AI驱动的用户-生产者互动如何促进互联创新：知识交换与整合视角

《Journal of Theoretical and Applied Electronic Commerce Research》：How AI-Driven User–Producer Interaction Fuels Interconnected Innovation: A Knowledge Exchange and Integration Perspective Yang Yu, Miaomiao Li, Honglei Li and Kuanwei Wu

　　

在人工智能（AI）快速扩散的背景下，企业日益依赖AI重塑用户互动，然而这种互动如何转化为持续创新仍不明确。采用用户-生产者互动视角，本研究考察了AI驱动用户-生产者互动（ADUPI）如何影响用户-生产者互联创新（UPII），重点关注用户-生产者知识交换（UPKE）和用户-生产者知识整合（UPKI）的中介作用，以及AI就绪（AIR）的调节效应。利用来自974家企业的调查数据，并应用回归、中介、调节和Bootstrap分析，研究发现ADUPI显著增强UPII。此外，UPKE和UPKI共同中介这一关系，形成双中介机制，其中知识整合的作用强于知识交换。另外，AIR正向调节ADUPI对UPKE和UPKI的影响，在较高AI就绪水平下放大创新成果。本研究通过将焦点从企业内部能力转向跨角色互动，阐明差异化的知识机制，并强调AI就绪作为价值实现的关键条件，推动了AI与创新研究。研究结果也为试图通过提升AI就绪和知识管理将AI驱动互动转化为互联创新的企业提供了可操作的见解。

在人工智能（AI）技术快速扩散的背景下，企业日益依赖AI重塑用户互动，但这一互动如何转化为持续创新仍不明确。现有研究多从内部能力视角探讨AI的影响，忽略了跨角色互动与知识机制的差异化作用。为此，研究人员从用户-生产者互动视角出发，系统考察了AI驱动用户-生产者互动（ADUPI）对用户-生产者互联创新（UPII）的影响，并引入用户-生产者知识交换（UPKE）和用户-生产者知识整合（UPKI）作为中介变量，以及AI就绪（AIR）作为调节变量。该研究旨在揭示AI驱动互动转化为互联创新的内在机理，弥补理论空白，为企业实践提供指导。论文发表在《Journal of Theoretical and Applied Electronic Commerce Research》。

研究人员通过问卷调查收集了来自中国内地974家企业的样本数据，采用五点李克特量表测量ADUPI、UPKE、UPKI、AIR和UPII等变量。主要技术方法包括：回归分析检验直接效应，Baron和Kenny逐步法及Bootstrap程序检验中介效应，层次回归分析检验调节效应，并进行信效度分析（Cronbach's alpha值>0.70，AVE接近或超过0.50，CR>0.80）、共同方法偏差检验（Harman单因子检验最大因子方差35.725%<40%）和方差膨胀因子（VIF）诊断（VIF<10），以确保数据质量。

研究结果部分：
4.1 信效度分析：通过Cronbach's alpha和确认性因子分析（CFA）验证，所有构念的内部一致性及收敛效度和区分效度均满足要求，表明测量工具可靠。
4.2 相关分析：Pearson相关分析显示，ADUPI与UPKE、UPKI、AIR和UPII均呈显著正相关（r分别为0.620、0.588、0.555和0.678），初步支持假设关系。
4.3 共同方法偏差与VIF检验：Harman单因子检验和ULMC方法表明共同方法偏差不严重；VIF值均低于10，无多重共线性问题。
4.4 实证检验：
4.4.1 ADUPI对UPII的直接效应：回归分析显示，ADUPI对UPII有显著正向影响（β=0.667，p<0.001），调整R²为0.465，支持假设H1。
4.4.2 UPKE和UPKI的间接效应：逐步回归表明，ADUPI对UPII的影响在引入UPKE或UPKI后显著减弱但仍显著，表明UPKE和UPKI均发挥部分中介作用，分别支持H2a和H2b。
4.4.3 UPKE和UPKI的双中介效应：Bootstrap分析证实双中介机制显著，总间接效应为0.342（95%置信区间[0.271, 0.412]），占总效应51.27%。其中，ADUPI→UPKE→UPII路径间接效应0.144（21.59%），ADUPI→UPKI→UPII路径间接效应0.198（29.69%），表明UPKI的中介作用更强。
4.4.4 AI就绪的调节效应：层次回归显示，ADUPI与AIR的交互项对UPKE（β=0.151，p<0.001）和UPKI（β=0.147，p<0.001）均有显著正向影响，支持H3a和H3b。简单斜率图进一步表明，高AIR条件下ADUPI对UPKE和UPKI的正向作用更强。
4.4.5 调节效应的进一步检验：通过简单斜率图可视化，高AIR时ADUPI对UPKE的简单斜率为0.77（p<0.001），低AIR时为0.62（p<0.001）；对UPKI的简单斜率分别为0.71和0.56，均显著，强化了调节作用结论。

讨论部分总结：研究结论表明，ADUPI不仅直接促进UPII，还通过UPKE和UPKI的双重中介路径间接发挥作用，且知识整合（UPKI）的中介效应更强。AI就绪（AIR）正向调节ADUPI对知识交换和知识整合的影响，高AIR条件下互动转化为创新的效果更显著。翻译研究结论如下：基于问卷调查数据和实证分析方法，本研究系统考察了AI驱动用户-生产者互动（ADUPI）影响用户-生产者互联创新（UPII）的机制，重点关注用户-生产者知识交换（UPKE）和用户-生产者知识整合（UPKI）的中介作用以及AI就绪（AIR）的调节效应。结果表明，ADUPI不仅与UPII正相关，还通过UPKE和UPKI两条路径产生显著间接效应，形成清晰稳健的双中介机制。首先，回归分析显示ADUPI与UPII显著正相关，确认AI技术在赋能用户-生产者关系及促进创新模式转型中的关键作用。其次，中介分析揭示了ADUPI促进UPII的内在理论机制：UPKE和UPKI均发挥显著中介作用，双中介效应占ADUPI对UPII总效应的较大比例；与简单信息传递相比，UPKI所代表的知识融合与重构机制对创新结果具有更强解释力。最后，调节效应分析表明AIR正向调节ADUPI对UPKE和UPKI的影响；当企业AI就绪水平较高时，ADUPI对知识交换和知识整合的正向效应更强，从而通过双中介路径强化其对UPII的整体影响；反之，低AIR条件下，即使频繁互动也可能无法产生可识别、可整合和可利用的知识价值，削弱互动对创新的促进作用。总体而言，在电子商务情境中，AI驱动的用户-生产者互动可通过UPKE和UPKI显著塑造企业创新结果，为平台企业和在线市场运营商提供实证见解。