人工智能对初创企业商业模式创新的影响:探讨不同战略目标的条件效应
《TECHNOLOGY IN SOCIETY》:The impact of artificial intelligence on startup business model innovation: exploring conditional effects of different strategic goals
【字体:
大
中
小
】
时间:2026年01月06日
来源:TECHNOLOGY IN SOCIETY 12.5
编辑推荐:
尼科尔·切切莱·拉戈(Nicole Cecchele Lago)|丹尼尔·德阿布雷乌·佩雷拉·乌尔(Daniel de Abreu Pereira Uhr)|何塞·路易斯·杜阿尔特·里贝罗(Jose Luis Duarte Ribeiro)|亚斯敏·奥尔泰阿努(Yasmin Ol
尼科尔·切切莱·拉戈(Nicole Cecchele Lago)|丹尼尔·德阿布雷乌·佩雷拉·乌尔(Daniel de Abreu Pereira Uhr)|何塞·路易斯·杜阿尔特·里贝罗(Jose Luis Duarte Ribeiro)|亚斯敏·奥尔泰阿努(Yasmin Olteanu)|克劳斯·菲希特尔(Klaus Fichter)
**巴西南里奥格兰德联邦大学(UFRGS)工业工程研究生项目**
**摘要**
人工智能(AI)的采用正在重塑初创企业创造、交付和获取价值的方式。尽管AI在实践中得到了广泛的应用,但关于AI对初创企业商业模式创新(BMI)影响的实证证据仍然有限。本研究考察了AI对BMI的因果效应,并探讨了这种效应如何受到战略目标(如快速成长、盈利能力、市场份额以及社会/环境影响)的制约。通过分析1104家德国初创企业的数据,并运用基于非参数树的Double Machine Learning模型,我们发现大量使用AI的初创企业的BMI明显高于很少或根本不使用AI的初创企业。这种效应在那些优先考虑快速成长和盈利能力的初创企业中尤为明显,当初创企业同时追求多个战略目标时,这种效应最为显著,这突显了战略一致性在其中的放大作用。本研究通过提供定量效应估计,加深了人们对AI作为商业模式创新推动力的理解,并为企业家和政策制定者提供了切实可行的指导,说明如何通过将AI与不同的战略目标相结合来提升BMI。
**引言**
技术变革始终是创业动态的基石,它重塑了机会的发现、评估和追求方式[1]、[2]。数字技术在初创企业的创立、发展和扩展过程中发挥了关键作用[3]、[4]。从知识积累和实时决策到流程自动化和可扩展性,这些技术重新定义了创业活动的速度、规模和范围[2]、[5]。它们使创新大众化,为创业提供了新的途径,并使初创企业能够迅速响应不断变化的市场和技术条件[6]、[7]。
在这些技术中,人工智能(AI)因其独特的算法决策、预测和自我学习能力而脱颖而出[8]。与一般的数字技术不同,AI能够积极辅助人类决策,提高运营效率,并实现可持续增长[9]。例如,查尔默斯等人[2]展示了一个由AI驱动的销售机器人,该机器人复制了公司最优秀的销售人员的表现,将扩展成本降至接近零的边际成本,同时利用数据驱动的学习来提升性能。同样,Netflix以AI为中心的运营模式展示了算法如何个性化用户体验,筛选优质内容,并根据用户行为动态调整界面,从而改变了公司的价值创造、交付和获取机制[10]。AI应用还允许初创企业优化前线和后线员工的运营流程,优化客户互动,并识别创新领域和市场机会[6]、[11]。
这一情况表明,AI可以促进创新,驱动企业绩效,并实现可持续的快速增长,从而影响成本、收入模式以及商业模式本身的设计[2]、[4]。AI使企业家能够全面重新思考价值创造、交付和获取的方式[7]、[12],其影响远远超出了流程优化的范畴,通常需要对企业核心商业模式进行系统性重构[2]。因此,AI最近被看作是推动商业模式创新(BMI)的力量,商业模式创新被定义为通过企业在商业模式各组成部分中的实质性、相互关联的变化来创造、交付和获取价值[13]。对于寻求竞争优势和长期增长的初创企业来说,BMI至关重要[14],因为它使企业能够在资源有限的情况下实现高效扩展,并快速适应动态的市场条件[15]。由于其变革潜力和实际应用价值,受到AI显著影响的商业模式被视为BMI的典型案例[16]、[17]。然而,关于这种关系的实证证据仍然不足。
尽管AI的重要性日益凸显,高管、企业家和管理者对其寄予厚望[18],但关于AI对BMI直接因果效应的实证研究仍然有限。Jorzik等人[17]对相关文献的系统性回顾指出,关于AI驱动BMI的研究主要集中在技术层面、AI应用以及触发因素、限制条件、资源和能力的理解上。一些研究分析了企业为扩展AI和实现更高水平的BMI所需的关键能力[18]、[19];其他研究考察了AI在优化运营流程或促进客户互动中的作用[4]、[8];还有研究探讨了管理团队如何通过采用AI来支持或促进向更具创新性的商业模式转型[20]。这些研究提供了重要见解,但仍未明确AI应用在何种程度和条件下能够转化为BMI。
重要的是,AI对BMI的影响不仅仅取决于其技术潜力,还从根本上受到初创企业所追求的战略目标的制约[21]、[22]。数字技术的成功整合需要与初创企业的优先事项和实际情况保持战略一致[23]、[24],这意味着AI对BMI的影响并非均匀分布。相反,其效果取决于AI在企业战略决策过程中的应用方式[15]、[25]。因此,要充分发挥AI的价值,不仅需要掌握技术,还需要实现强大的战略-技术一致性[7]。
战略方向是指明确阐述的指导企业决策的优先事项,例如强调快速财务增长和盈利能力或优先考虑社会或环境影响,这些方向决定了AI在商业模式中的整合方式[13]、[22]。这些方向定义了企业的意图和运营重点,影响哪些商业模式组成部分会成为创新的目标[23]、[26]。例如,优先考虑成长的初创企业可能会利用AI来扩展业务、开发基于平台的模型或自动化流程,以增加覆盖范围和效率[6]。这是因为AI能够处理大量数据,识别新兴市场机会,并优化运营流程,实现手动难以实现的快速扩张和可扩展性[2]、[6]。相反,注重社会或环境影响的初创企业可能会利用AI来增强利益相关者的参与度、提高透明度或强化责任机制[27]。AI有助于实时监控社会和环境成果,进行资源分配的预测分析,并与多方利益相关者进行沟通[9],从而协助这些企业实现非财务目标。
然而,许多初创企业在投资AI时缺乏明确的指导,不知道应该结合哪些战略目标来实现BMI的最大化回报。在本研究中,我们重点关注四个战略目标:快速成长、盈利能力、市场份额以及社会或环境影响,因为这些目标涵盖了与初创企业绩效最相关的范围[28]、[29]。前三个目标在创业文献中被广泛认为是企业成功的关键指标,影响着投资决策,并成为风险投资家和其他资源提供者评估企业竞争力的标准[30]、[31]。同时,追求社会和环境目标反映了ESG原则、企业社会责任以及监管框架日益重要的作用,这些因素越来越定义了什么是成功的创业[9]、[16]。理解AI对BMI的影响如何受到这些不同战略目标的制约,对于揭示初创企业的创新机制至关重要。这一理解突显了我们研究的理论和实践意义,因为它向企业家、政策制定者和生态系统参与者强调了将AI应用与战略目标对齐以促进BMI的重要性。
基于这些考虑,本研究考察了AI对初创企业BMI的因果效应,特别关注这种关系如何受到企业所追求的战略目标的制约。我们探讨了不同目标是否调节AI对BMI的影响,以及同时追求多个目标是否会增强或减弱这些效应。为此,我们的研究围绕两个问题展开:
**研究问题:**
1. AI的采用对初创企业BMI的因果效应是什么?
2. 这种因果效应如何受到初创企业所追求的战略目标的制约?
我们的分析基于德国初创企业的数据集,并运用因果森林双机器学习(CF-DML)方法来估计AI对BMI的平均效应,并通过条件平均处理效应分析来捕捉不同战略配置下AI效应的异质性[32]。这种方法使我们能够超越平均效应,深入探讨特定策略如何影响AI与BMI之间的关系。结果显示,大量使用AI的初创企业的BMI水平显著高于那些很少或根本不使用AI的初创企业。此外,异质性分析表明,这四个战略目标在塑造这种关系中起着决定性作用。某些目标组合会放大AI对BMI的效应,当初创企业同时追求多样化的战略方向并更密集地使用AI时,效果最为显著。这些发现有助于解释AI驱动的初创企业之间存在的不同BMI水平,强调了AI在提升BMI中的关键作用以及战略目标在放大其效应中的重要性。
本研究做出了三项贡献:首先,从方法论角度来看,我们通过应用CF-DML来估计AI对BMI的因果效应,从而避免了先前研究中忽略的内生性偏差;其次,从理论角度出发,我们超越了平均效应,发现了条件效应,表明AI使用与战略目标的一致性能够放大BMI;第三,我们通过证明当同时追求多个目标(包括财务和社会环境目标)时,AI使用可以带来更深入的商业模式变革,扩展了社会和情境对BMI的理解。这些贡献为学者、实践者、政策制定者和生态系统参与者提供了新的见解,帮助他们设计机制,鼓励初创企业将AI使用与多种目标相结合,以实现可持续创新。
**章节摘录**
**人工智能与商业模式创新**
在创业过程的早期阶段,许多企业家旨在建立一个能够展示市场吸引力的商业模式,然后再扩大业务规模以充分利用机会[2]。这一过程通常依赖于商业模式创新(BMI),这是一种涉及设计和实施新颖业务方法的战略性和迭代性流程[33]、[34]。在本质上,BMI改变了企业创造、交付和获取价值的方式。
**因果森林双机器学习**
近年来,机器学习(ML)的进步使其应用范围从预测扩展到了因果推断,即使在高维环境中也能通过有效的统计推断来估计处理效应[57]、[58]、[59]、[60]。特别是Wager和Athey提出的因果森林方法[57]具有重要意义,它结合了基于树的模型的灵活性和因果推断的严谨结构。
**AI对商业模式创新的平均效应**
我们使用CF-DML估计器来估计AI对BMI的影响。表3显示了研究结果。研究结果提供了具有统计学意义的证据,支持了替代假设H11,即更多的AI使用对初创企业的BMI有积极影响。估计的系数为0.175,表明平均而言,大量使用AI的初创企业的BMI比很少或根本不使用AI的初创企业高出0.175个百分点。
**讨论**
本研究考察了AI对德国初创企业BMI的因果效应,特别关注这种关系如何受到初创企业所追求的战略目标的制约。在两个研究问题的指导下,我们采用了基于非参数树的双机器学习模型进行分析方法。这种方法使我们能够超越描述性和相关性证据,估计AI的平均效应和条件效应。
**理论意义**
我们的研究有几个重要的理论贡献。首先,它推进了BMI的研究。现有研究已经证明了数字化转型[15]、[89]、团队多样性和管理[34]、[90]以及创新生态系统[54]、[79]对BMI的影响。尽管取得了这些重要进展,但特定技术对BMI的影响仍需进一步探索。例如,虽然有证据表明AI有助于流程创新。
**结论**
本研究考察了AI对初创企业BMI的影响及其如何受到不同战略目标的制约。我们使用了1104家德国初创企业的数据,并采用了强大的机器学习模型进行分析。结果表明,大量使用AI的初创企业的BMI水平显著高于很少或根本不使用AI的初创企业。重要的是,战略目标(快速成长、盈利能力、市场份额以及社会/环境影响)的结合能够放大研究的贡献价值。
CRediT作者贡献声明:
Klaus Fichter:撰写 – 评审与编辑、项目管理、调查、资金筹集。
Nicole Cecchele Lago:撰写 – 评审与编辑、初稿撰写、数据验证、软件开发、方法论制定、形式化分析、数据整理、概念构建。
Daniel de Abreu Pereira Uhr:撰写 – 评审与编辑、数据验证、软件开发、方法论制定、形式化分析、数据整理、概念构建。
Jose Luis Duarte Ribeiro:撰写 – 评审与编辑、数据验证、项目管理、资金筹集。
本研究得到了巴西国家科学技术发展委员会(CNPq)和巴西高等教育人员培训协调局(CAPES)的财政支持。此外,德国联邦环境基金会(Deutsche Bundesstiftung Umwelt)也通过“支持绿色初创企业”项目资助了数据收集工作。
致谢
作者感谢巴西国家科学技术发展委员会(CNPq)、巴西高等教育人员培训协调局(CAPES)以及德国联邦环境基金会(Deutsche Bundesstiftung Umwelt)为这项研究提供的财务支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号