《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》:Artificial intelligence is not enough to enhance organizational performance
编辑推荐:
摘要专业翻译:
研究人员指出,人工智能(Artificial Intelligence, AI)并不会直接增强组织绩效(Organizational Performance)。AI赋能的供应链可见性(Supply Chain Visibility, SCV)能
摘要专业翻译:
研究人员指出,人工智能(Artificial Intelligence, AI)并不会直接增强组织绩效(Organizational Performance)。AI赋能的供应链可见性(Supply Chain Visibility, SCV)能够强化供应商整合(Supplier Integration, SI)。供应链可见性与供应商整合共同中介(mediating)了AI与组织绩效之间的关系。在高供应不确定性(Supply Uncertainty)情境下,供应商整合对组织绩效的贡献更为显著。上述发现拓展了组织信息处理理论(Organizational Information Processing Theory, OIPT)在AI赋能供应链中的应用。
论文解读文章
研究背景与问题提出
在供应链管理领域,人工智能正通过实时分析、预测建模与自动化重塑运营,潜在地改善可见性、预测精度与效率。然而,现有文献对AI与组织绩效的关系并未形成一致结论:技术复杂性、数据质量缺陷、组织阻力与治理能力不足,使许多企业难以把AI洞察转化为可衡量的业务价值。核心研究缺口在于,AI究竟通过何种机制影响绩效仍不清晰。该研究基于组织信息处理理论(Organizational Information Processing Theory, OIPT;强调组织需通过信息收集、解释、共享与利用来应对不确定性),从焦点企业视角切入,提出AI并非直接驱动绩效,而需经由供应链可见性与供应商整合的链式信息加工与协调过程发挥作用;同时考察供应不确定性对这一路径的边界条件。论文发表于《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》。
主要技术方法概述
研究人员采用基于问卷的实证建模方法,样本来源于英国FAME数据库中已实施AI技术的企业,通过Qualtrics平台发放量表,最终获得220份有效企业响应,覆盖服务与非服务行业,受访者以管理者为主。研究使用七点Likert量表测量AI、供应链可见性、供应商整合、组织绩效与供应不确定性,并以公司规模、年龄与行业类型作为控制变量;统计分析上采用结构方程模型(Structural Equation Modeling, SEM)在IBM SPSS Amos中同时检验测量模型与包含串行中介和调节效应的结构模型,并辅以共同方法偏差检验、信效度分析、内生性处理与重要性—绩效地图分析(Importance–Performance Map Analysis, IPMA)。
研究结果
2.1 AI与供应链可见性
假设检验表明,AI通过机器学习、预测分析与实时监测提升数据采集、整合与解读能力,对供应链可见性具有正向影响。
2.2 AI与供应商整合
结果显示AI可借助实时沟通、采购自动化与关系管理,正向关联供应商整合,但研究更强调其后经可见性转化的间接路径。
2.3 供应链可见性与供应商整合
供应链可见性通过降低信息不对称、增强信任与协同,正向促进供应商整合。
2.4 供应商整合与组织绩效
供应商整合通过优化资源配置、降低成本与提升响应能力,对组织绩效产生正向直接作用。
2.5 AI与组织绩效
AI对组织绩效的直接效应不稳健或不显著,支持“AI单独不足”的核心论点。
2.6 供应链可见性与组织绩效
可见性本身亦通过改善决策与风险控制对绩效产生正向作用。
2.7 串行中介
研究证实AI→供应链可见性→供应商整合→组织绩效的串行中介关系:AI先增强可见性,再经由协同转化提升整合,最终改善绩效。
2.8 供应不确定性的调节
供应不确定性正向调节供应商整合与组织绩效的关系:环境越不确定,深度供应商协同对绩效的边际价值越高。
讨论与结论翻译
讨论部分指出,该研究将OIPT拓展至AI赋能供应链场景,证明AI的价值不在技术本身,而在组织是否具备将信息加工为跨边界协调能力。对管理者而言,单纯采购AI无法保证回报,必须同步建设数据底座、可见性机制与供应商协同治理;在供应中断频发时期,更应强化整合而非依赖算法孤立决策。
研究结论如下:人工智能不足以直接提升组织绩效;AI驱动的供应链可见性强化供应商整合,二者构成链式中介机制;供应商整合对绩效的增益在高供应不确定性下更突出;组织应将AI定位于信息加工与协同赋能的投资,而非独立绩效杠杆。该结论深化了OIPT在智能供应链中的解释力,并为企业在不确定环境中配置AI与供应链能力提供了理论依据与实践路径。