《Buildings》：How Artificial Intelligence Enhances Construction Supply Chain Resilience Through Supply Chain Integration: A Mixed-Methods Study
编辑推荐：
建筑供应链(CSCs)日益面临材料短缺、需求波动、物流中断与跨组织协调失败等挑战。人工智能(AI)凭借其在预测、信息处理和协同决策方面的能力，为提升建筑供应链韧性(CSCR)提供了新机遇，但AI能力增强CSCR的作用机制尚不充分明晰。研究人员依托组织信息处理理
建筑供应链(CSCs)日益面临材料短缺、需求波动、物流中断与跨组织协调失败等挑战。人工智能(AI)凭借其在预测、信息处理和协同决策方面的能力，为提升建筑供应链韧性(CSCR)提供了新机遇，但AI能力增强CSCR的作用机制尚不充分明晰。研究人员依托组织信息处理理论(OIPT)与动态能力理论(DCT)，考察AI能力是否通过供应链整合(SCI)的三个维度——运营整合、信息整合与关系整合——直接或间接影响前瞻性与反应性CSCR，并比较各路径相对强度。研究采用解释性序列混合方法设计：定量阶段以中国建筑从业人员353份有效问卷，运用偏最小二乘结构方程模型(PLS-SEM)分析；定性阶段结合15位专家半结构化访谈与3个现实案例阐释定量结果并识别情境边界条件。结果显示，AI能力对前瞻性CSCR(β=0.140,p<0.01)与反应性CSCR(β=0.116,p<0.05)均具显著正向影响；AI能力显著促进运营整合(β=0.299,p<0.001)、信息整合(β=0.361,p<0.001)与关系整合(β=0.227,p<0.001)，三者进而提升两类韧性。其中信息整合是前瞻性韧性的重要路径(β=0.290,p<0.001)，运营整合对反应性韧性至关重要(β=0.274,p<0.001)。定性发现进一步表明，环境不确定性、技术就绪度与高管支持调节AI赋能SCI的效能。理论上，研究基于OIPT与DCT厘清了AI影响CSCR的路径及边界条件，推进了AI驱动韧性的分析框架；实践上，为建筑利益相关者分层部署AI工具、同步增强扰前预防与震后恢复能力提供了分级实施指引。
研究背景方面，全球化与数字化背景下建筑供应链(CSCs)因多层级结构、信息孤岛与临时联盟特征，面临材料短缺、需求波动与物流中断等频发扰动，传统沟通滞后加剧决策延误与资源浪费，提升建筑供应链韧性(CSCR)成为保障项目执行的关键。既有文献虽证实数字技术与供应链整合(SCI)各自对韧性的价值，却鲜有系统剖析SCI在AI能力与前瞻性或反应性CSCR间的中介机制，亦缺乏信息、运营、关系三类整合在扰前与震后阶段的异质性证据。为此，研究人员融合组织信息处理理论(OIPT)与动态能力理论(DCT)，构建“AI能力→三维SCI→双维CSCR”的理论模型，回应三条研究问题：AI能力如何影响双维韧性、SCI是否中介该关系、哪些边界条件塑造AI赋能SCI的成效。论文发表于《Buildings》。
关键技术方法上，研究采用解释性序列混合方法设计。定量阶段于2026年1—4月在中国面向具备AI应用经验的建筑专业人员便利抽样与滚雪球抽样，回收412份问卷筛得353份有效样本，测度AI能力、运营/信息/关系整合、前瞻/反应韧性及岗位、经验、企业规模等控制变量，以偏最小二乘结构方程模型(PLS-SEM)检验直接效应与平行中介效应，并借PLSpredict与SRMR评估预测力与拟合度。定性阶段立意抽样15位产业与学界专家（含项目经理、采购经理及高校学者）半结构化访谈，辅以3个AI赋能建筑项目案例，依扎根理论做开放—主轴—选择三级编码，与定量结果三角验证并提炼边界条件。
研究结果部分，各小节结论如下：
引言指出CSCs碎片化管理痛点与AI潜力，明确以OIPT+DCT双理论桥接技术能力与跨组织协同的研究缺口。
文献综述中，2.1节阐明OIPT解释AI补位信息处理鸿沟、DCT解释信息优势转化为动态重构行动；2.2节梳理AI在CSCs端到端协同与风险预警中的既有价值但指出现有叙事偏技术决定论；2.3节选定运营、信息、关系三维SCI框架而非内外二分；2.4节将CSCR拆解为前瞻性（扰前预判与能力迭代）与反应性（震后承压与恢复）双维。
假设推演与理论模型（第3节）提出H1a/b（AI→双维韧性）、H2a–c（AI→三维整合）、H3a/b–H5a/b（三维整合→双维韧性）、H6/H7（三维整合并行中介），并给出图1模型。
研究设计（第4节）说明混合方法顺序解释逻辑与问卷/访谈协议开发流程。
定量研究（第5节）经信效度（Cronbach’s α、CR、AVE、HTMT）、共线性VIF（均<2.12）检验后，结构模型Q2>0、SRMR=0.071，路径分析确认全部假设成立：AI对前瞻性CSCR(β=0.140,p<0.01)与反应性CSCR(β=0.116,p<0.05)直接效应显著；AI→信息整合(β=0.361)强于运营(β=0.299)与关系(β=0.227)；信息整合→前瞻性CSCR(β=0.290)最强，运营整合→反应性CSCR(β=0.274)最强；控制变量均不显著，表明机制跨企业规模与项目类型稳健。
定性研究（第6节）经三级编码析出四类主题：AI能力通过全景感知与动态重调度同时服务扰前缓冲与震后恢复；AI对SCI的催化以信息整合为枢纽，运营与关系整合为其下游衍生；SCI双维韧性驱动具阶段性分化——信息整合主司前瞻预警、运营整合主司震后物理恢复、关系整合在极端资源约束下保底；边界条件命题P1–P3指明环境不确定性、技术就绪度、高管支持正向调节“AI能力→SCI”。
讨论部分指出，定量中AI直接效应弱于经SCI的中介效应，印证AI须嵌入跨组织整合方转化为系统韧性；信息整合最贴合OIPT的数据处理内核，关系整合方差解释较低因其依赖长期信任与利益匹配而非算法直接生成；定性补充揭示统计路径受技术—战略—环境三联边界调制，非普适恒定。该讨论深化了OIPT/DCT在建筑业数字韧性下的适用边界。
结论部分译文如下：本研究探究AI能力经由SCI提升CSCR的机制。立足OIPT与DCT并采用混合方法，实证显示AI能力显著增强前瞻与反应双维CSCR，并显著提升SCI三维度进而驱动韧性；其中信息整合是前瞻性韧性主因，运营整合是反应性韧性支柱。定性结果表明环境不确定性、技术就绪度与高管支持调节AI促SCI之效能。最终研究主张，AI在建筑供应链中的韧性价值不止于技术采纳，而根本取决于将AI嵌入跨组织整合实践。
理论贡献在于填补“AI能力—三维SCI—双维CSCR”实证中介缺口并给出情境边界，方法上示范定量PLS-SEM与定性扎根编码的顺序解释混合设计。管理启示要求从业者按双维韧性差异配置AI：扰前倚重信息整合做实时预警，震后倚重运营整合做资源重配且保留项目经理现场裁量权；同时投资数据交换标准、底层IT设施与高管跨界推动的利益共享机制以抬升技术就绪度与战略支持。局限含单国横断面抽样、未将边界条件纳入量化调节模型、AI能力作统一构念未分种子能力、未验序列中介，未来可走国际比较、纵向多波次与多维AI构念扩展。
