在风险环境下，利用人工智能增强的动态能力推动数字创新：揭示预测性洞察机制与不确定性吸收策略

《TECHNOLOGY IN SOCIETY》：AI-Augmented Dynamic Capabilities for Digital Innovation under Risk: Unveiling Predictive Insight and Uncertainty Absorption Mechanisms

　　``

• •
  人工智能的感知、捕捉和重构能力增强了预测洞察力
• •
  仅凭预测洞察力无法建立战略性的不确定性吸收能力
• •
  不确定性吸收能力推动创新韧性，而非即时绩效
• •
  对创新风险的感知增强了预测洞察力与不确定性吸收之间的联系
• •
  没有组织机制，线性的人工智能能力链是不完整的

章节摘录

引言

在快速变化、信息丰富且数字化的世界中，企业需要在高度不确定的环境中进行创新。在当今竞争激烈的商业环境中，组织必须保持积极主动、不断创新和灵活应对，以识别市场中的技术变革和机会，并能够有效地抓住它们。在这方面，人工智能（AI）已成为创新的关键推动力，提供了处理大量数据、识别模式等方面的增强能力

理论基础

为了解决人工智能（AI）在面对不确定性时如何影响创新结果的问题，需要一个综合性的理论视角，该视角涵盖企业层面的能力、决策过程和不确定性管理。本节基于动态能力观（Dynamic Capabilities View, DCV）及相关微观基础理论，为建立将AI所赋能的能力联系起来的连贯框架提供了理论基础

)

强化型动态能力与预测洞察力

AI通过补充组织的感知和捕捉动态能力，以及其在面对不确定性时重新配置组织资源的能力，从根本上强化了动态能力观（DCV）（Teece, 2007, 2018）。然而，AI能力并不直接与更好的组织结果相关联。其战略重要性在于提升企业生成预测洞察力的能力，使管理者能够做出积极主动的战略决策

[section>

样本与数据收集

数据是通过Prolific这个在线参与者招募平台收集的，该平台以其严格的数据收集标准而闻名，用于分发本研究的英文问卷（Peer et al., 2017; Palan & Schitter, 2018）。在线研究小组在组织和行为研究中经常被使用，因为它们允许研究人员根据预定义的人口统计和专业资格标准招募参与者，同时保持

共同方法偏差

使用Harman的单因素测试来评估共同方法方差的程度（Podsakoff et al., 2003）。第一因素解释的方差不到50%，表明共同方法偏差（Common Method Bias, CMB）的可能性较低。由于Harman的单因素测试是一种诊断性而非决定性的检查，这个结果被解释为表明CMB不太可能是一个严重的问题，而不是其不存在的证据。此外，CMB的较低影响也得到了其他研究的支持

讨论

本研究的结果提供了重要见解，揭示了在不确定性条件下，增强型动态能力如何通过微观基础过程促进数字创新。根据DCV的理论，结果验证了由AI驱动的预测洞察力能力得到了三项关键AI能力的强有力支持——增强型感知能力、算法化机会捕捉能力和AI重构能力。研究结果证实了AI在

结论

本文通过微观基础方法和动态能力观（DCV）的视角，探讨了AI驱动的动态能力在数字创新中的作用。这些结果表明，增强型感知能力、算法化机会捕捉能力和AI重构能力的结合显著提升了预测洞察力，强调了AI在提高组织预见未来能力方面的关键重要性。然而，所提出的能力构建机制并未得到充分验证

CRediT作者贡献声明

Fuqi Zhao：撰写——原始草案、验证、监督、软件。Nourah O. Alshaghdali：撰写——原始草案、资源、项目管理、方法论。Varun Chotia：撰写——原始草案、调查研究、正式分析、概念化。Hawazen Almugren：撰写——审稿与编辑、监督、资源、调查研究

Ahmad, 2025; Belhadi et al., 2021; Burstr?m et al., 2021; Cacciolatti et al., 2025; Chen et al., 2025; Chotia et al., 2025; Ciriello et al., 2018; Ciulli et al., 2020; Del Vecchio et al., 2021; Faraj et al., 2018; Füller et al., 2022; Ghosh et al., 2022; Hussain et al., 2026; Jarrahi, 2018; Kraus et al., 2022; Lackéus, 2015; Lengnick-Hall and Beck, 2016; Li et al., 2023; Marjerison et al., 2026; Mehmood et al., 2026; Menezes and Rete, 2026; Merhi and Harfouche, 2024; Rai et al., 2019; Ren et

利益冲突声明

? 作者声明他们没有已知的可能会影响本文所述工作的利益冲突或个人关系。

Fuqi Zhao|Nourah O. Alshaghdali|Varun Chotia|Hawazen Almugren

```