人工智能、人类协作与大数据知识管理：赋能治理创新与企业绩效

《Journal of Innovation & Knowledge》：Artificial intelligence, human collaboration, and big data knowledge management: Enabling governance innovation and firm performance

　　

数字化对于整合人类与人工智能（AI）以将想法转化为现实的企业至关重要。本研究探讨了AI的使用如何影响公司治理（CG）和企业社会责任（CSR）。研究人员调查了人工智能与人类智能（AI-HI）协作对AI使用、CG和CSR的调节效应。同时，研究检验了大数据知识管理（BDKM）对CG、CSR与企业绩效的调节作用。为检验这些关系，本研究基于资源基础观（RBV）和利益相关者理论。研究人员采用偏最小二乘结构方程模型（PLS-SEM）对从巴基斯坦旁遮普省404名制造业经理收集的数据进行分析。结果表明，AI使用影响CG（β = 0.606）和CSR（β = 0.535）。此外，CG（β = 0.294）和CSR（β = 0.237）显著促进企业绩效。AI-HI协作在AI使用与CG（β = 0.164）和CSR（β = 0.108）之间起调节作用。类似地，BDKM调节了CG（β = 0.115）和CSR（β = 0.113）与企业绩效之间的关系。研究认为，将AI整合到CG和社会责任框架中可以提升企业绩效；AI-HI协作是一个关键调节变量。这凸显了BDKM在增强治理和责任战略效果中的变革性机遇。研究结果为决定利用AI和数据洞察实现可持续业务绩效的企业提供了新的视角。

**论文解读：人工智能、人类协作与大数据知识管理驱动治理创新与企业绩效**

**研究背景与问题**

在技术驱动的商业环境中，单纯的数字化已不足以应对竞争挑战。尽管人工智能（AI）被广泛应用于提升企业效率和决策，但现有研究存在若干空白：第一，缺乏对AI与人类智能（AI-HI）协作在公司治理（CG）和企业社会责任（CSR）中协同效应的系统探讨；第二，AI-HI协作如何调节AI使用与CG、CSR之间的关系尚未被充分揭示；第三，大数据知识管理（BDKM）在CG、CSR与企业绩效之间的调节作用未知。此外，CG与CSR对企业绩效的影响在文献中呈现矛盾结果，亟需进一步验证。基于资源基础观（RBV）和利益相关者理论，本研究旨在回答以下问题：AI使用如何影响CG和CSR？CG和CSR如何贡献于企业绩效？AI-HI协作如何调节这些关系？BDKM在连接治理与CSR及绩效中扮演什么角色？研究发表于《Journal of Innovation》。

**主要技术方法**

本研究采用实证调查方法，数据来源于巴基斯坦旁遮普省拉合尔商会注册的制造业企业。样本包括2050家企业，涵盖纺织、皮革、汽车、化工及塑料PVC行业，最终获得404份有效经理问卷。使用偏最小二乘结构方程模型（PLS-SEM）进行假设检验，控制偏差包括共同方法偏差（CMB）分析（Harman单因子检验和方差膨胀因子VIF）以及内生性检验（高斯Copula法）。关键变量测量采用成熟量表：AI使用（6项）、AI-HI协作（3项）、CG（6项）、CSR（6项）、BDKM（7项）和企业绩效（7项），所有量表均通过预测试验证。

**研究结果**

**H1：AI使用与CG显著相关**
通过路径分析发现，AI使用对CG的标准化路径系数β=0.606（p<0.001），效应量f2=0.614（强效应），表明AI作为战略资源显著提升治理效率与透明度，支持RBV中AI是稀缺资源的观点。

**H2：AI使用与CSR显著相关**
AI使用对CSR的β=0.535（p<0.001），f2=0.385（强效应），说明AI驱动的数据洞察能够增强利益相关者参与和ESG（环境、社会、治理）标准评估，使CSR流程动态化。

**H3：CG显著影响企业绩效**
CG对企业绩效的β=0.294（p<0.001），f2=0.106（中等效应），表明良好的治理结构（如董事会多样性、问责机制）直接提升财务绩效，符合利益相关者理论的预期。

**H4：CSR显著影响企业绩效**
CSR对企业绩效的β=0.237（p<0.001），f2=0.067（小效应），证实CSR投入通过提升企业声誉和利益相关者信任正向驱动绩效。

**H5：AI-HI协作调节AI使用与CG的关系**
交互项β=0.164（p<0.001），f2=0.040（小效应），表明当AI-HI协作水平高时，AI对CG的正面影响增强16.4%，体现人机互补的资源协同效应。

**H6：AI-HI协作调节AI使用与CSR的关系**
交互项β=0.108（p=0.035），f2=0.024（小效应），说明AI-HI协作使AI对CSR的促进作用提升10.8%，强调人类伦理监督的必要性。

**H7：BDKM调节CG与企业绩效的关系**
交互项β=0.115（p=0.018），f2=0.023（小效应），表明BDKM通过数据驱动的知识管理强化治理实践对绩效的转化，提升11.5%。

**H8：BDKM调节CSR与企业绩效的关系**
交互项β=0.113（p=0.006），f2=0.021（小效应），说明BDKM帮助CSR活动转化为可量化的绩效改进，提升11.3%。

模型解释力：CG的R2=0.468，CSR的R2=0.354，企业绩效的R2=0.518，预测相关性Q2均大于0，表明模型具有中等至强解释与预测能力。

**讨论与结论**

研究结论支持所有假设，强调AI、AI-HI协作与BDKM在治理和社会责任中的战略角色。讨论部分指出，AI不仅是效率工具，更是治理变革的催化剂，通过实时决策、风险预测和合规监控重塑CG。AI-HI协作作为互补资源，推动RBV中资源协同的新机制——即AI与人类智能共同创造动态能力。BDKM作为边界条件，将数据转化为可行动的知识，提升治理与CSR绩效。研究结论翻译如下：研究主张，将AI整合到CG和社会责任框架中可以提升企业绩效；AI-HI协作是关键调节变量。这凸显了BDKM在增强治理和责任战略效果中的变革性机遇。研究结果为决定利用AI和数据洞察实现可持续业务绩效的企业提供了新的视角。理论贡献包括：扩展RBV，将AI-HI协作和BDKM视为互补资源；推进利益相关者理论，将AI视为认知利益相关者，增强透明度和信任。实践建议包括：投资AI系统以提升治理/社会责任能力，建立人类监督机制（如数字伦理委员会），并强化数据治理体系。研究局限包括样本仅来自制造业、横向设计、性别失衡等，未来需扩展至服务业，采用纵向设计，并考虑数据隐私等伦理问题。