Anais

Resumo do trabalho

Finanças · Gestão Financeira

Página inicial Resumos em sequência

Título

INVESTIMENTOS EM INTELIGÊNCIA ARTIFICIAL E CRIAÇÃO DE VALOR: EVIDÊNCIAS DO MERCADO DE CAPITAIS AMERICANO

Baixar PDF

Palavras-chave

Inteligência Artificial NASDAQ-100 Inovação Tecnológica

Autores

Ana Paula Tamiko Matuo

UNIVERSIDADE ESTADUAL DE LONDRINA (UEL)
Eduardo Augusto do Rosário Contani

UNIVERSIDADE ESTADUAL DE LONDRINA (UEL)
Joice Macedo lesniovski

UNIVERSIDADE ESTADUAL DE LONDRINA (UEL)
Osvaldo D'Lucca Cupini

UEL - Universidade Estadual de Londrina

Resumo

Introdução

A inteligência artificial (IA) tem se destacado como tecnologia estratégica, com potencial de impactar até US$ 15,7 trilhões na economia global até 2030. Este estudo investiga se investimentos em IA geram valor para empresas da NASDAQ entre 2022 e 2024. A hipótese é de relação positiva entre aportes em IA e criação de valor, medidos por patentes, ativos intangíveis e lucro líquido. A pesquisa contribui ao unir dados em painel e análise financeira, com implicações práticas para empresas e investidores.

Problema de Pesquisa e Objetivo

Problema de Pesquisa os investimentos em inteligência artificial contribuem para a criação de valor nas empresas listadas na NASDAQ?
Com objetivo analisar a relação entre os aportes financeiros em tecnologias de inteligência artificial e a criação de valor no mercado de capitais americano, no período de 2022 a 2024.

Fundamentação Teórica

Tecnologias de propósito geral, como a inteligência artificial (IA), impulsionam a inovação e transformam diversos setores. A IA, baseada em machine learning e deep learning, melhora eficiência e competitividade organizacional. O mercado financeiro, especialmente o índice NASDAQ-100, reflete o impacto dessas inovações em empresas de tecnologia líderes. A criação de valor e vantagem competitiva está ligada à adoção estratégica da IA, que potencializa inovação, ativos intangíveis e desempenho financeiro sustentável.

Metodologia

Caracteriza como uma pesquisa quantitativa, explicativa e com abordagem dedutiva. A amostra abrange 92 empresas do NASDAQ-100 entre 2022 e 2024, totalizando 920 observações. Os dados foram coletados da SEC via Python e analisados por regressão com dados em painel. A variável dependente é o q de Tobin; as independentes incluem número de patentes, ativos intangíveis, lucro líquido e dummies para IA. Foram testados os modelos pooled, efeitos fixos e aleatórios, com definição final baseada nos testes de Chow, Breusch-Pagan e Hausman.

Análise dos Resultados

Os resultados do modelo pooled mostram que ativos intangíveis (LNInt), número de patentes (nPAT) e lucro líquido (LNLL) influenciam positivamente a criação de valor, medida pelo q de Tobin, confirmando estudos prévios. As dummies D_GPT e D_BAIPR foram positivas, porém não significativas, possivelmente pelo curto período de análise. O modelo explica 38% da variação do q de Tobin, destacando a relevância de inovação e intangíveis para valorizar empresas tecnológicas no mercado americano.

Conclusão

Pode-se concluir a relação entre investimentos em IA e criação de valor nas empresas do mercado americano (2022-2024), usando o q de Tobin. Confirmou-se que aportes em IA estão associados a maior valorização e valor sustentável. Variáveis relacionadas ao ChatGPT e ao índice BlueStar® não foram significativas, possivelmente devido ao curto período. Recomenda-se ampliar amostra, horizonte temporal e incluir outras métricas para melhor capturar os impactos da IA no desempenho empresarial.

Contribuição / Impacto

Como contribuição, este estudo oferece evidências empíricas que podem subsidiar gestores, investidores e formuladores de políticas na avaliação dos efeitos econômicos dos investimentos em inteligência artificial, além de ressaltar a importância da utilização de dados em painel na análise de fenômenos complexos no campo da Administração, Finanças e Inovação.

Referências Bibliográficas

AGRAWAL, A.; GANS, J.; GOLDFARB, A. Prediction machines: the simple economics of artificial intelligence. Harvard Business Press, 2019.DOI: 10.1057/s11369-023-00337-z.
ALEKSEEVA, L. et al. The adoption of artificial intelligence and firm performance: empirical evidence from US firms. NBER Working Paper, 2020. DOI: http://dx.doi.org/10.2139/ssrn.3677237
ALLENBY, B. The Theory and Practice of Sustainable Engineering. Pearson Education, 2013.
ALSHEIBANI, S.; CHEUNG, Y.; MESSOM, C. Artificial intelligence adoption: AI-readiness at firm-level. In: Pacific Asia Conference on Information Systems 2018

Navegação

Anterior Próximo