协同智能对数字创新的影响：基于知识数字化与人机协同知识创新的视角

《International Journal of Innovation Studies》：The impact of co-intelligence on digital innovation: A perspective based on knowledge digitization and human-AI collaborative knowledge innovation

　　

在新一轮科技革命和产业变革的浪潮中，人类与人工智能（AI）之间的协作正从根本上重塑组织实践，使数字创新成为企业竞争优势的关键来源。然而，学术界关于协同智能对数字创新的影响，以及知识数字化和人机协同知识创新的中介作用的研究仍不充分。为填补这一空白，本研究对282家实施AI场景应用的中国企业进行了问卷调查。研究人员采用偏最小二乘结构方程模型（PLS-SEM）方法，调查了协同智能如何提升数字创新，特别关注了知识数字化和人机协同知识创新的中介效应。分析揭示了三个关键发现：（1）协同智能对数字创新有显著的正向影响。（2）协同智能与数字创新之间的关系由知识数字化和人机协同知识创新中介。（3）这两个中介变量在协同智能与数字创新之间形成了一个显著的链式中介路径。在理论上，本研究通过链式中介模型阐明了协同智能对数字创新的影响机制。在实践上，它为管理者利用协同智能和完善知识管理实践以推进数字创新提供了见解，为有效使用AI驱动创新奠定了基础。

**1. 引言**
数字技术的广泛采用已从根本上重塑了众多行业的产品和服务。此外，移动计算、AI、区块链、增强现实与虚拟现实、机器人技术以及物联网等技术的快速演进，正推动着经济与组织的重大变革。在新科技革命和产业变革的背景下，积极追求数字创新已成为提升生产力、激发创新和重塑竞争动态的核心力量。数字创新（Digital Innovation）是指通过数字组件与物理组件的新颖整合所创造的新产品、服务及创新过程，它在赋能和支持企业数字化转型方面发挥着关键作用。各国正越来越多地利用数字技术来促进产业创新，例如德国实施以智能制造为核心的工业4.0战略，美国聚焦于尖端技术和高端企业以实现再工业化，日本致力于发展“互联工业”以构建智慧社会，韩国则建设智能工厂以推动企业转型和创新。企业通过利用数字技术固有的动态性和可扩展性，可以有效推动跨领域知识整合，从而实现数字知识创造和数字创新。同时，AI应用场景的扩展促使组织日益关注人机协作，越来越多的研究强调了其对创新的积极影响。然而，现有研究主要关注人机协作过程带来的影响，忽视了通过此类协作产生的特定涌现能力和价值的更广泛意义。协同智能（Co-intelligence）强调人机协作以共同探索和开发这些涌现特质，其区别于其他人机协作形式的核心特征包括互补性、共同目标和持续互动。协同智能有效打破了人与AI之间的知识交换壁垒（Martin, 2022），从而革新了企业知识管理，并重塑了组织实现数字创新的方式。特斯拉的自动驾驶系统是一个代表性案例，它通过车辆所有者与中央AI之间的持续双向互动得以进化，将人类行为提炼为AI可识别的结构化知识，体现了协同智能对数字创新范式的变革性影响。因此，随着AI应用的普及，企业迫切需要探索如何利用协同智能来推进数字创新。

**2. 文献综述**
**2.1 协同智能**
人机交互经历了劳动替代和劳动整合两个阶段，AI代理从工具转变为同事和伙伴，人机实现了更深层次的整合协作。现有研究沿着两条主要轨迹发展：一是关注关系形式，如人机协作和人机团队；二是强调协作涌现的特性，如增强智能、混合智能（Hybrid Intelligence）和集体智能（Collective Intelligence）。其中，混合智能依赖于相互增强，只有通过人与AI的互动和相互理解才能带来性能提升，因此人机之间隐性知识的转移和共享是有效协作的主要障碍。协同智能通过人机共生探索和开发涌现特性的力量和价值。Schleiger等人（2024）提出协同智能的三个定义性特征：互补性，即人与AI代理利用各自优势实现更优结果；共同目标，即人与AI代理朝着共同目标协同；持续互动，即超越静态互动，形成动态和双向的反馈循环。

**2.2 知识数字化**
数字技术的快速发展给知识管理领域带来了颠覆性变革，数字工具促进了知识的搜索、获取、创造、存储、转移、编译、解释和应用。Cheng等人（2023）开创性地提出了知识数字化（Knowledge Digitization）的概念，将其定义为利用数字技术将知识转化为可存储、可计算、可分析的格式的过程，并具有可编码性、汇聚性和生成性三个特征。随着越来越多的信息和知识以最少的人工干预进行数字化存储，AI和数字知识驱动的创新管理已成为必然趋势。知识数字化被视为提升企业创新的关键因素，一方面，数字技术通过改变知识资源的存储和应用方式促进知识结构转型，提升组织创新效率；另一方面，知识数字化通过促进知识创新和知识整合，以及构建知识库和整合分散的知识流来强化创新绩效。

**2.3 人机协同知识创新**
数字技术特别是AI的出现，颠覆了传统的知识创新范式，人机深度交互催生了人机深度融合的知识生产新模式。与传统知识创新模式相比，人机协同知识创新（Human-AI Collaborative Knowledge Innovation）促进了知识转移、共享、流动和扩散，从而提升了知识创新的效率和能力。本文认为，人机协同知识创新是指人与AI之间紧密协作与互动，在人与AI智慧与资源转移和共享的基础上，实现新知识的共同创造、整合与应用。生成式AI的进步扩展了与创新相关的领域知识，将创新主体的核心从个人焦点转向人机协同模式，这些协同实体作为知识创新的新驱动者出现，为组织创新提供了新的知识来源。

**2.4 数字创新**
在工业4.0时代，数字创新是自动化生产、增强客户系统、部署智能生产生态系统以及实现高效供应链的关键机制。数字创新被广泛定义为由数字技术应用创造的新产品、服务、业务流程或商业模式，以及由此引发的级联变化。数字创新包含三个核心维度——创新主体、创新资源与创新成果，强调人与技术的共生互动，并产生涵盖产品、服务、组织和商业模式的多元化创新成果。实证证据强调了数字知识在创新中的关键作用，数字创新依赖于跨职能部门的创造和知识流动。

**3. 研究假设**
**3.1 协同智能与数字创新**
人与AI的深度协作，如机器学习、自动控制和自然语言处理，正深刻改变组织学习、工作流程和发展，从而成为创新能力的关键来源。这种协作充分发挥了人与AI的互补优势，实现了超越各自单独所能达到的成果。协同智能通过AI技术扩展了人类知识获取的范围和效率，弥补了人类的认知局限，加速了知识差距和创新机会的识别。同时，协同智能通过共享任务促进知识共享和检索，培育了多样化知识的整合与汇聚，从而构建了集成机器自我学习与人类认知的知识体系，促进了复杂环境下的高效创新和方案生成。通过持续互动，人机共同学习和共同进化，更有效地应对高层次核心挑战。因此，提出假设H1：协同智能对数字创新有正向影响。

**3.2 知识数字化的中介作用**
首先，协同智能通过整合AI在信息获取上的能力与人类的认知判断，构建了更高效的知识编码范式。AI负责对多样化知识来源进行标准化表示、网络化索引和结构化处理，而人类则贡献领域洞察、价值判断和情境理解来校准AI生成的语义，共同实现对多层面知识的系统编码和索引。其次，协同智能围绕共同目标组织知识获取，促进知识汇聚，利用AI进行跨边界、高效率的知识捕获，同时依靠人类专家建立跨领域知识联系、解构复杂场景和评估价值，从而加强知识整合和可用性。再次，协同智能培育了生成性，通过人机双向沟通和自适应响应，动态追踪前沿知识，并通过持续反馈更新知识，最终推动组织业务价值增长和可持续知识演化。因此，提出假设H2a：协同智能对知识数字化有正向影响。H2b：知识数字化对数字创新有正向影响。H2：知识数字化在协同智能与数字创新之间起中介作用。

**3.3 人机协同知识创新的中介作用**
协同智能通过整合人类在领导力、团队合作、创造力等方面的优势与AI在速度、可扩展性等方面的优势，实现双向能力增强，提升整体绩效和效率。一方面，AI深度挖掘多样化知识，识别潜在创新点，并与人类隐性知识整合形成知识库，为人机协同知识创新奠定统一的知识基础。另一方面，协同智能整合人类创造性思维与AI计算能力，通过将知识需求映射和转移到知识库，实现跨领域知识推荐，从而促进知识创新的孵化与验证。此外，生成式AI作为知识的积极共创者，通过交互式对话实现人机持续双向互动，增强个人学习和反思等认知过程以生成新知识。因此，提出假设H3a：协同智能对人机协同知识创新有正向影响。H3b：人机协同知识创新对数字创新有正向影响。H3：人机协同知识创新在协同智能与数字创新之间起中介作用。

**3.4 知识数字化与人机协同知识创新的链式中介作用**
研究表明，数字技术显著增强了知识共享。可编码性使知识能够转化为数字格式，从而实现快速和广泛的共享，加速知识互动和外部知识获取，鼓励更广泛地参与知识交流，使企业能够整合多样化知识来源进行创新。此外，数字知识使AI能够有效利用知识，一方面通过强化学习（Reinforcement Learning, RL）不断更新知识，支持跨领域和跨学科的知识探索与整合，促进知识重用和发展；另一方面，AI感知在人机协同知识创新中发挥着关键作用，数字技术能将人机交互情境下的多样化知识有效转化为数字形式，使AI能够快速处理结构化知识，并利用人机组合智能进行知识组织和创新。因此，提出假设H4a：知识数字化对人机协同知识创新有正向影响。H4：知识数字化和人机协同知识创新在协同智能与数字创新之间起链式中介作用。

**4. 研究方法**
**4.1 变量测量**
为确保问卷的可靠性和结果的准确性，测量题项基于对相关文献的全面回顾和先前研究中成熟的量表开发。具体而言，协同智能的题项改编自Schleiger等人（2024）和Jarrahi等人（2023）；知识数字化的题项源自Cheng等人（2023）；人机协同知识创新的题项来自Gong等人（2022）以及Khin和Ho（2018）；数字创新的题项基于Khin和Ho（2018）。所有变量均采用五点李克特量表测量。

**4.2 样本与数据**
本研究精心设计了题项的数量和顺序，并采用匿名回答形式。问卷发放给中国使用AI技术的组织，因为中国已成为全球数字经济的领导者，拥有全球70%的AI专利，其全面的工业体系提供了多样化的企业样本，为研究协同智能和数字创新提供了理想的实证环境。数据通过中国在线调查平台收集，共向363家公司发放问卷，剔除无效问卷后，保留282份有效问卷，有效回收率为77.69%。

**4.3 研究方法**
本研究采用偏最小二乘结构方程模型（PLS-SEM），该方法在管理科学中被广泛采用，因其灵活性和稳健性而适用于分析复杂模型和检验假设关系。PLS-SEM特别适用于探索性研究以及包含反映性和形成性构念的模型，支持中介效应检验，并能提供对模型的深入见解。所有分析均使用R语言中的lavaan（Rosseel, 2012）和SEMinR（Ray等人, 2022）包进行。

**5. 结果**
**5.1 共同方法偏差分析**
使用双因子模型进行共同方法偏差检验，结果表明，在四因子模型中加入方法因子后，所有拟合指数的变化均小于0.02，表明不存在显著的共同方法偏差。

**5.2 测量不变性检验**
为检验量表在中小企业和大型企业之间的测量不变性，进行了测量不变性检验。结果表明，形态不变性、度量不变性、标量不变性和严格不变性模型均得到支持，表明量表在不同规模企业组之间具有高度的一致性和可靠性。

**5.3 可靠性分析**
所有变量的Cronbach‘s α值均大于0.8，表明问卷具有高信度。KMO值为0.958，所有变量均通过Bartlett球形检验（p < 0.001）。因子分析结果显示，所有题项的因子载荷均大于0.7，AVE值均大于0.6，CR值、Rho_A和Rho_C值均大于0.7，表明变量具有良好的收敛效度。通过异质-单质比率（HTMT）检验了变量间的区分效度，所有HTMT值均小于0.8，表明量表具有良好的区分效度。

**5.4 描述性统计与相关分析**
各变量的均值、标准差和相关系数表明，协同智能与知识数字化、人机协同知识创新和数字创新均呈显著正相关；知识数字化与人机协同知识创新和数字创新显著正相关；人机协同知识创新与数字创新显著正相关，初步验证了研究假设。

**5.5 假设检验**
通过方差膨胀因子（VIF）检验，各变量间VIF值均小于3，不存在共线性问题。模型的调整R²值分别为KD=0.456、HACKI=0.469、DI=0.461，表明模型拟合良好。主路径检验结果显示，协同智能对数字创新有显著正向影响（β=0.246, p<0.01），支持H1；协同智能对知识数字化有显著正向影响（β=0.677, p<0.001），支持H2a；协同智能对人机协同知识创新有显著正向影响（β=0.303, p<0.001），支持H3a；知识数字化对数字创新有显著正向影响（β=0.295, p<0.001），支持H2b；知识数字化对人机协同知识创新有显著正向影响（β=0.445, p<0.001），支持H4a；人机协同知识创新对数字创新有显著正向影响（β=0.241, p<0.01），支持H3b。中介效应检验采用Bootstrap法（样本量5000，置信区间95%），结果显示，总效应显著（β=0.591, p<0.001），支持H1；通过知识数字化的中介效应显著（β=0.200, p<0.01），支持H2；通过人机协同知识创新的中介效应显著（β=0.073, p<0.05），支持H3；通过知识数字化和人机协同知识创新的链式中介效应显著（β=0.073, p<0.01），支持H5。

**6. 结论**
本研究基于知识基础观（KBV），采用PLS-SEM实证检验了协同智能对数字创新的影响，以及知识数字化和人机协同知识创新在其中的链式中介作用。结果表明，协同智能在促进数字创新中扮演着至关重要的角色，它有效打破了人与AI之间的知识交换壁垒，从而促进了知识管理中的数字化转型。知识数字化建立了一个统一、结构化的知识基础，弥合了人机之间的知识整合和创造性互动，从而能够实现数字创新。具体而言，协同智能通过人机协作实现了结构化知识处理，使知识工作者能够跨领域整合创新要素，并实时响应市场需求生成创新解决方案，从而加速数字创新。同时，协同智能通过建立统一的知识基础，促进了人机知识的交叉融合与创新，创造了更多的数字创新机会。研究结果证实，知识数字化和人机协同知识创新在协同智能与数字创新之间起到了链式中介作用。

**7. 启示**
**7.1 理论贡献**
首先，本研究在Yao（2023）的基础上，将协同智能概念化为一种由人机协作涌现出的属性，并建立了清晰的概念定义，使其区别于其他人机协作形式。通过识别知识数字化和人机协同知识创新这两个中介变量，并开发了协同智能的测量框架，为协智能的量化评估提供了实证支持，从而弥合了协同智能与数字创新之间的研究空白。其次，本研究从协同智能、知识数字化和人机协同知识创新的视角检验了数字创新的决定因素，为数字创新的理论研究提供了实证证据。第三，本研究综合相关文献，对人机协同知识创新进行了定义，并开发了其测量量表，填补了现有文献和量化研究的空白。通过实证检验知识数字化和人机协同知识创新的链式中介效应，揭示了它们之间关系的“黑箱”，拓宽了协同智能对数字创新影响的研究范围。

**7.2 管理启示**
本文为数字化组织在AI技术使用、知识数字化和知识创新方面提供了管理建议和实践见解。首先，企业应改变对AI的传统看法，将其视为平等的合作伙伴，而非工具或替代品，并根据实际业务需求选择AI工具，同时明确界定需要人类判断和决策的流程步骤。其次，企业应注重提升知识数字化水平，优化知识管理效率，积极利用数字技术进行知识编码，建设数字知识共享平台，引入新兴数字技术整合多样化知识。第三，企业必须关注知识创新与应用，鼓励员工利用AI技术评估知识和经验，进行相关培训，培养创造性思维和问题解决能力，以适应人机协作模式。

**8. 局限性与未来研究方向**
本研究存在一些局限性：样本来源范围相对有限，回收效率较低，对未来研究施加了限制。未来研究可以扩大调查对象范围，增加样本量。此外，样本数据仅来自中国的数字化组织，可能限制了研究结果在不同文化和情境下的普遍适用性。未来研究应关注调查受访者的多样性，纳入来自不同国家和地区的数字化组织，以拓宽研究视野，提高研究结果的可靠性和普遍适用性。