Quando a Inteligência Artificial Medeia a Informação Estratégica
um quadro conceitual para o alinhamento estratégico
DOI:
https://doi.org/10.22478/ufpb.1809-4783.2026v36.81239Palavras-chave:
Inteligência artificial, alinhamento estratégico, informação, construção de sentido, monocultura algorítmicaResumo
Os estudos sobre inteligência artificial nas organizações costumam tratá-la como decisora, como risco ou como competência, mas pouco examinam de que modo ela medeia a informação que articula a estratégia. O objetivo deste artigo é propor um quadro conceitual que explique como a mediação informacional exercida pela inteligência artificial afeta o alinhamento estratégico no nível organizacional. Trata-se de um estudo teórico-conceitual, que combina adaptação teórica e construção de tipologia, apoiado em levantamento bibliográfico exploratório, em obras clássicas da teoria organizacional e da Ciência da Informação e em buscas dirigidas a literaturas adjacentes. A teoria do alinhamento estratégico, incluída sua dimensão social, é revista à luz da visão da organização como sistema de processamento e de interpretação da informação, tendo como estrutura heurística um modelo que articula propósito, processos e pessoas por meio da informação. Argumenta-se que a inteligência artificial, ao produzir, selecionar e sintetizar informação, passa a participar da própria produção do alinhamento, e propõe-se, a partir da literatura sobre monocultura algorítmica e homogeneização, uma tipologia de quatro estados: convergência ampliada, convergência aparente, fragmentação e pluralidade interpretativa. Formulam-se, ainda, seis proposições refutáveis e uma agenda de pesquisa. Conclui-se que o efeito da inteligência artificial sobre o alinhamento depende, em larga medida, da forma como a organização governa a mediação informacional que ela exerce.
Downloads
Referências
ALON-BARKAT, S.; BUSUIOC, M. Human–AI interactions in public sector decision making: "automation bias" and "selective adherence" to algorithmic advice. Journal of Public Administration Research and Theory, v. 33, n. 1, p. 153-169, 2023. DOI: https://doi.org/10.1093/jopart/muac007.
ANDRADE, A. R. Convergência informacional e alinhamento estratégico baseado na informação: teoria e prática. São Paulo: FILOS Editora, 2026.
BORGES, A. F. S. et al. The strategic use of artificial intelligence in the digital era: systematic literature review and future research directions. International Journal of Information Management, v. 57, 102225, 2021. DOI: https://doi.org/10.1016/j.ijinfomgt.2020.102225.
BRYNJOLFSSON, E.; LI, D.; RAYMOND, L. Generative AI at work. The Quarterly Journal of Economics, v. 140, n. 2, p. 889-942, 2025. DOI: https://doi.org/10.1093/qje/qjae044.
BUCKLAND, M. K. Information as thing. Journal of the American Society for Information Science, v. 42, n. 5, p. 351-360, 1991. DOI: https://doi.org/10.1002/(SICI)1097-4571(199106)42:5<351::AID-ASI5>3.0.CO;2-3.
BUSUIOC, M. Accountable artificial intelligence: holding algorithms to account. Public Administration Review, v. 81, n. 5, p. 825-836, 2021. DOI: https://doi.org/10.1111/puar.13293.
CHOO, C. W. The knowing organization: how organizations use information to construct meaning, create knowledge, and make decisions. New York: Oxford University Press, 1998.
DAFT, R. L.; LENGEL, R. H. Organizational information requirements, media richness and structural design. Management Science, v. 32, n. 5, p. 554-571, 1986. DOI: https://doi.org/10.1287/mnsc.32.5.554.
DAFT, R. L.; WEICK, K. E. Toward a model of organizations as interpretation systems. Academy of Management Review, v. 9, n. 2, p. 284-295, 1984. DOI: https://doi.org/10.5465/amr.1984.4277657.
DOSHI, A. R. et al. Generative artificial intelligence and evaluating strategic decisions. Strategic Management Journal, v. 46, n. 3, p. 583-610, 2025. DOI: https://doi.org/10.1002/smj.3677.
DOSHI, A. R.; HAUSER, O. Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, v. 10, n. 28, eadn5290, 2024. DOI: https://doi.org/10.1126/sciadv.adn5290.
EINOLA, K.; KHOREVA, V. Best friend or broken tool? Exploring the co-existence of humans and artificial intelligence in the workplace ecosystem. Human Resource Management, v. 62, n. 1, p. 117-135, 2023. DOI: https://doi.org/10.1002/hrm.22147.
ESSIEN, A. et al. The influence of AI text generators on critical thinking skills in UK business schools. Studies in Higher Education, v. 49, n. 5, p. 865-882, 2024. DOI: https://doi.org/10.1080/03075079.2024.2316881.
GALBRAITH, J. R. Organization design: an information processing view. Interfaces, v. 4, n. 3, p. 28-36, 1974. DOI: https://doi.org/10.1287/inte.4.3.28.
HAGENDORFF, T. The ethics of AI ethics: an evaluation of guidelines. Minds and Machines, v. 30, n. 1, p. 99-120, 2020. DOI: https://doi.org/10.1007/s11023-020-09517-8.
HANCOCK, J. T.; NAAMAN, M.; LEVY, K. AI-mediated communication: definition, research agenda, and ethical considerations. Journal of Computer-Mediated Communication, v. 25, n. 1, p. 89-100, 2020. DOI: https://doi.org/10.1093/jcmc/zmz022.
HENDERSON, J. C.; VENKATRAMAN, N. Strategic alignment: leveraging information technology for transforming organizations. IBM Systems Journal, v. 38, n. 2.3, p. 472-484, 1999. DOI: https://doi.org/10.1147/sj.382.0472. Publicado originalmente em 1993.
JAAKKOLA, E. Designing conceptual articles: four approaches. AMS Review, v. 10, n. 1-2, p. 18-26, 2020. DOI: https://doi.org/10.1007/s13162-020-00161-0.
JARRAHI, M. H. et al. Algorithmic management in a work context. Big Data & Society, v. 8, n. 2, 2021. DOI: https://doi.org/10.1177/20539517211020332.
JI, Z. et al. Survey of hallucination in natural language generation. ACM Computing Surveys, v. 55, n. 12, p. 1-38, 2023. DOI: https://doi.org/10.1145/3571730.
JOBIN, A.; IENCA, M.; VAYENA, E. The global landscape of AI ethics guidelines. Nature Machine Intelligence, v. 1, n. 9, p. 389-399, 2019. DOI: https://doi.org/10.1038/s42256-019-0088-2.
KELLOGG, K. C.; VALENTINE, M. A.; CHRISTIN, A. Algorithms at work: the new contested terrain of control. Academy of Management Annals, v. 14, n. 1, p. 366-410, 2020. DOI: https://doi.org/10.5465/annals.2018.0174.
KLEINBERG, J.; RAGHAVAN, M. Algorithmic monoculture and social welfare. Proceedings of the National Academy of Sciences, v. 118, n. 22, e2018340118, 2021. DOI: https://doi.org/10.1073/pnas.2018340118.
KOZLOWSKI, S. W. J.; KLEIN, K. J. A multilevel approach to theory and research in organizations: contextual, temporal, and emergent processes. In: KLEIN, K. J.;
KOZLOWSKI, S. W. J. (ed.). Multilevel theory, research, and methods in organizations: foundations, extensions, and new directions. San Francisco: Jossey-Bass, 2000. p. 3-90.
LOGG, J. M.; MINSON, J. A.; MOORE, D. A. Algorithm appreciation: people prefer algorithmic to human judgment. Organizational Behavior and Human Decision Processes, v. 151, p. 90-103, 2019. DOI: https://doi.org/10.1016/j.obhdp.2018.12.005.
MÄNTYMÄKI, M. et al. Defining organizational AI governance. AI and Ethics, v. 2, n. 4, p. 603-609, 2022. DOI: https://doi.org/10.1007/s43681-022-00143-x.
MARCH, J. G. Exploration and exploitation in organizational learning. Organization Science, v. 2, n. 1, p. 71-87, 1991. DOI: https://doi.org/10.1287/orsc.2.1.71.
MITTELSTADT, B. Principles alone cannot guarantee ethical AI. Nature Machine Intelligence, v. 1, n. 11, p. 501-507, 2019. DOI: https://doi.org/10.1038/s42256-019-0114-4.
NG, D. T. K. et al. Conceptualizing AI literacy: an exploratory review. Computers and Education: Artificial Intelligence, v. 2, 100041, 2021. DOI: https://doi.org/10.1016/j.caeai.2021.100041.
NIAZI, G. R.; SHANG, Y. From AI investment to performance: how organizational alignment makes the difference in e-organizations. Journal of General Management, 2026. Publicação antecipada on-line. DOI: https://doi.org/10.1177/03063070261484660.
PAPAGIANNIDIS, E.; MIKALEF, P.; CONBOY, K. Responsible artificial intelligence governance: a review and research framework. The Journal of Strategic Information Systems, v. 34, n. 2, 101885, 2025. DOI: https://doi.org/10.1016/j.jsis.2024.101885.
RAISCH, S.; KRAKOWSKI, S. Artificial intelligence and management: the automation–augmentation paradox. Academy of Management Review, v. 46, n. 1, p. 192-210, 2021. DOI: https://doi.org/10.5465/amr.2018.0072.
REICH, B. H.; BENBASAT, I. Factors that influence the social dimension of alignment between business and information technology objectives. MIS Quarterly, v. 24, n. 1, p. 81-113, 2000. DOI: https://doi.org/10.2307/3250980.
RETKOWSKY, J.; HAFERMALZ, E.; HUYSMAN, M. Managing a ChatGPT-empowered workforce: understanding its affordances and side effects. Business Horizons, v. 67, n. 5, p. 511-523, 2024. DOI: https://doi.org/10.1016/j.bushor.2024.04.009.
RIBEIRO, M. M.; SEGATTO, C. I. Inteligência artificial nas organizações públicas brasileiras: heterogeneidades e capacidades em tecnologia da informação. Revista de Administração Pública, v. 59, n. 1, e2024-0066, 2025. DOI: https://doi.org/10.1590/0034-761220240066.
ROULEAU, L.; BALOGUN, J. Middle managers, strategic sensemaking, and discursive competence. Journal of Management Studies, v. 48, n. 5, p. 953-983, 2011. DOI: https://doi.org/10.1111/j.1467-6486.2010.00941.x.
SHRESTHA, Y. R.; BEN-MENAHEM, S. M.; KROGH, G. von. Organizational decision-making structures in the age of artificial intelligence. California Management Review, v. 61, n. 4, p. 66-83, 2019. DOI: https://doi.org/10.1177/0008125619862257.
TUSHMAN, M. L.; NADLER, D. A. Information processing as an integrating concept in organizational design. Academy of Management Review, v. 3, n. 3, p. 613-624, 1978. DOI: https://doi.org/10.5465/amr.1978.4305791.
VACCARO, M.; ALMAATOUQ, A.; MALONE, T. When combinations of humans and AI are useful: a systematic review and meta-analysis. Nature Human Behaviour, v. 8, n. 12, p. 2293-2303, 2024. DOI: https://doi.org/10.1038/s41562-024-02024-1.
WEICK, K. E. Sensemaking in organizations. Thousand Oaks: Sage, 1995.
ZUBOFF, S. In the age of the smart machine: the future of work and power. New York: Basic Books, 1988.
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Antonio Andrade

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores(as) que publicam nesta revista concordam com os seguintes termos: a) Autores(as) mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0), que permite o compartilhamento do trabalho com o obrigatório reconhecimento da autoria e da publicação inicial nesta revista. b) Autores(as) têm autorização para assumir contratos adicionais separadamente para distribuição não exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em um repositório institucional ou como capítulo de livro), desde que haja o reconhecimento de autoria e da sua publicação inicial nesta revista. c) Autores(as) têm permissão e são incentivados (as) a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) somente após a publicação oficial do artigo pela revista, preservando assim o sigilo da avaliação duplo-cega. Esse compartilhamento posterior tem potencial de aumentar o impacto e a citação do trabalho publicado.

