Este estudo visa, por meio de simulações computacionais, compreender de que modo a centralidade dos agentes, os diferentes tipos de rede e o não- compartilhamento da informação afetam os processos de adoção e de difusão de diferentes tipos de inovações. Para esta tarefa, foram feitas simulações com os modelos de rede descritos por Watts e Strogatz (WATTS & STROGATZ, 1998), com um número fixo de 100 nós ou agentes (n=100), em que foram variados os parâmetros de mi (centralidade de grau inicial) e p (probabilidade de reconexão desses nós). Foram utilizadas redes regulares (p=0), de pequeno-mundo (p=0.5) e aleatórias (p=1.0). Escolhemos os adotantes iniciais por 5 diferentes métodos: por maiores centralidades de grau, de proximidade, de intermediação e de Bonacich, além da escolha aleatória. Também consideramos dois tipos de agentes com diferentes características: o primeiro, chamado de social, compartilhava e recebia informação, o segundo, chamado de egoísta, recebia e não compartilhava informação. Para parte das simulações, utilizamos uma inovação contínua e, para outra parte, utilizamos uma inovação disruptiva. Como resultado, constatamos, para as simulações realizadas neste modelo, o maior crescimento do número de adotantes não dependeu somente das características da rede, mas também dos agentes que a compõem, além da própria inovação. Por esse motivo, temos que o modelo disruptivo favorece a inovação e a presença de agentes egoístas funciona como um obstáculo ou barreira / This study aims, through computational simulations, to understand how the influence of the different types of network, the centrality of agents and the non-sharing of information affect the processes of adoption and diffusion in different types of innovations. For this task, simulations were made with the network models described by Watts and Strogatz (WATTS & STROGATZ, 1998), with a fixed number of 100 nodes or agents (n = 100), in which the parameters mi (initial degree centrality) and p (probability of reconnection of these nodes) were varied. We used regular (p=0), small- world (p=0.5) and random networks (p=1.0). We choose the initial adopters by 5 different methods: by greater degree, closeness, of betweeness and eingevector centralities, besides the random choice. We also considered two types of agents with different characteristics: the first, called social, shared and received information, the second, called selfish, received and did not share information. For part of the simulations, we use a continuous innovation and, for another part, we use a disruptive innovation. As a result, for the simulations carried out in this model, the greatest growth in the number of adopters was not only dependent on the characteristics of the network, but also on the agents that compose it, besides the innovation itself. For this reason, we think that the disruptive model favors innovation and the presence of selfish agents as an obstacle or barrier