são particularmente necessários porque capacidades dinâmicas são processos de desenvolvimento e reconfiguração. Pesquisas transversais capturam associações, mas não revelam como experimentos com IAG se transformam em rotinas, como competências se acumulam ou como vantagens desaparecem quando concorrentes imitam práticas. Painéis organizacionais e estudos de processo podem acompanhar ciclos de adoção, aprendizagem, escalonamento e renovação.
Estudos de casos múltiplos também podem explorar heterogeneidade. Organizações intensivas em conhecimento, manufatura, serviços profissionais, varejo e setor público apresentam diferentes restrições de dados, regulação e risco. Comparar contextos permite identificar quais componentes do framework são generalizáveis e quais dependem do setor. Da mesma forma, comparações entre grandes empresas e pequenas e médias empresas podem revelar como restrições de recursos alteram estratégias de apropriação.
5. CONSIDERAÇÕES FINAIS
Este artigo analisou como a Inteligência Artificial Generativa pode influenciar a reconfiguração das capacidades organizacionais e suas implicações para inovação e estratégia competitiva. A análise sustenta que a IAG não deve ser interpretada como fonte automática de vantagem competitiva. Seu potencial depende da forma como organizações integram tecnologia, dados, conhecimento, pessoas, processos e mecanismos de governança.
A perspectiva das capacidades dinâmicas mostrou-se adequada para explicar essa transformação. A IAG pode apoiar percepção de oportunidades, geração de alternativas, mobilização de respostas e transformação de processos, mas essas funções dependem de competências e decisões organizacionais. A distinção entre adoção tecnológica e apropriação estratégica constitui, assim, uma das principais conclusões do estudo.
O framework proposto posiciona integração humano–IA, aprendizagem e recombinação do conhecimento como mecanismos que conectam a IAG à reconfiguração de recursos e competências. A inovação e a criação de valor aparecem como resultados potenciais, condicionados pela qualidade das capacidades complementares e pela governança.
Do ponto de vista teórico, o artigo contribui ao aproximar RBV, capacidades dinâmicas e literatura contemporânea sobre IAG. Do ponto de vista gerencial, sugere que vantagem potencial não reside simplesmente em adotar primeiro uma ferramenta, mas em construir configurações organizacionais capazes de utilizá-la de maneira integrada, responsável e coerente com a estratégia.
O estudo apresenta limitações. Seu caráter teórico-conceitual não permite estabelecer relações causais, e a rápida evolução da IAG pode alterar aplicações e evidências em curto período. A revisão narrativa estruturada e a busca dirigida utilizadas não pretendem exaustividade e não substituem uma revisão sistemática com protocolo previamente definido. Consequentemente, o framework deve ser interpretado como proposição teórica informada por literatura verificável e sujeita a teste empírico e revisão à medida que o campo evolui.
Pesquisas futuras podem testar empiricamente o framework por meio de surveys, modelagem de equações estruturais, estudos de casos múltiplos e desenhos longitudinais. Também são relevantes comparações entre setores, portes e contextos institucionais, bem como investigações sobre os papéis de capacidade absortiva, maturidade digital, cultura de inovação, integração humano–IA e governança.
Conclui-se que compreender estrategicamente a IAG exige ultrapassar a análise da tecnologia isolada. O desafio contemporâneo da gestão empresarial é desenvolver organizações capazes de aprender, adaptar-se e reconfigurar continuamente seus recursos diante das possibilidades e dos riscos da IA. É nessa capacidade de transformação, mais do que na ferramenta em si, que reside uma questão central para a inovação e a estratégia competitiva.
Nesse sentido, a contribuição mais importante do framework não é afirmar que a IAG produzirá vantagem competitiva, mas explicitar por que algumas organizações podem convertê-la em valor enquanto outras obtêm apenas ganhos pontuais ou até efeitos adversos. A resposta proposta está na reconfiguração de capacidades: empresas capazes de aprender com experimentos, integrar conhecimentos, redesenhar processos, combinar agência humana e computacional e governar riscos possuem melhores condições teóricas para transformar a IAG em inovação relevante.
As seis proposições apresentadas oferecem uma ponte entre elaboração conceitual e validação empírica. Elas permitem que futuros estudos testem mediações, moderações e condições de fronteira, evitando uma comparação simplista entre empresas que 'usam' e 'não usam' IAG. Essa agenda é especialmente necessária porque a difusão rápida das ferramentas tende a tornar a adoção uma variável cada vez menos discriminante; a qualidade da apropriação e da aprendizagem tende a adquirir maior poder explicativo.
Como etapa adicional de robustecimento para uma submissão que exija revisão sistemática, poderá ser executada formalmente uma estratégia de busca em Scopus e Web of Science, com protocolo, critérios de elegibilidade, deduplicação e documentação do corpus. Essa etapa permitiria testar de modo reprodutível a extensão da lacuna e confrontar o framework com um conjunto documental explicitamente delimitado. Na forma atual, o manuscrito deve ser apresentado como ensaio teórico-conceitual apoiado em revisão narrativa estruturada e atualização bibliográfica verificável.
REFERÊNCIAS BIBLIOGRÁFICAS
BARNEY, J. Firm resources and sustained competitive advantage. Journal of Management, v. 17, n. 1, p. 99–120, 1991. DOI: 10.1177/014920639101700108.
CIMINO, A.; FELICETTI, A. M.; CORVELLO, V.; NDOU, V.; LONGO, F. Generative artificial intelligence (AI) tools in innovation management: a study on the appropriation of ChatGPT by innovation managers. Management Decision, v. 63, n. 10, p. 3431-3453, 2024. DOI: 10.1108/MD-10-2023-1968.
CORVELLO, V. Generative AI and the future of innovation management: a human centered perspective and an agenda for future research. Journal of Open Innovation: Technology, Market, and Complexity, v. 11, n. 1, 100456, 2025. DOI: 10.1016/j.joitmc.2024.100456.
EISENHARDT, K. M.; MARTIN, J. A. Dynamic capabilities: what are they? Strategic Management Journal, v. 21, n. 10–11, p. 1105–1121, 2000. DOI: 10.1002/1097-0266(200010/11)21:10/11<1105::AID-SMJ133>3.0.CO;2-E.
HELFAT, C. E. et al. Dynamic capabilities: understanding strategic change in organizations. Malden: Blackwell Publishing, 2007.
HÖHENER, D. Dynamic capabilities to manage generative artificial intelligence in digital transformation efforts. Wirtschaftsinformatik 2024 Proceedings, 2024.
KRAKOWSKI, S. Human-AI agency in the age of generative AI. Information and Organization, v. 35, n. 1, 100560, 2025. DOI: 10.1016/j.infoandorg.2025.100560.
LI, L.; XU, C.; ZHANG, Q.; LIU, Y.; LI, Q. Leveraging generative AI capabilities for competitive advantage: a moderated mediation analysis of environmental dynamism and service innovation. Industrial Marketing Management, v. 128, p. 10-20, 2025. DOI: 10.1016/j.indmarman.2025.05.007.
MARCH, J. G. Exploration and exploitation in organizational learning. Organization Science, v. 2, n. 1, p. 71–87, 1991. DOI: 10.1287/orsc.2.1.71.
MASCAREÑO, J.; WÖRTLER, B.; PRZEGALINSKA, A.; CIECHANOWSKI, L. When proximal collaboration with AI hinders innovation: the moderating role of idea originality and reliance on AI. Computers in Human Behavior Reports, v. 22, 101054, 2026. DOI: 10.1016/j.chbr.2026.101054.
PENA, A. T. V. R.; CUNHA, A. S.; CORDEIRO, J.; VICTORINO, G. Enhancing corporate innovation through generative AI: a case study on Human-AI collaboration. Social Sciences & Humanities Open, v. 13, 102867, 2026. DOI: 10.1016/j.ssaho.2026.102867.
PORTER, M. E. Competitive advantage: creating and sustaining superior performance. New York: Free Press, 1985.
SCHULTE, N.; KANBACH, D. K. Rethinking organizational decision-making: the emerging roles and tasks of generative artificial intelligence. Management Review Quarterly, 2026. DOI: 10.1007/s11301-026-00611-2.
SHI, Q.; LIU, Z.; WU, J.; GUO, Z.; WU, H. Generative AI on innovation performance of construction enterprises: a knowledge-based dynamic capabilities perspective. Journal of Engineering and Technology Management, v. 76, 101871, 2025. DOI: 10.1016/j.jengtecman.2025.101871.
TAN, L.; CAO, X.; OU, C.; LI, Y.; WU, X. The effects of generative AI usage on employee innovation: collaboration modes, idea journey, and decline in creative psychological ownership. Technovation, v. 158, 103700, 2026. DOI: 10.1016/j.technovation.2026.103700.
TE'ENI, D.; RAYMOND, M.; ROWE, F.; THÉNOZ, E.; TRIMBORN, P. Organizational learning for exploring Generative AI: CORE-sandbox experiments. International Journal of Information Management, v. 87, 103029, 2026. DOI: 10.1016/j.ijinfomgt.2026.103029.
TEECE, D. J. Explicating dynamic capabilities: the nature and microfoundations of (sustainable) enterprise performance. Strategic Management Journal, v. 28, n. 13, p. 1319–1350, 2007. DOI: 10.1002/smj.640.
TEECE, D. J.; PISANO, G.; SHUEN, A. Dynamic capabilities and strategic management. Strategic Management Journal, v. 18, n. 7, p. 509–533, 1997. DOI: 10.1002/(SICI)1097-0266(199708)18:7<509::AID-SMJ882>3.0.CO;2-Z.
VIAL, G. Understanding digital transformation: a review and a research agenda. The Journal of Strategic Information Systems, v. 28, n. 2, p. 118–144, 2019. DOI: 10.1016/j.jsis.2019.01.003.
WARNER, K. S. R.; WÄGER, M. Building dynamic capabilities for digital transformation: an ongoing process of strategic renewal. Long Range Planning, v. 52, n. 3, p. 326–349, 2019. DOI: 10.1016/j.lrp.2018.12.001.
ZAHRA, S. A.; GEORGE, G. Absorptive capacity: a review, reconceptualization, and extension. Academy of Management Review, v. 27, n. 2, p. 185–203, 2002. DOI: 10.5465/amr.2002.6587995.
NOTA DE TRANSPARÊNCIA SOBRE O USO DE INTELIGÊNCIA ARTIFICIAL
Na elaboração deste artigo, ferramentas de Inteligência Artificial Generativa foram utilizadas como recurso de apoio à organização, estruturação e aprimoramento textual do conteúdo. Seu emprego ocorreu de forma supervisionada, não substituindo a análise crítica, a interpretação teórica, a seleção e verificação das fontes, nem a responsabilidade intelectual do autor.
As informações, argumentos, citações e referências apresentados foram submetidos à revisão autoral, permanecendo sob responsabilidade do autor a integridade acadêmica, a precisão conceitual, a coerência argumentativa e a versão final do manuscrito. A utilização da IA foi orientada pelos princípios de transparência, ética, integridade científica e valorização da autoria humana.
1 Universidade Nilton Lins. Manaus – Amazonas – Brasil. Doutorando em Administração. ORCID: https://orcid.org/0000-0003-3607-5285. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail.
2 Universidade Nilton Lins. Manaus – Amazonas – Brasil. Especialista em Direito Penal e Processo Penal. ORCID: https://orcid.org/0009-0004-4479-2545. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail.
3 Faculdade SENAC Amazonas. Itacoatiara – Amazonas – Brasil. Mestrando em Física. ORCID: https://orcid.org/0000-0002-9088-8992. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail.
4 Universidade Nilton Lins. Manaus – Amazonas – Brasil. Mestranda em Engenharia Industrial. ORCID: https://orcid.org/0009-0000-0861-3395. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail.
5 Universidade Nilton Lins. Manaus – Amazonas – Brasil. Especialista em Gestão. ORCID: https://orcid.org/0009-0006-4477-0412. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail.
6 Centro Universitário do Norte (UNINORTE). Manaus – Amazonas – Brasil. Mestre em Administração. ORCID: https://orcid.org/0000-0001-5279-9828. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail.
7 Universidade Nilton Lins. Manaus – Amazonas – Brasil. Especialialista em Direito do Trabalho e Previdenciário. ORCID: https://orcid.org/0009-0002-0018-5693. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail.
8 Universidade Nilton Lins. Manaus – Amazonas – Brasil. Especialista em Gestão de Pessoas. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail.
9 Universidade Nilton Lins. Manaus – Amazonas – Brasil. Especialista em Finanças Corporativas e Controladoria. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail.
10 Universidade Nilton Lins. Manaus – Amazonas – Brasil. Mestre em Administração. ORCID: https://orcid.org/0009-0002-6777-5495. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail.