《International Journal of Innovation Studies》：Recursive nested innovation outcomes in AI-enabled learning: the role of capability renewal
编辑推荐：
本研究考察了人工智能（AI）赋能学习如何在组织内产生异质性创新结果，以及企业如何通过高阶动态能力（higher-order dynamic capabilities）管理这些结果之间的张力。研究人员采用定性多案例方法，调查了在创新活动中采用AI的数字化密集型中
本研究考察了人工智能（AI）赋能学习如何在组织内产生异质性创新结果，以及企业如何通过高阶动态能力（higher-order dynamic capabilities）管理这些结果之间的张力。研究人员采用定性多案例方法，调查了在创新活动中采用AI的数字化密集型中小企业（SMEs）。研究结果表明，AI采用并不产生统一的创新效应；相反，它在递归嵌套系统内生成了三种并存且相互作用的创新结果：效率寻求型创新结果（efficiency-seeking innovation outcomes）、伪敏捷创新结果（pseudo-agility innovation outcomes）和变革型创新结果（transformative innovation outcomes）。当AI主要用于自动化、标准化和流程优化时，效率寻求型创新结果出现。当AI增强了响应性并加速了实验，但未能充分整合组织学习过程时，伪敏捷创新结果出现。相比之下，当AI嵌入更具探索性、战略导向的组织学习过程中时，变革型创新结果得以发展。研究结果进一步揭示，这些创新结果之间的关系本质上是递归的。战略转型仍受深层嵌入的效率逻辑影响，而变革性变化同时给运营效率逻辑带来压力。为管理这些张力，组织需要发展高阶能力，包括优化能力（optimization capability）、适应协调能力（adaptive coordination capability）和战略更新能力（strategic renewal capability）。本研究通过证明AI驱动的创新结果不是线性的，而是通过组织逻辑、学习过程和持续能力更新之间的递归互动涌现，为AI赋能学习、组织学习和动态能力的文献做出了贡献。
人工智能（AI）正重塑组织学习与创新过程，其影响程度取决于组织情境和变革意愿。尽管AI被普遍视为效率提升工具，但已有研究发现约40%的受访企业报告其重大AI投资未能产生满意的业务收益，说明AI采用并不必然带来成功的创新结果。现有文献多将AI采用结果概念化为效率提升或组织转型的线性路径，忽视了AI驱动创新过程的情境依赖性与异质性。同时，动态能力作为高度抽象的构念难以被直接观测，AI如何通过中层学习（meso-level learning）促进能力持续更新仍不清楚。中小企业兼具资源约束下的脆弱性与运营灵活性带来的韧性，为审视AI重塑学习模式与动态能力创新提供了适切情境。基于此，研究人员提出研究问题：AI赋能学习如何在组织内塑造嵌套式创新结果并形成相应的高阶动态能力？
研究人员选取印度尼西亚六家数字化密集型中小企业，采用探索性多案例设计，通过半结构化访谈等方式收集数据。研究发现AI采用并非产生统一的创新效应，而是生成三种并存的创新结果，即效率寻求型、伪敏捷型和变革型创新结果，三者形成递归嵌套系统。为管理这些结果间的张力，组织需要发展三类高阶动态能力：优化能力、适应协调能力和战略更新能力。研究贡献在于揭示AI驱动的创新是递归涌现的，而非线性过程，深化了对AI赋能学习、组织学习与动态能力的理解，也为企业如何在AI时代持续更新能力提供了理论依据。
在技术方法方面，研究采用理论抽样选取六个案例企业：PublishCo（出版业）、CosmeticsCo（化妆品）、LeatherCo（皮革制品）、MoldCo（模具制造）、ApparelCo（服装）、FashionCo（时尚手袋），员工数从12人到266人不等，样本队列来自印度尼西亚中小企业，其分类依据印尼政府2021年第7号条例。数据收集以半结构化访谈为主，辅以焦点小组、实地观察和档案文献，并进行数据三角验证。数据分析采用定性溯因方法，先以叙事法重构案例过程，再按Gioia方法论（Gioia et al., 2013）进行开放编码、轴向编码和选择编码，并通过协商一致程序保障信度。
在主要研究结果方面，第一，路径依赖与受限学习。当AI主要被用于执行常规、标准化任务时，会加剧低差异化学习，产生效率寻求型创新结果。AI快速生成标准化内容降低了产出壁垒，却削弱了学习过程中的迭代和创造投入，形成以加速和复制为核心的学习模式。第二，表面化与非结构化学习。当组织过分强调速度和响应性时，形成了伪敏捷创新结果。AI支撑快速产出与竞争模仿，但学习缺乏结构化深度，出现“加速陷阱”和过度生产，数据挖掘与提示依赖使学习被限制在既有模式内，创新深度不足。第三，探索性与变革性学习。当AI嵌入更具探索性的组织学习时，产生变革型创新结果。人机协同解决开放式问题，AI作为挑战和反馈来源帮助员工发展独特创意，促进了概念驱动的创新。AI还通过缩小知识差距使不同层级员工更平等地参与讨论，增强了中层学习。跨案例发现表明，三种创新结果可在同一组织内共存，其分布随职能和时间动态变化，并非顺序性发展阶段。
在讨论部分，研究人员强调三个创新结果构成递归、嵌套关系：效率逻辑既支撑也制约变革型结果，而战略转型也同时重塑组织的效率观念。为管理这些张力，组织需分别发展优化能力、适应协调能力和战略更新能力，这三者共同构成持续能力更新的基础。研究结论指出，AI赋能学习通过路径依赖式、快速模仿式和探索变革式三类学习机制产生多元创新轨迹；这些轨迹并非互斥的确定性发展路径，而是经验上可观察的创新倾向，可能在同一组织的不同项目、团队或互动情境中并存。创新结果之间是嵌套且递归的，组织须持续更新能力以适应环境变化。研究局限在于以行动者为中心，未对正式层级加以区分，未来可扩展至资源更丰富、技术素养更高的大型企业。
