《Sustainability》:From AI Use to Sustainable Value Creation Through Entrepreneurial Reconfiguration and Business Model Innovation in SMEs: Evidence from an Emerging Economy
编辑推荐:
人工智能(AI)正越来越多地被中小企业(SMEs)使用,但其在可持续商业转型中的作用仍不清楚,尤其是在新兴经济体中,其采用往往是零散和实验性的。本研究考察了AI使用如何通过创业重构能力(Entrepreneurial Reconfiguration Capab
人工智能(AI)正越来越多地被中小企业(SMEs)使用,但其在可持续商业转型中的作用仍不清楚,尤其是在新兴经济体中,其采用往往是零散和实验性的。本研究考察了AI使用如何通过创业重构能力(Entrepreneurial Reconfiguration Capability, ERC)和商业模式创新(Business Model Innovation, BMI)与可持续价值创造(Sustainable Value Creation, SVC)相关联。ERC是指企业解释AI驱动机遇、重组现有资源、管理新价值配置的实验以及决定哪些AI相关举措应扩大规模的能力。利用来自厄瓜多尔四个行业的385家SMEs的调查数据,并采用偏最小二乘结构方程模型(Partial Least Squares Structural Equation Modeling, PLS-SEM),研究人员测试了连接AI使用、ERC、BMI和SVC的序列模型。研究结果显示,AI使用与ERC、ERC与BMI、以及BMI与SVC之间存在正相关。结果表明,除非SMEs培养将AI使用与商业模式创新联系起来的创业能力,否则仅采用AI不太可能与可持续价值相关联。本研究通过将焦点从AI采用转向新兴经济体背景下SMEs中AI驱动的创业转型做出了贡献。未来研究应考察与数字成熟度、制度支持、环境动态性、企业规模和行业条件相关的调节因素。
**论文解读:从AI使用到可持续价值创造——中小企业创业重构与商业模式创新的中介机制**
**研究背景、问题与意义**
在数字化浪潮中,人工智能(AI)正深刻重塑企业的价值创造、传递与捕获方式。中小企业(SMEs)越来越多地采用AI以提升运营效率、优化决策、改善客户互动及增强创新能力。然而,尤其是在新兴经济体中,SMEs的AI整合往往呈现零散、实验性的特点,受限于资源、数据、管理能力及制度支持不足。现有研究主要聚焦于AI采用的决定因素与结果,但忽视了从碎片化AI使用到深层组织转型的转化机制。事实上,许多SMEs仅在孤立场景(如聊天机器人、自动化营销工具)中应用AI,而未改变其商业模式的底层逻辑。为此,本研究旨在回答:AI使用如何通过创业重构能力(Entrepreneurial Reconfiguration Capability, ERC)和商业模式创新(Business Model Innovation, BMI)与可持续价值创造(SVC)相关联?研究以厄瓜多尔SMEs为样本,揭示在资源受限、数字成熟度低的新兴经济体中,AI使用如何经由创业重新配置与商业模式创新,最终创造可持续价值。论文发表在《Sustainability》期刊。
**关键技术方法**
本研究采用定量、横截面、理论检验设计,基于385家厄瓜多尔SMEs(来自服务业、商业、信息技术和工业四个行业)的问卷数据(由所有者、经理或高级决策者填写)。核心分析工具为偏最小二乘结构方程模型(PLS-SEM),用于同时评估测量模型(信度、效度、判别效度)和结构模型(路径系数、间接效应、解释力R2、预测相关性Q2)。ERC被建模为二阶反映型-反映型高阶构念,包含四个一阶维度:机会解释、资源重组、实验治理和规模化判断。
**研究结果**
**4.1 测量模型评估**
通过外载荷(>0.70)、克朗巴赫α(0.836–0.909)、组合信度(0.901–0.936)及平均方差抽取量(AVE>0.50)证实了各构念的信度与收敛效度。判别效度通过福内尔-拉克尔准则和异质-单质比率(HTMT)检验,尽管AI使用与ERC的HTMT值(0.950)略超0.90阈值,但通过自举HTMT置信区间(低于1.000)、一阶维度HTMT(均低于0.90)及交叉载荷检验,确认两者虽接近但非冗余。
**4.2 结构模型结果**
所有假设路径均显著正相关:AI使用→ERC(β=0.783, p<0.001)、ERC→BMI(β=0.630, p<0.001)、BMI→SVC(β=0.651, p<0.001)。ERC的R2=0.613,BMI的R2=0.397,SVC的R2=0.166。效应量f2均较大,支持模型解释力。
**4.3 中介分析**
AI使用通过ERC对BMI的间接效应显著(β=0.493, p<0.001);ERC通过BMI对SVC的间接效应显著(β=0.410, p<0.001);AI使用通过ERC和BMI对SVC的序列间接效应显著(β=0.321, p<0.001)。假设H1–H5均获支持。
**4.4 稳健性与模型充分性**
替代模型(含直接路径)显示,AI使用→BMI直接路径弱(β=0.171)而AI使用→SVC不显著,支持以中介为主的序列机制。共同方法偏差检验(Harman单因子:41.69%<50%;全共线性VIF均<3.3)表明无严重偏差。企业规模多群组分析(PLS-MGA)显示微型企业与中小型企业间路径无显著差异,机制稳定。
**讨论与结论**
讨论部分指出,本研究的核心实证发现并非AI直接创造可持续价值,而是支持一种中介转化逻辑:AI使用更广泛且嵌入更深的企业,其ERC更强;ERC更强的企业,BMI更高;BMI更高的企业,SVC更强。这一模式与动态能力、数字创业及效果逻辑理论一致,强调技术价值依赖于组织如何解释、重组、实验并规模化AI机遇。在厄瓜多尔等资源约束背景下,ERC作为创业性重构机制尤为关键。理论贡献在于将AI-SME研究从“采用导向”转向“转化过程导向”,并引入ERC作为动态能力的聚焦性补充构念。实践启示包括管理者应将AI与商业模式问题挂钩、建立实验惯例,政策制定者需结合技术推广与能力建设。研究受限于横截面设计、判别效度边界、样本范围(仅厄瓜多尔四行业)及自报告数据,未来需纵向、多源、跨国比较研究。
**结论翻译**:
本研究考察了AI使用如何通过涉及创业重构能力(ERC)和商业模式创新(BMI)的序列机制与中小企业(SMEs)的可持续价值创造(SVC)相关联。研究结果显示,AI使用与ERC正相关,ERC与BMI正相关,BMI与SVC正相关。结果也与一个序列间接路径一致,即AI使用通过ERC和BMI与SVC相关联。主要结论是,在样本SMEs中,AI使用本身并不能完全解释商业模式创新或可持续价值创造;相反,当企业培养出解释AI驱动机遇、重组可用资源、管理实验并选择性地规模化举措的能力时,AI使用似乎变得更具战略意义。在该模型中,ERC作为连接AI使用与BMI的组织机制,而BMI则是与可持续价值创造最直接相关的机制。理论上,本研究通过超越AI在SMEs中的采用导向视角,转向过程导向的AI驱动转型解释做出贡献。然而,这一贡献应被解释为理论上有界的:研究结果支持ERC在提出的AI使用–ERC–BMI–SVC框架内的有用性,但并未证明ERC是连接AI使用与商业模式创新的唯一可能机制,也未证明现有基于能力的构念在所有情境下均不充分。因此,ERC被提出作为一个补充性的、过程特定的构念,通过具体说明SMEs如何重新解释AI驱动的可能性、重组受约束的资源、管理实验并选择性地将AI相关举措规模化到商业模式变革中,来扩展基于能力的推理。厄瓜多尔中小企业背景为考察在有限数字成熟度、资源稀缺和不均衡制度支持下的AI驱动转型提供了一个分析上相关的环境。在此类情境下,AI的价值可能更少依赖于单纯采用技术工具,而更多依赖于企业将可用资源重新解释和重组为新的商业模式配置的能力。然而,这种情境特异性也限制了研究结果向不同技术、制度和组织条件下企业的可迁移性。这些结论应在本研究的经验、概念和方法论边界内加以解读。研究结果主要适用于所抽样的厄瓜多尔SMEs,不应不加批判地概括至所有SMEs或国家情境。由于研究使用横截面调查数据和PLS-SEM,结果支持理论奠基的关联,但未确立时间优先性或确定性因果关系。未来应通过纵向、多源、跨行业和跨国研究,考察AI使用是否随时间推进促进了ERC的发展、随后的商业模式创新和可持续价值创造。未来研究还应将ERC与替代性的基于能力的构念(如动态能力、数字能力、吸收能力、创业导向和组织双元性)进行比较,以确定ERC在何种条件下提供额外的解释价值。