LA FRICCIÓN PSICOANTROPOLÓGICA (SCF - Symbolic-Cognitive Friction) EN LA INNOVACIÓN DE LAS PYMES: MIDIENDO EL COSTO CULTURAL Y LA RESISTENCIA COGNITIVA A LA INTELIGENCIA ARTIFICIAL Y A LA GENERACIÓN DE VALOR SOCIOECONÓMICO
Resumen
Este estudio propone la Fricción Psicoantropológica (SCF) como un coeficiente mensurable del costo cultural y de la resistencia cognitiva que limita a las pequeñas y medianas empresas (PYMES) a convertir iniciativas de Inteligencia Artificial (IA) en valor socioeconómico escalable. Los modelos clásicos de adopción (TAM, UTAUT y Difusión de Innovaciones) ayudan a explicar intención y uso, pero suelen sub-especificar dinámicas simbólicas (ritos, identidad y poder), mecanismos cognitivos de amenaza (aversión a la pérdida, sobrecarga y heurísticas) y sus efectos económicos. El SCF se operacionaliza a partir de tres vectores… Percepción de Complejidad (PC), Aversión al Riesgo Institucional (AR) e Inercia Cultural (IC) y se amplía a una capa de segundo orden (SCF-E) que incorpora déficit de imaginación tecnocultural y gobernanza simbólica, explicando por qué la IA queda atrapada en pilotos. Metodológicamente, se presenta un diseño de métodos mixtos QUAN→QUAL: (i) construcción y validación de una escala psicométrica (SCF-30) y un índice 0–100, con Modelos de Ecuaciones Estructurales (SEM) y pruebas de fiabilidad/validez; (ii) etnografía organizacional orientada al SCF con protocolo y triangulación de evidencias. Se entregan artefactos replicables (escala, checklist de gobernanza mínima de IA, matriz 30-60-90 días) y se discuten implicaciones gerenciales y de políticas públicas para reducir fricción y acelerar adopción responsable.
Biografía del autor/a
Referencias
AJZEN, Icek. The theory of planned behavior. Organizational Behavior and Human Decision Processes, v. 50, n. 2, p. 179-211, 1991.
BARNEY, Jay. Firm resources and sustained competitive advantage. Journal of Management, v. 17, n. 1, p. 99-120, 1991.
BRUNO-FARIA, Maria de Fátima; FONSECA, Marcus Vinicius de Araujo. Cultura de inovação: conceitos e modelos teóricos. Revista de Administração Contemporânea, v. 18, n. 4, p. 372-396, 2014 DOI: https://doi.org/10.1590/1982-7849rac20141025
BRYNJOLFSSON, Erik; MCAFEE, Andrew. The second machine age. New York: W. W. Norton, 2014.
COASE, Ronald H. The nature of the firm. Economica, v. 4, n. 16, p. 386-405, 1937.
COHEN, Wesley M.; LEVINTHAL, Daniel A. Absorptive capacity: a new perspective on learning and innovation. Administrative Science Quarterly, v. 35, n. 1, p. 128-152, 1990.
DAVIS, Fred D. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, v. 13, n. 3, p. 319-340, 1989.
DIGITAL INSIDE. Como a IA influencia a transição digital e sustentável das PME europeias. Digital Inside, 31 jul. 2025. Disponível em: https://digitalinside.sapo.pt/como-a-ia-influencia-a-transicao-digital-sustentavel-das-pme-europeias/ Acesso em: 13 fev. 2026.
EDMONDSON, Amy. Psychological safety and learning behavior in work teams. Administrative Science Quarterly, v. 44, n. 2, p. 350-383, 1999.
EUROSTAT. Digitalisation in Europe – 2023 edition. [S. l.]: Eurostat, 2023. Disponível em: https://ec.europa.eu/eurostat/web/interactive-publications/digitalisation-2023 Acesso em: 20 fev. 2026.
EUROSTAT. Digitalisation in Europe – 2025 edition. Eurostat, 2025. Disponível em: https://ec.europa.eu/eurostat/web/interactive-publications/digitalisation-2025 Acesso em: 20 fev. 2026.
FUNDAÇÃO VANZOLINI. Inteligência Artificial revolucionando empresas modernas. São Paulo: Fundação Vanzolini, 16 jul. 2024. Disponível em: https://vanzolini.org.br/blog/inteligencia-artificial-empresas-modernas/ Acesso em: 13 fev. 2026.
GEERTZ, Clifford. The interpretation of cultures. New York: Basic Books, 1973.
KAHNEMAN, Daniel. Thinking, fast and slow. New York: Farrar, Straus and Giroux, 2011.
KAHNEMAN, Daniel; TVERSKY, Amos. Prospect theory: an analysis of decision under risk. Econometrica, v. 47, n. 2, p. 263-291, 1979.
KOCK, Ned; HADAYA, Pierre. Minimum sample size estimation in PLS-SEM: the inverse square root and gamma-exponential methods. Information Systems Journal, v. 28, n. 1, p. 227-261, 2018 DOI: https://doi.org/10.1111/isj.12131
MARCH, James G. Exploration and exploitation in organizational learning. Organization Science, v. 2, n. 1, p. 71-87, 1991.
MICROSOFT. 75% das MPMEs no Brasil estão otimistas sobre o impacto da inteligência artificial em seus negócios, aponta estudo da Microsoft. News Microsoft, 7 maio 2025. Disponível em: https://news.microsoft.com/source/latam/features/noticias-da-microsoft/75-das-mpmes-no-brasil-estao-otimistas-sobre-o-impacto-da-inteligencia-artificial-em-seus-negocios-aponta-estudo-da-microsoft/ Acesso em: 20 fev. 2026.
NARDO, Michela; SAISANA, Michaela; SALTELLI, Andrea; TARANTOLA, Stefano; HOFFMAN, Anders; GIOVANNINI, Enrico. Handbook on constructing composite indicators: methodology and user guide. Paris: OECD Publishing, 2005. Disponível em: https://www.oecd.org/content/dam/oecd/en/publications/reports/2005/08/handbook-on-constructing-composite-indicators_g17a16e3/533411815016.pdf Acesso em: 20 fev. 2026.
NIST. Artificial Intelligence Risk Management Framework (AI RMF 1.0). Gaithersburg: National Institute of Standards and Technology, 2023.
NONAKA, Ikujiro; TAKEUCHI, Hirotaka. The knowledge-creating company. New York: Oxford University Press, 1995.
OECD. AI adoption by small and medium-sized enterprises. Paris: OECD Publishing, 2025. Disponível em: https://www.oecd.org/content/dam/oecd/en/publications/reports/2025/12/ai-adoption-by-small-and-medium-sized-enterprises_9c48eae6/426399c1-en.pdf Acesso em: 20 fev. 2026.
OECD. OECD SME and Entrepreneurship Outlook. Paris: OECD Publishing, 2019.
OECD. Recommendation of the Council on Artificial Intelligence. Paris: OECD, 2019.
OECD. The Digital Transformation of SMEs. Paris: OECD Publishing, 2021. Disponível em: https://www.oecd.org/content/dam/oecd/en/publications/reports/2021/02/the-digital-transformation-of-smes_ec3163f5/bdb9256a-en.pdf Acesso em: 20 fev. 2026.
OREG, Shaul. Resistance to change: developing an individual differences measure. Journal of Applied Psychology, v. 88, n. 4, p. 680-693, 2003.
ORLIKOWSKI, Wanda J. The duality of technology: rethinking the concept of technology in organizations. Organization Science, v. 3, n. 3, p. 398-427, 1992.
OSTERWALDER, Alexander; PIGNEUR, Yves. Business model generation. Hoboken: Wiley, 2010.
QLIK. 61% of Global Businesses are Scaling Back AI Investment as a Result of Trust Issues. Philadelphia, PA: Qlik, 10 dez. 2024. Disponível em: https://www.qlik.com/us/news/company/press-room/press-releases/61-percent-of-global-businesses-are-scaling-back-ai-investment-as-a-result-of-trust-issues Acesso em: 20 fev. 2026.
RAI, Arun; PATNAYAKUNI, Ravi; SETH, Naveen. Firm performance impacts of digitally enabled supply chain integration capabilities. MIS Quarterly, v. 30, n. 2, p. 225-246, 2006.
ROGERS, Everett M. Diffusion of innovations. 5. ed. New York: Free Press, 2003.
SCHEIN, Edgar H. Organizational culture and leadership. 4. ed. San Francisco: Jossey-Bass, 2010.
SERPA, S. S. J. A fricção psicoantropológica na era da IA: notas de campo em PMEs brasileiras. Caderno de Cultura e Inovação, 2026.
SERPA, S. S. J. Liderança Regenerativa e ambidestria psiconômica: um manifesto para além da gestão. São Paulo: Edições Raiz, 2025.
SLOVIC, Paul. Perception of risk. Science, v. 236, n. 4799, p. 280-285, 1987.
TRIST, Eric. The evolution of socio-technical systems. Occasional Paper, Ontario Quality of Working Life Centre, 1981.
UNIÃO EUROPEIA. Regulamento (UE) 2024/1689 do Parlamento Europeu e do Conselho, de 13 de junho de 2024, que estabelece regras harmonizadas em matéria de inteligência artificial (Artificial Intelligence Act). Jornal Oficial da União Europeia, L, 12 jul. 2024. Disponível em: https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng Acesso em: 13 fev. 2026.
VENKATESH, Viswanath; MORRIS, Michael G.; DAVIS, Gordon B.; DAVIS, Fred D. User acceptance of information technology: toward a unified view. MIS Quarterly, v. 27, n. 3, p. 425-478, 2003.
WEICK, Karl E. Sensemaking in organizations. Thousand Oaks: Sage, 1995.
WESTLAND, J. Christopher. Lower bounds on sample size in structural equation modeling. Electronic Commerce Research and Applications, v. 9, n. 6, p. 476-487, 2010 DOI: https://doi.org/10.1016/j.elerap.2010.07.003
WILLIAMSON, Oliver E. The economic institutions of capitalism. New York: Free Press, 1985.
WOLF, E. J.; HARRINGTON, K. M.; CLARK, S. L.; MILLER, M. W. Sample size requirements for structural equation models: an evaluation of power, bias, and solution propriety. Educational and Psychological Measurement, v. 73, n. 6, p. 913-934, 2013 DOI: https://doi.org/10.1177/0013164413495237
YOTZOV, I.; BARRERO, J. M.; BLOOM, N.; DAVIS, S. J. Firm Data on AI. Cambridge, MA: National Bureau of Economic Research, 2026. (NBER Working Paper 34836). Disponível em: https://www.nber.org/system/files/working_papers/w34836/w34836.pdf Acesso em: 20 fev. 2026.
Licencia
Derechos de autor 2026 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Os direitos autorais dos artigos/resenhas/TCCs publicados pertecem à revista RECIMA21, e seguem o padrão Creative Commons (CC BY 4.0), permitindo a cópia ou reprodução, desde que cite a fonte e respeite os direitos dos autores e contenham menção aos mesmos nos créditos. Toda e qualquer obra publicada na revista, seu conteúdo é de responsabilidade dos autores, cabendo a RECIMA21 apenas ser o veículo de divulgação, seguindo os padrões nacionais e internacionais de publicação.