A carregar...
Publicação
From genAI to agentic AI : future outlook for value creation at Porsche Holding
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 2.22 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
While AI adoption in HRM has grown rapidly, 88% of HR-tech leaders see no significant ROI from their AI initiatives (Goren, 2026). This adoption–value gap is particularly relevant for established, non-digital-native organizations, yet little empirical evidence exists on how AIenabled HR capabilities translate into value creation in such settings. This thesis addresses this gap at Porsche Holding Salzburg, Europe's largest automotive distributor.Grounded in Resource-Based Theory (RBT) and the Dynamic Capabilities Framework (DCF), the study reinterprets the sensing, seizing, and transforming micro-foundations as AI-enabled HR capabilities. An exploratory sequential mixed-methods design combined twelve expert interviews (qualitative content analysis) with a survey of central HR employees (n = 43, OLS regression).Each capability significantly predicts value creation in separate models (B = 0.23–0.39, p < .05). In a joint model, individual coefficients lose significance while the block effect remains significant (ΔR² = .15), revealing an entangled configuration. Efficiency emerges as the dominant value dimension but only converts into value when freed-up time is redeployed and the AI-skills gap is closed—the adoption–value gap that defines the next stage of AI-enabled HR transformation.
Embora a adoção de IA na Gestão de Recursos Humanos (GRH) tenha crescido rapidamente, 88% dos líderes de tecnologia de RH não observam um ROI significativo nas suas iniciativas de IA (Goren, 2026). Este desfasamento entre adoção e valor é particularmente relevante para organizações estabelecidas e não nativas digitais, existindo pouca evidência empírica sobre como as capacidades de RH suportadas por IA se traduzem em criação de valor nestes contextos. Esta tese examina essa questão na Porsche Holding Salzburg, o maior distribuidor automóvel da Europa.Fundamentado na Teoria Baseada em Recursos (RBT) e no Quadro das Capacidades Dinâmicas (DCF), o estudo reinterpreta os microfundamentos de sensing, seizing e transforming como capacidades de RH suportadas por IA. Um desenho de métodos mistos sequencial exploratório combinou doze entrevistas a especialistas (análise qualitativa de conteúdo) com um inquérito a colaboradores de RH (n = 43, regressão OLS).Cada capacidade prediz significativamente a criação de valor em modelos separados (B = 0,23–0,39, p < 0,05). Num modelo conjunto, os coeficientes individuais perdem significância, mas o efeito do bloco permanece significativo (ΔR² = 0,15), revelando uma configuração interligada. A eficiência é a dimensão dominante, mas só se converte em valor quando o tempo libertado é realocado e a lacuna de competências é colmatada — o desfasamento que define a próxima etapa da transformação dos RH suportada por IA.
Embora a adoção de IA na Gestão de Recursos Humanos (GRH) tenha crescido rapidamente, 88% dos líderes de tecnologia de RH não observam um ROI significativo nas suas iniciativas de IA (Goren, 2026). Este desfasamento entre adoção e valor é particularmente relevante para organizações estabelecidas e não nativas digitais, existindo pouca evidência empírica sobre como as capacidades de RH suportadas por IA se traduzem em criação de valor nestes contextos. Esta tese examina essa questão na Porsche Holding Salzburg, o maior distribuidor automóvel da Europa.Fundamentado na Teoria Baseada em Recursos (RBT) e no Quadro das Capacidades Dinâmicas (DCF), o estudo reinterpreta os microfundamentos de sensing, seizing e transforming como capacidades de RH suportadas por IA. Um desenho de métodos mistos sequencial exploratório combinou doze entrevistas a especialistas (análise qualitativa de conteúdo) com um inquérito a colaboradores de RH (n = 43, regressão OLS).Cada capacidade prediz significativamente a criação de valor em modelos separados (B = 0,23–0,39, p < 0,05). Num modelo conjunto, os coeficientes individuais perdem significância, mas o efeito do bloco permanece significativo (ΔR² = 0,15), revelando uma configuração interligada. A eficiência é a dimensão dominante, mas só se converte em valor quando o tempo libertado é realocado e a lacuna de competências é colmatada — o desfasamento que define a próxima etapa da transformação dos RH suportada por IA.
Descrição
Palavras-chave
Agentic AI Generative AI Human resource management Dynamic capabilities Value creation Mixed-methods case study IA agente IA generativa Gestão de recursos humanos Capacidades dinâmicas Criação de valor Estudo de caso de métodos múltiplos
Contexto Educativo
Citação
Editora
Licença CC
Sem licença CC