《Journal of Innovation & Knowledge》:When does artificial intelligence innovation pay in servitization? A combined organizational learning and socio-technical systems perspective
编辑推荐:
人工智能(AI)创新通常被视为服务化的强大催化剂,然而其收入影响仍存在悖论且未被充分探索。本研究基于组织学习理论(organizational learning theory, OLT)和社会技术系统理论(socio-technical systems the
人工智能(AI)创新通常被视为服务化的强大催化剂,然而其收入影响仍存在悖论且未被充分探索。本研究基于组织学习理论(organizational learning theory, OLT)和社会技术系统理论(socio-technical systems theory, STST),利用2015年至2022年间796家中国制造业企业的面板数据,对AI创新对企业服务收入的非线性影响进行了理论化与实证检验。研究揭示了倒U型(inverted U-shaped)关系,表明虽然AI创新最初通过探索性学习和客户价值创造提升收入,但过度依赖可能引发组织僵化和优先级错位,从而侵蚀服务绩效。此外,协调能力(coordination capability)通过调节AI创新的收益与风险起到稳定作用,而人力资本(human capital)则放大这些双重效应。这些发现超越了将AI视为一致性积极推动者的主流观点,为理解组织子系统与技术子系统如何相互作用以塑造服务导向增长轨迹提供了更为细致的视角。
论文解读:人工智能创新在服务化中的非线性收益——基于组织学习与社会技术系统整合视角
一、研究背景与问题
在全球竞争加剧和产品边际利润收窄的背景下,制造企业日益将服务化(servitization)——将增值服务整合进产品供给——作为维持增长与差异化的战略途径。服务价值具有知识密集和关系嵌入的双重特征:前者依赖预测性维护、实时监控和智能平台,后者要求个性化解决方案和响应性客户互动。这双重特征增加了服务收入(service revenue)的实现难度,因为绩效不仅取决于运营效率,还取决于持久的客户价值和商业模式转型。尽管人工智能创新被视为关键使能因素,但关于其收入影响的研究结论仍存在矛盾,出现“服务悖论”现象。现有文献常依赖总资产回报率(ROA)或托宾Q等聚合指标,掩盖了服务收入的特定货币化机制;同时多将人工智能的影响视为静态或线性,忽视了组织内部能力的调节作用。为此,本研究提出两个问题:AI创新如何影响制造企业的服务收入?协调能力和人力资本如何调节这一关系?
二、研究内容与结论
该研究发表于《Journal of Innovation》。研究人员整合组织学习理论(OLT)与社会技术系统理论(STST),构建了探索-利用动态与社会技术对齐的分析框架。利用2015—2022年中国796家先进制造业上市公司的面板数据(共5565个观测值),通过混合效应模型进行实证检验。研究发现:AI创新与服务收入之间呈倒U型关系,即随着AI创新强度提升,服务收入先升后降;协调能力使该曲线趋于平缓,而人力资本则同时放大上升与下降的幅度。该研究超越了将AI视为一致性积极推动者的观点,揭示了组织子系统与技术子系统相互作用如何塑造服务导向增长轨迹,为AI赋能服务化提供了更细致的理论解释。
三、主要技术方法
本研究样本来自中国先进制造业上市公司,数据来源包括Patsnap全球专利数据库、上市公司年报以及国泰安(CSMAR)数据库。经剔除退市、ST或关键指标缺失企业,最终得到796家企业的非平衡面板。AI创新以AI专利授权数加1取对数衡量;服务收入通过对年报主营业务收入细分项手工编码并按Neely的12类服务分类汇总获得;协调能力以总资产周转率代理;人力资本以研发人员占比衡量。估计采用时间固定效应及行业和省份随机效应的混合效应模型,并运用滞后一期的AI专利作为工具变量进行两阶段最小二乘(2SLS)回归,同时进行倾向得分匹配(PSM)等稳健性检验。
四、研究结果
1. 主效应与调节效应结果
回归结果显示,AI创新的一次项系数不显著,但二次项系数显著为负(β=-0.139,p<0.05),且拐点位于样本区间内,支持倒U型假设。在调节效应方面,AI创新与协调能力的交互项显著为负(β=-6.526,p<0.001),AI创新平方项与协调能力的交互项显著为正(β=1.641,p<0.001),表明协调能力降低了曲线上升阶段的斜率并缓和了下降阶段的陡峭程度,即使曲线变得平缓。AI创新与人力资本的交互项显著为正(β=3.454,p<0.1),平方项交互显著为负(β=-0.893,p<0.05),表明高人力资本加速了前期的收益实现,也加剧了后期的衰退,使倒U型曲线更陡峭。
2. 稳健性检验
剔除2020年新冠疫情数据后,AI创新二次项仍显著为负(β=-0.122,p<0.05);剔除交通运输设备制造业(C37)样本后,二次项仍显著(β=-0.160,p<0.001)。采用滞后一期AI专利作为工具变量进行2SLS估计,第二阶段AI创新二次项系数为-0.226(p<0.001),倒U型关系仍然成立。倾向得分匹配后,二次项系数为-0.273(p<0.001),表明结论不受自选择偏差影响。
3. 异质性检验
区域异质性分析显示,东部地区企业AI创新与服务收入呈倒U型关系(二次项β=-0.148,p<0.05),而中西部地区不显著;行业异质性分析显示,非高技术行业呈显著倒U型(β=-0.190,p<0.05),高技术行业不显著。
五、讨论与结论
讨论部分指出,倒U型关系表明早期AI创新通过探索性学习提升效率与客户价值,后期过度开发与标准化则导致组织僵化和关系质量下降。协调能力作为“稳定器”,在技术与社会子系统之间起对齐作用,平滑了收益波动;人力资本则作为“放大器”,既加速学习转化,也强化路径依赖和刚性。这些发现整合了OLT与STST,解释了探索-利用转换的内生机制,并区别于资源基础观的边际递减论与双元理论的平衡论。实践上,管理者需平衡探索与利用,建立跨职能协调机制,并合理投资人力资本以避免过度依赖专家导致的僵化。
研究结论:制造企业的AI创新与服务收入之间存在倒U型关系;协调能力弱化了这一非线性关系,而人力资本强化了该关系。这意味着AI创新的财务回报并非无条件,其效果取决于组织内部技术子系统与社会子系统的动态对齐以及学习模式的转换。因此,服务化中的AI投资需要结合组织支持能力的培育,以实现收入增长与风险控制的平衡。