知识管理与人工智能驱动的绿色实践对可持续绩效的影响

《Business Strategy and the Environment》：Knowledge Management and AI-Driven Green Practices for Sustainable Performance

　　

组织日益面临战略压力，需将可持续导向的知识和数字化转型举措转化为可衡量的环境与组织成果。为此，本研究调查了绿色知识管理（GKM）如何通过绿色人力资本（GHC）、绿色领导力（GL）、绿色技术创新（GTI）和绿色管理创新（GMI）等组织机制促进可持续业务绩效。基于知识基础观（KBV）和社会技术系统理论（STS），研究人员进一步将人工智能（AI）采纳概念化为一种赋能组织与数字能力，能够增强企业将可持续导向知识付诸实践的能力。研究对阿尔及利亚制造和服务企业进行了横截面调查，并使用偏最小二乘结构方程模型（PLS-SEM）分析数据。结果表明，GKM通过GHC、GL和GMI间接提升可持续绩效。此外，AI采纳加强了GKM在促进GHC发展、支持绿色创新流程以及实现可持续导向组织转型方面的有效性。然而，GKM与可持续绩效之间的直接关系并不显著，表明可持续导向知识的战略价值依赖于互补的组织能力和执行机制。本研究通过解释企业如何协调相互关联的知识、创新、领导力和数字能力以支持可持续组织绩效，为可持续性战略文献做出了贡献，尤其是在新兴经济体的未被充分探索的背景下。

**论文解读：知识管理与人工智能驱动的绿色实践对可持续绩效的影响**

**研究背景与问题**
当前，企业面临将可持续导向的知识与数字化转型转化为可量化环境与组织绩效的战略压力。尽管已有研究关注绿色实践，但大多孤立考察单一因素，缺乏对绿色知识管理（GKM）、绿色人力资本（GHC）、绿色领导力（GL）、绿色技术创新（GTI）、绿色管理创新（GMI）及人工智能（AI）采纳如何协同作用以提升可持续绩效的系统理解。尤其在新兴经济体（如阿尔及利亚），企业面临资源约束与制度不确定性，亟需整合知识、领导力、创新与数字能力以应对环境责任与竞争力双重挑战。为此，本研究旨在回答以下问题：（1）GKM与可持续绩效的直接关联如何？（2）GKM对绿色创新、GHC及GL有何影响？（3）绿色创新、GHC及GL如何贡献于可持续绩效？（4）AI如何调节GKM与绿色创新、GHC及GL之间的关系？

**研究内容与结论**
研究人员基于知识基础观（KBV）与社会技术系统理论（STS），构建了整合GKM、GHC、GL、GTI、GMI与AI采纳的研究模型，假设GKM通过中介机制影响可持续绩效，且AI起调节作用。通过对阿尔及利亚制造与服务企业（参展国际展览的655份有效样本）进行横截面调查，采用偏最小二乘结构方程模型（PLS-SEM）分析数据。结论如下：GKM对可持续绩效的直接效应不显著，但通过GHC、GL和GMI的间接效应显著；GKM正向影响GHC、GL、GTI和GMI；GHC、GL和GMI正向影响可持续绩效，但GTI对可持续绩效的直接效应不显著；AI采纳正向调节GKM与GHC、GTI、GMI的关系，但未显著调节GKM与GL的关系。该研究强调可持续导向知识需通过互补组织能力（如人力资本、领导力、管理创新）及数字赋能（AI）才能转化为可持续绩效，为新兴经济体企业战略执行提供理论依据。论文发表在《Business Strategy and the Environment》。

**关键技术与方法**
研究人员采用横截面调查设计，针对阿尔及利亚参展国际展览的制造与服务企业，使用已验证的量表测量GKM、GHC、GL、GTI、GMI、AI采纳及可持续绩效。问卷经英文-法语-阿拉伯语后向翻译以确保文化适配。数据分析采用偏最小二乘结构方程模型（PLS-SEM），通过SmartPLS 4软件评估测量模型（信度、收敛效度、区分效度）和结构模型（路径系数、R2、Q2、效应量及自助法显著性检验）。样本来源为阿尔及利亚Safex组织的可持续主题展览，最终获得655份有效问卷。

**研究结果**
**5.1 样本概况**
制造企业占主导，大型企业（44.1%）与中型企业（38.2%）居多；受访者多为中层管理者（69.6%），年龄30-50岁占65.3%，性别男性略多（58.9%）。

**5.2 测量模型**
所有构念的因子载荷（≥0.708）、Cronbach's α（≥0.70）、组合信度CR（>0.70）及平均方差提取AVE（≥0.50）均达标，表明良好的信度与收敛效度。区分效度通过Fornell-Larcker准则（AVE平方根大于相关系数）及异质-单质比率HTMT（<0.90）确认。

**5.3 结构模型**
**5.3.1 解释力与预测力**
GKM解释GHC（R2=0.744）和GL（R2=0.732）的较大变异，解释GTI（R2=0.296）中等变异；GHC、GL、GMI共同解释可持续绩效（R2=0.791）；所有内生构念的Q2预测值均大于0，表明模型具有预测相关性。

**5.3.2 直接效应**
GKM→GHC（β=0.361, p<0.001）、GKM→GL（β=0.776, p<0.001）、GKM→GMI（β=0.596, p<0.001）、GKM→GTI（β=0.520, p<0.001）均显著正向；GHC→可持续绩效（β=0.525, p<0.001）、GL→可持续绩效（β=0.219, p<0.001）、GMI→可持续绩效（β=0.191, p<0.001）显著；但GKM→可持续绩效（β=0.022, p=0.308）及GTI→可持续绩效（β=0.022, p=0.308）不显著，假设H1和H5未获支持。

**5.4 调节效应**
AI采纳正向调节GKM与GHC（β=0.052, p=0.020）、GKM与GMI（β=0.047, p=0.031）、GKM与GTI（β=0.136, p<0.001）的关系，但未显著调节GKM与GL（β=0.005, p=0.415）。加入调节项后，各内生变量R2分别提升至0.744、0.732、0.697、0.291。

**5.5 中介效应**
GKM对可持续绩效的总效应显著（β=0.491, p<0.001）。GHC（β=0.189, p<0.001）、GL（β=0.170, p<0.001）、GMI（β=0.114, p<0.001）均部分中介GKM与可持续绩效的关系；GTI的中介效应不显著（β=0.018, p=0.056）。

**讨论与结论**
讨论部分强调，GKM需通过GHC、GL、GMI等中介机制间接影响可持续绩效，而非直接作用。AI作为赋能能力，强化了GKM对GHC、GTI和GMI的转化效果，但未增强GL，说明领导力更依赖管理价值观与文化而非数字基础设施。研究结论指出：企业应系统整合知识、领导力、创新与AI能力以执行可持续战略；GKM是绿色领导力与创新活动的基础；GHC与GMI对可持续绩效至关重要；AI采纳能提升GKM在人力资本与创新方面的效能。研究局限包括依赖自报告数据、样本局限于参展企业、未控制行业差异等。最终结论翻译：本研究通过回顾知识基础观、资源基础观、社会学习理论与社会技术系统理论，强调了GKM作为将环境信息整合到组织知识中的核心作用，促进员工绿色知识与技能、管理者影响能力及创新实践，共同驱动可持续绩效。研究填补了GKM间接影响可持续绩效的理解空白，并凸显了GHC、GTI、GMI与GL的角色，同时指出AI在整合框架中增强组织运营与可持续努力的潜力。