Edição ampliada 2026. Material complementar ao PDD-Inovação existente, escrito para a gerência média e para coordenadores que traduzem estratégia em execução.
Público: gerência média e coordenadores12 módulos · 3 anexosCitação APA 7ª ed.Português (Brasil), termos canônicos em inglês
Apresentação geral
A inovação, como campo de estudo e prática gerencial, consolidou-se a partir de Schumpeter (1934/1982), que a definiu como a introdução de novas combinações de fatores produtivos, capazes de alterar o equilíbrio econômico por meio da destruição criadora. A OECD/Eurostat (2018), no Manual de Oslo (4ª ed.), refinou essa definição e distingue duas tipologias: inovação de produto e inovação de processo de negócio (ver 1.2).
A ênfase recai sobre a gerência média, estrato responsável, segundo Floyd e Wooldridge (2017), pela tradução da estratégia em execução e pela emergência de iniciativas autônomas.
Premissa: inovação sistêmica, multinível e ambidestra
A inovação ocorre ao mesmo tempo no indivíduo, na equipe, na organização e no ecossistema. Tratar essas camadas de forma integrada é a contribuição pretendida pela apostila.
Figura 0.1. Os quatro níveis da premissa da apostila. Os rótulos à direita indicam os módulos que tratam cada nível com mais ênfase; a correspondência é uma sugestão de leitura, não uma classificação da apostila original.
Objetivos gerais de aprendizagem
Ao concluir a apostila, o gerente médio ou coordenador estará apto a:
Em The Theory of Economic Development, Schumpeter (1934/1982) postula que o desenvolvimento econômico decorre de novas combinações (neue Kombinationen) de meios produtivos: (a) novo bem; (b) novo método de produção; (c) novo mercado; (d) nova fonte de matéria-prima; (e) nova organização de uma indústria. Em Capitalism, Socialism and Democracy (Schumpeter, 1942/1994), o autor cunha a expressão destruição criadora, o processo de renovação permanente das estruturas econômicas pela inovação.
A tradição schumpeteriana enfatiza três pontos: (i) a inovação como descontinuidade, mais do que melhoria contínua; (ii) o empreendedor como agente portador da inovação; (iii) o tempo histórico, com inovações emergindo em ondas (ciclos longos desenvolvidos por neo-schumpeterianos como Freeman & Louçã, 2001). Dessa base vem o critério de significância: nem toda mudança é inovação, apenas aquela que altera a função de produção de modo mensurável.
1.2A definição contemporânea: Manual de Oslo
“Uma inovação é um produto ou processo (ou combinação deles) novo ou aprimorado que difere significativamente dos produtos ou processos prévios da unidade e que foi disponibilizado a usuários potenciais (produto) ou posto em uso pela unidade (processo).” (OECD/Eurostat, 2018, p. 20, tradução livre)
A definição dispensa o critério de primeiridade mundial. O que conta é a novidade significativa para a unidade que inova, o que inclui inovações adotadas ou adaptadas.
Inovação de produto
Bens ou serviços novos ou significativamente aprimorados.
Inovação de processo de negócio
Seis funções: produção; distribuição e logística; marketing e vendas; sistemas de informação; administração e gestão; desenvolvimento de produto.
A 4ª edição substituiu a tipologia quádrupla da edição de 2005 (produto, processo, marketing, organizacional) e é o padrão das Innovation Surveys em nível global (OECD/Eurostat, 2018).
1.3Tipologias complementares: a matriz de Henderson-Clark
Henderson e Clark (1990), na Administrative Science Quarterly, cruzaram o conhecimento dos componentes com o conhecimento das ligações entre componentes. Selecione um quadrante para ver o que muda em cada caso.
Componentes preservados
Componentes reconfigurados
Ligações preservadas
Ligações reconfiguradas
Figura 1.1. Matriz de Henderson e Clark (1990). A falha típica de empresas estabelecidas ocorre no quadrante arquitetural: elas dominam os componentes e subestimam a mudança nas ligações.
Para a prática gerencial, a matriz complementa tipologias mais simples (incremental vs. radical), em especial ao mapear portfólios tecnológicos.
1.4Inovação disruptiva: teoria e controvérsias
A Disruptive Innovation Theory (DIT), formulada por Christensen (1997) em The Innovator's Dilemma e refinada em Christensen, Raynor e McDonald (2015), postula que inovações disruptivas emergem em segmentos de baixo desempenho ou em mercados inexplorados (new-market footholds) e ascendem gradualmente, deslocando incumbentes. A teoria teve grande impacto na prática gerencial e recebe críticas metodológicas substanciais.
1.5Inovação aberta e as ondas da gestão da inovação
Chesbrough (2003) propôs a inovação aberta: o uso proposital de fluxos internos e externos de conhecimento para acelerar a inovação interna e expandir mercados para o uso externo da inovação (Chesbrough, 2006). O tema é aprofundado no Módulo 5. A gestão da inovação pode ser organizada em cinco ondas sucessivas e acumulativas:
Figura 1.2. As ondas são cumulativas: cada uma acrescenta práticas sem eliminar as anteriores. Trecho contornado: período de origem; trecho claro: permanência até hoje; âmbar: onda atual. Síntese a partir de Dodgson, Gann e Salter (2008) e Chesbrough et al. (2024).
1.6Questões reflexivas
Parte I · Fundamentos teóricos · Módulo 2
Estratégia, capacidades dinâmicas e ambidestria organizacional
Por que algumas firmas sustentam vantagem em ambientes de mudança acelerada, e como conciliar eficiência no negócio atual com busca de novos modelos.
A teoria das capacidades dinâmicas (Teece, Pisano, & Shuen, 1997; Teece, 2007) explica por que algumas firmas sustentam vantagem competitiva em ambientes de mudança tecnológica acelerada. Teece (2007, p. 1319) decompõe a capacidade dinâmica em três microfundamentos que formam um ciclo.
Figura 2.1. Os três microfundamentos de Teece (2007) operam como ciclo. A reconfiguração produz a base de ativos sobre a qual ocorre o próximo ciclo de sensing.
Microfundamento
Definição
Exemplos operacionais
Sensing
Identificar e moldar oportunidades e ameaças
Escaneamento de mercado; hipóteses sobre necessidades latentes
Seizing
Mobilizar recursos para capturar o valor das oportunidades
Desenho de modelos de negócio; alocação de capital; governança de decisões
Reconfiguring (transforming)
Recombinar e realinhar ativos, protegendo-se do path dependence
Reorganização estrutural; descontinuidade de rotinas obsoletas
A evidência para capacidades dinâmicas como antecedentes de desempenho em transformação digital é consistente em estudos recentes. Matarazzo, Penco, Profumo e Quaglia (2021) identificaram, em PMEs do Made in Italy, mecanismos específicos de sensing digital e de criação de valor ao cliente. Warner e Wäger (2019), na Long Range Planning, modelaram a renovação estratégica contínua sustentada por digital sensing, digital seizing e digital transforming. A adoção tecnológica isolada não basta: o valor sustentável vem da reconfiguração de rotinas e estruturas (Haarhaus & Liening, 2020).
2.2Ambidestria organizacional
Articulada por Tushman e O'Reilly (1996) e aprofundada por O'Reilly e Tushman (2008, 2013, 2016), a ambidestria é a capacidade de conjugar exploitation (eficiência, refinamento, execução do modelo atual) e exploration (busca, experimentação, novos modelos). A tensão entre as duas lógicas foi teorizada por March (1991).
Figura 2.2. As três modalidades de ambidestria. Verde-petróleo: exploitation; âmbar: exploration. A diferença está em onde a separação ocorre: na estrutura, na rotina da equipe ou no tempo.
A revisão de O'Reilly e Tushman (2013) e a meta-análise de Junni, Sarala, Taras e Tarba (2013), ambas na Academy of Management Perspectives, indicam efeito positivo e significativo da ambidestria sobre o desempenho organizacional, com heterogeneidade substancial por setor e porte.
2.3Recursos, VRIO e a visão baseada em recursos
A Resource-Based View (Barney, 1991) e sua operacionalização pelo VRIO (Valuable, Rare, Inimitable, Organized; Barney & Hesterly, 2019) seguem como referência para gerentes. A crítica dos teóricos de capacidades dinâmicas é que a RBV é estática: descreve ativos, mas não como eles são criados ou reconfigurados ao longo do tempo (Teece et al., 1997). Recomenda-se uso complementar: RBV/VRIO para diagnóstico; capacidades dinâmicas para a dinâmica.
2.4Da capacidade dinâmica à decisão operacional
Sensing sistematizado: rituais mensais de identificação de sinais fracos, com curadoria explícita (Ansoff, 1975; Schoemaker, Heaton, & Teece, 2018).
Seizing via testes: substituir planos de negócio extensos por experimentos de validação em horizontes de 30 a 90 dias (ver Lean Startup).
Ritmo de reconfiguring: revisões trimestrais de portfólio que permitam descontinuar iniciativas. Uma lacuna comum é a relutância em encerrar projetos (Cooper, 2008).
2.5Questões reflexivas
Parte II · Arquitetura operacional · Módulo 3
Gestão de portfólio, Stage-Gate e Three Horizons
Como decidir onde alocar recursos limitados entre iniciativas que disputam orçamento, atenção e talento.
A literatura sobre gestão de portfólio (Cooper, Edgett, & Kleinschmidt, 2001) mostra que firmas com portfólio balanceado em risco, horizonte temporal e tipo de inovação superam as que concentram recursos em poucos projetos incrementais. A decisão de portfólio é estratégica e cultural, além de financeira.
3.2O framework Stage-Gate
No Stage-Gate (Cooper, 1990, 2008, 2014), o desenvolvimento é dividido em estágios separados por gates, pontos de decisão com quatro saídas possíveis.
Figura 3.1. Versão clássica de cinco estágios (Cooper, 1990, 2008). O valor do modelo depende de os critérios de kill serem aplicados de fato; sem isso, o processo acumula escalating commitment (Royer, 2003).
3.3Three Horizons of Growth
Popularizado por Baghai, Coley e White (1999) em The Alchemy of Growth, o modelo estrutura o portfólio em três temporalidades que se sobrepõem.
Figura 3.2. Os horizontes são simultâneos. As curvas mostram por que H2 e H3 precisam ser financiados enquanto H1 ainda gera caixa: quando H1 declina, as curvas seguintes já devem estar subindo. Forma ilustrativa, sem escala.
Pesquisa, pilotos, protótipos; product-market fit ainda não estabelecido
Uma heurística comum, não absoluta, é 70% H1 / 20% H2 / 10% H3 (Nagji & Tuff, 2012), associada à Innovation Ambition Matrix. A proporção deve ser ajustada ao setor: setores muito turbulentos podem exigir mais alocação em H2 e H3.
3.4Integração com OKRs e Balanced Scorecard de inovação
OKRs de inovação
Objetivos qualitativos e Key Results mensuráveis (Doerr, 2018), separando indicadores de saída (lançamentos, receita incremental) de indicadores de aprendizagem (experimentos conduzidos, hipóteses validadas).
BSC de inovação
Adaptação do BSC (Kaplan & Norton, 1996) com quatro perspectivas: resultados financeiros de inovação; clientes e mercado; processos internos de inovação; aprendizagem e capacidades.
3.5Exercício aplicado: diagnóstico do seu portfólio
Liste as iniciativas em curso na sua área, classifique cada uma como H1, H2 ou H3 e estime o percentual de investimento (tempo e capital) em cada horizonte. Digite os percentuais abaixo para comparar com a heurística 70/20/10.
Valores iniciais de exemplo, retirados do Caso 2 (95% em H1). Barra fina: referência 70/20/10.
Parte II · Arquitetura operacional · Módulo 4
Métodos ágeis de descoberta: Design Thinking, Lean Startup e BMC
Três métodos complementares, cada um com promessa, evidência e limites próprios, encadeados da descoberta do problema à validação empírica.
Popularizado por Brown (2008, 2009) e pela IDEO, com as fases inspiration, ideation e implementation, o Design Thinking foi operacionalizado pela d.school de Stanford em cinco etapas: empatizar, definir, idear, prototipar, testar (Plattner, Meinel, & Leifer, 2011).
O DT pode virar innovation theatre quando desacoplado de decisões estratégicas reais (Kolko, 2015; Verganti et al., 2021).
A democratização prometida tende a diluir a expertise profissional em design (Iskander, 2018).
Sob alta incerteza técnica, abordagens como Research through Design e Technology Brokering podem ser mais apropriadas (Verganti, 2009).
4.2Lean Startup e experimentação validada
Ries (2011) propõe ciclos Build–Measure–Learn, com MVPs e pivots orientados por validated learning. A base epistemológica é falsificacionista: toda iniciativa parte de hipóteses explícitas e falsificáveis.
Shepherd e Gruber (2021), na Entrepreneurship Theory and Practice, propõem uma formulação acadêmica do framework e reconhecem sua utilidade heurística e a baixa formalização teórica original. Riscos: hipóteses superficiais; MVP usado como desculpa para lançamento precoce; subestimação da pesquisa aprofundada (Ladd, 2016).
4.3Business Model Canvas e Value Proposition Canvas
O BMC (Osterwalder & Pigneur, 2010) representa o modelo de negócio em nove blocos. O VPC (Osterwalder, Pigneur, Bernarda, & Smith, 2014) aprofunda a proposta de valor em jobs, pains e gains.
Parcerias-chavequem executa parte do modelo
Atividades-chaveo que precisa ser feito
Recursos-chaveativos exigidos
Proposta de valordetalhada no VPC: jobs, pains, gains
Relacionamentocomo o vínculo é mantido
Canaiscomo a proposta chega
Segmentos de clientespara quem se cria valor
Estrutura de custos
Fontes de receita
Figura 4.1. Os nove blocos do BMC (Osterwalder & Pigneur, 2010). O lado esquerdo descreve como o valor é produzido; o direito, a quem e como ele é entregue; a proposta de valor faz a ponte.
Aspecto
Avaliação
Benefícios
Linguagem comum; rapidez de iteração; visualização integrada
Críticas
Descritivo, não diagnóstico; pouco sensível a dinâmicas de ecossistema (Adner, 2017) e a efeitos de rede
4.4Integração dos três métodos
Figura 4.2. Os três métodos em sequência. Cada etapa entrega o insumo da seguinte; o retorno em âmbar mostra que a evidência do Lean Startup pode reabrir o modelo de negócio.
Fase
Método preferencial
Entregável-chave
Descoberta do problema
Design Thinking
Hipótese de problema validada
Ideação e modelagem
BMC / VPC
Modelo de negócio provisório
Validação de hipóteses
Lean Startup (MVP)
Evidência empírica (experimento)
4.5Exercício aplicado
Parte II · Arquitetura operacional · Módulo 5
Inovação aberta e ecossistemas
Como o conhecimento atravessa a fronteira da firma, o que a firma precisa ter para absorvê-lo, e que riscos surgem quando o valor depende de outros atores.
Chesbrough (2003) definiu inovação aberta como o uso proposital de fluxos internos e externos de conhecimento para acelerar a inovação interna e expandir mercados para o uso externo da inovação (Chesbrough, 2006). Vinte anos depois, Chesbrough (2024), na California Management Review, faz um balanço do campo e aponta novas fronteiras, entre elas a inovação aberta na era da IA (Holgersson, Dahlander, Chesbrough, & Bogers, 2024).
Figura 5.1. As três modalidades de inovação aberta. O conhecimento que entra passa pela capacidade absortiva da firma (5.2): sem ela, o fluxo inbound não se converte em inovação.
Modalidade
Direcionamento
Exemplos
Inbound (outside-in)
Absorção de conhecimento externo
Licenciamento, aquisição, parcerias com startups, crowdsourcing
Outbound (inside-out)
Exportação de conhecimento
Licenciamento de tecnologia, spin-offs, publicações estratégicas
Coupled
Fluxos bidirecionais
Alianças, joint ventures, ecossistemas de desenvolvimento conjunto
5.2Capacidade absortiva
A teoria da capacidade absortiva (Cohen & Levinthal, 1990) é pré-requisito conceitual da inovação aberta: a firma precisa reconhecer, assimilar e aplicar conhecimento externo. Zahra e George (2002) separaram a capacidade potencial (aquisição e assimilação) da realizada (transformação e exploração).
Figura 5.2. Reconceituação de Zahra e George (2002). Uma firma com alta capacidade potencial e baixa capacidade realizada acumula conhecimento que não chega a produtos ou processos.
Para a gerência média, isso implica investir em scouting tecnológico e em times com diversidade cognitiva.
5.3Ecossistemas de inovação
Adner (2017), no Journal of Management, define ecossistema como a estrutura de atividades e atores alinhados em torno de uma proposição de valor focal. A formulação enfatiza a interdependência estrutural e se diferencia de noções biológicas ou setoriais mais frouxas. Jacobides, Cennamo e Gawer (2018) distinguem ecossistemas de inovação, de plataforma e de negócio.
Figura 5.3. Os dois riscos de ecossistema (Adner, 2006, 2017). Em âmbar, os elos que a empresa focal não controla: complementadores que precisam inovar ao mesmo tempo e intermediários que precisam adotar antes do cliente final. Os exemplos de intermediários são ilustrativos.
Value proposition compartilhada e seus lead actors.
Alignment entre atores (parceiros, complementadores, fornecedores).
Structure: quem faz o quê, em que ordem.
Riscos de co-inovação e de adoção (Adner, 2006).
5.4Modalidades de corporate engagement com startups
Weiblen e Chesbrough (2015) mapeiam modalidades com perfis distintos de custo, horizonte, risco de vazamento de propriedade intelectual e retorno estratégico.
Modalidade
Característica central
Corporate Venture Capital (CVC)
Investimentos minoritários
Aceleradoras e incubadoras corporativas
Programas com startups externas
Venture building
Criação interna de novos negócios com lógica de startup studio
Hackathons e desafios abertos
Janelas curtas, baixa reciprocidade
Parcerias e joint ventures
Contratos plurianuais com aporte mútuo
5.5Inovação aberta e IA
Holgersson et al. (2024) identificam três vetores de transformação:
Ampliação do sensing
Modelos generativos processam grande volume de conhecimento externo: artigos, patentes, sinais de mercado.
Menor custo de coordenação
Interfaces de linguagem natural reduzem fricção em comunidades de código aberto e de prática.
Novas questões de governança
Autoria, atribuição e vazamento de conhecimento tácito (ver Módulo 8).
5.6Exercício aplicado
Parte III · Digital, IA e predição · Módulo 6
Transformação digital e capacidades digitais dinâmicas
Três fenômenos que costumam ser confundidos, os microfundamentos digitais de Warner e Wäger e o duplo papel da gerência média.
6.1Digitização, digitalização e transformação digital
Verhoef et al. (2021), no Journal of Business Research, distinguem três fenômenos frequentemente confundidos.
Figura 6.1. Os três níveis de Verhoef et al. (2021). A gerência média lida com os três ao mesmo tempo; confundi-los leva a subinvestimento no nível 3.
6.2Capacidades digitais dinâmicas
Warner e Wäger (2019) estendem Teece (2007) ao contexto digital (compare com a Figura 2.1):
Digital sensing
Digital scouting, mindset digital, scenario planning.
Digital seizing
Rapid prototyping, balanceamento de portfólios, agilidade estratégica.
Digital transforming
Navegar ecossistemas de inovação, redesenhar estruturas internas, elevar a maturidade digital.
Evidência recente (Matarazzo et al., 2024; Ipek, 2024, sobre PMEs do setor de mobilidade) indica que firmas com capacidades digitais dinâmicas desenvolvem vantagens sustentadas, e que a ordem entre sensing e transforming varia por setor: em setores regulados, a reconfiguração antecede o seizing.
6.3Modelos de maturidade digital
Frameworks como o de MIT Sloan e Capgemini (Westerman, Bonnet, & McAfee, 2014) cruzam duas dimensões ortogonais.
intensidade de transformação da gestão ↑
Conservatives
Visão e governança fortes, pouca intensidade digital.
Digital Masters
Alta nas duas dimensões.
Beginners
Baixa nas duas dimensões.
Fashionistas
Muitas ferramentas digitais, pouca visão e governança.
intensidade digital (ferramentas, dados, interfaces) →
Figura 6.2. Os quatro perfis de Westerman, Bonnet e McAfee (2014). Recomenda-se self-assessment anual, com auditoria cruzada para reduzir vieses de autoavaliação.
6.4Ambidestria digital e arquitetura organizacional
A transformação digital raramente funciona como esforço monolítico. Firmas ambidestras digitalmente separam a operação core (eficiência, automação) de unidades de inovação digital com mandato e métricas próprias (Svahn, Mathiassen, & Lindgren, 2017).
6.5Questões reflexivas
Parte III · Digital, IA e predição · Módulo 7
IA generativa, modelos preditivos e inovação data-driven
O que cada classe de modelo responde, o que a evidência sobre produtividade permite afirmar e como estruturar um projeto de IA do problema ao impacto medido.
Maduros; interpretabilidade via SHAP e LIME (Lundberg & Lee, 2017; Ribeiro, Singh, & Guestrin, 2016)
Não supervisionados
Clustering, redução de dimensionalidade, detecção de anomalias
Uso exploratório
IA generativa (GenAI)
LLMs (transformers autorregressivos), modelos de difusão, multimodais
Em consolidação; interpretabilidade em aberto
7.2IA generativa e gestão da inovação
Brynjolfsson, Li e Raymond (2023), Noy e Zhang (2023) e Doshi e Hauser (2024) fornecem evidência prima facie de ganhos de produtividade de trabalhadores do conhecimento com LLMs, com elevação maior entre trabalhadores de menor desempenho prévio (efeito compressivo). O próprio título de Doshi e Hauser (2024) registra a contrapartida: mais criatividade individual, menos diversidade coletiva do conteúdo. Bouschery, Blazevic e Piller (2023) apontam quatro usos em inovação:
Ideação aumentada
Geração de conceitos, reformulações, analogias.
Síntese de pesquisa
Processamento de entrevistas, relatórios, patentes.
Prototipagem de baixo custo
Conteúdo para testar propostas de valor (wizard of Oz).
Copilots especializados
Assistência contínua em fluxos de trabalho.
7.3Predição, causalidade e decisão
Modelo preditivo
Responde o quê mudou ou vai mudar. Serve para priorizar, alocar e antecipar.
Inferência causal
Responde por quê. É necessária quando a decisão é intervir e medir o efeito da intervenção (Pearl & Mackenzie, 2018).
Em decisões de alto impacto, use de forma complementar:
Experimentos controlados aleatorizados (testes A/B), quando viáveis.
Quase-experimentos (diferenças em diferenças, controle sintético, regressão descontínua), quando não.
Modelos estruturais com suposições causais explícitas.
7.4Fluxo operacional de projeto de IA
Síntese inspirada no CRISP-DM (Chapman et al., 2000) e em MLOps (Kreuzberger, Kühl, & Hirschl, 2023).
Figura 7.1. O fluxo não termina no deploy. Os dois retornos mostram por que a avaliação pós-implantação, com medição causal, alimenta o próximo ciclo.
7.5Copilots, automação cognitiva e redesenho do trabalho
A literatura sobre future of work (Autor, 2024; Acemoglu & Restrepo, 2022) distingue três efeitos:
Efeito
Descrição
Displacement
Substituição de tarefas
Reinstatement
Criação de novas tarefas
Productivity
Complementaridade
Para inovação, o efeito dominante no horizonte 2026–2030 tende a ser productivity em tarefas cognitivas de pesquisa e prototipagem, com displacement parcial em tarefas rotineiras (Acemoglu, Autor, Hazell, & Restrepo, 2022, Journal of Labor Economics). Trata-se de projeção, não de resultado medido.
7.6Exercício aplicado
Parte III · Digital, IA e predição · Módulo 8
Governança de IA: ISO/IEC 42001, EU AI Act, NIST AI RMF e LGPD
Quatro referências de naturezas distintas (norma de gestão, lei, framework voluntário, lei de dados) e como coordená-las num mesmo projeto.
Três forças levam a gerência média a incorporar governança ao desenho de iniciativas de inovação:
Risco regulatório
Multas do EU AI Act podem chegar a €35 milhões ou 7% do faturamento global anual (art. 99).
Risco reputacional
Incidentes com IA (vieses, alucinações, vazamentos) têm alta visibilidade pública.
Risco operacional
Falhas de modelos em produção podem comprometer processos críticos.
8.2ISO/IEC 42001:2023: sistema de gestão de IA
Publicada em dezembro de 2023, a ISO/IEC 42001 é a primeira norma internacional de sistema de gestão para IA (ISO/IEC, 2023). Segue a estrutura harmonizada (Annex SL) das demais normas ISO de gestão (9001, 27001, 14001), baseada no ciclo PDCA.
Figura 8.1. Os sete elementos de um AIMS distribuídos no PDCA, conforme a estrutura do Annex SL (cláusulas 4–6 em Plan, 7–8 em Do, 9 em Check, 10 em Act).
O Anexo A detalha controles de governança, gestão do ciclo de vida, documentação técnica, gestão de dados, avaliação de impacto e comunicação com partes interessadas. A norma é setor-agnóstica e aplica-se a quem desenvolve, fornece ou utiliza sistemas de IA.
8.3EU AI Act: abordagem baseada em risco
O Regulamento (UE) 2024/1689 (European Union, 2024) entrou em vigor em 1º de agosto de 2024 e classifica sistemas em quatro níveis de risco.
Figura 8.2. Os quatro níveis de risco. Alto risco inclui recrutamento, crédito, educação, saúde e infraestrutura crítica (Anexo III) e sistemas embutidos em produtos regulados (Anexo I).
As regras para GPAI (General-Purpose AI) entraram em vigor em agosto de 2025: documentação técnica, política de direitos autorais, resumo público dos dados de treinamento e, para modelos com systemic risk, avaliações de risco, relato de incidentes e medidas de cibersegurança. Sandboxes regulatórios (art. 57) permitem testes supervisionados, o que interessa a iniciativas de inovação aberta e a PMEs.
Calendário de aplicação
A apostila foi redigida em abril de 2026 com o calendário original. Em julho de 2026 o calendário de alto risco foi adiado pelo AI Omnibus. Compare as duas versões:
8.4NIST AI RMF 1.0 e o Generative AI Profile
O AI Risk Management Framework (NIST, 2023) é voluntário e estrutura-se em quatro funções. Em 26 de julho de 2024, o NIST publicou o Generative AI Profile (NIST AI 600-1), que trata 12 categorias de risco, entre elas confabulação (alucinação), privacidade de dados, cibersegurança, integridade da informação, viés prejudicial, propriedade intelectual, conteúdo CSAM e armas CBRN.
Figura 8.3. As quatro funções do NIST AI RMF. Govern não é uma etapa: atravessa as outras três (linhas tracejadas).
8.5LGPD, GDPR e as interfaces com IA
A LGPD (Lei nº 13.709/2018) e o GDPR (Regulamento (UE) 2016/679) incidem diretamente sobre projetos de IA:
Base legal para tratamento (art. 7º LGPD; art. 6 GDPR).
Edmondson (1999), na Administrative Science Quarterly, definiu segurança psicológica de equipe como uma crença compartilhada pelos membros de que a equipe é segura para assumir riscos interpessoais (p. 354). Edmondson (2019) e Edmondson e Bransby (2023) consolidaram o campo e distinguiram o construto de confiança, engajamento e coesão.
9.2Mensuração
A escala de 7 itens de Edmondson (1999) é o instrumento mais usado. Exemplos de itens invertidos:
“Se eu cometesse um erro nesta equipe, ele seria usado contra mim.”
“É difícil pedir ajuda a outros membros da equipe.”
Recomenda-se aplicação anônima e periódica, triangulada com indicadores comportamentais: número de experimentos propostos, taxa de pivots, frequência de post-mortems abertos.
9.3Práticas do líder
Prática (Edmondson, 2019)
Comportamento observável
Enquadrar o trabalho como problema de aprendizagem
Comunicar que o ambiente envolve incerteza e interdependência
Reconhecer a própria falibilidade
Admitir publicamente que não tem todas as respostas
Modelar curiosidade
Fazer perguntas genuínas, não retóricas
Detert e Burris (2007) mostram que voice (manifestação de sugestões ou críticas construtivas) depende do comportamento gerencial, em especial da resposta concreta a sugestões anteriores.
9.4Cultura para inovação
O Competing Values Framework (Cameron & Quinn, 2011) descreve quatro tipos culturais. O perfil de adocracia associa-se positivamente à inovação.
flexibilidade ↑ · estabilidade ↓
Clã
Foco interno e flexível. Colaboração, desenvolvimento de pessoas.
Adocracia
Foco externo e flexível. Criação, experimentação; associada à inovação.
Hierarquia
Foco interno e estável. Controle, processos, previsibilidade.
Mercado
Foco externo e estável. Competição, metas, resultados.
foco interno ← · → foco externo
Figura 9.1. Os quatro tipos culturais de Cameron e Quinn (2011). Organizações reais combinam os quatro; o diagnóstico identifica o perfil dominante e o desejado.
9.5Gestão da mudança e liderança transformacional
Kotter (1996) propõe oito etapas para mudança bem-sucedida:
Criar senso de urgência
Formar coalizão
Desenvolver visão e estratégia
Comunicar
Empoderar
Gerar vitórias de curto prazo
Consolidar ganhos
Ancorar na cultura
A liderança transformacional (Bass, 1985; Bass & Riggio, 2006) opera em quatro dimensões. A meta-análise de Wang, Oh, Courtright e Colbert (2011) reporta associação consistente com criatividade e desempenho inovador.
Dimensão
Descrição
Influência idealizada
Líder como referência ética
Motivação inspiradora
Comunicação de visão mobilizadora
Estimulação intelectual
Desafiar pressupostos e estimular criatividade
Consideração individualizada
Atenção às diferenças e aspirações
9.6Armadilhas comuns
Theatre of innovation
Hackathons e offsites sem pipeline estruturado.
Innovation washing
Comunicação exagerada sem resultados mensuráveis.
Culpabilização do erro
Inibe o voice e a experimentação.
Incentivo desalinhado
Dizer que valoriza risco e avaliar por estabilidade.
9.7Exercício aplicado
Parte IV · Pessoas e sustentabilidade · Módulo 10
ESG, inovação sustentável e economia circular
ESG como restrição que redireciona P&D e como fonte de modelos de negócio regenerativos, com as críticas que a literatura recente impõe.
ESG consolidou-se como lente de avaliação de risco e oportunidade (Eccles, Ioannou, & Serafeim, 2014). A vertente analítica separa ESG descritivo (divulgação de métricas) de ESG material: apenas fatores financeiramente relevantes para o setor, conforme padrões SASB/ISSB (IFRS S1 e S2).
ESG como restrição
Redireciona P&D: descarbonização, redução de resíduos.
ESG como oportunidade
Fonte de modelos de negócio regenerativos.
10.2Economia circular: conceito e crítica
Geissdoerfer, Savaget, Bocken e Hultink (2017) definem economia circular como sistema regenerativo em que entrada de recursos, desperdício, emissões e vazamento de energia são minimizados ao desacelerar, fechar e estreitar os ciclos de materiais e energia.
Figura 10.1. Os três ciclos circulares aplicados a uma cadeia linear. Narrow estreita a entrada (seta afunilada); slow prolonga a permanência em uso; close devolve o material à produção.
Modalidade
Princípio
Exemplo
Narrow (eficiência)
Menos recurso por unidade produzida
Lean manufacturing, eficiência energética
Slow (longevidade)
Produtos mais duráveis e reparáveis
Modular design, direito ao reparo
Close (reciclagem)
Fechamento de ciclos via reutilização de material
Remanufatura, upcycling
10.3Arquétipos de modelos de negócio sustentáveis
Bocken, Short, Rana e Evans (2014) propõem oito arquétipos, agrupados em três famílias:
Tecnológicos
Maximizar eficiência energética e de materiais
Criar valor a partir de resíduos
Substituir por fontes renováveis
Sociais
Entregar funcionalidade em vez de propriedade (servitização)
Adotar papel de stewardship
Encorajar suficiência
Organizacionais
Repropor para a sociedade e o ambiente
Desenvolver soluções em escala
10.4Inovação orientada a ODS
A Agenda 2030 (United Nations, 2015) definiu 17 ODS com 169 metas. A literatura sobre inovação alinhada aos ODS (Horne, Recker, Michelfelder, Jay, & Kratzer, 2020) recomenda mapeamento material: escolher poucos ODS diretamente ligados à cadeia de valor e evitar SDG-washing com aderência superficial a muitos.
Três princípios orientam a mensuração (Chiesa, Frattini, Lazzarotti, & Manzini, 2009; Adams, Bessant, & Phelps, 2006):
Princípio
Implicação prática
Multidimensionalidade
Combinar indicadores de entrada, processo e saída; evitar redução a uma dimensão (ex.: apenas patentes)
Contingência
As métricas adequadas variam por horizonte (H1/H2/H3), setor e maturidade
Separação output vs. outcome
Entregar um produto não equivale a gerar valor econômico e estratégico
11.2Taxonomia de indicadores
Figura 11.1. A cadeia de indicadores. A linha tracejada marca a separação entre output e outcome, terceiro princípio de mensuração.
Categoria
Exemplos
Observações
Inputs
Investimento em P&D (% da receita); proporção do quadro dedicada a inovação; diversidade cognitiva dos times
Capturam recursos mobilizados
Throughput
Número e taxa de experimentos; cycle time do Stage-Gate; taxa de aprovação em gates; % de projetos descontinuados
Kill-rate diferente de zero é sinal saudável
Outputs
Produtos e serviços lançados; patentes concedidas; publicações; normas; registros de desenho
Patentes não equivalem a inovação
Outcomes
Innovation Sales Ratio (receita de produtos lançados nos últimos 3–5 anos); margem incremental; NPS de produtos novos; retorno socioambiental
Para inovação orientada a ODS, incluir dimensão socioambiental
11.3Manual de Oslo como referência metodológica
O Manual de Oslo (OECD/Eurostat, 2018) padroniza a coleta de dados de inovação em pesquisas setoriais e censos nacionais. No Brasil, a PINTEC (IBGE) usa essa metodologia desde 2000, o que permite comparações internacionais e temporais.
11.4OKRs de inovação e Balanced Scorecard
Sistema
Adequação
Característica
OKRs
Horizontes H2 e H3
Objetivos qualitativos; KRs mensuráveis e ambiciosos (moonshots aceitáveis)
Balanced Scorecard
Horizonte H1 e integração com relatos financeiros e ESG
Sínteses hipotéticas, fundamentadas na literatura dos módulos, para discussão entre pares, coaching cruzado ou workshops. Não há resposta única: o valor pedagógico está na argumentação baseada em evidência.
Caso 1 · Governança de IA em instituição financeira
Um banco de porte médio implementa um copilot de GenAI para análise de crédito. O produto tem impacto regulatório potencial alto (decisões com efeito financeiro sobre pessoas físicas), e o roadmap comercial pressiona por lançamento em três meses.
Pergunta orientadoraQuais artefatos de ISO 42001, EU AI Act, NIST AI RMF e LGPD devem ser produzidos? Em que ordem? Como conciliar a urgência de mercado com obrigações regulatórias não negociáveis?
Uma unidade de P&D tem 95% dos recursos em H1. O CEO pede “inovação” e cita concorrentes que lançaram produtos H3 em adjacent markets.
Pergunta orientadoraQual sequência de ações (0–90 dias) faz sentido antes de alocar recursos a H3? Que riscos de innovation theatre surgem se a migração for feita sem diagnóstico? Como o modelo 70/20/10 de Nagji e Tuff (2012) apoia a decisão?
Um coordenador observa baixo voice em reuniões remotas: câmeras desligadas, perguntas diretas sem resposta, ideias surgindo apenas em conversas privadas depois da reunião.
Pergunta orientadoraQue intervenções Edmondson (2019) sugere? Como aplicar a escala de 7 itens em contexto híbrido? Que rituais de equipe podem restaurar os comportamentos de aprendizagem sem retorno compulsório ao presencial?
Surge a oportunidade de parceria com uma startup promissora, com tecnologia incompatível com a stack existente e métricas de adoção ainda em fase inicial.
Pergunta orientadoraAplicando Adner (2017), quais riscos de co-inovação (dependências simultâneas) e de cadeia de adoção (dependências em sequência) emergem? Que modalidade de corporate engagement (Weiblen & Chesbrough, 2015) minimiza a exposição e preserva a opção estratégica?
Lista integral da apostila, reproduzida como consta no original. Verifique a edição exata e a disponibilidade na biblioteca da sua instituição.
Acemoglu, D., Autor, D., Hazell, J., & Restrepo, P. (2022). Artificial intelligence and jobs: Evidence from online vacancies. Journal of Labor Economics, 40(S1), S293–S340. https://doi.org/10.1086/718327
Acemoglu, D., & Restrepo, P. (2022). Tasks, automation, and the rise in U.S. wage inequality. Econometrica, 90(5), 1973–2016. https://doi.org/10.3982/ECTA19815
Adams, R., Bessant, J., & Phelps, R. (2006). Innovation management measurement: A review. International Journal of Management Reviews, 8(1), 21–47. https://doi.org/10.1111/j.1468-2370.2006.00119.x
Adner, R. (2006, April). Match your innovation strategy to your innovation ecosystem. Harvard Business Review, 84(4), 98–107.
American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000
Ansoff, H. I. (1975). Managing strategic surprise by response to weak signals. California Management Review, 18(2), 21–33. https://doi.org/10.2307/41164635
Autor, D. (2024). Applying AI to rebuild middle class jobs (NBER Working Paper No. 32140). National Bureau of Economic Research. https://doi.org/10.3386/w32140
Baghai, M., Coley, S., & White, D. (1999). The alchemy of growth: Practical insights for building the enduring enterprise. Perseus Publishing.
Barney, J. B., & Hesterly, W. S. (2019). Strategic management and competitive advantage: Concepts and cases (6th ed.). Pearson.
Bass, B. M. (1985). Leadership and performance beyond expectations. Free Press.
Bass, B. M., & Riggio, R. E. (2006). Transformational leadership (2nd ed.). Lawrence Erlbaum Associates.
Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT '21), 610–623. https://doi.org/10.1145/3442188.3445922
Bocken, N. M. P., Short, S. W., Rana, P., & Evans, S. (2014). A literature and practice review to develop sustainable business model archetypes. Journal of Cleaner Production, 65, 42–56. https://doi.org/10.1016/j.jclepro.2013.11.039
Bouschery, S. G., Blazevic, V., & Piller, F. T. (2023). Augmenting human innovation teams with artificial intelligence: Exploring transformer-based language models. Journal of Product Innovation Management, 40(2), 139–153. https://doi.org/10.1111/jpim.12656
Brown, T. (2008, June). Design thinking. Harvard Business Review, 86(6), 84–92.
Brown, T. (2009). Change by design: How design thinking transforms organizations and inspires innovation. Harper Business.
Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work (NBER Working Paper No. 31161). National Bureau of Economic Research. https://doi.org/10.3386/w31161
Cameron, K. S., & Quinn, R. E. (2011). Diagnosing and changing organizational culture: Based on the Competing Values Framework (3rd ed.). Jossey-Bass.
Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP-DM 1.0: Step-by-step data mining guide. SPSS Inc.
Chesbrough, H. W. (2003). Open innovation: The new imperative for creating and profiting from technology. Harvard Business School Press.
Chesbrough, H. W. (2006). Open innovation: A new paradigm for understanding industrial innovation. In H. Chesbrough, W. Vanhaverbeke, & J. West (Eds.), Open innovation: Researching a new paradigm (pp. 1–12). Oxford University Press.
Chesbrough, H. W. (2024). Open innovation: Accomplishments and prospects for the next 20 years. California Management Review, 66(3), 5–20. https://doi.org/10.1177/00081256241273964
Chiesa, V., Frattini, F., Lazzarotti, V., & Manzini, R. (2009). Performance measurement in R&D: Exploring the interplay between measurement objectives, dimensions of performance and contextual factors. R&D Management, 39(5), 487–519. https://doi.org/10.1111/j.1467-9310.2009.00554.x
Christensen, C. M. (1997). The innovator's dilemma: When new technologies cause great firms to fail. Harvard Business School Press.
Christensen, C. M., Hall, T., Dillon, K., & Duncan, D. S. (2016, September). Know your customers' "jobs to be done". Harvard Business Review, 94(9), 54–62.
Christensen, C. M., Raynor, M. E., & McDonald, R. (2015, December). What is disruptive innovation? Harvard Business Review, 93(12), 44–53.
Cohen, W. M., & Levinthal, D. A. (1990). Absorptive capacity: A new perspective on learning and innovation. Administrative Science Quarterly, 35(1), 128–152. https://doi.org/10.2307/2393553
Cooper, R. G. (2008). Perspective: The Stage-Gate® idea-to-launch process—Update, what's new, and NexGen systems. Journal of Product Innovation Management, 25(3), 213–232. https://doi.org/10.1111/j.1540-5885.2008.00296.x
Cooper, R. G., Edgett, S. J., & Kleinschmidt, E. J. (2001). Portfolio management for new products (2nd ed.). Perseus Publishing.
Corvellec, H., Stowell, A. F., & Johansson, N. (2022). Critiques of the circular economy. Journal of Industrial Ecology, 26(2), 421–432. https://doi.org/10.1111/jiec.13187
Detert, J. R., & Burris, E. R. (2007). Leadership behavior and employee voice: Is the door really open? Academy of Management Journal, 50(4), 869–884. https://doi.org/10.5465/amj.2007.26279183
Dodgson, M., Gann, D. M., & Salter, A. (2008). The management of technological innovation: Strategy and practice. Oxford University Press.
Doerr, J. (2018). Measure what matters: How Google, Bono, and the Gates Foundation rock the world with OKRs. Portfolio.
Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. https://doi.org/10.1126/sciadv.adn5290
Eccles, R. G., Ioannou, I., & Serafeim, G. (2014). The impact of corporate sustainability on organizational processes and performance. Management Science, 60(11), 2835–2857. https://doi.org/10.1287/mnsc.2014.1984
Edmondson, A. C. (1999). Psychological safety and learning behavior in work teams. Administrative Science Quarterly, 44(2), 350–383. https://doi.org/10.2307/2666999
Edmondson, A. C. (2011, April). Strategies for learning from failure. Harvard Business Review, 89(4), 48–55.
Edmondson, A. C. (2019). The fearless organization: Creating psychological safety in the workplace for learning, innovation, and growth. Wiley.
Edmondson, A. C., & Bransby, D. P. (2023). Psychological safety comes of age: Observed themes in an established literature. Annual Review of Organizational Psychology and Organizational Behavior, 10, 55–78. https://doi.org/10.1146/annurev-orgpsych-120920-055217
European Union. (2024). Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L 2024/1689. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
Floyd, S. W., & Wooldridge, B. (2017). Handbook of middle management strategy process research. Edward Elgar Publishing.
Frazier, M. L., Fainshmidt, S., Klinger, R. L., Pezeshkan, A., & Vracheva, V. (2017). Psychological safety: A meta-analytic review and extension. Personnel Psychology, 70(1), 113–165. https://doi.org/10.1111/peps.12183
Freeman, C., & Louçã, F. (2001). As time goes by: From the industrial revolutions to the information revolution. Oxford University Press.
Geissdoerfer, M., Savaget, P., Bocken, N. M. P., & Hultink, E. J. (2017). The circular economy—A new sustainability paradigm? Journal of Cleaner Production, 143, 757–768. https://doi.org/10.1016/j.jclepro.2016.12.048
Gibson, C. B., & Birkinshaw, J. (2004). The antecedents, consequences, and mediating role of organizational ambidexterity. Academy of Management Journal, 47(2), 209–226. https://doi.org/10.5465/20159573
Haarhaus, T., & Liening, A. (2020). Building dynamic capabilities to cope with environmental uncertainty: The role of strategic foresight. Technological Forecasting and Social Change, 155, 120033. https://doi.org/10.1016/j.techfore.2020.120033
Hartnell, C. A., Kinicki, A. J., Lambert, L. S., Fugate, M., & Doyle Corner, P. (2016). Do similarities or differences between CEO leadership and organizational culture have a more positive effect on firm performance? A test of competing predictions. Journal of Applied Psychology, 101(6), 846–861. https://doi.org/10.1037/apl0000083
Henderson, R. M., & Clark, K. B. (1990). Architectural innovation: The reconfiguration of existing product technologies and the failure of established firms. Administrative Science Quarterly, 35(1), 9–30. https://doi.org/10.2307/2393549
Holgersson, M., Dahlander, L., Chesbrough, H., & Bogers, M. L. A. M. (2024). Open innovation in the age of AI. California Management Review, 67(1), 5–20. https://doi.org/10.1177/00081256241279326
Horne, J., Recker, M., Michelfelder, I., Jay, J., & Kratzer, J. (2020). Exploring entrepreneurship related to the sustainable development goals—Mapping new venture activities with semi-automated content analysis. Journal of Cleaner Production, 242, 118052. https://doi.org/10.1016/j.jclepro.2019.118052
ISO/IEC. (2023). ISO/IEC 42001:2023 Information technology — Artificial intelligence — Management system. International Organization for Standardization. https://www.iso.org/standard/42001
Jacobides, M. G., Cennamo, C., & Gawer, A. (2018). Towards a theory of ecosystems. Strategic Management Journal, 39(8), 2255–2276. https://doi.org/10.1002/smj.2904
Junni, P., Sarala, R. M., Taras, V., & Tarba, S. Y. (2013). Organizational ambidexterity and performance: A meta-analysis. Academy of Management Perspectives, 27(4), 299–312. https://doi.org/10.5465/amp.2012.0015
Kaplan, R. S., & Norton, D. P. (1996). The balanced scorecard: Translating strategy into action. Harvard Business School Press.
Kaplan, R. S., & Norton, D. P. (2001). The strategy-focused organization: How balanced scorecard companies thrive in the new business environment. Harvard Business School Press.
Kirchherr, J. (2025). Is circular economy a failing sustainability paradigm? Not necessarily. Journal of Industrial Ecology, 29(1). https://doi.org/10.1111/jiec.70055
Kolko, J. (2015, September). Design thinking comes of age. Harvard Business Review, 93(9), 66–71.
Kotter, J. P. (1996). Leading change. Harvard Business School Press.
Kreuzberger, D., Kühl, N., & Hirschl, S. (2023). Machine learning operations (MLOps): Overview, definition, and architecture. IEEE Access, 11, 31866–31879. https://doi.org/10.1109/ACCESS.2023.3262138
Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4768–4777.
March, J. G. (1991). Exploration and exploitation in organizational learning. Organization Science, 2(1), 71–87. https://doi.org/10.1287/orsc.2.1.71
Matarazzo, M., Penco, L., Profumo, G., & Quaglia, R. (2021). Digital transformation and customer value creation in Made in Italy SMEs: A dynamic capabilities perspective. Journal of Business Research, 123, 642–656. https://doi.org/10.1016/j.jbusres.2020.10.033
Maurya, A. (2012). Running lean: Iterate from plan A to a plan that works (2nd ed.). O'Reilly Media.
McGrath, R. G., & MacMillan, I. C. (1995, July). Discovery-driven planning. Harvard Business Review, 73(4), 44–54.
Nagji, B., & Tuff, G. (2012, May). Managing your innovation portfolio. Harvard Business Review, 90(5), 66–74.
National Institute of Standards and Technology. (2023). Artificial intelligence risk management framework (AI RMF 1.0) (NIST AI 100-1). U.S. Department of Commerce. https://doi.org/10.6028/NIST.AI.100-1
National Institute of Standards and Technology. (2024). Artificial intelligence risk management framework: Generative artificial intelligence profile (NIST AI 600-1). U.S. Department of Commerce. https://doi.org/10.6028/NIST.AI.600-1
Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586
OECD/Eurostat. (2018). Oslo Manual 2018: Guidelines for collecting, reporting and using data on innovation (4th ed.). OECD Publishing. https://doi.org/10.1787/9789264304604-en
O'Reilly, C. A., & Tushman, M. L. (2004, April). The ambidextrous organization. Harvard Business Review, 82(4), 74–81.
O'Reilly, C. A., & Tushman, M. L. (2008). Ambidexterity as a dynamic capability: Resolving the innovator's dilemma. Research in Organizational Behavior, 28, 185–206. https://doi.org/10.1016/j.riob.2008.06.002
O'Reilly, C. A., & Tushman, M. L. (2013). Organizational ambidexterity: Past, present, and future. Academy of Management Perspectives, 27(4), 324–338. https://doi.org/10.5465/amp.2013.0025
O'Reilly, C. A., & Tushman, M. L. (2016). Lead and disrupt: How to solve the innovator's dilemma. Stanford Business Books.
Osterwalder, A., & Pigneur, Y. (2010). Business model generation: A handbook for visionaries, game changers, and challengers. Wiley.
Osterwalder, A., Pigneur, Y., Bernarda, G., & Smith, A. (2014). Value proposition design: How to create products and services customers want. Wiley.
Pearl, J., & Mackenzie, D. (2018). The book of why: The new science of cause and effect. Basic Books.
Pisano, G. P. (2019, January). The hard truth about innovative cultures. Harvard Business Review, 97(1), 62–71.
Puranam, P., Singh, H., & Zollo, M. (2006). Organizing for innovation: Managing the coordination–autonomy dilemma in technology acquisitions. Academy of Management Journal, 49(2), 263–280. https://doi.org/10.5465/amj.2006.20786062
Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). "Why should I trust you?": Explaining the predictions of any classifier. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 1135–1144. https://doi.org/10.1145/2939672.2939778
Ries, E. (2011). The lean startup: How today's entrepreneurs use continuous innovation to create radically successful businesses. Crown Business.
Royer, I. (2003, February). Why bad projects are so hard to kill. Harvard Business Review, 81(2), 48–56.
Schoemaker, P. J. H., Heaton, S., & Teece, D. J. (2018). Innovation, dynamic capabilities, and leadership. California Management Review, 61(1), 15–42. https://doi.org/10.1177/0008125618790246
Schumpeter, J. A. (1982). The theory of economic development: An inquiry into profits, capital, credit, interest, and the business cycle (R. Opie, Trans.). Transaction Publishers. (Original work published 1934)
Schumpeter, J. A. (1994). Capitalism, socialism and democracy. Routledge. (Original work published 1942)
Shepherd, D. A., & Gruber, M. (2021). The lean startup framework: Closing the academic–practitioner divide. Entrepreneurship Theory and Practice, 45(5), 967–998. https://doi.org/10.1177/1042258719899415
Svahn, F., Mathiassen, L., & Lindgren, R. (2017). Embracing digital innovation in incumbent firms: How Volvo Cars managed competing concerns. MIS Quarterly, 41(1), 239–253. https://doi.org/10.25300/MISQ/2017/41.1.12
Teece, D. J. (2007). Explicating dynamic capabilities: The nature and microfoundations of (sustainable) enterprise performance. Strategic Management Journal, 28(13), 1319–1350. https://doi.org/10.1002/smj.640
Tushman, M. L., & O'Reilly, C. A. (1996). Ambidextrous organizations: Managing evolutionary and revolutionary change. California Management Review, 38(4), 8–30. https://doi.org/10.2307/41165852
United Nations. (2015). Transforming our world: The 2030 Agenda for Sustainable Development (A/RES/70/1). United Nations General Assembly. https://sdgs.un.org/2030agenda
Verganti, R. (2009). Design-driven innovation: Changing the rules of competition by radically innovating what things mean. Harvard Business Press.
Verganti, R., Dell'Era, C., & Swan, K. S. (2021). Design thinking: Critical analysis and future evolution. Journal of Product Innovation Management, 38(6), 603–622. https://doi.org/10.1111/jpim.12610
Verhoef, P. C., Broekhuizen, T., Bart, Y., Bhattacharya, A., Dong, J. Q., Fabian, N., & Haenlein, M. (2021). Digital transformation: A multidisciplinary reflection and research agenda. Journal of Business Research, 122, 889–901. https://doi.org/10.1016/j.jbusres.2019.09.022
Wang, G., Oh, I.-S., Courtright, S. H., & Colbert, A. E. (2011). Transformational leadership and performance across criteria and levels: A meta-analytic review of 25 years of research. Group & Organization Management, 36(2), 223–270. https://doi.org/10.1177/1059601111401017
Warner, K. S. R., & Wäger, M. (2019). Building dynamic capabilities for digital transformation: An ongoing process of strategic renewal. Long Range Planning, 52(3), 326–349. https://doi.org/10.1016/j.lrp.2018.12.001
Weiblen, T., & Chesbrough, H. W. (2015). Engaging with startups to enhance corporate innovation. California Management Review, 57(2), 66–90. https://doi.org/10.1525/cmr.2015.57.2.66
Westerman, G., Bonnet, D., & McAfee, A. (2014). Leading digital: Turning technology into business transformation. Harvard Business Review Press.
Zahra, S. A., & George, G. (2002). Absorptive capacity: A review, reconceptualization, and extension. Academy of Management Review, 27(2), 185–203. https://doi.org/10.5465/amr.2002.6587995
Revisão da conversão web · novembro de 2026
Notas de revisão
Inconsistências identificadas ao converter a apostila para este site. Cada item indica o que a fonte diz, o que foi feito aqui e o grau de verificação.
Hartnell et al. (2016) é citado como evidência meta-analítica da associação adocracia–inovação, mas o artigo listado testa o ajuste entre liderança do CEO e cultura
Hartnell, C. A., Ou, A. Y., & Kinicki, A. (2011). Organizational culture and organizational effectiveness: A meta-analytic investigation of the competing values framework's theoretical suppositions. Journal of Applied Psychology, 96(4), 677–694. Existência confirmada no PubMed (PMID 21244127); DOI não conferido