AI多模态能力与包容性创新：AI增强客户共情与生成式包容设计的中介作用，以及AI伦理意识与数据治理质量的调节作用

《Sustainability》：AI Multimodal Capability and Inclusive Innovation: The Mediating Roles of AI-Enhanced Customer Empathy and Generative Inclusive Design and the Moderating Roles of AI Ethical Awareness and Data Governance Quality

　　

人工智能（AI）的快速发展为创新带来了重大机遇，然而其收益的分配仍不均衡，数字边缘化群体往往被排除在外。基于注意力基础观（attention-based view）和动态能力理论（dynamic capability theory），本研究考察企业如何利用AI的多模态能力促进包容性创新，AI伦理意识和数据治理质量的调节效应，以及AI增强客户共情与生成式包容设计的中介效应。研究基于来自233家中国企业的问卷调查数据，采用层级回归与Bootstrap分析对研究假设进行检验。结果表明，AI多模态能力与包容性创新显著正相关；AI伦理意识和数据治理质量会正向调节这一关系，而AI增强客户共情与生成式包容设计在其中发挥中介作用。上述发现表明，包容性创新不仅是一种社会层面的必要要求，也是一种企业能够通过审慎运用AI而战略性实现的结果，并为企业开展AI赋能创新实践提供了可操作的启示。

该文发表于《Sustainability》，聚焦AI如何支持面向数字边缘化群体的包容性创新。研究背景在于，人工智能（AI）已深刻改变新产品开发与价值创造方式，但其收益并未均衡覆盖社会群体，老年人、低学历人群、低收入群体与农村居民等数字边缘化群体，常因数字基础设施不足、数字素养较低及安全、隐私、信任等心理顾虑，难以充分获得AI驱动产品与服务的益处。与此同时，若企业忽视这些群体，不仅会限制潜在市场需求，也会进一步加剧社会经济脆弱性。在技术层面，边缘化群体相关训练数据稀缺，容易导致算法偏差，使企业更倾向于服务主流市场，进而弱化其面向边缘化市场开展创新的能力。在这种情境下，包容性创新被界定为企业开发能够满足数字边缘化群体未被满足需求的产品与服务，因而成为缓解数字鸿沟、推动可持续发展的关键路径。

围绕这一问题，论文指出，包容性创新不同于面向主流市场的常规创新，其面对的是基础设施较弱、支付能力较低、数字素养不足且使用情境非典型的用户。因此，企业不仅需要更准确地识别隐性需求，还需要在资源约束下快速形成适配性解决方案。研究人员据此提出，AI多模态能力是支撑包容性创新的重要前因能力。所谓AI多模态能力，是指企业对文本、图像、语音、视频与传感器等多源异构数据进行采集、整合与处理，从而形成整体性洞察的能力。由于数字边缘化群体的需求常通过碎片化、弱显性、跨模态信号表达，传统客户需求研究方法难以充分捕捉，而多模态AI可提升对这些复杂信号的感知与解释能力。

在理论上，研究整合了注意力基础观与动态能力理论。前者强调，在有限理性条件下，管理者将注意力投向何处，会决定企业资源配置和战略行动方向；后者则强调企业通过感知（sensing）、捕捉（seizing）与重构（transforming）实现机会转化。基于此，论文构建出一个较为完整的解释框架：AI多模态能力帮助企业感知数字边缘化市场中的弱信号；AI增强客户共情与生成式包容设计分别对应需求解释与解决方案生成两个关键过程；AI伦理意识与数据治理质量则作为治理条件，影响企业能否将AI能力真正转化为公平、可靠且具有社会价值的包容性创新结果。

研究人员首先提出并验证了AI多模态能力与包容性创新之间的正向关系。文章认为，这一能力能够帮助企业识别单一模态分析无法发现的潜在需求，例如将面部表情、语音情绪和使用行为结合起来理解用户在界面复杂性、隐私焦虑或使用障碍上的真实困境。此外，多模态能力还能处理低分辨率图像、噪声环境中的语音命令等低质量极端数据，使企业训练出的模型更贴近边缘化群体的真实使用情境，而非简单假设主流市场解决方案可以自然“下沉”至所有群体。研究结果显示，AI多模态能力显著促进包容性创新，支持了该理论判断。

方法上，研究采用中国企业问卷调查设计，以2025年7月至2026年3月间获取的233家中国企业有效样本为基础，样本覆盖国有企业、民营企业、外商投资企业和集体所有制企业，并涉及制造业、信息技术、电子、汽车、化工与工业服务等行业。量表开发采用翻译—回译、专家评估与10家企业预测试程序；分析上主要使用验证性因子分析（CFA）、探索性因子分析（EFA）、层级线性回归、Bootstrap中介检验、简单斜率分析与Johnson–Neyman分析，同时进行了共同方法偏差、区分效度与反向模型比较检验。

在中介机制方面，文章保留并讨论了两个核心路径。

2.4.1. The Mediating Role of AI-Enhanced Customer Empathy
研究结果表明，AI多模态能力显著正向影响AI增强客户共情，且AI增强客户共情在AI多模态能力与包容性创新之间发挥显著中介作用。论文指出，包容性创新的关键在于深入理解用户那些未被明说、情绪负载较强且高度依赖情境的需求。AI增强客户共情是企业利用自然语言处理（NLP）、情感计算（affective computing）和多模态情感分析等AI技术，对数字边缘化用户的情境化需求进行解释、理解与“共情式”感知的能力。研究显示，AI多模态能力能够为这种共情提供跨文本、语音、图像和传感器数据的整合基础，使企业不再局限于显性偏好分析，而能更好识别迟疑、焦虑、不适等隐性线索。Bootstrap结果进一步证实，经由AI增强客户共情形成的间接效应显著存在，说明企业通过AI支持的共情式需求识别，可以将多模态数据能力有效转化为包容性创新成果。

2.4.2. The Mediating Role of Generative Inclusive Design
研究结果还表明，AI多模态能力显著正向影响生成式包容设计，且生成式包容设计在AI多模态能力与包容性创新之间发挥显著中介作用。论文将生成式包容设计界定为企业利用大语言模型（LLMs）、生成对抗网络（GANs）等生成式AI技术，高效生成多样化、可及性强、可适配的设计备选方案的能力。对于数字边缘化群体而言，需求往往高度异质、极端甚至彼此冲突，传统“一刀切”设计难以满足。研究发现，多模态能力可为生成式设计提供丰富输入，如基础设施图像、用户投诉语音、维护挑战文本描述等，由此提升设计输出的相关性与多样性。同时，生成式设计可在极端场景中模拟方案表现，加快方案迭代，降低试错成本。实证结果表明，该路径的间接效应显著成立，说明生成式包容设计是企业将AI数据融合能力转化为实际包容性解决方案的重要机制。

2.3.1. The Moderating Role of AI Ethical Awareness
论文进一步检验了AI伦理意识的调节作用，结果显示，AI伦理意识会正向强化AI多模态能力与包容性创新之间的关系。AI伦理意识是指管理者对公平、问责、透明、隐私与不伤害等AI伦理原则的认知与重视程度。研究指出，数字边缘化群体更易受到算法偏差、隐私侵犯与操纵性设计的不利影响，因此，当企业管理者具有更高AI伦理意识时，更可能以避免刻板印象、保护隐私、重视边缘群体信号纳入的方式部署多模态AI，由此提高多模态能力的有效性。层级回归中的交互项达到显著水平，简单斜率与Johnson–Neyman分析也表明，在较高AI伦理意识水平下，AI多模态能力对包容性创新的促进作用更强。由此可见，伦理意识并非外部附加约束，而是决定AI能力能否导向社会包容结果的重要组织注意力机制。

2.3.2. The Moderating Role of Data Governance Quality
研究还发现，数据治理质量同样正向调节AI多模态能力与包容性创新之间的关系。数据治理质量体现为企业在数据可用性、完整性、安全性、隐私保护和合规性方面的政策、流程与系统健全程度。论文强调，边缘化用户数据通常稀疏、噪声较高且包含敏感信息，因此高质量数据治理对于确保数据被合伦理地获取、准确标注、安全存储与适当匿名化至关重要。研究结果表明，数据治理质量越高，企业越能从多模态数据中提炼出可靠、公平并兼顾隐私保护的洞察，进而更有效推动包容性创新。交互项检验、简单斜率分析和Johnson–Neyman分析均支持这一结论，说明数据治理并不仅是合规问题，更是增强AI能力社会效用的重要保障。

在研究设计与实证质量方面，论文进行了较为系统的测量与稳健性检验。各潜变量的组合信度（CR）、Cronbach’s α与平均方差提取量（AVE）均达到较好水平；六因子测量模型拟合优良，且优于多个备选模型，说明构念间具有良好的区分效度。研究还通过Harman单因子检验、标记变量法和未测量潜在方法因子（ULMC）方法评估共同方法偏差，结果显示其对主要结论影响有限。为回应横截面数据可能存在的反向因果疑虑，论文还比较了正向模型与反向模型，结果显示假设模型的拟合优于反向模型，为理论路径提供了额外支持。

讨论部分主要从三个方面展开。首先，论文将AI多模态能力识别为包容性创新情境下一个独立且关键的AI能力维度，扩展了既有AI能力研究主要聚焦效率、生产率和主流市场创新绩效的视角，将其延展至包容性与社会价值创造领域。其次，研究揭示了AI增强客户共情和生成式包容设计两条并行且互补的中介路径，分别对应设计思维中的“问题定义”和“解决方案生成”环节，从而将AI能力研究与设计驱动创新研究连接起来。再次，论文证明AI伦理意识与数据治理质量是影响AI能力有效性的关键边界条件，说明负责任AI（responsible AI）相关实践不仅是制度合规要求，也深度塑造企业能否将技术能力转化为包容性结果。

文章结论部分指出：本研究基于注意力基础观和动态能力理论，考察了AI多模态能力如何与包容性创新相关，以及这一关系如何受到AI增强客户共情和生成式包容设计的中介作用、AI伦理意识与数据治理质量的调节作用。基于233家中国企业的调查数据，研究发现，AI多模态能力与包容性创新显著正相关，这种关系既体现在直接作用上，也通过两条中介路径间接体现：AI增强客户共情与生成式包容设计对该关系发挥中介作用，而AI伦理意识与数据治理质量则发挥正向调节作用。上述发现表明，包容性创新并非仅仅是社会层面的规范性要求，而是企业能够借助多模态AI、共情式分析、生成式设计与治理实践加以战略性实现的结果。随着AI持续渗透经济与社会生活，确保其收益能够惠及长期服务不足的人群，既是一种责任，也是实现可持续发展的重要机遇。