负责任的人工智能（AI）推动中国制造业的创新发展：基于“可能性-实现”理论

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：Responsible artificial intelligence (AI) for responsible innovation in Chinese manufacturing: From the affordance–actualization theory

负责任的人工智能（RA）通过促进外部利益相关者的协作，推动制造企业实现负责任创新（RI）。基于混合方法研究（访谈26人，调查618人），发现RA通过三个关键途径催化RI：1）联合规划（如实时数据分析与客户/供应商共同制定采购计划）；2）联合解决问题（如AI驱动的跨组织故障诊断与协同优化）；3）构建道德氛围（通过数据透明与算法可解释性增强信任）。研究揭示组织警觉性（OM）作为调节变量，可能抑制RA的协作机会实现。理论贡献包括扩展供应方实现化理论至RA情境，实证检验RI的动态实现路径，并为制造业提供实操建议（如通过伦理培训平衡警觉性与协作效率）。

　　本文探讨了负责任的人工智能（Responsible AI）在制造业中的作用，特别是其如何通过与外部利益相关者的协作促进负责任的创新（Responsible Innovation）。随着人工智能技术在制造业中的广泛应用，越来越多的公司开始意识到，仅关注技术设计阶段的负责任AI实践是不够的，还需考虑其在实施过程中的影响。为此，研究采用混合方法，结合深入访谈和问卷调查，揭示了负责任AI如何通过三个关键的外部利益相关者赋能因素，即共同规划、共同解决问题和伦理氛围，推动负责任的创新。此外，研究还引入了“组织觉察”（Organizational Mindfulness）这一上下文因素，以解释这些赋能因素在不同情境下的实现效果。

### 负责任AI与负责任创新的理论框架

研究基于“赋能-实现”理论（Affordance-Actualization Theory），该理论强调技术在组织实践中如何通过特定的赋能机制被识别、实施并转化为实际成果。赋能不仅包括技术的功能性特征，还涉及技术与利益相关者之间的互动关系。在这一框架下，负责任AI被看作是一种能够促进伦理协作和决策的工具，其核心在于通过透明、反思和包容的流程，使利益相关者能够共同参与创新过程。

研究发现，负责任AI的三个主要赋能因素——共同规划、共同解决问题和伦理氛围——是实现负责任创新的关键路径。这些赋能因素不仅促进了利益相关者之间的合作，还增强了他们对伦理规范的认同和实践。例如，共同规划强调与外部合作伙伴在战略方向和资源分配上的协同，共同解决问题则聚焦于跨组织协作以消除潜在的技术偏差和伦理风险，而伦理氛围则是通过透明和可追溯的数据治理，构建一个共享道德价值观的环境。

### 实证研究方法与发现

研究通过两阶段的方法进行：第一阶段采用定性研究，通过对26名制造业高管的深入访谈，识别负责任AI的赋能因素和其对负责任创新的潜在影响。第二阶段则基于618名受访者的定量数据，通过结构方程模型（SEM）和PLS-SEM方法，验证这些赋能因素如何通过实际结果（如利益相关者参与和集体伦理效能）最终影响负责任创新。研究结果表明，负责任AI与共同规划、共同解决问题和伦理氛围之间存在显著的正向关系，而组织觉察则对这些关系具有一定的调节作用。

### 组织觉察的作用

组织觉察被定义为组织在执行任务时对环境变化的敏感性和注意力。研究发现，虽然负责任AI可以提供许多伦理上的好处，但在实际实施过程中，组织觉察可能抑制某些赋能因素的实现。具体而言，组织觉察对共同规划和伦理氛围的影响为负，这表明在高度觉察的组织中，外部利益相关者对负责任AI的采用可能会更加谨慎。例如，一些企业因担心数据安全和隐私问题，不愿意完全信任AI技术，从而影响了共同规划和伦理氛围的形成。

### 理论贡献与实践意义

本研究为负责任AI和负责任创新的文献提供了新的视角。首先，它揭示了负责任AI在实施阶段对负责任创新的影响，扩展了以往仅关注技术设计阶段的研究范围。其次，研究通过引入“组织觉察”这一关键因素，进一步丰富了负责任AI与外部利益相关者互动的理论基础。此外，研究还展示了负责任AI如何通过促进利益相关者之间的互动和伦理共识，逐步实现负责任创新的最终目标。

在实践层面，研究为制造业从业者提供了具体的指导。例如，管理者可以建立与客户和供应商的共同规划机制，如共享预测和数据协议，以提高运营效率并减少库存短缺和返工。同时，通过共同解决问题，企业可以更有效地应对技术挑战，确保质量稳定。此外，通过营造一个透明和负责任的伦理氛围，企业可以增强利益相关者的信任，并降低合规风险。

### 研究局限与未来方向

尽管本研究提供了有价值的见解，但仍然存在一些局限。首先，样本主要集中在制造业高管层面，未能充分涵盖其他利益相关者（如员工、消费者等）的观点。未来研究可以扩大样本范围，以更全面地理解负责任AI对不同利益相关者的影响。其次，研究主要关注负责任AI的赋能因素，而对AI的限制性因素（如技术透明度不足、数据偏差等）的探讨仍显不足。因此，未来研究可以进一步分析这些限制性因素如何影响负责任AI的实施效果，并探讨如何通过技术与组织的互动来缓解这些限制。

### 结论

综上所述，本研究揭示了负责任AI在制造业中如何通过与外部利益相关者的协作，促进负责任的创新。通过引入“赋能-实现”理论，研究不仅解释了负责任AI的实现路径，还提出了实际应用中的关键因素。这一研究为制造业组织在实施负责任AI时提供了理论支持和实践指导，有助于企业在数字化转型过程中，更好地平衡技术效率与伦理责任。