编辑推荐：
混合智能通过提升知识重组的复杂性和敏捷性促进组织突破性创新，基于知识基础观理论框架，通过280家中国企业的结构方程模型验证，发现知识重组起中介作用，理论贡献在于将混合智能定位为动态知识创造能力。
施金城
上海人工智能实验室，上海AI实验室，中国上海市徐汇区龙腾路2171号11楼
摘要
将人工智能与人类智能整合为混合智能，为组织的突破性创新创造了新的机会。虽然以往的研究从单一角度探讨了人工智能技术系统对企业创新的影响，但本研究从协作的视角探讨了混合智能与组织突破性创新之间的关系，并研究了将混合智能与突破性创新联系起来的微观机制。基于对280家中国企业的调查数据进行的结构方程建模，研究结果表明：首先，混合智能与组织突破性创新呈正相关；其次，知识重组在混合智能与突破性创新之间的关系中起着中介作用；第三，知识重组的复杂性和灵活性作为不同的机制发挥作用。本研究强调了企业利用人工智能技术构建混合智能系统以促进突破性创新的重要价值。
引言
基础模型的快速发展从根本上重塑了我们对知识生产和技术创新的理解（Mariani等人，2023年；Bouschery等人，2023年）。作为一种通用技术，这些模型已成为产生新见解和推动进步的强大引擎（Pan等人，2024年）。在组织内部，这种机器智能并非孤立运作，而是与人类智能共存并协作，形成了现在所称的混合智能（HI）（Akata等人，2020年；Bouschery等人，2023年）。为了理解这种新型人机配置的创新潜力，我们采用了基于知识的观点（KBV）作为指导理论框架。KBV认为，企业的主要目的和竞争优势在于其整合知识的能力（Grant，1996年）。由于知识，特别是隐性知识，本质上难以转移和表达，企业面临的关键挑战在于有效整合不同个体的专业知识。从这个角度来看，我们将混合智能不仅仅视为一种工具，而是一个前所未有的、高效的知识整合系统。它超越了传统界限，不仅整合了来自不同人类专家的知识，还融合了人类（通常是隐性的、情境化的）和机器（显性的、可扩展的）知识。
尽管关于人工智能对创新影响的研究越来越多（Haefner等人，2021年；Verganti等人，2020年），但仍存在重要的理论空白。大多数研究采用“工具型”视角，关注人工智能如何辅助人类任务（Rampersad，2020年），未能分析深度整合的人机系统所产生的新特性（Fügener等人，2022年）。因此，将混合智能与突破性创新联系起来的内在机制仍然是一个“黑箱”。目前尚不清楚人类智能和机器智能的融合如何转变组织的知识基础，从而产生根本性的新成果（Grashof和Kopka，2023年；Babina等人，2024年）。
本研究旨在揭开这个“黑箱”。我们认为，混合智能通过增强知识重组这一核心过程来推动突破性创新——这是KBV中知识整合的核心机制。具体而言，混合智能在以下几个方面增强了知识重组：人工智能的计算能力使得可以探索比人类能力大得多的知识元素组合空间，从而增加了潜在知识组合的多样性和新颖性。混合智能创造出独特的协同效应，其中人类专家提供深入的领域背景、直觉和隐性理解来指导重组过程，而人工智能则提供可扩展的分析和模式识别能力来处理大量的显性知识。这种“智能组合”效应确保了新组合不仅新颖，而且相关且可行。通过将混合智能概念化为一个复杂的知识整合系统，我们超越了“人工智能作为工具”的局限。这引出了我们的核心研究问题：
问题1：作为知识整合系统的混合智能对企业实现突破性创新的能力有何影响？
问题2：增强的知识重组过程如何中介混合智能与突破性创新之间的关系？
通过这一视角，我们的研究旨在为人类智能和机器智能之间的协同如何开辟新的创新路径提供更有力的理论解释。为了解决这两个关键问题，我们基于中国八个行业280家企业的数据，开发了一个“混合智能 - 知识重组 - 突破性创新”的理论模型。研究结果表明：首先，混合智能（人工智能与人类智能的整合）与企业的突破性创新呈正相关；具体而言，混合智能可能缩短产品和服务周期，加速新产品开发，并帮助开拓新市场；其次，混合智能通过组织知识重组的复杂性和灵活性发挥中介作用，支持更多样化和新颖的组织知识，并使知识重组过程更加高效。
本文的理论贡献如下。首先，我们将混合智能定义为一个不同于增强智能或协作智能的概念，将其视为人类智能和机器智能的协同融合。从KBV的角度来看，混合智能是一种新型的、更高阶的知识整合单元。其次，我们通过识别混合智能与创新之间的微观机制，进一步发展了KBV。我们提出混合智能增强了知识重组的复杂性和灵活性，从而揭示了人机协同如何促进突破性创新的“黑箱”。第三，我们将混合智能不仅仅视为一种技术，而是一种动态的知识创造能力，认为企业管理这种协同的能力是潜在的竞争优势来源。
我们的研究还具有重要的实际意义。管理者的核心挑战和机遇在于超越将人工智能视为简单工具的观念，而是战略性地设计和管理作为一个整合的混合智能系统。成功不仅仅取决于技术的采用，还需要积极克服以下障碍：1）重新设计知识工作流程，打破人类智能和机器智能之间的整合壁垒；2）培养“混合人才”和心理安全文化，以克服人类的抵触情绪和技能差距；3）优先考虑透明和可解释的人工智能（XAI），以建立真正的人机协作所需的信任，超越不透明的“黑箱”解决方案。
本文的研究结构如下。第二部分提供了理论综述，重点解释混合智能的概念和特征，并分析了混合智能背景下的知识重组，以识别知识重组的新特性。第三部分提出了研究假设，讨论了混合智能、知识重组和突破性创新之间的关系。第四部分详细介绍了数据和研究方法，包括数据来源、变量选择、模型设置和描述性分析。第五部分展示了基于结构方程建模方法的研究结果。第六部分包括讨论，涵盖了理论意义、实际意义和未来展望。
混合智能
关于人工智能在组织中作用的讨论通过多种不断发展的视角进行了解释。为了为混合智能奠定坚实的基础，首先批判性地评估这些先前观点的局限性至关重要，因为它们的概念模糊性往往导致在理论讨论和实际应用中无法区分混合智能和简单形式的人机交互。
工具视角：早期的观点认为……
研究假设
本研究基于KBV，该理论认为创新源于现有知识的重组（Schumpeter，1939年；Nelson和Winter，1982年；Kogut和Zander，1992年）。我们认为，混合智能（HI）的出现从根本上改变了这一过程，这一过程传统上受到人类认知限制的约束。为了解释这一变化，我们的模型引入了两个关键且概念上正交的中介机制：知识重组的复杂性
数据来源
本研究通过在中国各地不同行业进行问卷调查，探讨了混合智能对组织层面突破性创新的影响。问卷的分发由一家具有商业研究抽样专长的第三方专业机构管理。
为了解决确保样本选择适当性的关键问题，我们实施了两阶段筛选流程。
可靠性和有效性测试
在Harman单因素测试中，所有变量都被纳入探索性因子分析，然后检查了未旋转的因子解。分析结果显示，最大因子解释的方差百分比低于40%的阈值。在标记变量方法中，按照Lindell和Whitney（2001年）的常见方法偏差测试步骤，测试结果显示，是否包含标记变量并未显著影响所有研究的结果
理论贡献
首先，本研究将混合智能概念化为一种独特的组织能力，超越了将人工智能仅仅视为技术工具的普遍观点。以往的研究主要从有限的角度对人工智能进行分类：作为工具、人类能力的增强手段或简单的合作伙伴（Sowa等人，2021年；Chowdhury等人，2022年）。尽管这些观点有价值，但它们往往忽略了由此产生的协同潜力
致谢
本项工作得到了国家自然科学基金（资助编号：72504152）和上海人工智能实验室的支持。
施金城博士是上海人工智能实验室的年轻研究员。他的研究兴趣在于人工智能创新和技术创新管理。他最近的研究重点是生成式人工智能和大型语言模型的产业化与创新。
