Inge CuC

Desmitificando el impacto de la innovación verde en el rendimiento de las empresas en Pakistán: un análisis comparativo de los métodos de IA explicable SHAP y LIME

Shah Mehmood Wagan

Sichuan University, China

https://orcid.org/0009-0003-0449-2655

Sidra

University of Chinese Academy of Social Sciences, China

DOI: https://doi.org/10.17981/ingecuc.21.2.2025.14

Palabras clave: Innovación Verde, Desempeño de la Empresa, IA Explicable, SHAP, LIME, Pakistán, Desarrollo Sostenible, Aprendizaje Automático

---

Resumen

Introducción: Este estudio explora la conexión entre la innovación verde y el rendimiento de las empresas en el sector industrial de Pakistán, que implementa enfoques versátiles de inteligencia artificial explicable (XAI) para revelar el camino del conocimiento con explicaciones transparentes de decisiones complejas.

Objetivo: Adopta un enfoque comparativo de SHAP (SHapley Additive exPlanations) y LIME (Local Interpretable Model-agnostic Explanations) en la explicación de los esfuerzos de innovación verde, transformándolos en una elucidación de las ganancias empresariales prácticas garantizadas.

Metodología: A gran escala, se estudia el acceso a un conjunto de datos completo de 284 empresas manufactureras de diversas industrias en Pakistán y se desarrolla un modelo de aprendizaje automático para predecir los indicadores de rendimiento de la empresa, siendo interpretable utilizando métodos de XAI.

Resultados: Las investigaciones han encontrado que la innovación verde tiene un impacto positivo que es estadísticamente significativo en el rendimiento de las empresas y los impulsores que se han identificado se describen como cumplimiento ambiental, eficiencia de recursos y desarrollo de productos sostenibles. El análisis comparativo anterior de SHAP y LIME muestra que ambos métodos, a su vez, proporcionan buenos análisis, pero SHAP ofrece explicaciones globales más consistentes, mientras que LIME es mejor para explicar instancias individuales.

Conclusiones: Al contribuir a la creciente literatura sobre prácticas comerciales sostenibles en los mercados emergentes, esta investigación es práctica al ofrecer las direcciones correctas a los responsables de políticas y líderes empresariales en Pakistán. Se ofrecen sugerencias a los responsables de políticas y a las empresas en Pakistán, indicando que se necesitan hacer inversiones estratégicas en innovación de procesos y marcos regulatorios. Este estudio destaca la promesa de la XAI para ayudar a desmitificar la compleja naturaleza de las relaciones en el rendimiento relacionado con la sostenibilidad.

---

Citas

S. A. Bin-Nashwan and J. Z. Li, “AI-infused knowledge and green intellectual capital: Pathways to spur accounting performance drawn from RBV-KBV model and sustainability culture,” Technol. Soc., vol. 82, Art. no. 102913, 2025, doi: 10.1016/j.techsoc.2025.102913.

R. M. Dangelico and D. Pujari, “Mainstreaming green product innovation: Why and how companies integrate environmental sustainability,” J. Bus. Ethics, vol. 95, no. 3, pp. 471–486, 2010, doi: 10.1007/s10551-010-0434-0.

R. M. Dangelico and D. Vocalelli, “‘Green marketing’: An analysis of definitions, strategy steps, and tools through a systematic review of the literature,” J. Cleaner Prod., vol. 165, pp. 1263–1279, 2017, doi: 10.1016/j.jclepro.2017.07.184.

T. Hastie, The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009. [Online]. Available: https://link.springer.com/content/pdf/bfm:978-0-387-21606-5/1?pdf=chapter%20toc

M. Hussain, S. Yang, U. S. Maqsood, and R. M. A. Zahid, “Tapping into the green potential: The power of artificial intelligence adoption in corporate green innovation drive,” Bus. Strat. Environ., vol. 33, no. 5, pp. 4375–4396, 2024, doi: 10.1002/bse.3710.

A. Jiao, J. Lu, H. Ren, and J. Wei, “The role of AI capabilities in environmental management: Evidence from USA firms,” Energy Econ., vol. 134, Art. no. 107653, 2024, doi: 10.1016/j.eneco.2024.107653.

S. Khan and S. Gupta, “Boosting the efficacy of green accounting for better firm performance: Artificial intelligence and accounting quality as moderators,” Meditari Account. Res., vol. 33, no. 2, pp. 472–496, 2025, doi: 10.1108/MEDAR-02-2024-2379.

J. Lin, Y. Zeng, S. Wu, and X. R. Luo, “How does artificial intelligence affect the environmental performance of organizations? The role of green innovation and green culture,” Inf. Manag., vol. 61, no. 2, Art. no. 103924, 2024, doi: 10.1016/j.im.2024.103924.

S. M. Lundberg and S. I. Lee, “A unified approach to interpreting model predictions,” in Adv. Neural Inf. Process. Syst., vol. 30, 2017. [Online]. Available: https://proceedings.neurips.cc/paper/2017/file/8a20a8621978632d76c43dfd28b67767-Paper.pdf

OECD, Towards Green Growth: Monitoring Progress. Paris, France: OECD, 2011. doi: 10.1787/9789264111356-en

Pakistan Bureau of Statistics, Annual Economic Survey of Pakistan. Government of Pakistan, 2023. [Online]. Available: https://finance.gov.pk/survey_2023.html

M. E. Porter and C. van der Linde, “Toward a new conception of the environment-competitiveness relationship,” J. Econ. Perspect., vol. 9, no. 4, pp. 97–118, 1995, doi: 10.1257/jep.9.4.97.

K. Rennings, “Redefining innovation—eco-innovation research and the contribution from ecological economics,” Ecol. Econ., vol. 32, no. 2, pp. 319–332, 2000, doi: 10.1016/S0921-8009(99)00112-3.

J. Wang, A. Wang, K. Luo, and Y. Nie, “Can artificial intelligence improve enterprise environmental performance: Evidence from China,” J. Environ. Manage., vol. 370, Art. no. 123079, 2024, doi: 10.1016/j.jenvman.2024.123079.

J. Wang, Y. Wen, and H. Long, “Evaluating the mechanism of AI contribution to decarbonization for sustainable manufacturing in China,” J. Cleaner Prod., vol. 472, Art. no. 143505, 2024, doi: 10.1016/j.jclepro.2024.143505.

Z. Wang, H. Jia, and J. Wu, “The impact of urban digital intelligence transformation on corporate carbon performance: Evidence from China,” Sustainability, vol. 17, no. 12, Art. no. 5591, 2025, doi: 10.3390/su17125591.

M. Weng, “Green innovation through artificial intelligence technology: Enhancing environmental, social, and governance performance,” Finance Res. Lett., vol. 75, Art. no. 106921, 2025, doi: 10.1016/j.frl.2025.106921.

M. Xia, F. Phillips, W. Zhang, H. H. Cai, J. Dai, L. Zhang, and Y. Wu, “From carbon capture to cash: Strategic environmental leadership, AI, and the performance of U.S. firms,” J. Organ. End User Comput., vol. 36, no. 1, 2024, doi: 10.4018/JOEUC.359892.

H. Xie and F. Wu, “Artificial intelligence technology and corporate ESG performance: Empirical evidence from Chinese-listed firms,” Sustainability, vol. 17, no. 2, Art. no. 420, 2025, doi: 10.3390/su17020420.

D. Zhang, “The pathway to curb greenwashing in sustainable growth: The role of artificial intelligence,” Energy Econ., vol. 133, Art. no. 107562, 2024, doi: 10.1016/j.eneco.2024.107562.

B. Raufi, C. Finnegan, and L. Longo, “A Comparative Analysis of SHAP, LIME, ANCHORS, and DICE for Interpreting a Dense Neural Network in Credit Card Fraud Detection,” in Explainable Artificial Intelligence, vol. 2156, L. Longo, S. Lapuschkin, and C. Seifert, Eds., in Communications in Computer and Information Science, vol. 2156. , Cham: Springer Nature Switzerland, 2024, pp. 365–383. doi: 10.1007/978-3-031-63803-9_20.

R. Sharma, A. Gunasekaran, M. Sharma, S. Luthra, and S. Joshi, “Building a sustainable future: The role of green innovation and green premium in transforming Indian SMEs,” Environ Dev Sustain, July 2025, doi: 10.1007/s10668-025-06515-7.

Md. J. Islam, H. Md. Som, R. A. Hashim, and Md. S. Rahman, “Impact of Green Product Innovation, Green Process Innovation, and Green Competitive Advantage on the Sustainable Performance of Garment Firms in Bangladesh: A Conceptual Framework,” IJARBSS, vol. 14, no. 11, p. Pages 2062-2083, Nov. 2024, doi: 10.6007/IJARBSS/v14-i11/23443.