基于阿拉伯联合酋长国的能源领域中的创新技术及工作场所协作

《Frontiers in Artificial Intelligence》：Innovative technologies and workplace collaborations in the energy sector based in the United Arab Emirates

　　摘要

引言：阿联酋能源行业正在推进数字化转型，例如遵循《2031年阿联酋人工智能战略》和净零排放承诺。人工智能（AI）、物联网（IoT）和云计算等技术为实时协调、数据驱动的决策制定和跨职能合作开辟了新途径。然而，这些机遇也面临组织准备度、文化惯性和技术整合等挑战。尽管如此，关于阿联酋能源领域创新实践的研究仍然有限。因此，本研究探讨了AI、IoT和云计算在塑造阿联酋能源行业工作场所合作中的作用。

方法：本研究采用了解释性顺序混合方法设计，包括第一阶段（2024年10月15日至2025年1月31日）对主要能源公司的15名运营、IT和领导岗位的专业人士进行访谈，并通过主题分析进行数据挖掘。第二阶段（2025年2月15日至2025年5月15日）向更广泛的样本发放了调查问卷，共收到115份有效回复，然后进行定量分析。本研究主要基于技术接受与使用统一理论（UTAUUT），同时借鉴了技术接受模型（TAM）、基于资源的观点（RBV）和行动者网络理论（ANT）作为解释性框架。

结果：研究发现，AI、IoT和云计算平台增强了合作，特别是在远程协调和预测性决策支持方面，但采用这些技术的进程受到变革阻力、系统碎片化以及数字素养不均衡的阻碍。

讨论：实际建议包括分阶段推广、数字成熟度审计以及AI入门培训项目。政策建议则包括制定国家合作标准、整合关键绩效指标（KPI），并为联合创新项目提供激励措施。

1 引言
阿联酋能源行业仍是阿联酋国民经济的核心支柱，对GDP和出口收入贡献显著（来源：阿联酋能源与基础设施部，2024年），并持续影响着该国的经济发展、工业能力和地缘政治影响力。一直以来，碳氢化合物资源推动了国家的繁荣，构成了阿联酋经济增长和全球能源影响力的基础。诸如阿布扎比国家石油公司（ADNOC）这样的主要国家实体已投入大量资金，旨在现代化运营并加速上游、中游和下游活动的数字化转型。这些举措反映了在全球能源市场中保持竞争力的广泛战略目标，同时提升效率、运营韧性和可持续发展目标，这与阿联酋的长期发展战略一致。这一转型的核心是将先进的数字技术整合到能源运营中。人工智能（AI）、物联网（IoT）和云计算已成为支持工业基础设施数字化的关键工具。AI系统越来越多地应用于预测性维护、运营优化以及从生产资产和能源网络中提取的大规模数据分析（Aguiar-Hernandez和Breetz，2024；Alami，2023；Bojarajan等，2024）。IoT技术使互连的传感器和设备能够传输实时运营数据，提高了地理位置分散的设施间的情况感知和决策能力（Al-Hajri等，2024）。云计算进一步实现了安全存储、大规模处理以及跨组织和地点的运营信息共享，加强了技术团队、监管机构和管理结构之间的协作（Fasi，2024；Currie等，2024）。这些技术不仅提升了运营效率，还日益影响复杂工业环境中的组织结构和沟通流程。在阿联酋能源行业，由于项目往往涉及工程、运营、信息技术和监管等多个学科的团队，数字平台促进了跨多个地点和组织边界的人员间的合作。随着行业变得越来越以数据驱动和互联互通，有效的协作已成为维持运营绩效和组织适应性的关键能力。

尽管数字化转型在阿联酋能源行业中具有战略重要性，但仍存在若干挑战限制了先进技术的有效采用和整合。网络安全风险是一个重大问题，因为日益增加的数字化连接性使关键基础设施面临潜在的网络威胁（Fasi，2024；Mühlburger和Krumay，2023）。劳动力能力也是一个持续存在的障碍，因为先进数字系统的操作和维护需要专门的技术技能，而这些技能在该行业尚未普遍普及（Crupi和Schiliro，2023；Al-Hajri等，2024）。老旧基础设施、组织对变革的抵触以及将新技术整合到现有运营系统中的复杂性，进一步复杂化了数字创新举措的实施（Bojarajan等，2024；Osmundsen和Bygstad，2021）。虽然现有研究已经探讨了全球能源行业的数字化转型，但对于这些技术在阿联酋背景下的组织影响关注较少。特别是，关于AI、IoT和云计算如何影响阿联酋能源组织内专业人员合作实践的实证研究较为罕见。现有文献大多集中在技术性能、运营效率或国家能源政策上，而忽视了技术采用过程中的人文、组织和社会动态方面。本研究旨在填补这一空白，探讨新兴数字技术如何影响阿联酋能源行业的工作场所合作，特别是AI、IoT和云计算在促进运营、技术和管理人员之间合作中的作用。通过识别促进因素和采纳障碍，本研究旨在为在复杂工业环境中更有效地整合先进技术提供见解，从而为政策制定者和行业领导者提供实际建议，以加强阿联酋能源领域的合作与创新。

2 文献综述

2.1 阿联酋能源行业的发展
阿联酋能源行业在中东地区处于技术创新的最前沿，AI、IoT和云计算将传统运营转变为创新且互联互通的系统。在该地区组织中，迪拜电力和水务局（DEWA）已经实现了使用AI的好处，并应用机器学习算法来管理该酋长的电网（Leal-Arcas，2024）。他们利用AI系统监测消费趋势、天气和基础设施，以识别需求瓶颈，从而确保服务可靠性。阿布扎比国家石油公司（ADNOC）通过在石油行业中全面部署IoT技术，彻底改变了海上作业方式。他们在阿拉伯湾的石油钻井平台上安装了各种传感器，提供关于设备、环境和生产的即时详细信息（Al-Hajri等，2024）。从偶尔的物理检查转向持续的数字监控，是阿联酋管理碳氢化合物资源方式的重大变革。IoT系统还在可持续性问题上发挥作用，例如检测甲烷泄漏，并提高燃烧活动的效率。云计算已成为阿联酋公用事业数字化的支柱，以阿提哈德水务与电力公司（Etihad WE）转向基于云的分析为例（Mukhtar，2024）。这家北部酋长的提供商已从孤立的本地系统过渡到连接的云系统，以处理客户消费数据、电网数据和计费数据。

政府政策在加速阿联酋能源行业的数字化转型方面发挥了重要作用。《2050年阿联酋能源战略》预计到本世纪中叶，该国将有50%的能源来自清洁能源（Tantry等，2025），这将鼓励公用事业公司和石油公司通过数字化来管理现有的和新资产。公私合作伙伴关系在大规模部署先进技术方面尤为有效。阿布扎比国家能源公司（TAQA）与IBM的合作就是这一模式的典范，结合了TAQA的能源专业知识和IBM的AI能力，以实现可再生能源的优化整合。

2.2 全球能源创新研究的综述
全球关于能源行业创新的研究表明，数字技术正在不断重塑传统和可再生能源系统的运营效率、决策制定和合作方式。来自欧洲、海湾地区和其他能源生产国的研究表明，人工智能（AI）、物联网（IoT）、云计算及相关数字平台不仅用于提升技术性能，还增强了组织在复杂运营环境中的响应能力。Bojarajan等人（2024）研究了AI在斯堪的纳维亚电网中的应用，发现其在负荷预测、可再生能源整合和电网稳定性方面的显著改进。他们的研究表明，机器学习模型支持了可变风能与水力资源之间的平衡，从而改善了高度数字化系统中的运营协调。类似地，Aguiar-Hernandez和Breetz（2024）发现，AI支持的预测分析增强了维护计划并减少了能源基础设施中的运营中断，尤其是在有大量资产数据进行实时分析的情况下。这些发现表明，AI不仅有助于技术优化，还有助于工程和运营团队之间的更协调决策。海湾地区关于数字能源转型的研究也得出了类似的结论，尽管重点因基础设施成熟度和政策优先级而异。在沙特阿拉伯，关于能源和公用事业部门数字化的研究强调了AI和IoT在支持智能电网发展、预测性维护和与“愿景2030”相关的能源效率倡议中的作用。这些研究表明，数字技术通过促进技术、运营和管理单元之间的更集成数据流动，提高了跨职能的协作。在卡塔尔，关于智能能源系统和数字基础设施的研究同样强调了基于云的信息共享和连接监控系统在提高运营可见性和系统响应能力方面的作用。在这些海湾国家的案例中，数字创新与组织整合密切相关。

在阿联酋，文献显示了对数字工具在能源运营中应用的兴趣日益增长，但大部分证据集中在实施结果上，而非组织效应。Al-Hajri等人（2024）研究了迪拜电力和水务局中AI的的实施情况，发现跨发电、输电和配电功能的共享数字仪表板通过提供统一的运营界面提升了协作效果。这一研究特别重要，因为它表明数字平台可以支持以前分散的单元之间的合作。相比之下，Fasi（2024）研究了区块链在阿联酋能源交易中的应用，发现虽然该技术提高了电力采购协议和可再生能源证书交易的透明度，但劳动力准备度和数字能力的限制限制了其实施。这表明，仅凭技术潜力是不够的，还需要组织准备度的支持。其他国际研究也强调了人为和组织因素在数字能源转型中的重要性。Currie等人（2024）表明，云计算平台支持大规模数据整合和运营信息的共享访问，使地理分散的团队能够更有效地协作。Butler等人（2023）认为，能源系统的数字化转型可以增强韧性和可持续性，但前提是组织结构能够适应新的数据驱动的工作方式。Osmundsen和Bygstad（2021）同样发现，数字化转型常常受到变革阻力、系统碎片化以及技术实施与组织流程之间协调不佳的阻碍。Mühlburger和Krumay（2023）进一步指出，网络安全问题是关键基础设施中数字采用的主要障碍，这关系到信任、沟通和能源组织间的系统整合。

总体而言，这些研究表明，能源行业的创新不仅仅在于引入新技术。相反，数字转型的成功取决于技术如何融入组织系统、员工如何与这些技术互动，以及制度结构如何支持和限制合作。尽管全球和地区研究越来越多地认识到AI、IoT和云计算的运营价值，但实证工作尤其是关于它们对阿联酋能源行业内工作场所合作的综合影响的还不够充分。这正是本研究关注阿联酋能源行业数字创新中的人文和组织维度的原因。

2.2.1 理论整合和概念框架
本研究主要基于技术接受与使用统一理论（UTAUUT），并得到了技术接受模型（TAM）、基于资源的观点（RBV）和行动者网络理论（ANT）的支持。选择这些理论是因为它们各自解释了能源行业中技术采用和合作的不同但互补的方面。UTAUUT为理解行为意图和实际技术使用提供了主要解释框架。其核心概念——绩效期望、努力期望、社会影响和促成条件——有助于解释为什么阿联酋能源行业的员工可能会接受或抵制基于AI、IoT和云计算的系统。UTAUT理论尤为重要，因为它还考虑了年龄、性别、使用经验和自愿性等调节因素，这些因素有助于研究评估不同员工群体在采用技术方面的差异。TAM理论通过用户感知的有用性和易用性提供了更具体的解释，补充了UTAUT的视角。虽然UTAUT提供了一个关于技术接受度的广泛模型，但TAM帮助厘清了个体如何在日常工作中评估特定技术的实际价值和可用性。在本研究中，TAM增强了对于用于沟通、监控和数据共享的数字平台员工态度的解释。

RBV理论将分析扩展到个体感知之外，将数字技术视为战略性的组织资源。从这个角度来看，人工智能能力、物联网连接性、云基础设施以及员工的数字素养可以被视为宝贵的资源，当这些资源得到有效整合时，能够提升组织绩效和协作能力。因此，RBV支持了这样的观点：技术采纳不仅是一个行为问题，也涉及组织能力和竞争优势。

ANT理论进一步将协作概念化为由人类和非人类参与者组成的社会技术网络中的互动结果。在本研究的背景下，员工、管理者、数字平台、传感器、仪表板以及组织流程都是塑造协作方式的网络元素。ANT理论特别有助于解释技术如何不仅仅是支持工作，而是积极重构了沟通模式、权力关系和操作流程。

综合这四种理论，形成了一个综合的解释框架。UTAUT和TAM解释了员工为何采纳和使用技术；RBV解释了组织为何将技术视为战略资源并进行投资；ANT解释了人、系统与流程之间的互动如何实际改变协作方式。这些理论的结合使研究能够超越单一的技术采纳模型，深入探讨数字转型对阿联酋能源行业的更广泛组织和关系影响。

### 理论概述与对本研究的贡献

- **UTAUT**：基于行为意图和技术使用，解释了员工为何接受人工智能（AI）、物联网（IoT）和云计算（Cloud）技术，通过绩效期望、努力期望、社会影响以及促进条件来阐述这一过程。
- **TAM**：通过用户感知的有用性和易用性，明确了员工如何评估数字技术的实际价值和可用性。
- **RBV**：将数字基础设施和员工数字素养视为支持协作和绩效的战略性组织资源。
- **ANT**：社会技术网络理论解释了人类与非人类参与者如何互动，从而影响沟通、协调和协作实践。

#### 概念框架的操作化
图1展示了指导本研究的概念框架。该框架将人工智能（AI）、物联网（IoT）和云计算（Cloud）视为影响阿联酋能源行业协作的关键独立变量，而工作场所协作则是因变量，表现为沟通质量、协调效率、信息共享和跨职能团队合作。框架还包含了中介变量和调节变量，如感知有用性、感知易用性和行为意图，这些变量主要源自TAM和UTAUT，反映了技术特性如何影响协作结果。在实际操作中，这些变量通过调查问卷条目进行测量，以了解受访者认为数字技术在提升工作效率、易用性以及促进专业任务持续使用方面的作用。

#### 研究空白
现有研究在理解阿联酋能源行业转型方面存在几个关键空白：
1. 尽管云计算是人工智能（AI）和物联网（IoT）系统的基础，但其在促进协作方面的具体作用尚未得到充分学术关注。大多数研究将云计算基础设施视为背景支持因素，而非分析不同架构（公共、私有或混合架构）及供应商策略对阿联酋能源组织协作结果的影响。鉴于该国对云平台的依赖以及海湾地区的独特数据主权和合规要求，这一遗漏非常突出。需要进一步研究国际云服务提供商是否能满足当地的安全需求，或者基于阿联酋的解决方案是否对关键任务更有效。
2. 关于组织文化和员工适应性的研究较少。虽然早期研究承认了对技术变革的抵制，但很少探讨其在阿联酋能源企业中的根本原因和缓解策略。阿联酋化政策与数字化转型之间的相互作用仍待深入探讨，特别是员工本土化目标如何与先进技术的即时技能需求产生冲突。还需要更广泛的研究来了解传统工程思维模式与数据驱动和人工智能支持的决策模型之间的互动。
3. 在方法论方面，大多数基于阿联酋的研究依赖于定性案例设计，限制了研究的普遍性和外部有效性。评估技术采纳对协作和生产力持续影响的定量或纵向研究较为稀缺。此外，现有研究往往侧重于管理视角，忽视了 frontline 工作者的经验，而这些经验可能为技术使用提供实际洞察。
4. 地理分布上，研究主要集中在阿布扎比和迪拜，较小酋长国的研究较少，限制了对塑造采纳模式的地缘因素的理解。跨海湾国家（如阿曼、卡塔尔和沙特阿拉伯）的比较分析也有限，从而影响了对该地区差异的理解。
5. 研究对不同技术的关注度不均衡。人工智能（AI）研究多集中在发电和电网管理上，较少关注其对协作工作流程的贡献；物联网（IoT）研究仍以硬件为中心；区块链分析很少超越概念性试点阶段；新兴领域（如数字孪生、量子计算、生成式人工智能和分布式能源网络中的网络安全）在阿联酋的讨论中几乎未被提及。填补这些空白对于全面理解技术整合和协作如何在阿联酋快速现代化的能源行业中共同发展至关重要。

#### 研究目标
- **研究目标**：
- **RO1**：探讨人工智能（AI）、物联网（IoT）和云计算（Cloud）在构建阿联酋能源行业更好协作中的作用，评估这些技术如何影响信息交换、沟通和团队合作。
- **RO2**：分析阻碍这些技术在能源行业采纳的组织障碍，如员工对新方法的抵触、数据网络的安全威胁以及过时的系统基础设施问题。
- **RO3**：研究这些技术对运营效率、决策改进和组织绩效的影响，验证基于技术的协作是否能够提升绩效、节省成本并实现可持续性。
- **RO4**：探讨创新技术协作如何推动阿联酋的能源可持续性目标，评估更好的协作如何促进可再生能源系统的采纳和减少碳排放。

#### 研究假设
- **H1**：人工智能（AI）的采纳通过增强实时决策和协作，积极影响工作场所协作。
- **H2**：物联网（IoT）系统的实施通过促进跨部门的数据整合，积极影响工作场所协作。
- **H3**：云计算平台的运用通过支持远程访问和跨职能知识共享，积极影响工作场所协作。
- **H4**：组织准备程度和数字素养调节了创新技术（AI、IoT、Cloud）与协作效果之间的关系。
- **H5**：代际差异和数字素养不平等对创新技术与社会协作结果之间的关系具有负面影响。
- **H6**：人工智能（AI）、物联网（IoT）和云计算的整合促进了新型跨组织协作网络的出现，这些网络超越了传统的层级结构。

#### 方法论
- **UTAUT**理论的核心概念（绩效期望、努力期望、社会影响和促进条件）直接对应于本研究探讨的协作结果。
- **TAM**作为概念前提（通过感知有用性/易用性）被保留。
- **RBV**和**ANT**理论被用作辅助视角：RBV将协作视为战略能力，ANT揭示了阿联酋能源环境中人、政策和技术之间的社会技术互动。
- **RBV**从战略角度解释了人工智能（AI）和物联网（IoT）如何通过增强协作为阿联酋能源公司创造可持续竞争优势。
- **ANT**理论提供了一种全新的视角，用于考察阿联酋能源项目中的人-技术互动，打破了技术和社交元素的传统分离。

#### 概念框架的操作化过程
第3.0节（方法论）详细介绍了通过半结构化访谈和调查问卷对这些假设的操作化过程，完整的研究工具和支持材料见补充材料中的附录F–H。

#### 总结
本研究表明，人工智能（AI）、物联网（IoT）和云计算（Cloud）的采纳和使用可以通过UTAUT理论得到解释，该理论通过绩效期望、努力期望、社会影响和促进条件来解释员工接受度。TAM和ANT理论作为概念前提，RBV提供了战略视角，ANT揭示了社会技术互动。RBV和ANT理论共同构成了一个以UTAUT为中心的概念框架，帮助理解数字转型在阿联酋能源行业的组织和关系影响。最终，该框架提出了一个合作准备模型，该模型整合了技术和人类适应性的维度，反映了这些因素对阿联酋能源行业可持续合作的综合影响。

2.7 研究问题
本研究的研究问题（RQs）如下所述：
RQ1：人工智能（AI）、物联网（IoT）和云计算如何支持阿联酋能源行业的合作？
RQ2：在阿联酋能源行业中，采用AI、IoT和云计算面临哪些障碍？
RQ3：创新技术如何在哪些方面提高能源行业的运营效率和绩效？
RQ4：技术驱动的合作如何支持阿联酋的可持续发展目标和能源目标？

3 方法论
本研究采用了解释性顺序混合方法设计，以探讨创新技术如何影响阿联酋能源行业的合作。该方法结合了定性和定量方法，既深入了解了情况，又提高了研究结果的普遍性。在这种设计中，定性探索先于定量测试，使专家访谈的见解能够指导第二阶段调查工具的开发。

通过专业网络、行业联系和阿联酋主要能源机构的公开组织目录来确定参与者。通过专业电子邮件和LinkedIn邀请联系潜在参与者，解释研究目的并请求自愿参与。由于日程安排和地理因素，访谈主要通过安全的虚拟会议平台进行，但参与者也可以选择面对面交流（如果可行的话）。每次访谈大约持续40-60分钟，并遵循补充材料附录G中提供的结构化访谈指南。

3.1 第一阶段（定性研究）
与阿联酋主要能源组织（包括ADNOC、DEWA和TAQA）的关键利益相关者进行了半结构化访谈。主要数据收集时间为2024年10月30日至2025年1月31日。在主要访谈之前，于2024年9月10日至20日对五名参与者进行了访谈协议的试点测试。试点研究评估了访谈问题的清晰度、相关性和顺序。试点参与者的反馈表明，一些问题需要简化措辞和表述，因此对问题进行了微调以提高参与者的理解。

参与者是根据基于标准的目的性抽样策略选定的，目标是那些直接参与人工智能、物联网和云计算项目运营或管理的人员。之所以选择这种抽样方法，是因为研究需要具有能源组织数字化转型专业经验的参与者。这种有针对性的抽样确保所有参与者都具备相关专长，并且积极负责组织内的技术实施或管理工作。招聘持续进行，直到达到主题饱和度。从最初邀请的24名参与者中获得了15份可用访谈记录。这些参与者代表了阿联酋能源行业中不同的运营、技术和领导角色，从而涵盖了多种组织对数字技术采用和合作的观点。

3.2 第二阶段（定量研究）
通过专业网络、行业邮件列表和第一阶段参与者的推荐来招募调查参与者。邀请通过电子邮件和专业平台电子发送，并提供安全调查链接以确保保密性和自愿参与。参与者的身份限制在目前正在阿联酋能源行业工作的专业人士中，以确保与研究目标相关。

定性阶段获得的见解为开发结构化调查问卷提供了依据，该问卷旨在考察所识别主题在更广泛人群中的普遍性。2025年2月4日至14日期间，对10名参与者进行了调查问卷的试点测试，以评估问题的清晰度、结构和完成时间。试点参与者的反馈促使对措辞和问题顺序进行了微调，以确保调查条目准确反映了定性研究结果和理论框架中的概念。最终调查于2025年2月15日至5月15日期间进行。采用分层目的性抽样方法，并结合自愿响应参与，以获得阿联酋能源行业中不同类型组织的代表性样本，包括公用事业、石油和天然气 serta 可再生能源组织。抽样策略还旨在涵盖不同专业层级（包括高管、管理和技术岗位）的多样性。

共发放了212份调查问卷，收到115份有效回应，响应率约为54%。这一样本量被认为足以进行组织和技术采用研究中的探索性统计分析，特别是在受访者获取受限的专业领域。样本量也允许对技术采用概念与合作成果之间的关系进行有意义的分析。

3.3 数据分析
定性数据采用主题分析法进行分析。编码结合了演绎和归纳方法。先验代码来自与“技术接受与使用统一理论”（UTAUT）相关的概念，包括绩效期望、努力期望、社会影响和促进条件，同时参考了“技术接受模型”（TAM）中的概念，如感知有用性和感知易用性。此外，还从资源基础视角出发进行了额外的解释性分析，特别是当技术能力被视为组织资源时。通过对数据进行新兴编码，还发现了新的主题，包括代际差异、文化影响以及与云安全相关的担忧。

统计分析采用了技术采用研究中常用的标准回归和相关性程序。审查了模型假设和统计输出，以确保相关性、回归系数和模型显著性值之间的内部一致性。分析遵循了基于UTAUT的研究中建立的定量研究实践，从而可靠地解释了技术采用变量与合作成果之间的关系。为了密切结合定性数据并确保编码过程的透明度，使用Microsoft Excel进行了手动分析。Excel用于整理转录摘录、应用和细化编码，并进行模式和频率分析。通过对ADNOC、DEWA和TAQA的比较分析，识别出共同趋势和组织特定的差异，包括数字成熟度、合作实践和技术变革抵制方面的变化。

定量数据使用旨在考察技术采用概念与工作场所合作成果之间关系的统计技术进行分析。调查问卷包括来自UTAUT和TAM概念的条目，可以测量感知有用性、易用性、促进条件以及与合作实践相关的行为意图。为了评估可靠性，使用Cronbach’s alpha评估了调查条目的内部一致性。所得到的可靠性系数超过了普遍接受的0.70阈值，表明测量条目之间具有令人满意的内部一致性。通过调查条目、理论概念和定性阶段识别的主题之间的对齐，支持了构念的有效性。

在研究的解释阶段整合了定性和定量发现。这种整合通过对比定性访谈中观察到的模式与调查数据中的模式，加强了研究结果的有效性。对手动编码的匿名转录摘录（补充材料附录A）进行了编码，编码框架和编码表的相关摘录分别列在补充材料附录D和E中。主题发展过程在补充材料附录C中的主题地图中进行了说明，而访谈回应的摘要则提供在补充材料附录B中。

3.4 伦理考虑
本研究遵循了King’s Business School的伦理政策。在2024年10月16日之前获得了完整的伦理批准（伦理批准参考号KBS_16/10/2024-Boath_J）。所有参与者在参与前都提供了知情同意，并且所有数据都按照机构要求的保密性和研究完整性进行了安全存储和管理。

4 研究结果
本部分整合了通过顺序混合方法设计获得的定性和定量结果。首先通过定性结果（第一阶段）来说明主要主题，然后通过定量证据（第二阶段）对其进行验证。

4.1 第一阶段
分析的初始阶段从半结构化访谈中识别出重复出现的主题，并通过迭代编码和持续比较进行了完善。这些主题成果反映了创新技术如何影响阿联酋能源组织内部合作的最显著方面。表1总结了从定性数据集中提取的四个主导主题，而图2展示了受访者对这些主题的相对影响。它们共同为随后的定量阶段提供了结构化的背景。

表1：主要主题
1. 技术对合作的影响
AI、IoT和云计算改善了跨职能团队的协调、决策制定和数字工作流程。
2. 技术采用的障碍
网络安全风险、遗留系统和对变化的抵制阻碍了技术的采用和整合。
3. 创新技术的好处
提高了运营效率、加快了决策速度并增强了组织的灵活性。
4. 技术与可持续性的协同作用
技术支持可持续性监测、可再生能源整合以及与国家战略的对齐。

图2：主题的感知影响（按响应百分比排名）。
这四个主题共同表明，创新技术不仅仅是操作工具，更是部门间合作和战略对齐的催化剂。主题1强调数字化平台如何实现地理分散团队之间的实时沟通和协调。“基于云的仪表板改变了我们的海上维护协调方式；我们可以立即看到更新，而无需等待报告。”（ADNOC运营工程师）。“AI驱动的预测工具帮助我们的团队更快地优先处理安全关键任务，并减少了沟通延迟。”（TAQA IT经理）。

主题2反映了组织和行为上的抵制是技术采用的主要障碍，这通常与网络安全问题和过时的基础设施有关。“我们还有一些团队不信任存储在云上的数据；他们仍然打印所有内容。”（DEWA高级主管）。“最大的问题不是技术，而是改变习惯于使用遗留系统的高层管理者的思维方式。”（ADNOC数字化转型负责人）。

主题3展示了通过提高效率和灵活性带来的实际好处。“IoT监控通过在故障发生前提供早期警告来减少计划外停机时间。”（TAQA维护工程师）。“AI使我们能够动态规划资源；节省了时间并改善了部门间的协调。”（DEWA项目经理）。

最后，主题4强调了技术采用与国家可持续发展目标之间日益增长的契合度，证实了一个更广泛的社会经济维度。“我们现在通过集成物联网传感器的云系统实时跟踪碳强度。”（ADNOC可持续发展官）。“AI和自动化不再仅仅是关于效率——它们直接支持我们的2050年净零目标。”（TAQA能源战略分析师）。“可持续性仪表板使我们的工程和环境团队能够使用相同的数据进行工作，从而大大简化了报告和合规工作。”（DEWA环境工程师）。

图2以可视化方式展示了参与者对这些主题在合作影响方面的排序，表明技术影响被评为最高，其次是创新技术的好处，然后是技术采用的障碍。

4.1.1 主题1：技术对工作场所合作的影响
该主题分析了创新技术（AI、IoT和云计算）对阿联酋能源行业工作场所合作的转变性影响。这些技术标志着向更加同步的数据中心合作和国家数字化转型及可持续发展愿景的转变。AI技术的实施促进了积极的合作。AI的预见能力可以提前识别异常情况、进行规划和适应，这需要多个部门的合作。在阿联酋的能源企业中，AI技术用于分析、预测性维护和需求预测、电网供应监测以及系统故障预测（Al-Hajri等人，2024；Bojarajan等人，2024）。这样的预测不是特定于某个角色的，而是触发了维护团队、运营团队、数据分析师和变革管理者的行动。这种对AI衍生见解的普遍依赖导致了工作流程中更加互联的过程。参与电网优化的预测算法提供了可操作的智能，并需要团队围绕实时数据输出进行协调决策。因此，AI的预测能力促进了合作。该技术从根本上将决策模式从层级结构转变为共享结构（Pirozzi，2024）。此外，AI通过分析实时数据提高了决策的准确性和及时性（Erhueh等人，2024）。尽管AI有助于预见和战略协作，但IoT通过实时数据收集和系统可见性改变了操作层面的协调。Al-Hajri等人（2024）指出，智能电表、远程传感器和监控无人机等IoT技术确保了从生产设施到配电网络的连续数据流。这些数据流可供不同部门的多个用户使用，从而创造了共享的操作意识，促进了合作。例如，维护团队利用物联网（IoT）数据来识别设备问题，而工程部门则利用相同的数据进行性能分析（Aguiar-Hernandez和Breetz，2024年）。物联网技术通过在现场与控制中心的实时通信来解决这些问题。根据Bahyan等人（2024年）的研究，物联网提高了系统监控的自动化程度。这些改进增强了能源系统的弹性和响应能力。去中心化使得跨职能团队能够迅速采取行动，并促进了分散化的责任体系。人工智能（AI）与物联网的结合实现了数据的民主化——组织各层级的利益相关者都可以实时访问数据、共享资源、仪表板和交互式决策工具。阿联酋的领先能源公司，如ADNOC、DEWA和Etihad Water and Electricity（Etihad WE），已经实施了基于云的系统，以简化远程团队之间的协作。基于云的仪表板整合了AI预测、物联网信息和项目时间表，使跨学科团队能够同时与系统进行交互。这种数字化协作环境提高了协调性，并增强了目标导向的协作效果（Erhueh等人，2024年）。云计算促进了实时协作决策和项目执行。来自不同部门的团队成员可以共同修改计划、上传报告或更改项目参数。对于涉及公私合作伙伴的项目（如太阳能电网扩建或海上钻井升级）来说，这些功能至关重要。因此，基于云的系统使能源组织能够实现纵向和横向的合作。除了支持内部协作外，云计算系统还允许与外部供应商、承包商和政府监管机构进行协作。这种功能对于国家层面的协作项目（如阿联酋2050年净零愿景战略和2050年能源战略）至关重要。此外，云计算解决方案具有可扩展性，使能源公司能够在无需对系统进行大规模重组的情况下满足日益增长的需求并扩展协作框架。

尽管阿联酋能源行业在采用人工智能（AI）、物联网（IoT）和云计算等技术方面取得了进展，但调查指出仍存在一些限制这些技术充分发挥潜力的障碍。访谈结果与主题分析相结合，突出了三个主要问题：网络安全风险、老旧基础设施以及组织对变革的抵制。由于数字化程度的提高，参与者对网络安全风险表示担忧。实施AI、物联网和云计算系统虽然简化了流程，但也增加了数据采集和访问的接触点，从而增加了基础设施系统受到网络威胁的风险。在阿联酋这种被视为关键基础设施的能源行业，这种担忧尤为严重。对智能电网、远程传感器和基于云的分析等现代基础设施的依赖意味着，任何一个元素的中断都可能危及整个网络的安全（Mazhar等人，2023年）。受访者担心，尤其是那些具有实时操作数据流的物联网和云计算系统的完全融合，可能会使企业面临数据泄露、服务中断甚至针对性网络攻击的风险（Fasi，2024年）。涉及AI增强型决策引擎、物联网支持的监控和云托管数据库的数字生态系统的复杂性增加了当前网络安全协议难以解决的挑战。尽管阿联酋在监管保护和国家安全基础设施（包括数据本地化要求和零信任架构）方面投入了大量资源，但许多公司认为创新的速度超过了现有保护的成熟度。例如，一些公司出于网络安全政策的原因，仅将预测性维护仪表板的访问权限限制在特定角色，而更广泛的访问权限本可以支持更快、更协调的决策。分析还揭示了另一个重要障碍，即老旧系统与现代数字解决方案之间的技术不兼容问题。许多组织仍然使用不支持AI、物联网或云计算系统的硬件和软件系统。多位参与者强调，将物联网传感器与现有的SCADA系统集成会导致系统碎片化，而非完全整合。这些挑战不仅涉及技术层面，还带来组织和财务影响。公司通常需要昂贵的中间件、定制的API或整个系统的全面改造来弥补这一差距（Al-Hajri等人，2024年）。正如Bojarajan等人（2024年）所指出的，由于技术上的严峻挑战，公司往往会将其技术应用限制在试点项目范围内。例如，某些部门可能只能通过AI获得设备性能通知。此外，老旧系统还导致实时分析效果不佳和数据管理过程中的重复工作。这种负担增加了IT部门管理冗余系统的压力，使他们不得不将资源从进步性项目中重新分配。这种担忧源于本地财务支出、伴随的业务流程风险以及在实施过程中可能出现的服务中断。社会文化因素也阻碍了技术的采用。组织文化主要塑造了对技术进步和采用的态度。受访者指出，尤其是高级或管理职位的员工往往不愿使用AI信息，也不愿从纸质系统转向基于云的系统。这种心态源于对技术导致失业的强烈恐惧，对新自动化创新的抵触情绪，以及认为没有人类智能的算法无法指导逻辑思维过程的信念（这与Fasi（2024年）和Crupi和Schiliro（2023年）的研究结果一致，他们认为文化抵制是能源行业数字化转型中最突出的障碍之一）。不同年龄群体的技术技能水平差异加剧了这种行为上的抵制。年轻一代的员工将新技术视为其工作的一部分，因为他们是数字原住民；而老员工往往需要大量的培训和持续的支持才能适应新系统（Francis-Pettway，2019年）。缺乏沟通常常加剧了对变革的抵制。当一线员工不了解新技术的目的和好处时，他们往往会认为这些举措具有敌意，这说明需要进行全面的变更管理，以平衡技术和社会方面的考量。此外，组织文化还影响了其他方面，例如领导者和治理结构。在许多阿联酋能源公司中，决策权仍然集中于高层，由高级领导决定数字化项目的节奏和范围。虽然这有助于将战略优先事项与国家议程对齐，但也可能抑制自下而上的创新，并延长了对有效技术实施至关重要的反馈周期（Al-Hajri等人，2024年）。

尽管创新技术存在困难，但从这项研究中收集的信息表明，人工智能（AI）、物联网（IoT）和云计算技术在运营、管理和战略层面都带来了积极影响。这些技术促进了工作场所的协作，有助于提高组织效率、降低成本、增强敏捷性和响应能力。访谈分析和主题编码发现了三个主要好处：运营效率的提升、更快的决策速度以及组织敏捷性的增强。参与者反复强调，在实施AI、物联网和云计算技术后，运营效率显著提高。这些技术的整合实现了单调任务的自动化、主动维护和资源的最优化利用，从而提高了工作流程的生产力和效率。AI简化了能源运营，其预测能力增强了主动性（Bello等人，2024年）。ADNOC和DEWA的参与者展示了如何利用机器学习算法监控设备与能源网格，提前预警潜在故障，从而减少了停机时间和紧急维修工作（Bojarajan等人，2024年；Al-Hajri等人，2024年）。同样，智能电表和传感器等物联网设备消除了性能指标跟踪中的不确定性。这些设备将实时运行数据传输到中央存储库，揭示了有关能源使用、设备功能和系统异常的宝贵信息，帮助各部门迅速发现并解决效率低下的问题。正如Al-Hajri等人（2024年）所指出的，物联网将常规检查转变为精准干预，大幅提高了效率和安全性。此外，云计算通过提供实时数据存储和访问能力来提升效率。借助云平台，所有项目参与者都可以访问共享数据、仪表板和工作流程工具，从而减少重复工作并提高准确性（Egbuhuzor等人，2024年）。另一个显著改进是决策速度的加快。借助AI分析、物联网监控和基于云的仪表板，组织现在可以获取丰富的信息，从而在敏捷的运营条件下做出更自信和迅速的决策。AI系统通过预测建模和智能建议促进了决策能力的提升。AI系统提供了实时预测、性能模拟和风险评估（Erhueh等人，2024年）。物联网技术为AI系统提供了所需的数据流，从而增强了这些功能。涡轮机、变压器和太阳能板内的传感器可以监测其运行环境中的微小变化，这种持续的反馈使决策基于证据，变得更加动态。使用云平台，运营、IT、安全和合规等不同部门可以同时访问、共享和处理同一数据集（George，2022年）。云仪表板能够从不同系统获取信息，为所有用户提供统一的信息来源，提高了信息可见性，并确保快速集体响应。最显著的附加优势是组织敏捷性的提升，这使得能源公司能够在变化的环境中扩展和调整运营。借助AI支持的模拟，公司能够灵活应对电力生成、消费和设备故障等不可预测的变化，从而提高了韧性。通过AI支持的多模型评估和应对策略，可以有效地应对突发情况和服务中断（Al-Hajri等人，2024年）。物联网设备实现了去中心化的监督和控制，进一步增强了组织敏捷性（Bojarajan等人，2024年）。去中心化的转变也改变了团队内部的权力平衡。云计算通过不同业务单元之间的协作增强了组织敏捷性，提供了灵活的计算资源。对于涉及多个供应商、政府机构和投资者的大型能源项目，云平台作为数据交换、进度跟踪和实时协调的共享空间。随着能源项目的扩展，无论是扩大太阳能运营能力还是在新基础设施上部署物联网传感器，云服务都能轻松适应这些变化，而无需大规模的硬件或IT人员投资。

人工智能（AI）和物联网（IoT）技术提供了对关键 sustainability 指标的实时监控和精确跟踪（Villegas-Ch等人，2024年）。碳排放、水消耗、能源使用和能源生成是一些被监测的关键指标。由于AI和物联网系统的应用，现代电力公司采取了积极措施。这些系统提供了实时反馈，使公司能够评估其运营情况，并对持续符合可持续性要求进行调整。物联网传感器实现了对太阳能板、电网和冷却系统的实时监控。这一功能对于努力满足内部可持续性要求和外部框架（如阿联酋的绿色议程和国家气候变化计划）的公司至关重要。Al-Hajri等人（2024年）展示了监控传感器在评估工业过程碳强度方面的重要性。Bojarajan等人（2024年）指出，通过AI驱动的诊断功能可通过系统性能优化减少能源浪费。研究结果证实了这些说法，因为参与者报告称，这些技术有助于减少非必要的能源支出、识别浪费设备并更高效地进行环境合规性审计。整合新兴技术有助于将可再生能源整合到国家能源电网中。在阿联酋，整合和管理太阳能、风能和氢能、人工智能（AI）、物联网（IoT）和云计算技术至关重要。参与者指出了这些新兴技术在管理能源输入变化、优化可再生能源利用、促进多个部门和利益相关者在协调能源转型中的合作以及执行优化任务方面的影响。基于物联网（IoT）的系统有助于监测太阳能板和风力涡轮机的运行情况，并提供关于输出、效率和环境参数的实时信息（Karad和Thakur，2021年）。这些参数在解决可再生能源并网整合挑战的同时，增强了其可靠性，进一步提高了可再生能源对电网可靠性和稳定性的贡献。人工智能（AI）有助于预测需求和供应的变化，使电网管理者能够将可再生能源和传统电力来源整合到电网中。维持这种平衡对于避免过度生产、利用不足和电网过载至关重要；任何一种情况都可能削弱阿联酋2050年能源战略的可持续发展目标。研究发现，通过云平台进行合作对于扩大可再生能源项目规模至关重要。参与太阳能农场建设的各个领域，如运营、财务、政策、电网整合和法规遵从，必须相互协作。研究的另一个重要发现是支持可持续性的国家政策框架，例如阿联酋2031年愿景、2050年国家能源战略以及到2050年实现净零排放的战略计划。正如研究参与者所强调的，所谓的创新技术不仅履行了运营和环境职能，还服务于战略合规和报告职能，帮助组织根据政府基准监测自身表现（Alami，2023年；Bojarajan等，2024年）。正如Alami（2023年）和Bojarajan等（2024年）所指出的，数字创新是阿联酋能源行业战略实施的主要支柱，从而证实了之前的结论。作为所有相关可持续性数据和文件的中央存储库，云平台在推动政策协调方面起着关键作用。这些系统有助于内部报告，并为外部各方提供清晰的信息，帮助组织向监管机构、投资者和其他全球利益相关者传达信息。此外，实时和大规模提供信息的能力提升了政策参与度。例如，借助物联网云框架，AI使能源公司能够在制定碳目标和新的绿色建筑政策时立即评估自身的状况并实时调整运营（Rane，2023年）。参与者一致认为，实现大规模的可持续性成果（如碳中和、氢能整合和绿色基础设施扩展）仅靠单个组织是无法实现的。受访者指出，为了达成国家能源和环境目标，越来越依赖与政府机构、技术提供商和学术机构的合作，这些合作通常是通过共享的基于云的平台实现的。许多案例表明，云已成为一个中立的协调层，允许数据透明度和跨组织边界的实时任务执行。许多参与者提到了具体的案例，包括太阳能农场开发、氢能试点项目和排放报告，其中来自多个行业的利益相关者在统一的数字环境中工作。这些平台提供了同步的仪表板，用于绩效跟踪、法规遵从更新和共享文档，促进了原本分离的实体之间的持续合作。这种融合反映了阿联酋能源行业中数字化驱动的跨组织合作模式的发展。公司与其他公司不是孤立行事，而是形成了依赖实时数据集成、云协调和多方访问的技术联盟。定性研究结果表明，尤其是AI、IoT和云计算等创新技术正在重新定义阿联酋能源行业的合作方式。参与者一致描述了一种从传统的层级协调向敏捷的、数据驱动的、数字化连接的团队转变。AI被视为快速基于证据进行决策的关键推动者，而IoT和云系统增强了透明度、可访问性和跨部门协作。然而，组织阻力、遗留系统以及不均衡的数字素养仍然阻碍了全面整合。这些障碍更多被视为文化和结构上的挑战，需要领导层的承诺和数字化转型管理。尽管存在这些限制，受访者仍强调，技术驱动的合作正在加速与国家可持续发展目标和运营韧性目标的契合。总体而言，定性研究结果证实，数字技术既是技术推动者，也是社会催化剂，不仅重塑了工作流程，还改变了沟通规范、决策层级和绩效预期。这些发现为定量调查的设计提供了依据，特别是在根据UTAUT操作化变量（如绩效预期、努力预期、社会影响和促进条件）方面。

在定性研究阶段之后，定量分析被明确设计用来验证和统计概括第一阶段识别出的主题。关键定性主题，包括技术影响、创新技术的益处、采用障碍和可持续性协调，为调查工具的开发和可测量变量的选择提供了依据。特别是与绩效改进、可用性、组织支持和行为反应相关的定性见解被转化为与UTAUT和TAM一致的构念。这种顺序方法确保了定量阶段不是独立进行的，而是测试了定性分析期间识别出的关系的普遍性和强度。因此，两个阶段的整合反映了解释性的顺序混合方法设计，增强了研究的连贯性、有效性和理论一致性。表2中的描述性统计数据显示了主要研究变量的整体分布情况，包括合作效果、技术整合、领导支持和数字素养。表3通过手动统计和频率分析比较了这些变量对合作成果的相对贡献。表4（A）提供了调查受访者的基本信息，展示了他们在阿联酋能源行业中的组织类型、职业角色和经验水平的分布情况。

描述性统计数据显示，受访者普遍认同数字技术在职场合作中的积极作用。在五点李克特量表上，平均得分介于3.7到4.1之间，表明数字技术在中等到强烈程度上增强了团队协调和信息共享。技术整合的平均得分最高（4.1），表明受访者认为技术采用显著促进了组织合作的改善。定性和定量模式之间的一致性凸显了混合方法设计的稳健性。在描述性概述的基础上，下一步应用了相关性和回归分析来评估AI采用、IoT实施、云利用和合作效果之间的关系强度和方向。下表展示了从相关性到系数估计的顺序分析结果。表5呈现了核心技术变量与合作效果之间的相关矩阵，所有变量均显示出中等到强烈的正相关关系（r=0.55–0.64）。云利用与合作效果的相关性最强（r=0.64），其次是AI采用（r=0.62）和IoT实施（r=0.58）。这些结果表明，更高的技术采用水平与能源行业团队内部更好的沟通、协调和知识共享相关。回归模型解释了大约43.7%的合作效果方差（R2=0.437），调整后的R2为0.421，考虑了模型中包含的预测变量数量。所有三个预测变量在p<0.01的显著性水平上都具有统计显著性。云利用显示出最强的标准化效应（β=0.421），其次是AI采用（β=0.412）和IoT实施（β=0.398）。总体模型显著性（F=27.34，p<0.001）证实，这些技术的综合采用显著预测了阿联酋能源行业的合作效果。回归结果用于评估第2节中提出的六个假设。分析确认，所有三种核心技术都对职场合作产生了积极且显著的影响。组织准备度和数字成熟度通过定性洞察被确定为部分调节因素，但在定量阶段并未单独进行测试。同样，代际差异和数字素养的不均衡也被观察到会抑制采用，部分支持了它们所假设的调节作用。定量分析确认，创新技术显著提升了阿联酋能源行业的合作效率。结果表明，技术采用与合作效果之间存在强烈且可测量的关联，其中云计算显示出最强的预测影响。这些发现强化了定性见解，表明由AI、IoT和云计算驱动的数字化转型是能源组织中合作创新的关键推动者。每个假设都是基于访谈主题和调查数据之间的吻合度进行评估的。结果总结如下：
H1：AI的采用通过增强实时决策和协调积极影响职场合作。定性数据显示，AI驱动的分析提高了运营团队的情境感知和响应时间，而调查结果显示AI使用与感知的决策效率之间存在强烈的正相关。这些效应与UTAUT中的绩效预期和促进条件一致。
H2：IoT系统的实施通过实现部门间的数据整合积极影响职场合作。IoT支持的数据共享始终与部门间沟通的改善和更快的维护协调相关联。这些效应与UTAUT中的努力预期和促进条件构念一致，强化了技术整合在提高使用便捷性和合作效率方面的作用。
H3：云计算平台的使用通过支持远程访问和跨职能知识共享积极影响职场合作。两个数据集都证实，基于云的平台促进了虚拟合作，增强了文档版本控制和知识透明度。这一发现反映了UTAUT强调的绩效预期和促进条件作为合作采用驱动因素的重要性。
H4：组织准备度和数字成熟度调节了创新技术（AI、IoT、云）与合作效果之间的关系。部分支持。具有先进数字基础设施的组织表现出更高的合作效果；然而，实施不一致和文化适应不均衡表明，准备度虽然有所提升，但并不能完全决定合作成果。这种模式与UTAUT的观点一致，即促进条件是必要的，但不是持续技术使用的充分条件。
H5：代际差异和数字素养的不均衡对创新技术与合作成果之间的关系具有负面影响。主题分析揭示了资深员工和初级员工在技能和采用方面的持续差距，而调查模式表明数字素养会影响技术采用，但并不能单独解释合作成果的变化。这支持了UTAUT关于社会影响构念的观点，说明人口统计和文化动态如何塑造采用行为。
H6：AI、IoT和云计算的整合促进了阿联酋能源行业中超越传统层级结构的新形式跨组织合作网络的形成。研究发现证明了公司边界之外的数字化网络团队的形成，验证了与非层级化、项目驱动的合作模式的出现。

四个假设（H1、H2、H3和H6）得到了完全支持，而H4和H5得到了部分支持。这些结果表明，当技术采用与组织准备度和员工能力相匹配时，可以增强合作效果。总体而言，这些发现与UTAUT一致，证实了绩效预期、努力预期、社会影响和促进条件共同支持了阿联酋能源行业中的有效数字合作。然而，本研究通过展示在阿联酋的能源背景下，数字技术将协作从一种操作上的必要性提升为一种战略性的组织能力，从而扩展了这些发现。这些发现也与关于工业领域数字化转型的更广泛研究结果一致，这些研究强调了集成数字系统在复杂运营环境中增强协调性和组织响应能力的作用。研究结果还验证了来自“技术接受与使用统一理论”（UTAUT）的理论预期。绩效期望、努力期望、社会影响和促进条件被确定为技术接受的关键驱动因素，而技术接受与使用理论（TAM）中的感知有用性和感知易用性构建则作为影响采用行为的关键认知因素（参见Mohd, 2024）。Feng等人（2025）也发现了类似的模式，他们表明当基于云的协作平台与团队目标对齐时，其接受度会更高；Tantry等人（2026）则强调，在UTAUT框架内，组织支持能够增强用户的采用意愿。本研究进一步指出，在像阿联酋能源行业这样的复杂工业环境中，技术采用不仅受个别用户认知的驱动，还受到组织协作需求的驱动，在这种情况下，数字工具对于协调在地理位置分散的资源上工作的多学科团队至关重要。

值得注意的是，排名最高的两项主题——“技术创新的影响”和“创新技术的益处”——与技术接受与使用理论中的感知有用性和感知易用性构建高度吻合。这进一步证实了实际绩效提升和感知可用性是阿联酋能源行业技术支持协作的主要驱动力，尽管可持续性考量也很重要，但其影响力相对次要。领导层的承诺和组织支持也被发现是实现成功数字采用的关键因素，这解决了与组织准备度和数字成熟度相关的研究问题。先前的研究也强调了领导层在支持技术变革中的作用。Ali等人（2024）表明，领导层的支持显著提高了能源组织对技术的采纳率；同时，他们还指出跨部门治理机制有助于推动数字计划的实施。本研究的结果通过这些发现得到了进一步的支持，并指出部门间的协作，特别是IT、工程和可持续发展部门之间的协作，能够乘倍化技术采用的结果。在阿联酋的背景下，由于许多能源组织都采用层级结构，因此协调一致的领导层支持对于将数字化转型计划与运营和可持续性目标对齐显得至关重要。

从战略管理的角度来看，这些结果为“基于资源的观点”提供了支持，表明数字化支持的协作可以作为一种战略性的组织资源。以往的研究表明，人工智能（AI）和物联网（IoT）能力能够提升组织绩效和竞争优势（Bojarajan等人，2024；Khalifa等人，2025）。Aguiar-Hernandez和Breetz（2024）进一步指出，数字基础设施与熟练的人力资本相结合，创造出竞争对手难以复制的组织能力。本研究通过证明数字技术与协作工作实践的整合形成了阿联酋能源组织特有的组织能力，进一步发展了这些见解。技术本身并不能单独创造竞争优势，而是技术基础设施、熟练人员和协作工作流程的结合共同形成了一个增强运营敏捷性和决策效果的能力。应用“行动者-网络理论”为理解这些技术系统如何重塑组织互动提供了另一种解释视角。与Tantry等人（2025）的观点一致，研究表明数字技术在社会技术网络中发挥着积极作用，而不仅仅是被动工具。同样，观察到自动化技术在海湾地区产业中改变了沟通结构。本研究通过展示在阿联酋能源行业中，AI、IoT和云平台通过协调信息流、同步工作流程和塑造团队间的决策节奏来积极构建协作，进一步扩展了这一视角。从这个意义上说，数字系统作为组织行动者，影响着协作的产生和发展方式。

尽管结果强烈支持数字技术对协作的积极影响，分析也揭示了几项背景挑战。与先前研究一致，网络安全问题、老旧基础设施和组织阻力继续限制着数字化转型的步伐（Fasi, 2024；Mazhar等人，2023）。这也反映了更广泛的数字信任问题，特别是在数据通过互连的IoT系统生成并通过多个界面共享的环境中。对数据完整性、系统可靠性和人机交互的信任越来越被认为是影响基于传感器和数据驱动环境中的技术采用的关键因素（Launer等人，2022；Paliszkiewicz和Chen, 2022）。然而，本研究还发现了一个额外的组织障碍，即中层管理者对技术驱动决策过程的犹豫。虽然以往研究通常将阻力归因于技术限制或技能差距，但研究结果表明，管理层内部的结构性惯性可能会减缓协作数字实践的采用。类似的限制在数字化转型文献中也有广泛报道，其中组织阻力、对旧系统的依赖性和网络安全问题被视为关键基础设施领域大规模技术采用的持久障碍。重要的是，能源行业的数字化转型不应导致由于技能差距而引发劳动力流失。相反，先前的研究强调，有针对性的技能提升和再培训计划对于帮助员工适应数字环境和支持持续的组织转型至关重要（Paliszkiewicz和Chen, 2022）。这些发现也与关于数字化转型的更广泛研究结果一致，这些研究强调组织准备度需要向更加敏捷、以行动者为中心的结构转变，其特征是更快的决策和减少的层级限制（Snow等人，2017）。在这种情况下，组织必须就数字化整合的深度做出战略选择，无论是通过完全数字化的运营解决方案还是通过增强客户参与度的模式，使利益相关者成为价值创造的积极参与者。

对于与组织准备度和代际阻力相关的假设（H4和H5）的部分支持为阿联酋的背景提供了进一步的见解。虽然数字成熟度较高的组织显示出更强的协作成果，但单凭准备度并不足以决定采用的成败。这表明，即使是在技术上先进的组织，在实施数字化转型计划时也必须考虑文化和结构性因素。同样，数字素养的代际差异影响了人们对技术有用性和易用性的认知，但并未独立决定协作结果。这些发现表明，劳动力在技能和经验上的多样性可能会影响采用模式，但可以通过培训、组织支持和协作治理结构来缓解。因此，这些假设的部分确认突显了阿联酋能源行业内制度文化和领导层一致性的重要性。研究结果还展示了国家政策框架如何加速数字化转型和协作创新。诸如“2050年阿联酋能源战略”和“2050年净零目标”等战略举措为采用先进的数字技术创造了强大的制度激励。先前的研究表明，阿联酋的能源政策越来越多地将数字创新与可持续性目标结合起来（Al-Hajri等人，2024；Leal-Arcas, 2024）。Crupi和Schiliro（2023）进一步观察到，创新驱动的多样化政策刺激了整个海湾地区对AI和IoT技术的投资。本研究通过证明这些技术在阿联酋能源组织中既具有运营功能也具有监管功能，进一步提供了新的见解。除了提高效率之外，数字平台还支持可持续性监测、报告和行业利益相关者与监管机构之间的协调。在阿联酋的背景下，这一点尤为重要，因为许多能源组织仍然与基于碳氢化合物的生产系统紧密相关。在这样的环境中，数字技术不仅是提升运营效率的工具，也是实现向可持续性目标转型（包括SDG 7、12和13）的关键。

研究结果的另一个观察是缺乏对大规模关键基础设施故障或系统性能源中断的明确提及。鉴于有大量文献指出基础设施脆弱性是海湾能源系统的关键风险，这一点值得注意。一个可能的解释是，许多参与者主要参与运营、管理或数字化转型的角色，而非国家基础设施安全职能。因此，他们的视角可能更侧重于组织协作和技术采用，而非战略基础设施风险。另一个可能的解释是能源行业内基础设施安全讨论的敏感性，员工可能不愿意公开讨论脆弱性。因此，这种主题的缺失不应被解释为这些风险不重要，而是反映了参与者的专业范围和他们的组织背景。定性发现可以通过与既定理论构建的明确对齐来进一步解释。主题1（技术创新对协作的影响）反映了绩效期望，因为数字技术提高了效率、协调性和决策结果；主题3（创新技术的益处）同样强化了感知有用性和努力期望，特别是通过改进运营流程和信息访问的便利性；主题2（技术采用的障碍）对应于促进条件和社会影响，其中组织准备度、信任和管理层支持塑造了采用行为；主题4（技术和可持续性的协同作用）通过展示数字技术如何在更广泛的数字生态系统中运作来扩展这些构建，该生态系统整合了IoT、云计算和数据驱动的决策过程。这一生态系统视角与先前研究一致，这些研究强调了数字技术、数据基础设施和组织能力在推动工业4.0转型中的互联作用（Mubarak和Petraite, 2020）。

总体而言，研究结果表明，在阿联酋能源行业中，协作是数字化转型的核心成果。AI、IoT和云计算技术不仅提高了运营效率，还重构了组织沟通模式、决策过程和战略协调。通过整合UTAUT、TAM、RBV和行动者-网络理论的见解，研究表明数字技术影响了行为采纳和组织能力的发展。这一综合视角有助于解释数字化转型计划如何在复杂的工业环境中引发更广泛的组织变革。该研究对现有研究做出了三项主要贡献：首先，它提供了来自阿联酋能源行业的实证证据，这一领域在全球数字化转型和技术采用研究中相对较少被提及；其次，它通过将协作本身视为由数字技术支持的战略资源，扩展了“基于资源的观点”；第三，通过将行动者-网络理论与技术采用框架相结合，研究表明数字系统作为积极的组织行动者，塑造了协作模式、运营文化和可持续性治理。总体而言，这些发现增强了人们对数字化如何重塑能源系统内组织协作的理论理解。它们还为政策制定者和行业领导者提供了实际启示，帮助他们利用数字技术来支持阿联酋能源行业的创新、可持续性和组织韧性。

6 结论
6.1 研究目标的实现
研究目标的实现总结在表6中，该表将每个目标与通过混合方法分析得出的关键发现相对应。
表6 研究目标 关键发现 支持证据
目标1：探究AI、IoT和云计算如何影响工作场所协作 数字技术实现了实时数据共享、预测分析和跨组织单位的跨职能协作 主题1和2；定性访谈和调查相关性
目标2：识别阿联酋能源行业技术采用的障碍 网络安全问题、老旧基础设施、管理阻力以及劳动力技能差距限制了全面整合 主题2的发现和定性访谈数据
目标3：评估数字技术的运营效益 技术提高了预测性维护、决策速度和运营效率 主题1和3；描述性统计和回归分析
目标4：评估技术采用与可持续性目标之间的关系 数字技术支持可持续性监测、可再生能源整合和政策合规性 主题4的发现和定性见解

结合定性和定量发现表明，AI、IoT和云计算显著提升了阿联酋能源行业的协作实践，同时支持了运营效率和可持续性目标（见表7）。
表7 模型总结
值 模型显著性（ANOVA） 值 系数 标准误 Beta Sig.
R0.661 回归SS 24.912 常数 1.234 0.543—2.27 0.026
R2 0.437 剩差SS 32.051
AI采用（Q6） 0.321 0.089 0.412 3.61 0.001
调整后的R2 0.421
总SS 56.963
IoT实施（Q7） 0.278 0.082 0.398 3.39 0.001
估计的标准误 0.54
F2 7.34
云利用（Q8） 0.305 0.091 0.421 3.36 0.001
Sig. 0.000

6.2 研究的贡献
本研究在理论、实证和实践方面做出了几项贡献。首先，它为阿联酋能源行业提供了新的实证证据，这一领域在全球数字化转型文献中仍然代表性不足。通过研究在经历数字化和可持续发展转型的碳氢化合物经济中的合作情况，该研究扩展了技术采用研究的地理范围。其次，该研究通过将UTAUT与TAM、RBV以及Actor-Network Theory相结合，深化了理论理解。这一框架超越了单一的采用模型，揭示了组织资源和社会技术网络如何塑造合作成果。第三，研究从概念上表明，数字化支持的协作可以成为一种战略性组织资源。从RBV的角度来看，结合了技术基础设施和熟练人力资本的综合性数字生态系统能够培育出支持竞争优势的能力。第四，研究指出了阿联酋能源部门仍存在的组织障碍，特别是中层管理中的管理惰性和结构 resistance。这一发现将讨论重点从纯技术约束转向影响数字化转型的组织动态。最后，研究通过展示数字技术如何支持国家倡议（如2050年阿联酋能源战略和2050年实现净零排放目标）的实施，强调了其政策相关性，并将组织合作直接与可持续性治理联系起来。

6.3 基于政策的建议
研究结果对支持阿联酋能源部门数字化转型的政策制定者提供了几项启示。首先，政策制定者应与能源和基础设施部、阿联酋AI委员会及高等教育机构合作，在2026年前建立国家数字能源技能认证框架。这样的框架可以标准化能源行业中对AI素养、云安全和物联网系统的培训。其次，联邦政府可以为采用符合国家可持续性报告框架的互操作数据平台的能源公司引入与绩效挂钩的数字化转型激励措施。第三，国家监管机构应制定安全的跨机构数字基础设施标准，使能源公司和政府机构能够在维护网络安全的同时安全共享运营数据。

6.4 实践性建议
能源组织应优先开发基于云的集成协作平台，让工程、IT和可持续性团队能够从一个共享的实时数据环境中开展工作。公司还应实施模块化的数字化转型策略，逐步升级旧有基础设施，而非进行颠覆性的整体替换。此外，组织应组建由工程师、数据分析师和可持续性专家组成的跨职能数字化转型团队，以协调技术采用并加速协作决策过程。

6.5 局限性
本研究存在几个局限性。首先，定性访谈主要涉及阿布扎比和迪拜的国有或半私有能源组织的专业人士，这可能会限制研究结果对小型私营企业或其他地区能源组织的普遍适用性。其次，大多数参与者担任中层或高级职位，虽然这提供了关于数字化转型的战略视角，但可能未能充分反映直接操作系统的基层技术人员的经验。第三，研究部分依赖于参与者对技术采用和合作结果的自我报告，这可能存在自我报告偏差和方法差异。参与者可能因为组织期望或感知到的技术优势而报告积极的成果。第四，研究采用横断面设计，仅在某一时间点收集数据。由于数字化转型举措发展迅速，纵向研究能更深入地了解随着技术成熟度提高，协作实践如何演变。另一个局限性在于阿联酋能源部门所处的更广泛的地缘政治背景。尽管本研究探讨了组织和技术障碍，但地缘政治紧张局势、国际冲突和地区不稳定等因素也可能影响数字技术的采用和实施。中东地区的能源基础设施和供应链对此类干扰尤为敏感，这些因素可能影响投资优先级、网络安全战略和跨境能源合作。因此，本研究的结果应在阿联酋相对稳定的制度背景下进行解读，未来地缘政治性质的干扰可能会改变该行业的数字化转型路径。此外，研究样本的构成也是一个限制因素——大多数受访者来自ADNOC、DEWA和TAQA等大型、技术先进的组织，这些机构拥有丰富的财务资源、成熟的数字基础设施以及与国家创新倡议的高度契合度。因此，研究结果可能反映了阿联酋能源行业领先组织的经验，而非整个行业范围内的所有企业情况。技术能力较弱的小型公司或新兴可再生能源初创企业可能面临不同的采用挑战和合作动态。最后，阿联酋独特的制度环境（包括政府对数字创新和可持续性政策的强烈支持）可能限制这些发现向具有不同监管环境或技术能力的国家直接迁移。

6.6 建议
根据研究结果，提出以下具体建议：首先，阿联酋政策制定者应在2026年前为能源专业人士实施国家数字劳动力认证计划，重点涵盖AI应用、物联网整合和云计算安全。其次，能源组织应开发集成数字协作平台，连接来自传感器、预测分析系统和可持续性报告仪表板的运营数据。第三，组织应引入结构化的变革管理计划，以应对管理层的抵抗，并提高高层和中层领导的数字化采用率。第四，应扩大能源公司与大学和技术提供商之间的合作关系，创建数字能源技术领域的专业认证路径，确保劳动力能力与技术基础设施同步发展。

6.7 未来研究方向
未来的研究应探讨随着数字技术在能源组织中的成熟，合作方式如何演变。纵向研究可以考察AI、物联网和云计算整合对组织的长期影响，特别是对劳动力适应性和治理结构的影响。未来研究还可以探讨地缘政治不稳定、地区冲突和全球能源市场动荡如何影响中东能源组织的数字化转型策略和协作实践。海湾合作委员会国家的比较研究也可以揭示监管环境和政策框架如何影响能源行业的数字采用情况。最后，未来研究还可以研究采购策略、供应商合作关系和数字基础设施投资决策如何塑造大规模数字化转型项目的成功。