引言
本文所呈现的前瞻性研究调查了韩国汽车行业中基于人工智能（AI）的系统转型中，各类行动主体群体的最高和最低适应力水平及其背后原因。社会技术系统研究通过两种方法为新技术驱动的变化提供了良好的解释框架（Dolata, 2009, Fraedrich et al., 2015, Geels and Kemp, 2007, Marletto, 2014, Pichler et al., 2021）。前瞻性方法旨在预见将要发生或正在发生的事情（Fraedrich et al., 2015, Marletto, 2014, Pichler et al., 2021），而回溯性方法则试图回顾已经发生的事情（Geels and Kemp, 2007, Verbong and Geels, 2010）。通过这两种方法，系统转型研究有助于理解社会技术系统的适应过程。社会技术系统涵盖技术的生产、扩散和使用，可以定义为满足社会功能（如运输、通信等）所需的要素（如人工制品、知识、资本等）之间的联结关系（Geels, 2004）。行动主体或行动主体群体——如企业、用户、公共当局及其他——通过在各自的子功能（如生产和消费）中开展工作来改变社会技术系统中的要素。尽管已有研究考察了与行动主体相关的方面（Avelino and Wittmayer, 2016, Borrás and Edler, 2020, Budde et al., 2012, Farla et al., 2012, Fischer and Newig, 2016, Geels, 2004, Konrad et al., 2012, Marletto, 2019, Mohamad and Songthaveephol, 2020, Wittmayer et al., 2017），但它们在两种方法中对个体和集体层面行动主体的适应力关注不足。本研究采用了前瞻性方法。Marletto（2014）强调，在预见未来出行场景时，城市出行的变革依赖于行动主体群体当前的适应力。由于各群体基于其适应力参与社会技术系统变革（Marletto, 2014, Wittmayer et al., 2017），评估和预测其对新技术的适应力是理解系统转型未来塑造的关键。另一方面，研究相对忽视了多个行动主体的互动（Wittmayer et al., 2019）。Budde等人（2012）通过考察两家汽车制造商和德国政府，暗示了研究不同功能中多个行动主体的重要性，以捕捉其活动和相互依赖性。这些研究有助于解释系统转型中的共同演化。最近，Geels（2024）重新强调了多个行动主体及其群体的研究。因此，本研究试图回应考察行动主体对技术适应力变化及其背后原因的理论需求，期望拓展我们对系统转型的理论理解。
本前瞻性研究选择了韩国汽车行业通过人工智能（AI），特别是机器学习（ML）进行的系统转型作为研究对象。汽车行业是变革的熔炉，环境和可持续性以及数字化转型的巨大颠覆性挑战正在重塑其社会技术系统（Augenstein, 2015, Fraedrich et al., 2015, Lampón et al., 2024a, Lampón et al., 2024b, Lampón et al., 2024c, Marletto, 2019, Mohamad and Songthaveephol, 2020, Pérez-Moure et al., 2024, Pérez-Moure et al., 2023, Pichler et al., 2021, Paunov and Planes-Satorra, 2019）。本研究涉及AI，它在当前和未来的汽车行业转型中发挥着重要作用。本文将AI定义为模拟并超越人类智力的技术能力，例如计算机视觉（视觉能力）、自然语言识别（阅读能力）和语音识别（听觉能力）（Kim & Seo, 2023）。本文用机器学习（ML）来指代AI。ML的能力可分为弱AI和强AI。强AI涉及通过给定规则创建新规则，例如在自动驾驶汽车中，为保护乘客或驾驶员而做出高风险决策时无人工驾驶员参与；弱AI则表现为基于规则的行为，例如自动检测轮胎质量（Bahoo et al., 2023, Haefner et al., 2021, Borges et al., 2021）。在汽车行业，AI/ML驱动的自动驾驶代表了根本性创新，带来了社会技术系统的转型（Lampón et al., 2024a, Lampón et al., 2024b, Lampón et al., 2024c, Fraedrich et al., 2015, Marletto, 2019）。通过自动驾驶产生的多样化商业模式创新（Pérez-Moure et al., 2023, Marletto, 2019）、ML服务化（Pérez-Moure et al., 2023, Pérez-Moure et al., 2024）、基于ML的智能工厂和供应链（Bughin et al., 2017, Ramos and Ruiz-Gálvez, 2024）纷纷涌现。这些现象包括通过应用ML实现的过程创新。创新的重心在汽车行业中从硬件聚焦转向了软件聚焦。因此，汽车行业是系统转型的领先范例。这伴随着新行动主体的进入，如基于ML的新解决方案提供商或自动驾驶服务提供商（Lampón et al., 2024a, Lampón et al., 2024b, Lampón et al., 2024c）。但现有的汽车制造商、供应商和其他社会行动主体需要适应汽车行业的ML技术。各行动主体群体对ML的适应力对于理解基于AI/ML的汽车行业的演进至关重要。
基于研究目的，本文分为四个部分。第2部分涵盖文献综述和研究问题。第3部分阐述前瞻性过程、数据收集方法和数据分析。最后，本文在第4部分呈现该前瞻性研究的发现，并以简短的讨论和结论作为结尾。
