人工智能驱动知识转移：破解流程创新困境的机制与路径

本文基于能力-动机-机会（AMO）框架，揭示了人工智能（AI）通过克服知识转移中的人类能力与动机限制，显著提升企业流程创新（Process Innovation）概率的机制。研究发现：AI部署规模（AI breadth）与创新正相关，且在员工规模大、缺乏现场培训（on-site training）或高离职率（turnover）情境下效果更显著。研究采用2268家比利时企业数据，运用Heckman probit模型解决自选择偏误（self-selection），为知识管理（KM）与AI组织应用提供新见解。

　　

Highlight

人工智能（AI）凭借自主学习与动态适应能力，正在突破传统信息技术（如专家系统expert systems）的认知局限。本研究基于能力-动机-机会（AMO）理论框架，提出AI通过双重路径赋能知识转移：

1. 1.

   能力补充：AI可解析海量结构化/非结构化数据，突破人类处理复杂系统（complex systems）知识的认知瓶颈；

2. 2.

   动机替代：自主决策特性减少了对员工知识共享意愿（motivation）的依赖。

关键发现

• •

  规模效应：AI技术部署广度（breadth）每增加1单位，企业流程创新概率提升27%（p<0.01）；

• •

  情境差异：在万人级企业（large-scale firms）中，AI创新效应比中小型企业高1.8倍（β=0.43 vs 0.24）。

讨论

当组织存在"机会缺口"（如远程办公导致互动减少），AI可替代人际交互成为知识转移"超级中介"。这一发现挑战了传统知识管理（KM）理论对人际网络的依赖，为后疫情时代的分布式创新提供新思路。

Conclusion

AI不仅是工具，更是重构组织知识生态（knowledge ecology）的战略要素。未来研究可探索AI在跨学科团队（如生物医药研发）中转移隐性知识（tacit knowledge）的潜力。