What drives artificial intelligence adoption and use among firms? Empirical evidence from Brazilian companies

Abstract

Este artículo evalúa los determinantes de la adopción de Inteligencia Artificial (IA) en empresas brasileñas, evidencia crucial para comprender y acelerar su difusión con el fin de impulsar la innovación y la productividad. Realizamos el análisis empírico utilizando microdatos de empresas brasileñas. La estrategia empírica consiste en una serie de modelos probit estándar, ordenados y multivariados que permiten identificar factores impulsores como los patrones de adopción, la difusión intracompañía y la intensidad de uso en ellas. Los resultados sugieren que el tamaño de la empresa influye positivamente en la adopción y uso de IA debido a mayores recursos y tolerancia al riesgo. Las variables ambientales también juegan un papel significativo, con entornos digitalizados que aumentan la probabilidad de adopción debido a efectos de red, mientras que la intensidad de la competencia parece tener un efecto no lineal, estimulando inicialmente la adopción pero disminuyéndola a intensidades altas. La infraestructura de digitalización existente de las empresas adoptantes, como el uso de software CRM y Computación en la Nube, promueve la adopción y uso de IA. Las políticas públicas deberían estimular las habilidades de los trabajadores, así como fomentar la digitalización incluso de tecnologías menos sofisticadas pero complementarias para la IA. Esto se refuerza por la existencia de efectos de red. Además, las autoridades de competencia tienen un papel muy importante en promover una competencia saludable, ya que representa un estímulo indirecto para la adopción de IA. Todas estas políticas deberían enfocarse especialmente en las pequeñas empresas.

This paper assesses the determinants of Artificial Intelligence (AI) adoption in Brazilian enterprises, evidence that is crucial for understanding and accelerating its diffusion to boost innovation and productivity. We conduct the empirical analysis using microdata from Brazilian firms. The empirical strategy consists of a series of standard, ordered and multivariate probit models that allow identifying drivers such as the patterns of adoption, intra-company diffusion, and intensity of use in them. Results suggest that company size positively influences AI adoption and use due to greater resources and risk tolerance. Environmental variables also play a significant role, with digitized environments increasing adoption likelihood due to network effects, while competition intensity seems to have a non-linear effect, initially stimulating adoption but decreasing at high intensities. Existing digitization infrastructure of adopting firms, such as the use of CRM software and Cloud Computing, promotes AI adoption and use. Public policies should stimulate workers' skills, as well as encourage the digitization even of less sophisticated but complementary technologies for AI. This is reinforced by the existence of network effects. In addition, competition authorities have a very important role in promoting healthy competition since it represents and indirect stimulus of AI adoption. All these policies should be especially focused on small companies.