程雅馨，程延园，何 勤

（1.中国人民大学劳动人事学院，北京 100872；2.首都经济贸易大学劳动经济学院，北京 100070）

人工智能（以下简称“AI”）作为一项颠覆性技术在新理论新技术以及经济社会发展强烈需求的共同驱动下迅速发展，已逐步成为第四次科技革命的核心动力。根据亿欧智库《2020 年中国智能商业落地研究报告》针对AI 价值潜力企业的调研显示，截至2019 年，近60%的企业处于亏损状态，而技术应用潜在空间巨大。在AI 应用过程中技术落地率低，价值转化慢，转换率低等问题凸显。对于企业发展而言，解决这些问题的重点与难点在于如何让AI 创造价值，实现技术优势到价值创造的转变，抓住技术发展机遇，在激烈的竞争中立于不败之地［1］。因此实践中强烈呼吁AI 应用对价值影响的理论梳理与经验总结，探究AI 实现价值创造的路径，助力企业实现优势转化与可持续发展的目标。

AI 作为新一代数字技术是ERP、大数据信息系统的进一步延伸与发展，AI 除了具备数字技术开放性、能供性和生成性的基本特征之外［2］，还具有连接性、认知能力和不可察觉性的特征。AI 通过内外部数据资源的连接与共享，增强AI 组件的连接性；AI 通过在错误中的学习与自我纠正，以及对用户行为的预测与影响增强了认知能力；AI 应用都不容易被用户觉察到［3］，更容易改善用户行为，具有不可知性。AI 技术新特征与数字化的特征存在差异，因此AI 价值创造模式的新特点也应该得到关注。价值创造是指通过改善生产工艺和技术、优化资源配置或者增加新产品和服务等方式提高资源使用率、降低成本，改善利润，提升竞争优势和创造新服务等的价值实现形式［4-5］。已有研究对AI 是否会带来价值创造进行了讨论：部分研究否定AI 创造价值。Vecchiato［6］研究表明颠覆性技术并不必然给企业带来价值优势。AI 只是人的智力的执行者，是物化的劳动不具有创造价值的能力［7-8］。由于使用智能设备代替了人力逐渐取代中等技能岗位，削弱了劳动力在价值创造中的作用［9］，引发人对“机器换人”的担忧和技术性失业的恐惧［10］，消极、抵触的心理情绪显现［11］，直接影响工作效率。此外，现有的巨头公司可能由于在人工智能上的优势而占据更强的垄断地位，对产业间的再分配和行业间的公平性带来不利影响［12］。AI 成果带来的颠覆性影响，会因使用成本和机会不均等而迅速扩大“数字鸿沟”和“发展鸿沟”，与原有的社会不平等相互作用引发技术收益与损失分配失衡问题［13］。也有学者肯定了AI创造价值。认为AI 应用会代替人力，推动产业间的再分配和经济的增长，提高社会的生产力［12,14］。同时，AI 在商业应用可以降低错误出现概率，规避潜在风险［15］。技术进步将深化产业分工，延长产业链［16］，这不仅有利于使生产成本降低，而且生产方式的创新能够提升产品的质量［17］。已有研究对AI 的价值创造机制虽有涉及但集中解释价值创造参与者［18］，价值主张［19］，商业模式等组织层面的因素影响［20］。

前人关于AI 与价值创造间的研究主要集中于以下几方面：（1）关注AI 是否会影响价值创造，但对于AI 的价值判断未成定论。（2）关注组织层面AI 影响价值创造的机制，在个体，团队和组织的跨层次的作用并未得到清晰的解答。（3）单一情境中解释AI 对价值创造的影响，并未结合AI 技术的新特征探究不同情境中的价值创造模式的异质性［21-22］。有学者指出技术是企业知识整合、创造、转移和产生经济价值的重要工具［23］，知识为解释AI 与价值创造间的关系提供了理论支持。

基于此，本文从知识基础观的视角出发，将3家不同行业的AI 应用企业作为研究对象，考虑到价值创造的过程性和异质性，通过案例研究的方法聚焦于解决3 个研究问题:一是企业采纳AI 的驱动因素是什么；二是企业通过哪些维度将AI 转化成价值的，即价值创造机制如何；二是剖析不同企业价值创造模式之间的差异。以期清晰呈现出不同情境中AI 实现价值创造的路径与特点为企业获得差异化竞争优势，实现可持续发展提供实践启发。

1 文献回顾

1.1 数字化与价值创造

价值创造是指通过改善生产工艺和技术、优化资源配置或者增加新产品和服务等方式提高资源使用率、降低成本，改善利润，提升竞争优势和创造新服务等的价值实现形式［4-5］。创新技术在通过不断战胜并取代传统技术体系结构的过程中，弥补原有技术的不足，实现价值增值与创造［24］。与传统视角较关注企业内部的能力和治理相比，数字化的新视角更关注数据资源与数字技术的特性、创新主体的作用。在数字化与价值创造的研究中大多从主体，架构和行动3 种视角切入进行探索。数字化与价值创造关注价值创造的主体，认为行动者及相关的制度环境等是理解数字化创新复杂过程的必要内容，主要采用生态系统和网络效应等理论进行解释［25-26］。价值创造将生产者和消费者看作具有同等地位且有相互关系的主体［27］，关注资源整合的重要作用。数字化中的不同架构如分层模块架构［28］、架构框架和价值空间框架等提供了多样化的数字资源增加了产品和服务的复杂性［29-30］，边界资源提供了连接的机会。无论是服务创新还是价值共创的研究都认为数字化是一种资源整合的过程［27,31-32］。所整合的资源既包括有形资源，也包括无形资源，资源以数字化的数据的形式被记录，参与到价值创造中。中国信息化百人会课题组研究指出数字经济所具有的效率、融合、新生等几个价值创造的特征。不同的数字化价值创造特征催生出各异的价值创造路径包括用户参与、迭代、创新尾迹、知识重用、用户生成内容等［33-34］。因此，已有研究将价值创造模式分为效率型、融合型、生成型3 类。效率型价值创造方式主要通过在保持原有资源要素不变的情况下，企业可以通过缩短研发周期、节省资源等提高创新效率［35］，通过调整原有投入资源要素的类别和降低风险或提高投入资源要素的价值量。融合型的价值创造方式主要以企业为行动主体，通过融合不同用户的体验，物理和数字组件，不同的行业提升企业的智能［36］、分析、预测等数字化能力，对数据资源进行采集、连接、分析，形成信息和知识，为用户决策提供服务。生成型价值创造是指通过已成型产品生成新能力，创新尾迹的生成和用户数据生成的方式迭代生成新能力［36］。

1.2 人工智能与价值创造

人工智能作为一种可以促进经济增长与发展的通用技术，其带来的变化表现为作为新的“关键生产要素”的创造和经济社会智能化融合发展［37］。人工智能不仅是技术更是智能资源［38］。从技术层面看，AI 在商业应用中的出错率更低，机器替代工人节省了人力成本，产生了更高的生产效率［36］，也为企业规避了来自人力的不确定性风险［36］。AI 中机器学习、深度学习等算法的优化有效地提升了供应链的服务能力［39］。企业通过AI 的持续性创新，获得在技术、产品服务或商业模式方面的竞争优势［19］。从资源角度来看，AI 应用打破各部门的数据孤岛，使得单一数据汇聚成大数据，单项技术集合成技术组合，一方面，作为重要的生产要素直接参与生产，节约了成本带来价值增量［40］。信息流、资金流、业务流的智能连接与系统管理，打造互利共赢的产业链，促进商业生态圈的构建［19］。另一方面，数据赋予生产工具灵魂，成为链接人与机器的桥梁，使得硬件设备与管理更加智能化，创造新的价值［41］。信息孤岛的打破也模糊了创新流程和结果之间的界限，价值创造可以在用户使用过程中持续进行［30］，数据的快速变化也增强了价值创造过程的动态发展［42］。作为资源和技术的AI 除了具有数字技术的开放性、能供性和生成性之外，还具有不同于其他数字技术的连接性，认知能力和不可察觉性的特征。连接性是指AI 可以通过与内外部多种类型的数据或社交媒体的共享连接各个组件［43-44］，相互兼容性在连接中起决定作用。认知能力意味着AI 可以通过算法从错误中学习进行自我纠正，也可以预测甚至试图影响某种行为。不可知性是指绝大多数人工智能应用都不会被用户注意到［3］，可以帮助用户接收AI并改善用户的行为，减少在与AI 互动中的失常行为。当新的组成部分相互连接或现有的组成部分以新的方式连接时，就会出现新颖性［45］，精简活动会提高效率［46］，整合具有网络效应的资产会增强互补性。价值创造要求企业拥抱变化［47］，并相应地调整他们的行为［48］，尤其要关注企业与利益相关者的互动方式［47］，调整其战略决策过程和程序［49］，以反映AI 引起的变化。AI 的应用会从根本上扩展技术在创新过程中的作用，提升企业的创造力和价值。AI 发展带来了超越传统数字技术的新颖性和复杂性，以及自动化的新能力，AI 会冲击原有的组织结构，改变其在组织中的角色，对现有企业中的认知与观念形成挑战。

1.3 知识基础观

企业是知识的集合［50］，知识以人为载体。当大量的、情境性的和复杂的数据通过编码和抽象而生成信息，在各种环境的影响下被个人消化和吸收才形成知识［51］。知识基础观理论认为，知识具有价值性、稀缺性和难以模仿性等特征，企业可以通过知识扩散、积累和新旧知识与内外知识间的碰撞形成自有知识库，并通过不断丰富知识库来提升核心竞争力［52］。技术是企业知识整合、创造、转移和产生能带来经济价值的重要工具［23］,知识对以技术为基础的企业尤为重要，是影响企业竞争优势的主要因素。创新技术被转化为知识的形式才能为企业学习，吸收，转化和应用提供可能性，新旧知识的耦合是知识在个体，团队，组织间流动的重要表现形式。与显性知识相比，隐性知识是企业获得核心竞争优势的关键。企业内的知识以人为载体，通过各种手段如文本、技术系统、言传身教等来实现部分和完全共享，通过知识整合和创造，产生能带来经济价值的新知识。一是对企业内部的个人知识进行整合、创新以创造出新的有价值的专门知识；二是从外部有效获取企业所需知识。尼尔逊教授认为人工智能是关于知识的学科，即怎样表示知识以及怎样获得知识并使用知识的科学。技术创造价值主要是因为知识的协同与递增效应［53］，知识基础观理论能够为AI 与价值创造的探索提供解释的可能性。具体而言，当组织对AI 的感知与其期望出现偏差时，就会产生内部知识整合与外部知识获取动机，知识将会产生流动，激发组织内部的学习行为，通过进一步的识别与囊括新知识促使与先前的经验融合的过程创造出更多知识，与有形资产不同，知识的使用过程就是价值无限积累和创造的过程。知识是企业能力提升、产品和服务发展的重要资源，是企业获取竞争优势的重要支撑［54］。由此可知，知识基础观为解释AI 与价值创造之间的关系提供了重要的理论基础与链接。

通过文献回顾发现，AI 与其他数字技术相比具有独有的特征，其应用前景广泛但技术扩散在区域和行业间发展不平衡，技术扩展融合的内在规律和趋势不明晰、价值创造方式不统一［55］，理论和实践都亟需对AI 的价值创造影响进行研究［56］。数字技术的价值创造研究多以主体，行为和框架的创新技术应用的视角展开［5］，形成了效率型、融合型、生成型的价值创造模式。研究还是将数字技术看作工具，这种以外力推动价值创造的路径难以适应AI连接，认知和不可觉察型的特点，无法匹配人机交互和智慧化的特征需求，缺乏从内部构建视角解读在于智能技术交互中内生式能力对价值创造的影响。仅有的涉及AI 对企业价值的影响研究中并未通过严谨的实证研究方法剖析AI 价值创造的过程机制，也未关注不同情境中价值创造的模式差异。因此，已有研究的缺失为我们提供了理论上的研究机会，本研究利用多案例研究的方法，剖析AI 价值创造实现路径和模式差异。

2 研究方法

本研究旨在探索企业中AI 实现价值创造的动态过程。为了深入挖掘和系统剖析该问题蕴含的内在规律，本研究选择多案例的研究方法：首先，目前企业采纳AI 的驱动因素及其创造价值的过程缺乏探索与归纳，且不同企业的价值创造存在明显差异，回答此类属于“是什么”和“怎么样”的问题适合采用案例分析的方法进行研究。其次，由于AI 的采纳与应用会受企业内外部复杂因素的影响，涉及的抽象概念或变量较多，案例研究则可以挖掘和归纳出其背后作用机制最优选择。最后，由于本文的研究问题并非极端案例，通过多案例的研究发掘现象中存在的共性本质，既能够保证研究结果的准确性、有效性和稳定性又有助于增强对多样性的理解。因此本研究采取多案例研究的方法，选取3 家在行业，技术的应用程度等方面存在差异的企业，以期通过案例间的比较与归纳较为完整全面地呈现出AI 应用促进价值创造的动态过程。

2.1 案例选择

为了构建理论，在案例选择时需要满足理论抽样和逻辑复制的条件。首先，理论抽样。通过收集和整理备选案例的资料，确定典型案例应该具备的特征和标准，以保证被选择案例都可以充分地反映研究问题；其次，满足复制逻辑的要求，所选案例要保证构建理论的普适性。结合上述标准本研究初步选择3 家人工智能应用型企业作为研究对象，主要依据为：在技术层面，企业都具有较为丰富的人工智能实践场景，应用场景各有不同技术应用效果容易实现和观察。在价值层面，企业应用AI 所要实现的降低成本，提高效率和市场信息的获取的速度的目标与AI的应用效果相吻合［57］。在行业分布层面，AI 作为一项底层技术，选择所属不同行业（即情境）的企业可以较为清晰地观察AI 应用效果的差异性，如表1 所示。

2.2 案例简介

本文选择了3 家AI 的应用型企业作为典型案例研究对象。企业简介如下，案例企业和访谈信息如表1 所示。

表1 样本企业信息与特征

A 企业:1911 年成立于美国的大型快速消费品跨国公司的中国子公司，主要业务涉及零食类（糖果巧克力）、宠物类、主食和电子产品的制造和营销。在中国有7 家工厂和3 个创新中心，通过创新产品、精准营销、开放合作的方法，不断拓展中国食品市场。2008 年通过收购成为全球糖果行业之首。

B 企业：是中国最大的新型城镇化住宅开发商，采用集中及标准化的运营模式，业务包含物业发展、建安、装修，以及现代农业、机器人。企业提供多元化的产品以切合不同市场的需求。2019 年，企业将现代农业以及机器人确立重点发展的两大新业务。2020 年，企业着力打造围绕地产主业的高科技产业版图。

C 企业：建立于20 世纪90 年代初，2005 年实行“政企分离”后，改制为股份有限公司。拥有多家子公司，并发展为集团产业。企业涉足劳务派遣、人力资源、保洁服务、消防服务、安防服务、科技教育、企业咨询管理、财务咨询、文化产业等多个领域。

2.3 数据收集

为保证案例资料的质量，遵循“证据三角”，采用多种方式获取研究问题所需要的信息与资料。一手资料来源于深度访谈。课题组从2020 年7 月到9 月通过半结构化访谈共收集到录音3 份，每次访谈时间控制在100 分钟到160 分钟之间，在访谈结束后24 小时之内将录音转成文字，共计约8.5 万字。研究团队在访谈过程中对一些存疑的名词进行多次询问和解释以保证访谈资料的完整性和资料分析的准确性。

二手资料主要通过企业官方网站，新闻报道，学术文献或企业年报4 种渠道收集，其中官方网站和媒体新闻数量较多是二手资料的主要来源。学术文献主要包括对3 家企业的已有研究或与本研究相关问题的阐述。企业年报是上市公司的官方数据资料和发展规划。

2.4 数据编码与分析

首先对访谈记录进行编码分析，并检验理论饱和度；然后依据Strauss 等为代表的程序化扎根理论的数据处理程序，即“开放性编码—主轴式编码—选择式编码”进行数据分析。针对存在争议的概念和范畴，共同作者会进行深入讨论，以求达成一致，并针对无法解释的问题，课题组会通过电话访谈的方式重新对资料进行补充，并征求被访者对于问题的意见，最终解决疑惑。首先对3 家企业中影响AI采纳的前置因素和价值创造过程进行了梳理，重点关注价值形成过程中的关键事件和行动，以此划分发展过程。之后，着重关注AI 应用过程中给企业带来的调整与变化，如：企业内部认知变化，能力的塑造，以及在整个价值形成过程中的具体行为。编码和分析过程中最大程度保证研究的信效度，见表2。

表2 保证案例研究信度和效度的方法

首先，将A、B、C企业的编码统一为aX、bX、cX,一级编码的提炼特别关注企业采纳AI 的发生情境、前提条件、过程以及对企业价值的影响。然后，将具备相同内涵的初级编码进行理论聚合，逐步抽象成为更具概括性的二级编码，所有二级编码都至少在2 个案例中得到复制。例如，将“市场变化快”的表述和“市场竞争激烈”的表述被概括为“市场机会识别”。最后，相关联的二级编码再次被归纳形成理论维度，例如“市场机会识别”和“政策机会识别”被归纳为“瓶颈机会识别”。依据知识基础观理论中强调知识的吸收、创新、扩散动态过程的观点，经由理论维度、案例资料以及现有文献的持续互动，最终形成包含驱动、形成和稳固3 个阶段，内源性觉醒，瓶颈机会识别，认知迁移，双元能力塑造，合法性获得和价值创造6 个理论维度的模型。整个过程经过反复讨论和不断修正逐步完善。资料编码过程如表3，4 所示。

表3 案例企业编码数据结构

表3 （续）

跨案例比较研究。在对每个主范畴进行深入剖析的基础上，比较不同企业在价值创造过程中行动和结果要素的异同。依据数据结构，分别对案例的驱动阶段、形成阶段，稳固和发展阶段进行打分，打分主要以开放式编码准，相同含义的初始编码在材料中出现的频率为参考依据，若初始概念不足以提供参考，则以二级编码为依据，根据编码显著度和强度进行打分［58］，整个过程忠于案例数据，利用图表和关键要素打分来促进分析［59］，帮助提炼稳健且综合的理论框架。

表4 案例企业核心编码

3 案例分析

3.1 驱动阶段分析

3.1.1 内源性觉醒

内源性觉醒是指企业内部发展需求的凸显，是企业采纳AI 的重要情境和实现价值创造的驱动力。企业内部面临着诸多现有生产管理水平或条件下难以解决的问题，主要涉及成本与利润两方面，成本主要包括劳动力成本与工作量增加（案例ABC），利润主要是企业的利润率减小(案例ABC)。而AI 可以以更便宜的资本替代劳动［60］，实现人机协同辅助劳动者工作［61］，促进生产率提升［62］。人工智能机器可以弥补或避免企业员工在生产运营中的不足或风险促进企业接受创新技术。相较于机器，人脑只能对低维知识进行分解，进行局部优化，人逐渐朝着价值链的高端移动，向设计和作为AI 系统的部分行动整合［63］。而依靠机器学习的人工智能，能够通过系统调配精准预测，进行全局优化［20］，能够精准完成预定逻辑的工作，降低错误风险，人与机器的优势区别明显并且智能机器可以弥补人工的不足（案例ABC）。

企业发展战略的定位与调整是当企业面临经营环境重大变化，管理变革的情况下，调整自身战略方向与各要素关系，达到克服危机实现可持续发展的目标［20］。企业的战略定位与调整不能一蹴而就，需要不断识别问题，整合资源与解决问题动态组合变化［64］。根据案例显示，A，B 和C 三家企业都属于传统行业，为适应人工智能等技术的发展企业均面临着战略调整转型的问题。A 企业作为传统的制造业，通过战略调整探索技术与生产管理的结合点，向数字化与智能化转型过渡。B 企业原来是建筑业的企业，现在将企业定位于高科技综合型企业。C企业属于服务业，引进AI 以改善现有的工作管理状态，提升服务质量和效率，不断满足市场需求。通过分析发现，战略驱动是企业智能化的重要动力。企业文化是组织在处理适应外界和整合内部问题时，发明、发现或发展出来的一系列假设［65］。企业文化决定企业拥有创新资源的数量和品质，也决定技术创新活动中创新资源的配置方式。不仅会对员工的价值观和行为产生影响，而且企业对于特定事件和战略等的态度也会受到文化的影响［66］。通过案例显示，企业文化与企业创新技术的引进与应用密切相关，开放包容的企业文化会增强企业接纳新技术的意愿（案例ABC）。A 公司的企业文化中追求“品质、效率与互惠”，B 企业的文化强调社会责任感与社会美好，C 企业坚持“共创、共享”的理念。受企业文化的影响企业在对待创新技术时一方面会有更加积极的意愿接受新技术给企业带来的变化，另一方面企业也会更容易接纳新技术带来的负面影响。

表5 案例企业内源性觉醒数据例证

3.1.2 瓶颈机会识别

机会是尚未满足的“目的—手段”关系［67］，是企业发展与变革的重要契机。本研究分析出两类具体的识别瓶颈机会的方式，分别是识别市场环境和政策环境，案例证据主要如表6 所示。企业并非独立存在，市场环境的稳定与否在很大程度上影响着创新技术接受程度（案例ABC）。一种创新技术的发展与市场化应用必然会对原有的技术和市场产生影响，竞争对手的接受必然会加速AI 技术的吸收与应用（案例ABC）。企业对于市场环境变化敏感，环境的稳定性对企业接受AI 技术具有正向作用，创新技术的发展变化对市场优化与竞争具有促进作用。政策环境是指那些影响和制约企业的政治要素和法律系统。对于企业而言，一方面相关的政策变化会直接影响企业的生产运营成本（案例B），另一方面政策的规制会促使企业使用创新技术遵守规则，进而影响企业对接受创新技术的意愿（案例C）。

表6 案例企业瓶颈机会识别数据例证

内源性觉醒与瓶颈机会识别作为驱动企业采纳AI 技术的内外部动力，两种因素的联合驱动AI 相关知识从企业外部流向内部。

3.2 价值创造阶段分析

3.2.1 认知迁移

面对AI 的新特点，需要通过认知的迁移与变化赋予现实存在物以相对稳定的主观解释，这是面对情境变化或危机时组织或个人的自然反应［68］。通过案例分析发现，企业内存在横向认知迁移与纵向认知迁移两种形式的认知调整，如表7 所示。

表7 案例企业认知迁移数据例证

纵向认知迁移纵是指处于不同概括水平的经验之间的认知相互影响。创新技术在企业的应用必然会冲击管理者的权力与利益格局，AI 技术在企业应用中的磨合是利益格局打破-组合-重构的过程。企业需要从战略，管理和技术等方面自上而下地思考如何借助新技术寻找利益共同点，推动创新扩散。新的利益格局是因为共同利益连接的，会产生促进AI 技术发展的合力，加速新技术与企业的融合（案例B）。AI 技术的接受取决于企业对于创新技术应用所产生的价值和意义、成果等进行的综合评价判断（案例ABC），并且依据AI 技术与企业结合的特点调整价值的判断标准，确保创新技术的使用带来的利润最大化（案例ABC），纵向在各层面对于AI的认知不断调整，最终形成一致。

横向认知迁移是指处于同一概括水平的经验之间的认知相互影响。对一项新知识的接受程度不仅是取决于技术应用带来的积极影响（如：提高工作效率，操作便捷等），更需要接受技术应用存在的风险［69］。新生事物从产生走向成熟，必将经历不断试错、迭代改进的阶段［70］，因此需要足够的信任去包容技术应用中出现的错误（案例BC）。AI在企业中的应用会对现有工作的工作方式，工作负荷和工作技能等产生影响［71-72］，员工需要工作内容向更具挑战性的工作转变，与智能机器的合作成为工作的常态（案例ABC）。因此，员工需要在原有知识结构的基础上提升自己的工作能力或技能以匹配新的岗位需求。AI 的应用会提高对劳动者技能要求、增加工作转换难度等问题［73］，引发员工消极、抵触的心理情绪或工作不安全感（案例ABC）［11］。在接受新技术和新技术成熟的过程中，个体逐渐发现技术优势，并接受工作的变化，实现由抵触到协同的转变。

3.2.2 双元能力塑造

双元能力是企业面对复杂动态的环境兼顾短期与长期利益，实现可持续竞争优势的重要能力［74-75］。本研究的案例表明双元能力主要包括应用式能力和内生式能力如表8 所示，应用式能力强调“为我所用”体现AI 的通用性；内生式能力强调“仅我能用”突出企业独特性。

表8 案例企业双元能力塑造数据例证

应用式能力是指与细化、选择和实施外部技术的有关能力［76］。企业内部文化制度建设，为创新技术的应用与发展提供了良好的环境。AI 作为一项创新技术在企业中的应用会产生技术淘汰和劳动者替代效应［20］。因此，需要创新激励提高对新技术的接纳意愿，减轻AI 技术在企业中产生的“水土不服”现象。内部激励的建立，一方面，帮助劳动者和管理者改变对于AI 在企业中应用的认知，减轻抵触情绪对技术推广的阻碍。案例A 从企业文化的角度鼓励创新，从机制和物质层面的外部激励促使员工产生内在激励，通过能力提升突破对新技术的应用的抵触心理。另一方面，希望通过激励促使企业内部对AI 应用的创新，减少技术融合过程中的摩擦。案例C 通过“绩效提高”激励员工积极参加培训，适应新的工作要求。创新氛围不仅能影响个体对企业各方面的认知，而且可将企业创新目标具体化［77］，促进个体创新行为的产生与推广。通过内部或内外联合创新氛围的营造改变对创新技术的认知，逐渐接纳新技术带来的变化（案例ABC），并且激发自身的创新意愿和行为，积极应用AI 技术促进人机协同发展（案例ABC）。业务调整一是企业促进新旧技术融合，为新技术提供落地场景的重要选择与优化；再是，短期内可以缓冲新技术冲击引发的消极情绪，实现平稳过渡。

内生式能力主要是指企业在AI 应用和研发过程中构建的新能力。技术变革会加重原有的工作负荷［71］、对工作能力提出新的要求［72］。因此需要培养具有智能化思维和能力的人才以应对AI 的复杂性、不确定性和不安全性的环境中带来的工作性质、工作内容以及技能要求的变化（案例ABC）［78］。新技术的应用会对企业员工固有的思维，知识产生更新替代作用，逐渐培养成匹配AI 需求的人才。企业业务的开展连接市场变化与技术发展，AI 技术的接受会倒逼业务进行灵活、快速、数字化的转变与调整（案例ABC）。企业投入人力，物力和财力专注AI 与企业的连接与融合，帮助企业顺利完成技术衔接与转换。团队成员的综合能力，技术研发与场景落地都直接影响AI 技术的应用效果（案例ABC）。团队成员所掌握的不同技术有助于团队成员从不同视角看待问题并提供多种潜在的解决方案。独立的团队负责技术与业务和市场之间的对接，提升企业的核心竞争力。

认知迁移和双元能力构建作为价值创造形成的重要部分不是独立存在的，认知迁移的延迟为能力构建提供了理性的决策基础，双元能力构建的水平影响认知迁移的方向与程度，二者在互动中形成价值创造。

3.3 巩固阶段分析

3.3.1 合法性获得

组织的合法性，是指在一个由社会构建的规范、价值、信念和定义的体系中，组织行为被承认、认可和接受的程度［79］。根据对组织进行评价的受众来源不同，组织合法性分为内部合法性和外部合法性［80-81］。其中内部合法性是指组织被内部参与者所接受的程度［81］。外部合法性是指AI 的采纳与应用获得企业、研发机构、风投机构等外部利益相关者的赞同与支持。本研究的案例证据发现，合法性获得包括组织内部认可和外部合作两个维度，如表9所示。

表9 案例企业合法性获得数据例证

只有在参与者之间建立起广泛的认知与认同才标志AI 的应用获得内部合法性。案例资料显示，企业内部合法性的获得一方面来组织内部对于AI 的认可，企业通过认知迁移和能力构建会增加企业的知识存量，经营利润的提升［82-84］，由此增强员工接纳技术的信心促进技术创新扩散。另一方面应用与内生式双元能力可以通过震动和寻求平衡得到补偿，在此过程中改变认知获得合法性地位。

除了内部合法性，企业创新技术的采纳应用也需要对外获得多种支持、认可并被接受，即获取外部合法性。内生式能力的塑造会向市场传递积极的信号，为企业获得外部资源获得优势［85］。本研究的案例资料显示，外部合法性更多依靠外部合作获取，如表1 所示。A 和B 企业都存在技术联合开发，将外部的创新技术引入企业，帮助企业与新技术快速对接，缩减研发成本与程序，不仅实现了外部合作更促进了外部资源参与企业的价值创造。

3.3.2 价值创造

企业内部通过创新技术的应用可以提高生产经营效率，减少成本和潜在风险，促进价值创造。同时，AI 与业务单元结合，增加新产品和服务［5］。本研究案例证据发现，价值创造涵盖了生产管理优化和利益相关者需求满足两个维度，如表10 所示。

表10 案例企业价值创造数据例证

AI 效能和智能机器与人的比较优势的发挥给企业的生产与管理带来了效率提升，成本与风险降低的正向影响，在一定程度上解决了企业发展的瓶颈问题。智能机器人具有高效承担大量重复性工作的性能优势，帮助员工减少工作量，并且提高了生产的效率（案例ABC）。同时，机器人可以承担危险性工作，减少了工作中对员工的安全危害，起到了优化生产管理的作用。

AI 具有感知，思维，学习和行为决策等能力，可以对外界刺激做出反应，并产生相应行为，因此，人工智能在某些特定的任务中是可以独立完成人难以完成的工作，为顾客提供新的产品与服务在促进企业价值创造（案例BC）。AI 在企业中价值创造的实现会增强创新技术与企业融合的信心，激励企业持续保持技术优势。

最终，根据上述分析构建出企业AI 价值创造实现模型，如图1 所示。

图1 企业采纳AI 的价值创造实现模型

4 跨案例比较分析

4.1 案例打分

依据数据结构，分别对案例的驱动阶段、形成阶段，稳固和发展阶段进行打分，见表11。

表11 人工智能价值创造过程与结果编码跨案例对比分析 单位：分

表11 （续）

表11 （续）

通过对比发现：在驱动阶段，所有案例企业的AI 采纳都面临内部与外部环境的影响（≥0.7）。从企业内部看，虽然ABC 三家企业都显著认为人工智能的比较优势在短期内可以解决内部发展的痛点，但BC 企业兼顾人工智能的长期战略布局。从外部瓶颈机会来看，市场环境是影响案例企业技术决策的重要因素，由于B 企业的行业归属原因，对政策变化较为敏感。

在价值形成阶段中，相近环境影响下的企业技术采纳方式略有不同。A 企业以联合开发的形式引进AI，B 企业是混合技术采纳，即联合开发与独立研发相结合，C 企业通过独立研发的方式引进AI。技术引入后，分别通过认知迁移和双元能力塑造双渠道实现价值创造。在认知迁移的过程中，A 企业的横向认知迁移（≥0.93）显著强于纵向认知迁移（0.5），企业关注如何让员工接受新技术，新工作内容和新形式。B 企业的横向认知迁移（0.8）和纵向认知迁移（0.9）均显著，B 企业不仅重视新旧技术的过渡衔接与工作转换的培训，还关注纵向组织，团队和个人层面的利益格局调整，价值判断匹配与情绪疏导。C 企业的横向认知迁移（0.8）率高于纵向（0.7），注重技术应用在企业中引起的自上而下的变动调整。在双元能力构建过程中，应用式能力（≥0.6）与内生式能力（≥0.67）两个维度均显著，不同企业对能力构建的侧重点略有差异。A 企业与B 企业的应用式能力均强于C 企业，两家企业均通过与外部专业技术机构合作推动技术在企业场景中的落地。BC 两家企业的内生式能力开发强于A 企业，通过技术研发投入和人才培养等手段全面提升企业的自主研发能力。

在价值巩固阶段，案例企业在技术应用方面都得到内外部的支持（≥0.6），其中A 企业（1）和C 企业（0.7）的内外部合法性强于B 企业（0.6）。A企业依据内部发展需要对接外部技术团队，以“点—线—面”的逻辑逐渐在业务中接入AI，取得了较为明显的效果，获得组织内部的认可。同时，也为外部研发团队提供了较为稳定的科技实验场景，实现长期合作。C 企业技术合法性的地位的确立来自组织内部的认可，技术团队及时对接企业内部迫切需求，内部认同由此获得。B 企业多渠道，高强度的技术研发与应用不仅会给组织，团队和个人层面带来较大的冲击，也会增加试错成本，降低内部信心。

从价值实现结果来看，企业中技术对价值创造作用显著（≥0.65），其中B 企业的价值创造最为突出（0.9）。现阶段，AI 的应用对企业效率提升，成本降低，风险减小和用户体验提升等方面的优化作用明显（案例ABC），见表12。

表12 AI 在企业中价值创造模式关键特征比较

4.2 价值创造模式研究

通过对3 家案例的对比分析可知，AI 的价值创造嵌入在特定的技术环境中，由于认知迁移和双元能力构建的差异形成不同的价值创造模式，展现出价值创造的异质性和复杂性。本文识别出不同企业价值创造的触发条件和情境特征、行为，稳定和结果这一逻辑链，根据认知迁移和能力构建两个维度的价值创造机制与合法性的差异，将价值创造模式归纳为慢变型（A企业）、先锋型（B企业）和成长型（C 企业）三类路径模式，最终构建AI 价值创造模式机制（如图2 所示）。

图2 AI 价值创造模式构建机制

第一，慢变型模式，企业通过横向认知迁移和利用式能力塑造促进技术在企业中的价值创造，并以强合法性维持价值形成结果的持续稳定。企业通过与外部的联合研发实现AI 在企业中的应用，新旧技术和工作转换过渡较为平稳，但缺乏对于AI 核心原创能力的掌握，不同层级认知联结程度低。主要围绕某一业务痛点向产业链前端和后端纵向逐步延伸，依托技术优势推进技术应用范围扩展和内部认知微调，温和地实现AI 在企业内外部合法性确立，从而实现技术在企业中的价值创造，是一种内在的派生机制。

第二，先锋型模式，企业根据环境和发展需求从认知与能力两个维度构建价值创造渠道，通过技术在“用中学，用中改”的强横向认知迁移，自上而下的纵向意义构建，内生式能力与应用能力的共同提升实现价值创造。企业具有较强的技术创新能力和认知匹配能力，通过捕捉瓶颈机会与内部发展需求的结合点，主动构建意义与能力；根据内外部需求演进调整战略定位和价值判断标准，积极扩张技术应用范围与深度，通过革新机制实现价值创造。

第三，成长型模式，企业通过纵向认知迁移和内生型能力的塑造激活价值。企业具有强内生式能力和纵向认知迁移能力，技术创新扩散的辐射范围广，但外部资源利用不足，企业依靠技术研发掌握核心能力，依托企业内部业务体系形成基础实验场景实现价值创造，企业以技术为核心，通过变异机制激活价值。

5 研究结论

经过反复检视核心维度之间的关系，结合已有理论和案例资料，构建基于“环境驱动—构建行为—价值创造”的理论模型，探索和呈现出AI 实现价值创造的微观机制与模式。基于上述分析得出以下研究结论：

首先，外部瓶颈机会识别和内源性觉醒联合引发环境嵌入与企业创新技术采纳之间的冲突，是价值创造的起点。首先，市场机会和政策机会，为企业创新技术采纳创造了空间和可能。同时，进一步催生和强化了企业内在发展需求。其次，企业内部既有技术条件难以解决企业生产，运营和管理中不断出现的问题，供需矛盾日益凸显成为企业采纳创新技术的重要推手。最后，企业文化等创新氛围的营造成为重要激励因素。在企业识别发展机会拉动以及发展需求推动交互作用下，形成企业创新技术采纳决策。

其次，企业通过认知迁移和双元能力塑造的权变与耦合实现价值创造。经过前一阶段的准备，认知迁移和双元能力塑造对先前经验回溯，通过知识流动与吸收形成新能力。一方面，围绕企业对AI 的认知瓶颈，逐步推进技术与生产，运营和管理的结合，通过横向与纵向的认知迁移形成统一认知。同时，创新技术产生的新产品在使用过程会逐渐修复既有瓶颈，AI 认知与人的认知的调整帮助企业跨越“认知鸿沟”。另一方面，双元能力与AI 未被察觉的变化相结合实现实力跃升。资源与要素驱动企业创新，依靠企业研发经验与知识产出的积累来保持创新能力，进而带动企业财富积累与能级提升［86］。技术投入和创新人才的培育在内生式能力塑造过程中发挥的作用，以此引领企业价值创造的方向。企业通过认知迁移和双元能力塑造实现价值创造，基于横向认知迁移、纵向认知迁移、应用式能力塑造和内生式能力塑造4 个维度，通过派生、革新和变异机制，选择慢变型、先锋型和成长型3 种价值创造实现路径模式。因此，本研究认为认知迁移和双元能力塑造之间的交互关联是价值创造的重要过程机制。

最后，AI 连接性的发挥通过合法性获取实现持续价值创造的稳固。一般认为，获取合法性是组织获取资源与认同的关键［87-88］。除了获得企业内部各类主体的认同，还需要外部主体的基础上广泛参与，以实现企业价值的共创和共享。其中，内部合法性获取显著表现为组织内部各层面主体的接受与支持。而外部合法性获取意味着缓和各类外部主体间的利益冲突建立外部合作。AI 的连接性扩大了技术影响的范围，合法性的获得，一方面拓展了企业资源应用与发展空间，另一方面，促进企业不断调整技术应用方式和场景，减少技术融合的成本与风险。内外部合法性的获得稳固了持续的价值创造，价值创造则不断激励企业增强对创新技术的引进意愿，保持对创新技术的热情，为AI 在企业中融合与升级提供了稳定的基础。

6 讨论与展望

本研究提炼出了内源性觉醒、瓶颈机会识别、认知迁移、双元能力塑造、合法性获得、价值创造等6 个核心维度。以此为基础，本研究进一步构建了AI 采纳与价值创造的机制和模式模型，以驱动、建构、稳固3 个阶段勾勒出企业价值创造逻辑。

6.1 理论贡献

首先，本研究针对外部经济，政策机会和内部发展迫切发展需求的情境，基于AI 与企业内部认知与双元能力的互动与塑造，构建了企业AI 价值创造的过程模型，研究对于机会的识别和发展需求驱动因素的关注弥补了已有研究对于价值创造影响因素的关注不足［89］。目前，普遍流行的观点是假定创新技术应用会通过效率提升与成本降低促进价值创造，而忽略了内部构建视角下对价值创造机制的关注。本研究对此进行了回应。这一发现不同于现有研究对创新技术应用如何影响企业价值的关注［90-91］，突出了AI 技术连接性，认知能力和不可知性的新特点，强调企业内部认知与能力塑造，由外部推动转向内部驱动，同时关注了微观层面因素对价值创造的影响。这些发现在提供新颖洞见的同时与既有研究结论形成互补，有利于揭示人工智能促进价值创造的多重路径机理。

其次，本文构建了AI 价值创造的微观机制模型，填补了对技术实现价值创造过程和路径模式异质性的研究。研究通过内部构建的视角剖析价值创造的实现路径，扩展了已有研究多以主体，行为和框架的创新技术应用的研究视角［5］。已有研究忽略了企业在AI 应用方面的能动性，停留在对现象的解释和分析上，且缺乏对价值创造过程、内在机制和模式异质性的研究。本文采用多案例研究方法，引入价值内生式构建了AI 实现价值创造的微观机制模型，拓展了对价值创造过程和路径模式异质性内在逻辑的探讨。

最后，本研究强调法性获取对维持技术稳固的作用，进一步深化了已有研究。目前，关于AI 对企业价值影响的研究重点关注其变化过程，忽略了技术需要获得广泛认可才能与企业稳定融合的问题。本研究的结论结合了有关合法性来源的分类标准，从内部合法性与外部合法性的角度诠释了这一过程。由于人工智能作为一项颠覆性创新技术，对企业内部冲击明显，内部合法性的获得，有助于各部门和各层级在复杂环境中形成一致性认可［80-81］。这些观点为理解AI 在企业内创新扩散如何维持长久稳固提供了重要启示。

6.2 实践启示

本研究探讨了AI 在企业中实现价值创造的不通模式与微观机制，研究对企业创新技术应用与运营管理具有实践意义。首先，企业应该创新思维、广辟蹊径，采取多种方式推动AI 促进价值创造动态演化。其次，企业要重视挖掘瓶颈机会。企业往往因为缺乏有价值的商业机会和有支撑的市场影响力而发展困难，常常由于资源匮乏和难以快速构建有效的商业模式而步履维艰。而创新技术的应用与在创新在洞察机会、连接市场等方面具有独特优势，有助于克服企业发展痛点，实现价值创造。最后，内外部合法性的获得提示企业重视内外部利益相关者在企业发展过程中的角色与作用，通过资源积累与价值共享增强与利益相关者联系的紧密性，实现可持续发展。

6.3 研究局限与展望

首先，本研究所调研的企业持续时间较短，因此，未来研究有必要从更长期的视角考察AI 在不同发展阶段对企业的影响。其次，研究中虽涉及了AI 的应用对个体，团队和组织的影响，但并未清晰阐释跨层次影响的作用机制，未来可以进一步探究AI 对个体，团队和组织间的跨层作用机制。最后，研究通过多案例研究的方法探讨企业采纳AI 的共性问题，但不同行业的企业之间存在较大差别，未来应关注某一行业或某家企业的发展变化，深入了解技术在不同发展阶段的影响，并通过定量研究设计给予进一步验证和完善。