运用生成式人工智能提升供应链韧性及可持续运营能力:下一代供应链的中介效应框架
《TECHNOLOGY IN SOCIETY》:Leveraging Generative AI to Drive Supply Chain Resilience and Sustainable Performance: A Mediation Framework for Next-Generation Supply Chains
【字体:
大
中
小
】
时间:2026年07月01日
来源:TECHNOLOGY IN SOCIETY 12.9
编辑推荐:
莫斯塔法·贾法里|阿米尔·侯赛因·阿克巴里|佩曼·阿赫万
伊朗科学技术大学工业工程系,伊朗德黑兰
摘要
本研究探讨生成式人工智能应用深度如何影响供应链中的技术创新与流程创新,以及这些创新能力如何通过运营效率与环境可持续性提升供应链韧性及可持续供应链绩效。研究重点分析
莫斯塔法·贾法里|阿米尔·侯赛因·阿克巴里|佩曼·阿赫万
伊朗科学技术大学工业工程系,伊朗德黑兰
摘要
本研究探讨生成式人工智能应用深度如何影响供应链中的技术创新与流程创新,以及这些创新能力如何通过运营效率与环境可持续性提升供应链韧性及可持续供应链绩效。研究重点分析供应链韧性在连接创新能力与可持续绩效成果之间的中介作用。通过层次回归分析和PROCESS Macro中介分析,研究了来自多个行业供应链从业者的调查数据。所提出的框架分别分析了生成式人工智能应用深度对技术创新和流程创新的影响、这些创新能力对供应链韧性的影响,以及供应链韧性对运营效率和环境可持续性的间接影响。研究结果表明,生成式人工智能应用深度与技术创新和流程创新均呈正相关,而这些创新又显著提升了供应链韧性。供应链韧性对运营效率和环境可持续性均有积极影响。中介分析进一步表明,供应链韧性完全中介了技术创新和流程创新与可持续绩效各维度之间的关系,而技术创新和流程创新则共同部分中介了生成式人工智能应用深度与供应链韧性之间的关系。这些发现表明,韧性在将创新能力转化为可持续供应链成果方面起着核心作用。本研究构建了一个整合框架,将生成式人工智能应用深度、双重创新路径、供应链韧性以及可持续供应链绩效的两个维度联系起来,并通过明确供应链韧性的中介作用以及区分运营与环境成果,为数字化转型和可持续供应链管理领域的研究提供了理论贡献,同时也为在复杂多变环境中运营的企业提供了实践指导。
引言
生成式人工智能应用深度作为一种能够重塑组织决策、运营流程和工业体系的社会技术发展,近年来备受关注。在供应链领域,生成式人工智能能够提供数据驱动的决策支持、提升透明度,并增强复杂操作中的预测能力(Sharma & Rathore, 2024)。通过整合大型语言模型、生成设计系统及自主内容生成工具等技术,企业可提升需求预测、库存管理、物流协调和风险评估等能力(Boone et al., 2025)。然而,生成式人工智能的应用价值不仅取决于技术的可用性,还与组织能力、制度环境以及其与现有社会技术体系的融合方式密切相关。生成式人工智能可通过自动化重复性任务、从非结构化数据中提取洞察以及优化战略决策,促进供应链节点间的协作。通过这些机制,它推动了智能供应链创新,使供应链更具智能化、敏捷性和适应性(wael Al-khatib & Khattab, 2024)。从技术与社会的关系来看,生成式人工智能不仅仅是数字升级,它还影响着企业资源分配、工作流程设计以及与员工、供应商和利益相关者的互动方式(Yang & Park, 2026)。虽然人工智能系统能够提升效率和可持续性,但它们也可能带来劳动力转型、技术依赖、治理问题以及数字能力公平获取等方面的挑战。因此,理解生成式人工智能应用深度需要综合考虑运营效益以及影响人工智能应用能否带来包容性和可持续成果的组织和社会条件。生成式人工智能对智能供应链创新的影响主要体现在两个关键变量上:流程创新和技术创新(Gui et al., 2024;Li et al., 2023)。在技术创新方面,生成式人工智能能够实现生成建模、自动场景模拟和自适应决策支持系统等高级功能,从而提升供应链运营的准确性、速度和创新力(Liu et al., 2020)。这些创新还包括智能传感器集成、数字孪生技术和实时资产追踪,它们都能提升可见度和响应速度(Ahmad et al., 2023)。在流程创新方面,生成式人工智能有助于重新设计工作流程、优化资源配置,并设计出基于算法的新型供应链结构。这些由生成式人工智能推动的流程创新使企业在面对不确定性和干扰时能够更加灵活地应对。总体而言,技术创新和流程创新是生成式人工智能转化为供应链韧性、运营效率和可持续性的中介机制。技术创新和流程创新共同构成了提升供应链韧性的核心能力。技术创新包括基于生成式人工智能的决策支持系统、基于物联网的追踪系统以及基于云的生成分析平台,它们能够提升实时可见度、预测精度以及对干扰的响应能力。而流程创新则通过重新设计工作流程、优化物流活动以及实现供应链节点间的动态协调,提升企业的敏捷性和适应性(Jackson et al., 2024)。两者结合,能够增强企业预见、承受和从预期及意外干扰中恢复的能力(Yang et al., 2021)。这样,企业就能在不确定环境中保持运营连续性,降低干扰带来的影响,并更有效地恢复供应链功能。此外,供应链韧性是技术创新和流程创新提升可持续供应链绩效的关键机制。具有韧性的供应链能够通过保障运营连续性、抵御冲击以及适应环境变化来提升运营效率(Ivanov, 2024),同时还能通过主动风险管理和高效资源利用提升环境可持续性(ES)。然而,如果缺乏足够的韧性,可持续性举措可能在干扰面前变得脆弱。那些只注重可持续性目标而不培养适应能力的企業可能会面临运营不稳定问题,而仅为环境目标优化的僵化系统则可能在意外压力下失效。此外,过度追求效率可能会降低组织的灵活性,削弱其应对不确定性的能力(Shishodia et al., 2023)。因此,供应链韧性能够确保供应链策略在复杂环境中保持适应性、稳健性和有效性,从而实现以创新为驱动的可持续发展。
除了企业层面的运营成果之外,供应链中生成式人工智能的应用还具有重要的社会和政策意义,尤其是在伊朗这样的新兴经济体和发展受限的国家。国际制裁、先进计算基础设施的匮乏、监管不确定性以及网络连接问题,不仅影响企业的技术应用决策,还影响人工智能转型所带来的利益和风险的分配。在这种背景下,生成式人工智能应用深度应被视为一种受制度约束、治理条件及本地创新能力影响的社会技术现象,而不仅仅是一项技术举措。生成式人工智能的应用还引发了关于劳动力转型、人工智能系统的环境影响、技术依赖以及数字能力公平获取等更广泛的担忧。这些因素对于判断人工智能驱动的供应链转型能否促进包容性和可持续的产业发展,或是加剧现有不平等现象至关重要。
本研究通过实证分析,填补了这一研究空白,探讨了生成式人工智能应用深度如何推动技术创新和流程创新,以及这些创新能力如何提升供应链韧性,进而改善可持续供应链绩效。尽管以往研究已强调数字化转型在提升韧性方面的作用,但针对生成式人工智能应用、创新机制、韧性及可持续性成果之间相互关系的研究仍较为有限。现有研究多从技术能力角度探讨人工智能应用,而其更广泛的社会和制度影响则尚未得到充分研究。因此,本研究将生成式人工智能应用深度视为一种受组织能力、治理条件、劳动力转型以及新兴经济体和受制裁国家的社会韧性问题影响的社会技术变革。
本研究的主要贡献如下:
• 提出了一个整合框架,将生成式人工智能应用深度、技术创新、流程创新、供应链韧性及可持续供应链绩效各维度联系起来,并通过实证加以验证。与以往仅从宏观角度研究人工智能应用或将创新机制视为综合能力的研究不同,本研究将生成式人工智能应用深度视为一个多维概念,并分别探讨了技术创新和流程创新的路径。
• 明确了供应链韧性的中介作用,证明创新能力主要通过提升韧性来影响运营效率和环境可持续性。这拓展了以往关于技术与绩效关系的研究,强调了韧性在将创新转化为可持续成果过程中的关键作用。
• 为管理者提供了实用指导,说明如何在不确定环境下,利用生成式人工智能应用深度推动创新发展并提升保持运营连续性和环境绩效所需的韧性能力。
• 阐明了人工智能驱动的创新通过不同机制影响运营效率和环境可持续性。通过区分这两个维度,本研究更深入地了解了可持续供应链绩效的构成。
• 通过研究伊朗这种受制裁和限制的经济体中的生成式人工智能应用情况,拓展了技术与社会关系的讨论,强调了负责任的人工智能治理、劳动力转型、利益相关者信任、环境考量以及包容性产业政策的重要性。
本文其余结构如下:第二节回顾相关文献并阐述理论背景;第三节提出研究假设与框架;第四节描述研究方法,包括数据收集和分析流程;第五节报告实证研究结果,第六节讨论理论与实践意义;最后,第七节总结主要贡献、局限性及未来研究方向。
理论基础
本研究基于资源基础观和动态能力理论,解释生成式人工智能应用深度、智能供应链创新和供应链韧性如何共同推动可持续供应链绩效。根据资源基础观(Barney, 1991),企业通过有效利用有价值、稀缺、难以模仿且不可替代的资源来获得竞争优势。生成式人工智能是一种战略性的数字能力,它能够帮助企业处理大量结构化和非结构化数据,提升预测精度,优化运营流程。
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