数字时代的领导：数字领导能力、组织创新氛围与尼日利亚中小企业人工智能采纳意向

《Systems》：Leading in the Digital Age: Digital Leadership Capabilities, Organisational Innovation Climate, and AI Adoption Intention Among SMEs in Nigeria

　　

尽管中小企业（SMEs）在撒哈拉以南非洲地区支撑着就业和产出，但它们对人工智能（AI）的采纳落后于全球基准，而现有的解释多侧重于资本、基础设施和制度缺失，忽视了决定可用资源是否被调动的领导能力。针对这一空白，本研究探讨了尼日利亚中小企业业主管理者的数字领导能力如何塑造其人工智能采纳意向，以及这种影响通过何种组织机制并在何种边界条件下发挥作用。研究以创新扩散理论（Diffusion of Innovation Theory）和Tigre–Henriques–Curado数字领导模型为基础，对来自六个州的注册中小企业业主管理者进行了横截面调查；使用Taro Yamane公式从23,290家企业总体中按比例分配得出390家样本，并保留了306份有效回复。在确认了信度（Cronbach's α: 0.69–0.84；复合信度: 0.83–0.88）、收敛效度（AVE: 0.56–0.67）和共同方法偏差控制后，应用了偏最小二乘结构方程模型（WarpPLS 8.0）。战略能力（β = 0.298）、人际能力（β = 0.245）和个人特质（β = 0.129）均显著提高了人工智能采纳意向。相比之下，交付相关能力（β = 0.090, p = 0.057）不显著，表明采纳前意向由认知战略和关系能力而非执行技能主导。组织创新氛围部分传递了战略能力和人际能力的影响，而企业规模增强了中型企业中人际路径的作用。该研究在一个研究不足的非洲背景下提供了以领导为中心的人工智能采纳解释，并通过在单一框架内估计中介和调节效应，阐明了数字领导力为何以及何时转化为人工智能准备，为业主管理者和中小企业支持政策提供了能力特定的指导。

在撒哈拉以南非洲，中小企业（SMEs）是就业和产出的核心支柱，但其人工智能（AI）采纳率显著低于全球基准。现有研究多侧重于资本、基础设施和制度缺失等外部资源约束，却忽视了决定资源调动的领导能力这一内部因素。实际上，即便资源相似的企业，其AI采纳意愿也存在显著差异，这主要源于业主管理者的数字领导能力。因此，研究旨在探讨数字领导能力各维度对尼日利亚SMEs AI采纳意向的影响，并揭示组织创新氛围的中介作用和企业规模的调节边界。该论文发表在《Systems》上。

研究人员基于创新扩散理论（DOI）与Tigre–Henriques–Curado数字领导模型，对尼日利亚六个州（Lagos、Ogun、Oyo、Osun、Ekiti、Ondo）的23,290家注册SMEs进行横截面调查，使用Taro Yamane公式确定390家样本，经按比例分配和分层随机抽样（微型、小型、中型），最终回收306份有效问卷。研究采用偏最小二乘结构方程模型（PLS-SEM，WarpPLS 8.0）进行分析，首先评估测量模型信度（Cronbach's α: 0.69–0.84，复合信度: 0.83–0.88）和效度（AVE: 0.56–0.67，判别效度通过Fornell-Larcker准则与HTMT<0.90），之后检验结构模型的直接效应、中介效应（Sobel检验与自助法间接效应）及调节效应（交互项分析）。共同方法偏差控制（全共线性VIF<3.3）和非响应偏差检验（早期与晚期受访者无显著差异）均通过。结果表明：战略能力（β=0.298, p<0.001）、人际能力（β=0.245, p<0.001）和个人特质（β=0.129, p=0.011）显著正向影响AI采纳意向，交付相关能力（β=0.090, p=0.057）不显著；组织创新氛围部分中介战略能力（间接β=0.076, p=0.003）和人际能力（间接β=0.048, p=0.024）的影响；企业规模仅显著正向调节人际能力与AI采纳意向的关系（β=0.109, p=0.029），在中型企业中效应更强。

研究结果部分，4.1 人口统计特征：通过描述性统计分析，受访者中男性占66%，52.3%年龄在18-28岁，58.8%拥有本科及以上学历，53.9%企业运营不超过5年，47.1%为微型企业（1-9名员工），38.6%为小型企业（10-49名员工），14.3%为中型企业（50-199名员工）。4.2 测量模型评估：验证性因子分析显示，所有指标因子载荷>0.70，Cronbach's α与复合信度>0.70，AVE>0.50，且Fornell-Larcker准则和HTMT<0.90均满足，表明测量模型具有良好的信度和效度。4.3.1 直接效应：PLS-SEM路径分析证实，战略能力（β=0.298, R²贡献中等）是AI采纳意向的最强预测因子，人际能力（β=0.245）次之，个人特质（β=0.129）具有显著但较小的正向影响；交付相关能力（β=0.090, p=0.057）不显著，剔除竞争路径后仍不显著（β=0.121, p=0.071），表明其在采纳前阶段作用有限。4.3.2 中介分析：Sobel检验和自助法间接效应表明，组织创新氛围部分中介战略能力（间接β=0.076, p=0.003）和人际能力（间接β=0.048, p=0.024）对AI采纳意向的影响，总效应分别为0.374和0.293。4.3.3 调节分析：交互项分析显示，企业规模仅显著调节人际能力与AI采纳意向的关系（β=0.109, p=0.029），在中型企业中人际能力效应更强；战略能力、个人特质和交付相关能力的路径均不受调节。

讨论部分总结：战略能力最强支持了DOI理论中“相对优势”的认知驱动作用，与Hossain等研究一致；人际能力次之，强调协作与心理安全的重要性；个人特质提供促进条件；交付相关能力不显著，证实了采纳前阶段认知-战略导向而非执行技能主导的逻辑。组织创新气候的部分中介作用揭示了领导能力向集体决策转化的机制，扩展了Yansen等的研究。企业规模选择性调节人际路径，反映了在员工更多、结构更复杂的中型企业中，关系领导力通过沟通与协作发挥更强效果。理论贡献包括：将DOI与Tigre数字领导模型扩展至发展中经济体SME场景；识别创新气候作为传导机制；挑战执行能力的普遍假设；提供能力特定的规模调节视角。实践启示：微型企业优先构建战略认知，小型企业同时培育创新氛围，中型企业强化团队协作；政策应基于企业规模分级进行能力建设。最后，翻译研究结论：本研究考察了数字领导能力的四个维度对尼日利亚SMEs AI采纳意向的影响，以组织创新氛围为中介、企业规模为调节，基于306份有效回复得出结论：首先，战略能力是AI采纳意向的最强驱动，其次为人际能力和个人特质，交付相关能力未显著预测，表明认知、战略和关系维度优于执行能力。其次，组织创新氛围部分中介了战略和人际能力的影响，表明领导效应在创新支持环境中被放大。第三，企业规模调节人际能力与AI采纳意向的关系，中型企业效应更强，表明关系领导力在结构更复杂的组织中更有效。这些发现转化为针对不同规模企业的差异化建议，并为政策制定者提供了分层能力建设框架。