探讨人工智能能力如何影响企业的可持续发展绩效：来自中国制造企业的见解

《Technical Innovations & Patient Support in Radiation Oncology》：Exploring how artificial intelligence capabilities impact corporate sustainability performance: Insights from Chinese manufacturing firms

本研究基于动态能力理论，分析人工智能能力（AIC）对中国制造业企业可持续性能（CSP）的影响机制及边界条件。通过PLS-SEM模型对120家企业调查数据实证分析发现：AIC整体显著提升CSP，但预置能力无效；企业类型（传统vs工业4.0）构成核心边界条件，AIC对CSP的促进作用在工业4.0企业中更显著，为数字可持续发展提供新视角。

　　在数字化转型的背景下，人工智能能力（AIC）对企业发展可持续性绩效（CSP）的影响机制及其组织边界条件已成为推动数字可持续性的核心议题，无论是在理论层面还是实践层面都受到广泛关注。随着全球气候变化对经济格局的深刻重塑，工业企业在碳排放控制方面的责任愈发突出，成为可持续转型的关键参与者。与此同时，全球范围内的政策导向正逐步将环境绩效从企业自愿承担的社会责任（CSR）转变为必须遵守的合规要求，例如中国提出的“双碳”目标和欧盟的《企业可持续性报告指令》（CSRD）。然而，传统的减排手段如能源替代和工艺优化面临着显著的技术瓶颈，能源效率的提升速度远未达到实现碳中和目标所需的水平。这一现实凸显了探索创新驱动力的紧迫性，而人工智能等数字技术正成为推动可持续发展的关键力量。

人工智能能力（AIC）作为企业核心竞争力的一部分，其对可持续性绩效的推动作用已经引起了学术界的浓厚兴趣。当前研究普遍认为，人工智能不仅能够通过获取新知识支持管理层的理性决策，还能提升资源利用效率，减少环境污染，从而增强企业的可持续性表现。然而，这些研究大多侧重于人工智能技术本身的作用，而忽视了人工智能能力作为企业整合内外部资源与知识的动态能力所具有的复杂性。实际上，AIC不仅仅是一种技术工具，它更是一个由感知、预测和建议等子能力构成的系统性框架，能够通过不同层级的运作机制为企业创造可持续价值。

本研究基于动态能力理论（DCT）和可持续发展理论，探讨人工智能能力如何通过分层的赋能机制推动企业的可持续性绩效。我们引入企业类型作为边界条件，分析传统制造业企业和工业4.0制造企业在这一体系中的不同表现。研究发现，人工智能能力整体上对可持续性绩效具有显著的正向驱动作用，但在其子能力层面，感知能力和预测能力展现出较强的赋能效果，而建议能力则未能达到预期的影响水平。这一发现表明，尽管人工智能技术在可持续发展方面具有巨大潜力，但其实际效果取决于企业如何构建和应用这些能力。

进一步地，研究揭示了企业类型在人工智能能力影响可持续性绩效过程中的关键作用。传统制造业企业在面对可持续转型时面临更大的挑战和不确定性，其高度线性的价值链、标准化的生产流程以及固化的战略路径限制了人工智能能力的发挥。相比之下，工业4.0制造企业依托开放的价值网络、敏捷的决策结构和对动态能力的投资，能够更有效地利用人工智能技术实现可持续发展目标。因此，人工智能能力对可持续性绩效的影响并非一成不变，而是受到企业组织结构和运营模式的显著制约。

在理论层面，本研究通过构建“人工智能能力→可持续性绩效”的分析框架，将人工智能能力视为动态能力的一种形式，从而拓展了现有研究中以技术为中心的视角。我们提出，人工智能能力的层级结构不仅体现了技术演进的阶段性，也反映了企业在不同发展阶段对可持续性绩效的贡献差异。感知能力作为基础层级，主要负责实时数据的采集与分析，为企业提供当前状态的准确信息。预测能力则在此基础上，利用机器学习和统计模型预测未来趋势和潜在风险，帮助企业制定更具前瞻性的可持续发展战略。而建议能力作为最高层级，通过优化算法和模拟技术，为企业提供具体的行动建议，从而实现经济、环境和社会目标之间的平衡。

在实践层面，本研究为制造业企业在数字化转型过程中如何有效利用人工智能技术实现可持续发展目标提供了新的思路。首先，企业应认识到人工智能能力并非简单的技术堆砌，而是需要构建一个完整的动态能力体系，涵盖感知、预测和建议等多个层面。其次，企业应根据自身的组织类型和运营模式，制定相应的战略路径。对于传统制造业企业而言，可能需要从基础的感知能力入手，逐步向预测和建议能力过渡，以适应可持续转型的复杂需求。而对于工业4.0制造企业，则可以更全面地应用人工智能能力，以实现更高的资源利用效率和环境友好型生产模式。

此外，本研究还指出，人工智能能力的实施效果受到企业组织结构和文化氛围的深刻影响。在传统制造业企业中，由于组织结构较为僵化，员工对新技术的接受度和适应能力可能较低，从而限制了人工智能能力的发挥。因此，企业需要在组织变革和文化建设方面投入更多资源，以提升员工的数字素养和创新能力。同时，人工智能能力的实施也需要与企业的战略目标相匹配，避免盲目追求技术先进性而忽视实际业务需求。

最后，本研究为未来的研究提供了新的方向。首先，未来的研究可以进一步探讨人工智能能力在不同行业和不同规模企业中的适用性，以识别更广泛的适用边界。其次，可以深入分析人工智能能力与其他管理实践（如精益管理、绿色供应链管理等）之间的协同效应，以探索更全面的可持续发展路径。此外，随着人工智能技术的不断发展，其对可持续性绩效的影响机制也可能会发生变化，因此需要持续跟踪和更新相关理论框架。

综上所述，人工智能能力作为企业动态能力的重要组成部分，其对可持续性绩效的影响机制具有显著的分层特征，而企业类型则在这一过程中扮演了关键的边界角色。本研究通过实证分析，揭示了人工智能能力在推动企业可持续发展中的重要作用，同时也指出了其在实际应用中的局限性。这些发现不仅丰富了动态能力理论在可持续发展领域的应用，也为制造业企业在数字化转型过程中如何有效利用人工智能技术提供了有价值的参考。