边界跨越搜索（Boundary-Spanning Search）、循环性设计（Design for Circularity）以及由人工智能驱动的分析（Artificial Intelligence Powered Analytics）如何提升制造商的循环性绩效？

《Business Strategy and the Environment》：How Boundary-Spanning Search, Design for Circularity, and Artificial Intelligence Powered Analytics Enhance Manufacturer's Circularity Performance?

企业通过主动跨边界搜索可提升循环绩效，其效应通过设计向循环机制中介，人工智能分析能力能强化这一作用，而被动搜索及企业规模等均无显著影响。

　　

摘要

在充满波动和不确定性的商业环境中，企业越来越多地追求运营层面的循环性以实现可持续发展。尽管采用循环性设计策略被认为对提升运营绩效至关重要，但跨边界搜索行为如何影响循环性绩效的机制尚未得到充分研究。本研究基于资源基础理论和动态能力理论，探讨了主动式和被动式跨边界搜索行为对企业循环性绩效的影响，并考虑了循环性设计的中介作用以及人工智能驱动的分析技术的调节作用。来自印度196家制造企业的调查数据显示，主动式跨边界搜索能够直接提升循环性绩效，而这两种形式的跨边界搜索都对循环性设计产生了积极影响。值得注意的是，循环性设计在主动式搜索与绩效之间的关系中起到了中介作用。人工智能驱动的分析技术进一步增强了主动式搜索对循环性绩效的积极影响。相反，一些关系并未显示出显著意义：被动式跨边界搜索对循环性绩效没有直接影响，循环性设计也未能显著调节被动式搜索的效果。此外，人工智能驱动的分析技术未能调节被动式搜索的影响，企业的年龄、规模或行业背景也未对循环性绩效产生显著影响。这些发现揭示了实施循环性策略的情境依赖性，并强调只有特定的搜索行为与分析技术组合才能带来运营效益。研究结果突显了人工智能技术和循环性设计在促进可持续制造实践方面的战略价值。

数据可用性声明

本研究的支持数据可向相应作者索取。由于隐私或伦理限制，这些数据不对外公开。