《Sustainability》:Analysis of the Structure and Areas of Use of Artificial Intelligence-Based Solutions for Sustainable Enterprise Development
编辑推荐:
研究旨在识别并分析现代企业中基于人工智能的解决方案(AIBS)应用领域的结构分布,特别强调评估所报告的人工智能应用领域的集中程度及其对组织可持续发展的潜在贡献。该实证研究于2025年开展,采用问卷调查法,对325家企业进行了调查。受访者被允许指出多个AI应用领
研究旨在识别并分析现代企业中基于人工智能的解决方案(AIBS)应用领域的结构分布,特别强调评估所报告的人工智能应用领域的集中程度及其对组织可持续发展的潜在贡献。该实证研究于2025年开展,采用问卷调查法,对325家企业进行了调查。受访者被允许指出多个AI应用领域,从而获得668个有效的AI应用指示。采用描述性统计、帕累托分析以及赫芬达尔-赫希曼指数(HHI)来检验所报告AI应用领域的集中度。结果表明,AI应用在组织职能中分布不均,最高集中度出现在业务与管理、教育、媒体与营销、以及信息技术与网络安全领域。计算的HHI值为0.1639,表明AI应用领域呈现中等集中度,这意味着组织倾向于优先选择那些AI能够产生最大组织和战略价值的领域。从可持续发展的视角来看,研究结果表明,AI部署支持更高效的资源分配、组织适应性、数据驱动的决策以及数字化转型,这些构成了可持续企业发展的重要基础。HHI仅作为集中度的结构性度量被使用,并未评估企业内AI实施的水平、成熟度、强度或质量。尽管研究结果仅涉及所分析的样本,但本研究通过引入基于集中度的AI应用领域分析视角,为文献做出了贡献,并为寻求以支持长期可持续发展方式实施AI的组织提供了实践指导。
论文解读文章
**研究背景与问题**
近年来,人工智能(AI)技术迅速发展,深刻影响企业的决策过程、运营自动化、数据驱动管理及资源分配方式。然而,尽管AI应用日益广泛,现有研究多聚焦于特定AI应用、单一组织职能或行业,对AI解决方案在企业内部不同职能领域的整体分布与集中程度缺乏系统分析。这种结构性的认知缺失导致管理者难以判断AI应用是否集中于少数主导领域,还是已广泛渗透至各业务环节。此外,AI在支持可持续发展(SD)方面的潜力日益凸显,但相关实证研究仍有限。为填补这一理论空白,本研究旨在识别并分析现代企业中基于人工智能的解决方案(AIBS)的应用领域结构,并利用赫芬达尔-赫希曼指数(HHI)量化其集中度,从而揭示组织优先部署AI的战略方向及其对可持续企业发展的潜在贡献。该论文发表在《Sustainability》期刊。
**关键技术与方法**
研究人员采用问卷调查法,于2025年对325家来自不同行业的企业进行抽样调查(样本来源为自愿参与的企业,未限定具体地理区域)。允许受访者选择多个AI应用领域,共获得668个有效指示。主要分析方法包括:描述性统计(用于呈现各领域应用频率)、帕累托分析(识别主导领域)以及赫芬达尔-赫希曼指数(HHI,计算公式为HHI=∑
i=1n s
i2,其中s
i为第i个AI应用领域在总指示数中的占比,n=9个应用类别)。HHI用于评估AI应用领域在九个预设类别中的集中程度,其阈值参考传统市场集中度标准(<0.15为低集中,0.15–0.25为中等集中,>0.25为高集中)。
**研究结果**
**4.1 企业AI应用领域分布**
通过描述性统计,研究人员发现:在325家受访企业中,业务与管理领域应用AI的企业最多(98家,占30.15%),其次为教育、媒体与营销(64家,19.69%)以及信息技术与网络安全(55家,16.92%)。基于668个应用指示,业务与管理领域占比最高(27.84%),教育、媒体与营销次之(18.56%),信息技术与网络安全(15.27%),金融与银行业(10.63%),工业与制造业(8.98%),公共行政与安全(6.14%),汽车与运输(5.24%),生态与能源(4.19%),医疗与健康(3.14%)。
**4.2 集中度分析**
通过HHI计算,得到值为0.1639,表明AI应用领域呈现中等集中度。研究人员指出,该值介于理论最小值0.111(完全均匀分布)和完全集中之间,说明AI应用并未完全集中于单一领域,但业务与管理、教育、媒体与营销、信息技术与网络安全三个主导领域合计占指示总数的60%以上。帕累托分析进一步证实了这一集中模式。
**4.3 主要结论**
研究人员得出结论:AI应用在企业中的分布不均匀,集中度中等,表明组织优先将AI部署在能快速产生战略价值的职能领域,如管理、数据处理与营销。相比之下,生态与能源、医疗等领域的应用频率较低,可能受制于技术复杂性、成本或监管障碍。该分布模式反映了企业数字化转型(DT)的过渡阶段,即AI已从实验性应用扩展至核心运营,但尚未实现全面成熟。
**讨论与结论总结**
讨论部分指出,研究结果与现有文献一致,即AI应用优先集中于管理、IT与营销等核心职能,这些领域具有较高的自动化潜力与数据驱动需求。HHI的适度集中表明企业正在有选择地分配资源,以最大化短期收益,但同时也可能限制创新在非主导领域的扩散。从可持续发展视角,AI在业务与管理、教育、IT等领域的集中部署有助于提升资源效率、组织适应性与数据驱动决策,从而间接支持可持续企业发展(SED)。然而,研究人员强调,本研究未直接测量AI对可持续绩效的影响,上述关系仅为理论解释。
研究结论部分翻译如下:本研究表明,在所分析的企业中,基于人工智能的解决方案(AIBS)的应用领域分布呈现中等集中度,HHI=0.1639。研究结果揭示,AI应用分散于若干主导组织领域,而非集中于单一职能。然而,这些结果仅适用于所分析样本,未经进一步实证验证不得推广至更广泛的企业群体。需强调,HHI仅衡量AI应用领域的集中度,不应解释为AI采纳水平、实施质量、组织绩效或技术成熟度的指标。因此,本研究未提供AI实施对组织效率、创新、可持续性或竞争优势影响的实证证据。从实践角度,观察到的AI应用分布可通过识别最常使用AI的组织领域来支持管理决策,但不应认为较低集中度或更大多样化必然更优——对于某些企业,将AI集中于少数战略职能可能是合理且有效的管理决策,具体取决于组织目标、资源与数字化转型阶段。