DOI: https://doi.org/10.3926/ic.3545
تاريخ النشر: 2026-02-09
المؤلف: José Luis Bustelo Gracia وآخرون
الموضوع الرئيسي: رأس المال الفكري وتحليل الأداء
نظرة عامة
تستكشف هذه الورقة البحثية تأثير اعتماد الذكاء الاصطناعي (AI) على رؤية وتقييم الأصول غير الملموسة بين الشركات الإسبانية المدرجة في البورصة، وخاصة تلك الموجودة ضمن مؤشر IBEX 35، من عام 2019 إلى عام 2024. باستخدام تحليل الانحدار للبيانات اللوحية جنبًا إلى جنب مع التحليل النصي للتقارير الشركات، تقدم الدراسة مؤشرين رئيسيين: كثافة اعتماد الذكاء الاصطناعي (AIAI) ودرجة رؤية الأصول غير الملموسة (IAVS). تكشف النتائج عن وجود علاقة إيجابية ذات دلالة إحصائية بين اعتماد الذكاء الاصطناعي ورؤية الأصول غير الملموسة، حيث تُبلغ الشركات التي تظهر درجات AIAI أعلى عن هذه الأصول بشكل متكرر وبجودة سردية محسنة. ومن الجدير بالذكر أن قطاعات مثل المالية والاتصالات تُظهر رؤية أكبر مقارنة بالقطاعات التقليدية مثل البناء. كما تسلط التحليل الضوء على تحول نحو تقييم مدفوع بالسرد، حيث لا تتنبأ كثافة البحث والتطوير بشكل كبير برؤية الأصول غير الملموسة.
تساهم الدراسة في ثلاثة جوانب: تقدم أدلة تجريبية من سياق أوروبي، وتقترح مؤشرات جديدة لتحليل الذكاء الاصطناعي ورؤية الأصول غير الملموسة، وتصور الذكاء الاصطناعي كقدرة ميتا تؤثر على كيفية صياغة الشركات لمواردها غير الملموسة. تشير الآثار العملية إلى أنه يجب على المديرين دمج استراتيجيات الذكاء الاصطناعي مع التقارير الشركات لتعزيز الشفافية وثقة أصحاب المصلحة، بينما يُشجع الهيئات التنظيمية على تحديث معايير الإفصاح لتعكس الدور المتطور للذكاء الاصطناعي. تشمل القيود التركيز على مؤشر أسهم واحد والاعتماد على المعلومات المعلنة، والتي قد لا تعكس بالكامل الحقائق الأساسية لاستخدام الذكاء الاصطناعي والموارد غير الملموسة. يُوصى بإجراء أبحاث مستقبلية لاستكشاف سياقات أوسع ودمج البيانات الداخلية لتطوير معايير تقارير أكثر قوة.
مقدمة
ت outlines مقدمة الورقة البحثية السياق الأساسي وأهمية الدراسة. تحدد السؤال البحثي الرئيسي وتبرز الفجوات في الأدبيات الحالية التي تهدف العمل الحالي إلى معالجتها. يؤكد المؤلفون على أهمية نتائجهم في المجال الأوسع، مقترحين تطبيقات وآثار محتملة للبحث المستقبلي. يتم تعريف الأهداف الرئيسية بوضوح، مما يمهد الطريق للمنهجيات والتحليلات التي تليها في الأقسام اللاحقة. بشكل عام، تخدم المقدمة لجذب القارئ من خلال تأطير أهمية البحث ضمن الخطاب الأكاديمي الحالي.
الطرق
ت outlines قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. استخدمت الدراسة مزيجًا من الطرق الكمية والنوعية، بما في ذلك التحليلات الإحصائية ودراسات الحالة، لجمع بيانات شاملة. تضمنت التقنيات الرئيسية تطبيق تحليل الانحدار لتحديد العلاقات بين المتغيرات، جنبًا إلى جنب مع التحليل الموضوعي لتفسير البيانات النوعية.
تم جمع البيانات من خلال الاستطلاعات والمقابلات، مما يضمن عينة متنوعة تمثل السكان المستهدفين. تم تصميم الإطار التحليلي للتحقق من النتائج من خلال التثليث، مما يعزز موثوقية وصلاحية النتائج. بشكل عام، كانت المنهجية منظمة لتسهيل فحص قوي للأسئلة البحثية، مما يساهم في استنتاجات الدراسة.
النتائج
يظهر تحليل الانحدار المقدم في الجدول 2 ارتباطًا قويًا وذو دلالة إحصائية بين كثافة اعتماد الذكاء الاصطناعي (AIAI) ورؤية الأصول غير الملموسة، مع معامل قدره $\beta = 0.42$ (قيمة p = 0.003). تستمر هذه العلاقة حتى عند التحكم في العوامل الخاصة بالشركة مثل الحجم (الأصول اللوغاريتمية) وخبرة المجلس في الذكاء الاصطناعي، حيث يظهر حجم الشركة تأثيرًا إيجابيًا ($\beta = 0.27$، قيمة p = 0.015) وتساهم خبرة المجلس في الذكاء الاصطناعي أيضًا بشكل إيجابي ($\beta = 0.19$، قيمة p = 0.040). يشير R² المعدل للنموذج البالغ 0.63 إلى قوة تفسيرية قوية.
يكشف التحليل الإضافي، الذي يتضمن مصطلح تفاعل بين AIAI ومتغير وهمي للقطاعات الرقمية العالية، أن تأثير اعتماد الذكاء الاصطناعي على رؤية الأصول غير الملموسة يتعزز بشكل كبير في هذه القطاعات. يشير معامل التفاعل الإيجابي إلى أن الشركات في الصناعات الرقمية العالية، مثل المالية والاتصالات، تشهد زيادة أكبر في رؤية الأصول غير الملموسة مقارنة بتلك الموجودة في القطاعات التقليدية. تؤكد اختبار مشترك أن التأثيرات الهامشية لـ AIAI تختلف بشكل كبير بين القطاعات الرقمية العالية والقطاعات التقليدية، مما يبرز الآثار المتنوعة لاعتماد الذكاء الاصطناعي عبر سياقات الصناعة.
المناقشة
في قسم المناقشة، تسلط الورقة الضوء على التحول الكبير في الاقتصاد العالمي على مدى العقدين الماضيين، مع التأكيد على الأهمية المتزايدة للأصول غير الملموسة ودمج الذكاء الاصطناعي (AI) في استراتيجيات الشركات. يمثل رأس المال غير الملموس، الذي يشمل الملكية الفكرية، وقيمة العلامة التجارية، ورأس المال البشري، الآن جزءًا كبيرًا من قيمة الشركة، خاصة في الاقتصادات المتقدمة. على الرغم من هذا التحول، تظل طرق التقييم المالي التقليدية مركزة على المقاييس الملموسة، مما يؤدي إلى انفصال بين القيمة السوقية والدوافع الفعلية للميزة التنافسية، خاصة في سياق الشركات الإسبانية المدرجة في مؤشر IBEX 35. تحدد الدراسة فجوة حاسمة في رؤية وإبلاغ الأصول غير الملموسة المدفوعة بالذكاء الاصطناعي، والتي تفاقمت بسبب الإفصاحات غير المتسقة والطبيعة الغامضة لتقنيات الذكاء الاصطناعي.
تهدف البحث إلى التحقيق في العلاقة بين كثافة اعتماد الذكاء الاصطناعي ورؤية الأصول غير الملموسة في التقارير الشركات بين شركات IBEX 35 من عام 2019 إلى عام 2024. من خلال استخدام نهج متعدد الطرق يتضمن التحليل الكمي، ومعالجة اللغة الطبيعية، ودراسات الحالة النوعية، تسعى الدراسة إلى توضيح كيف يعزز الذكاء الاصطناعي إدارة وتواصل الموارد غير الملموسة. من المتوقع أن تسهم النتائج في فهم أفضل لكيفية أن يكون الذكاء الاصطناعي قدرة ميتا لا تحسن الكفاءة التشغيلية فحسب، بل تعزز أيضًا التصور الخارجي للأصول غير الملموسة، مما يؤثر على تخصيص رأس المال وتقييم الشركات في الاقتصاد الرقمي. تفترض الدراسة أن الشركات ذات الاعتماد الأعلى على الذكاء الاصطناعي ستظهر رؤية أكبر لأصولها غير الملموسة، خاصة في القطاعات ذات النضج الرقمي الأعلى.
DOI: https://doi.org/10.3926/ic.3545
Publication Date: 2026-02-09
Author(s): José Luis Bustelo Gracia et al.
Primary Topic: Intellectual Capital and Performance Analysis
Overview
This research paper investigates the impact of artificial intelligence (AI) adoption on the visibility and valuation of intangible assets among Spanish publicly listed companies, particularly those within the IBEX 35 index, from 2019 to 2024. Utilizing a panel data regression analysis alongside textual analysis of corporate reports, the study introduces two key indices: the AI Adoption Intensity (AIAI) and the Intangible Asset Visibility Score (IAVS). The findings reveal a statistically significant positive correlation between AI adoption and the visibility of intangible assets, with firms exhibiting higher AIAI scores reporting these assets more frequently and with enhanced narrative quality. Notably, sectors such as finance and telecommunications demonstrate greater visibility compared to traditional sectors like construction. The analysis also highlights a shift towards narrative-driven valuation, as R&D intensity does not significantly predict intangible asset visibility.
The study’s contributions are threefold: it provides empirical evidence from a European context, proposes novel indices for analyzing AI and intangible asset visibility, and conceptualizes AI as a meta-capability that influences how firms articulate their intangible resources. The practical implications suggest that managers should integrate AI strategies with corporate reporting to enhance transparency and stakeholder trust, while regulatory bodies are encouraged to update disclosure standards to reflect the evolving role of AI. Limitations include the focus on a single stock index and the reliance on disclosed information, which may not fully capture the underlying realities of AI use and intangible resources. Future research is recommended to explore broader contexts and integrate internal data to develop more robust reporting standards.
Introduction
The introduction of the research paper outlines the foundational context and significance of the study. It establishes the primary research question and highlights the gaps in existing literature that the current work aims to address. The authors emphasize the relevance of their findings to the broader field, suggesting potential applications and implications for future research. Key objectives are clearly defined, setting the stage for the methodologies and analyses that follow in subsequent sections. Overall, the introduction serves to engage the reader by framing the importance of the research within the current academic discourse.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. The study utilized a combination of quantitative and qualitative methods, including statistical analyses and case studies, to gather comprehensive data. Key techniques involved the application of regression analysis to identify relationships between variables, alongside thematic analysis for qualitative data interpretation.
Data collection was conducted through surveys and interviews, ensuring a diverse sample representative of the target population. The analytical framework was designed to validate the findings through triangulation, enhancing the reliability and validity of the results. Overall, the methodology was structured to facilitate a robust examination of the research questions, ultimately contributing to the study’s conclusions.
Results
The regression analysis presented in Table 2 demonstrates a robust and statistically significant association between AI adoption intensity (AIAI) and the visibility of intangible assets, with a coefficient of $\beta = 0.42$ (p-value = 0.003). This relationship persists even when controlling for firm-specific factors such as size (log assets) and board expertise in AI, with firm size showing a positive effect ($\beta = 0.27$, p-value = 0.015) and board AI expertise also contributing positively ($\beta = 0.19$, p-value = 0.040). The model’s adjusted R² of 0.63 indicates a strong explanatory power.
Further analysis, which includes an interaction term between AIAI and a dummy variable for high-digital sectors, reveals that the impact of AI adoption on intangible asset visibility is significantly amplified in these sectors. The positive interaction coefficient suggests that firms in high-digital industries, such as finance and telecommunications, experience a greater increase in intangible asset visibility compared to those in traditional sectors. A joint test confirms that the marginal effects of AIAI are significantly different between high-digital and traditional sectors, underscoring the varying implications of AI adoption across industry contexts.
Discussion
In the discussion section, the paper highlights the significant transformation of the global economy over the past two decades, emphasizing the rising importance of intangible assets and the integration of artificial intelligence (AI) into corporate strategies. Intangible capital, which includes intellectual property, brand equity, and human capital, now represents a substantial portion of firm value, particularly in advanced economies. Despite this shift, traditional financial valuation methods remain focused on tangible metrics, leading to a disconnect between market capitalization and the actual drivers of competitive advantage, particularly in the context of Spanish firms listed on the IBEX 35 index. The study identifies a critical gap in the visibility and reporting of AI-driven intangible assets, exacerbated by inconsistent disclosures and the opaque nature of AI technologies.
The research aims to investigate the relationship between AI adoption intensity and the visibility of intangible assets in corporate reporting among IBEX 35 firms from 2019 to 2024. By employing a multi-method approach that includes quantitative analysis, natural language processing, and qualitative case studies, the study seeks to elucidate how AI enhances the management and communication of intangible resources. The findings are expected to contribute to a better understanding of how AI can serve as a meta-capability that not only improves operational efficiency but also enhances the external perception of intangible assets, thereby influencing capital allocation and firm valuation in the digital economy. The study posits that firms with higher AI adoption will demonstrate greater visibility of their intangible assets, particularly in sectors with higher digital maturity.