人工智能賦能對(duì)創(chuàng)新績(jī)效的影響路徑研究
——基于模糊定性比較分析

孫麗文，李少帥

（河北工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，天津 300401）

伴隨新一輪科技革命和產(chǎn)業(yè)革命由“導(dǎo)入期”向“拓展期”過渡［1］，為我國(guó)絕大多數(shù)企業(yè)加快向數(shù)字化和智能化轉(zhuǎn)型升級(jí)、實(shí)現(xiàn)高質(zhì)量發(fā)展提供了重大歷史性機(jī)遇。作為新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，人工智能強(qiáng)大的賦能特性能夠與實(shí)體經(jīng)濟(jì)深度融合，成為經(jīng)濟(jì)社會(huì)發(fā)展重要驅(qū)動(dòng)力量。

2017 年7 月8 日，由國(guó)務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》正式實(shí)施，為搶抓人工智能戰(zhàn)略發(fā)展機(jī)遇指明了方向。同年11 月，科技部等多部門通過充分調(diào)研和論證，宣布依托百度、阿里云、騰訊和科大訊飛分別建立自動(dòng)駕駛、城市大腦、醫(yī)療影像及智能語音開放創(chuàng)新平臺(tái)，此后又分兩批次共增補(bǔ)11 家企業(yè)，其實(shí)踐包含了人工智能創(chuàng)新應(yīng)用和發(fā)展的諸多前沿探索。同時(shí)，上述15 家領(lǐng)先企業(yè)將人工智能賦能自身和外界，實(shí)現(xiàn)了人工智能相關(guān)產(chǎn)品和服務(wù)的爆發(fā)式發(fā)展、市場(chǎng)規(guī)模裂變式增加，突破千億級(jí)別。那么人工智能是如何通過賦能影響創(chuàng)新績(jī)效的呢？國(guó)內(nèi)外學(xué)者對(duì)此進(jìn)行了較為廣泛而深入的研究，并給出了多種視角下的解釋。然而，通過對(duì)現(xiàn)有研究成果的梳理發(fā)現(xiàn)，相關(guān)文獻(xiàn)以假定影響創(chuàng)新績(jī)效的因素（創(chuàng)新投入、數(shù)據(jù)驅(qū)動(dòng)、企業(yè)戰(zhàn)略等）之間屬于相互獨(dú)立關(guān)系，而且是單向線性影響關(guān)系，進(jìn)一步借助數(shù)理統(tǒng)計(jì)、回歸模型等研究其對(duì)創(chuàng)新結(jié)果的具體影響［2］。但影響因素之間通常是通過相互作用、共同導(dǎo)致創(chuàng)新結(jié)果的發(fā)生，并不是由某特定因素單獨(dú)決定。因此，非常有必要研究影響因素之間如何組合和相互作用，共同影響創(chuàng)新績(jī)效。

基于上述分析，本文擬通過以15 家國(guó)家人工智能開放創(chuàng)新平臺(tái)依托企業(yè)的生動(dòng)實(shí)踐為研究樣本，采用定性比較分析（QCA）方法探索人工智能賦能對(duì)創(chuàng)新績(jī)效的具體影響路徑，并研究每條路徑的影響因素如何組合和相互作用。本研究對(duì)于深化人工智能賦能機(jī)理、加快高質(zhì)量發(fā)展無疑具有重要意義。

1 研究框架的構(gòu)建

從創(chuàng)新績(jī)效的影響因素視角看，人工智能賦能創(chuàng)新績(jī)效是技術(shù)突破閾值并與創(chuàng)新應(yīng)用深度融合的具體體現(xiàn)，是數(shù)據(jù)規(guī)模迅速擴(kuò)張和數(shù)據(jù)價(jià)值被深度挖掘的必然結(jié)果，是企業(yè)基于人工智能構(gòu)筑全新競(jìng)爭(zhēng)優(yōu)勢(shì)的戰(zhàn)略決策。因此，人工智能賦能創(chuàng)新績(jī)效是技術(shù)層面、數(shù)據(jù)層面和企業(yè)層面多種因素共同作用的結(jié)果，本文將其視為驅(qū)動(dòng)創(chuàng)新績(jī)效的前因。

1.1 技術(shù)層面因素的影響

從技術(shù)層面考察人工智能賦能對(duì)創(chuàng)新績(jī)效的影響，依據(jù)研究視角差異可分為兩類研究：一類研究從技術(shù)專利出發(fā)來探討人工智能技術(shù)的賦能行為，認(rèn)為人工智能技術(shù)專利不僅是技術(shù)創(chuàng)新能力的核心載體和直接體現(xiàn)，更是賦能創(chuàng)新績(jī)效的根本動(dòng)力。技術(shù)專利中的創(chuàng)新發(fā)明和技術(shù)解決方案既能夠催生新興商業(yè)模式和經(jīng)濟(jì)新業(yè)態(tài)，也能夠?yàn)閯?chuàng)新績(jī)效的實(shí)現(xiàn)提供強(qiáng)大技術(shù)支撐。有研究結(jié)果表明：人工智能技術(shù)專利的布局及實(shí)施集中于計(jì)算機(jī)視覺、自然語言處理、智能機(jī)器人和機(jī)器學(xué)習(xí)等主要領(lǐng)域，能夠?qū)ο嚓P(guān)企業(yè)的創(chuàng)新績(jī)效產(chǎn)生直接的推動(dòng)效應(yīng)［3］。另外一類從技術(shù)擴(kuò)散及應(yīng)用實(shí)踐出發(fā)，認(rèn)為技術(shù)賦能效應(yīng)發(fā)揮往往受制于技術(shù)擴(kuò)散及共享程度。開放平臺(tái)能夠助力技術(shù)實(shí)現(xiàn)快速擴(kuò)散和共享，受到政府、科技巨頭等各方關(guān)注并獲得穩(wěn)定的資本支持，推動(dòng)人工智能從技術(shù)優(yōu)勢(shì)向市場(chǎng)優(yōu)勢(shì)轉(zhuǎn)化，最終形成以人工智能核心技術(shù)為支撐的發(fā)展新格局［4］。人工智能技術(shù)專利和技術(shù)開放平臺(tái)在很大程度上簡(jiǎn)明反映了人工智能技術(shù)與創(chuàng)新績(jī)效之間的關(guān)系，揭示人工智能技術(shù)對(duì)創(chuàng)新績(jī)效的內(nèi)在影響。因此，本文在技術(shù)層面選取這兩個(gè)變量作為具體前因變量。

1.2 數(shù)據(jù)層面因素的影響

從數(shù)據(jù)層面研究人工智能賦能創(chuàng)新績(jī)效的驅(qū)動(dòng)因素同樣可分為兩類。一類從數(shù)據(jù)資源支撐視角探討對(duì)創(chuàng)新績(jī)效的影響，認(rèn)為建立和完善數(shù)據(jù)基礎(chǔ)設(shè)施對(duì)創(chuàng)新績(jī)效路徑形成具有戰(zhàn)略意義［5］。有研究發(fā)現(xiàn)在智能經(jīng)濟(jì)時(shí)代，創(chuàng)新績(jī)效更加依賴于對(duì)數(shù)據(jù)資源及數(shù)據(jù)設(shè)施的掌控能力，具有超大規(guī)模數(shù)據(jù)資源的領(lǐng)先型企業(yè)也更傾向于建立和完善數(shù)據(jù)設(shè)施［6］，以構(gòu)建“數(shù)據(jù)護(hù)城河”，而那些無力建立龐大完善的數(shù)據(jù)設(shè)施但在細(xì)分領(lǐng)域優(yōu)勢(shì)明顯的后發(fā)型企業(yè)，則更傾向于與領(lǐng)先企業(yè)合作以獲取對(duì)數(shù)據(jù)基礎(chǔ)設(shè)施和數(shù)據(jù)管理設(shè)施的使用權(quán)限，通過“引流”實(shí)現(xiàn)高起點(diǎn)起步；另外一類從數(shù)據(jù)驅(qū)動(dòng)視角探討數(shù)據(jù)管理機(jī)制對(duì)創(chuàng)新績(jī)效路徑的影響，認(rèn)為數(shù)據(jù)管理機(jī)制是提升企業(yè)創(chuàng)新績(jī)效的關(guān)鍵因素［7］。朱東華等［8］提出大數(shù)據(jù)環(huán)境下面向技術(shù)創(chuàng)新管理的雙向決策模型,并認(rèn)為數(shù)據(jù)管理機(jī)制的建立使領(lǐng)先型企業(yè)獲得了數(shù)字化升級(jí)的組織保障。在數(shù)據(jù)管理機(jī)制指引下，領(lǐng)先型企業(yè)構(gòu)建起涵蓋眾多領(lǐng)域和場(chǎng)景的數(shù)據(jù)生態(tài)體系，并通過吸納更多利益相關(guān)者融入持續(xù)拓展數(shù)據(jù)生態(tài)體系覆蓋范圍，進(jìn)一步優(yōu)化數(shù)據(jù)管理機(jī)制并加速創(chuàng)新績(jī)效的實(shí)現(xiàn)和提升［9］?？梢?，構(gòu)建基于數(shù)據(jù)驅(qū)動(dòng)的管理機(jī)制不僅成為領(lǐng)先型企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型的組織保障，更是提升創(chuàng)新績(jī)效的根本前提。綜上所述，數(shù)據(jù)基礎(chǔ)設(shè)施和基于數(shù)據(jù)驅(qū)動(dòng)的數(shù)據(jù)管理機(jī)制是人工智能賦能創(chuàng)新績(jī)效的重要因素，因此本文在數(shù)據(jù)層面選取這兩個(gè)變量作為具體前因變量。

1.3 企業(yè)層面因素的影響

從企業(yè)發(fā)展角度看，人工智能賦能創(chuàng)新績(jī)效路徑的形成及差異是企業(yè)戰(zhàn)略決策的行為體現(xiàn)。（1）人工智能極大地解放了勞動(dòng)生產(chǎn)力，改變了組織和個(gè)體成員的關(guān)系，組織職能因此由控制轉(zhuǎn)向激勵(lì)、由監(jiān)管轉(zhuǎn)向賦能，同時(shí)數(shù)字賦能（digital empowerment）等特征成為組織結(jié)構(gòu)優(yōu)化的重點(diǎn)關(guān)注因素［10］。組織職能轉(zhuǎn)變?cè)陬I(lǐng)先型企業(yè)中體現(xiàn)尤為明顯，領(lǐng)先型企業(yè)向激勵(lì)型和賦能型組織轉(zhuǎn)變?cè)匠浞郑M織結(jié)構(gòu)動(dòng)態(tài)調(diào)整能力越強(qiáng)，越能夠廣泛吸納相關(guān)利益相關(guān)者加入，培育和增強(qiáng)其創(chuàng)新能力和動(dòng)態(tài)響應(yīng)能力，從而使組織結(jié)構(gòu)趨向合理［11-12］；（2）人工智能使企業(yè)的營(yíng)銷戰(zhàn)略邁向全場(chǎng)景和精準(zhǔn)化，在破除社會(huì)化媒介時(shí)代傳統(tǒng)營(yíng)銷模式的壁壘同時(shí)，也積極探索由人工智能引領(lǐng)的新型營(yíng)銷體系［13］。一則由領(lǐng)先型企業(yè)所建立智能營(yíng)銷平臺(tái)，全力疏解因媒介高度碎片化、媒體重合度高等導(dǎo)致的用戶洞察難度增加的困境［14］，二則企業(yè)借助人工智能加快實(shí)現(xiàn)營(yíng)銷渠道的整合與聯(lián)動(dòng)，推動(dòng)線上和線下營(yíng)銷的深度融合［15］。無論是構(gòu)建智能營(yíng)銷平臺(tái)，還是整合營(yíng)銷渠道、實(shí)現(xiàn)營(yíng)銷聯(lián)動(dòng)，核心目的都在于通過對(duì)消費(fèi)者的精準(zhǔn)洞察和及時(shí)的供需匹配促進(jìn)資源實(shí)現(xiàn)高效配置；（3）企業(yè)以增強(qiáng)服務(wù)能力為導(dǎo)向，將戰(zhàn)略重心由提供具體服務(wù)轉(zhuǎn)變?yōu)槟芰ε嘀病９性疲╬ublic cloud）由于靈活高效和共享的特點(diǎn)，能以低廉的價(jià)格將服務(wù)提供給終端用戶并創(chuàng)造巨大價(jià)值，因此成為互聯(lián)網(wǎng)巨頭、AI 獨(dú)角獸等領(lǐng)先企業(yè)的戰(zhàn)略布局重點(diǎn)，既有研究表明企業(yè)通過提供云服務(wù)不僅能夠?qū)崿F(xiàn)業(yè)務(wù)增值，而且能夠整合上游服務(wù)和下游用戶，形成全新的服務(wù)升級(jí)路徑［16］。同時(shí)，領(lǐng)先企業(yè)以優(yōu)化服務(wù)關(guān)系、提升服務(wù)質(zhì)量為導(dǎo)向，打造以人工智能技術(shù)為關(guān)鍵支撐、覆蓋廣泛應(yīng)用場(chǎng)景的卓越服務(wù)生態(tài)系統(tǒng)，促進(jìn)相關(guān)企業(yè)服務(wù)能力提升［17］。

通過上述分析，本文構(gòu)建人工智能賦能對(duì)創(chuàng)新績(jī)效影響的理論框架如圖1 所示。

圖1 人工智能賦能對(duì)創(chuàng)新績(jī)效影響的理論框架

2 基于定性比較分析的研究設(shè)計(jì)

2.1 研究方法

定性比較分析法（QCA）從集合理論中衍生，目前已成為社會(huì)科學(xué)研究領(lǐng)域最新興起的實(shí)證分析方法，有效整合了定性分析和定量分析兩種方法的優(yōu)勢(shì)，該方法分析邏輯可表述為基于一定數(shù)量的跨案例比較，歸納出不同集合之間的普遍隸屬性。定性比較分析關(guān)注跨案例的多重并發(fā)因果關(guān)系，即當(dāng)多個(gè)原因同時(shí)出現(xiàn)時(shí)，可構(gòu)成導(dǎo)致某個(gè)結(jié)果的原因組合，而且具體給定的原因組合或許并不是產(chǎn)生特定結(jié)果的唯一路徑，這同現(xiàn)有主流以宏觀統(tǒng)計(jì)為核心的條件假設(shè)完全不同。概括來講，該方法具有三大優(yōu)勢(shì)：第一，把待研究對(duì)象抽象為不同因素組合，采用集合論的思想來判別因素所屬集合的隸屬關(guān)系；第二，集合論思想下的隸屬關(guān)系本質(zhì)上屬于非對(duì)稱關(guān)系，同一個(gè)結(jié)論可能可對(duì)應(yīng)多個(gè)路徑，即具有多重并發(fā)因果性；第三，作為定性研究的升級(jí)版，除保持對(duì)質(zhì)性關(guān)注的同時(shí)，更加入了科學(xué)的統(tǒng)計(jì)驗(yàn)證，突破了以往案例研究結(jié)果難推廣和定量研究嚴(yán)苛的要求而忽略整體性，而不易從本質(zhì)上反映多重并發(fā)因果關(guān)系的局限［2］?；谝陨戏治?，本文運(yùn)用該方法主要出于以下考慮：

其一，驅(qū)動(dòng)人工智能賦能對(duì)創(chuàng)新績(jī)效的影響的不僅僅是單個(gè)因素，而是多種因素交互的結(jié)果。由于現(xiàn)有數(shù)理統(tǒng)計(jì)分析對(duì)解釋條件非獨(dú)立而相互依賴的現(xiàn)象存在缺陷，因此應(yīng)采用基于集合論的思想，利用因素組合的方式進(jìn)行探索［18］49；其二，在人工智能賦能創(chuàng)新績(jī)效過程中，技術(shù)層面、數(shù)據(jù)層面和企業(yè)層面三者之間可能存在共同驅(qū)動(dòng)同一條創(chuàng)新績(jī)效路徑的“等效”因果鏈，QCA 認(rèn)為實(shí)現(xiàn)特定結(jié)果的路徑是多樣化的，核心條件相同邊緣條件不同或者是核心條件不同的組態(tài)間都可能構(gòu)成多個(gè)等效組態(tài)，而并不存在唯一最優(yōu)解［19］；其三，本文樣本量屬中小樣本（10～40），因此難以對(duì)眾多因素進(jìn)行跨層次分析，而QCA 以布爾運(yùn)算為根本，其結(jié)果的穩(wěn)健性只取決于樣本是否涵蓋代表性個(gè)體而非樣本量大小，并且能夠進(jìn)行跨層次分析［20］。

2.2 數(shù)據(jù)收集

本文的研究樣本為國(guó)家新一代開放創(chuàng)新平臺(tái)所依托的15 家企業(yè)。樣本數(shù)據(jù)收集渠道主要包括：（1）政府部門的發(fā)布的相關(guān)統(tǒng)計(jì)報(bào)告類。本文通過中國(guó)工業(yè)和信息化部2019 年《人工智能中國(guó)專利技術(shù)分析報(bào)告》篩選出案例企業(yè)的人工智能專利申請(qǐng)量；（2）管理咨詢公司、互聯(lián)網(wǎng)數(shù)據(jù)研究機(jī)構(gòu)發(fā)布的統(tǒng)計(jì)報(bào)告，主要包括PWC《全球創(chuàng)新1 000 強(qiáng)報(bào)告》、IDC 2019 年研究報(bào)告以及Synergy Research Group 2019 年的云計(jì)算研究報(bào)告。本文通過以上報(bào)告收集案例企業(yè)主要人工智能產(chǎn)品和服務(wù)的盈利數(shù)據(jù)、各自在中國(guó)公有云服務(wù)市場(chǎng)的占比情況；（3）通過案例企業(yè)官方網(wǎng)站及其開放創(chuàng)新平臺(tái)網(wǎng)站公布的信息，匯總整理企業(yè)基于數(shù)據(jù)驅(qū)動(dòng)的管理機(jī)制主要構(gòu)成、人工智能開放創(chuàng)新平臺(tái)對(duì)外輸出技術(shù)數(shù)量；（4）通過案例企業(yè)公開會(huì)議以及新聞報(bào)道等收集統(tǒng)計(jì)企業(yè)服務(wù)對(duì)象和合作伙伴規(guī)模；（5）通過官方媒體、主流媒體等權(quán)威媒體的新聞報(bào)道等查詢案例企業(yè)目前所建立的數(shù)據(jù)中心數(shù)量（只包括在中國(guó)區(qū)域所建立的，而不包括案例企業(yè)在國(guó)外建立的數(shù)據(jù)中心）。

在實(shí)際操作中，某一指標(biāo)數(shù)據(jù)僅依靠以上單一途徑難以獲取完整的數(shù)據(jù)信息，需要通過其它途徑進(jìn)行補(bǔ)充。同時(shí)，因本文采取的部分指標(biāo)和評(píng)價(jià)方式較為新穎，如影響程度、職能轉(zhuǎn)變及架構(gòu)重塑等比重類指標(biāo)在現(xiàn)有研究中幾乎很難找到相應(yīng)參考，需要通過深入分析案例企業(yè)發(fā)展情況、文本統(tǒng)計(jì)特征以確定相應(yīng)的取值。以上數(shù)據(jù)獲取渠道的權(quán)威性和多樣性保證了研究的規(guī)范性和科學(xué)性。

2.3 數(shù)據(jù)分析

2.3.1 fs QCA 分析步驟

QCA 可分為清晰定性比較（cs QCA）和模糊定性比較分析（fs QCA）。在清晰集中，“1”表示案例隸屬于集合，“0”表示案例不隸屬于該集合，某要素在特定領(lǐng)域中只能屬于或者不屬于該集合，因此是案例間完全質(zhì)性的區(qū)分，而模糊集則允許取0～1 之間的部分隸屬分?jǐn)?shù)，同時(shí)也是本文所采用的方法。在用模糊定性比較分析方法研究時(shí)，可分為3 個(gè)基本步驟：首先，把前因條件和被解釋變量轉(zhuǎn)變?yōu)榧蠑?shù)據(jù)?；诶碚摵蛯?shí)際基礎(chǔ)把各項(xiàng)條件和結(jié)果的原始數(shù)據(jù)校準(zhǔn)為相應(yīng)的模糊集隸屬分?jǐn)?shù)［21］；其次，識(shí)別所有能導(dǎo)致結(jié)果的前因條件組合。即通過確定相應(yīng)的評(píng)判標(biāo)準(zhǔn)和閾值把與結(jié)果關(guān)聯(lián)的前因條件組合篩選出來。對(duì)于特定條件組合，若前因條件組合與結(jié)果變量的關(guān)系（隸屬度大于0.5）大于所設(shè)定閾值，那么表明該前因條件組合與結(jié)果變量有相關(guān)關(guān)系，能夠反映彼此復(fù)雜的因果關(guān)系［18］49；最后，通過評(píng)估結(jié)果的模糊子集一致性（consistency），進(jìn)行必要條件分析和組合條件分析。在確定具體條件組合的相關(guān)關(guān)系后，需要進(jìn)一步通過一致性指標(biāo)評(píng)估條件組合對(duì)結(jié)果影響路徑的穩(wěn)定性［22］。測(cè)度條件組合構(gòu)成結(jié)果的模糊子集一致性公式如下：

其中，Xi表示第i個(gè)案例在條件組合X中的隸屬度；Yi表示第i個(gè)案例在條件組合Y中的隸屬度；min(Xi,Yi)表示Xi和Yi兩者中的最小值。通常情況下，滿足充分條件一致性和合理水平為0.75，也有較為嚴(yán)格評(píng)判標(biāo)準(zhǔn)要求一致性達(dá)到0.8［23］。

2.3.2 變量測(cè)度

運(yùn)用fs QCA 進(jìn)行研究時(shí)需要用最少的變量反映最多的信息，因此控制變量的總量非常重要，尤其是在中小樣本（10～40）的研究設(shè)計(jì)中，這同樣符合簡(jiǎn)約條件的常規(guī)論點(diǎn)，即解釋特定現(xiàn)象的因素越少，越接近因果機(jī)制的核心因素，越容易發(fā)現(xiàn)事情的本質(zhì)和原因?；谇拔膶?duì)驅(qū)動(dòng)因素的分析，同時(shí)為避免有限多樣性問題，本文最終選取技術(shù)能力、技術(shù)開放、數(shù)據(jù)設(shè)施、數(shù)據(jù)機(jī)制、職能轉(zhuǎn)變、架構(gòu)重塑、服務(wù)能力、服務(wù)生態(tài)、營(yíng)銷平臺(tái)及渠道整合10 個(gè)變量為前因變量，選取創(chuàng)新績(jī)效為結(jié)果變量。

（1）技術(shù)能力：專利申請(qǐng)能夠在很大程度上反映技術(shù)的綜合水平［24］，因此本文根據(jù)中國(guó)工業(yè)和信息化部2019《人工智能中國(guó)專利技術(shù)分析報(bào)告》篩選出15 家案例企業(yè)的人工智能專利申請(qǐng)量以反映其整體技術(shù)能力；（2）技術(shù)開放：體現(xiàn)人工智能對(duì)外技術(shù)賦能能力，采用創(chuàng)新平臺(tái)開放的AI 技術(shù)能力數(shù)量表示；（3）數(shù)據(jù)設(shè)施：反映企業(yè)對(duì)數(shù)據(jù)資源的重視和投入，用建立的數(shù)據(jù)中心數(shù)量測(cè)度，數(shù)據(jù)中心數(shù)量越多，表示對(duì)數(shù)據(jù)資源重視程度越高、投入越大；（4）數(shù)據(jù)機(jī)制：即企業(yè)基于數(shù)據(jù)驅(qū)動(dòng)所建立的管理機(jī)制，如小米DWN和ADS數(shù)據(jù)倉庫管理機(jī)制；（5）職能轉(zhuǎn)變：企業(yè)組織職能向激勵(lì)和賦能型組織轉(zhuǎn)化程度；（6）架構(gòu)重塑：反映企業(yè)對(duì)產(chǎn)業(yè)組織形態(tài)的影響能力［25］；（7）服務(wù)能力：反映企業(yè)的云服務(wù)實(shí)力，采用公有云服務(wù)市場(chǎng)份額進(jìn)行測(cè)度［26］；（8）服務(wù)生態(tài)：反映企業(yè)人工智能服務(wù)網(wǎng)絡(luò)覆蓋程度，可用服務(wù)對(duì)象和合作伙伴規(guī)模予以測(cè)量；（9）營(yíng)銷平臺(tái)：即企業(yè)構(gòu)建智能營(yíng)銷平臺(tái)的資源投入強(qiáng)度；（10）渠道整合：企業(yè)拓展和整合營(yíng)銷渠道的資源投入強(qiáng)度；（11）創(chuàng)新績(jī)效：反映人工智能賦能的經(jīng)濟(jì)效應(yīng)。本文借鑒何小鋼［27］的研究思路，選取人工智能相關(guān)產(chǎn)品和服務(wù)總體盈收為測(cè)量指標(biāo)。如表1 所示。

表1 變量解釋說明

2.3.3 變量校準(zhǔn)

定性比較分析與統(tǒng)計(jì)方法不同并且至關(guān)重要的步驟便是變量校準(zhǔn)，這是由于未被校準(zhǔn)的變量?jī)H能夠反映案例間的相對(duì)位置，而不能把優(yōu)劣加以區(qū)分，通過設(shè)定目標(biāo)集合并對(duì)變量進(jìn)行校準(zhǔn)，能夠使其轉(zhuǎn)化為目標(biāo)集合介于［0～1］之間的隸屬分?jǐn)?shù)。模糊集分?jǐn)?shù)表示不同案例屬于某集合的程度，包括兩個(gè)定性狀態(tài)：完全隸屬和完全不隸屬。模糊隸屬分?jǐn)?shù)為1表示“完全屬于某集合”，接近1表示強(qiáng)隸屬關(guān)系；若模糊隸屬分?jǐn)?shù)［0～0.5］，則表示樣本隸屬與該集合；若隸屬分?jǐn)?shù)為0，則表示完全不隸屬與該集合。fs QCA 結(jié)合了定性分析與定量評(píng)價(jià)，0 和1 屬于定性賦值，0.5 也是定性定位，它是評(píng)估案例屬于或不屬于某集合的最大模糊點(diǎn)，校準(zhǔn)后處于［0～1］的為部分隸屬。

對(duì)該理論分析可知，fs QCA 把變量校準(zhǔn)為集合隸屬分?jǐn)?shù)首先要設(shè)定3 個(gè)錨點(diǎn)：完全隸屬、最大模糊點(diǎn)和完全不隸屬，從而使每個(gè)變量校準(zhǔn)后都以集合隸屬分?jǐn)?shù)的形式處于［0～1］區(qū)間。本文參考Ragin、Fiss、Misangyi 等學(xué)者的研究成果，在校準(zhǔn)錨點(diǎn)選取中需要充分考慮研究所依據(jù)的理論基礎(chǔ)、案例數(shù)據(jù)的分布特點(diǎn)，第1 個(gè)錨點(diǎn)可按照10%分位數(shù)、20%分位數(shù)及上四分位數(shù)等進(jìn)行取值，第2 個(gè)錨點(diǎn)可按照平均值、中位數(shù)等進(jìn)行取值，第3 個(gè)錨點(diǎn)可按照下四分位數(shù)、80%分位數(shù)、90%分位數(shù)等進(jìn)行取值。如表2 所示。

表2 各個(gè)變量分位數(shù)分析

本文在充分考慮所依據(jù)理論和案例數(shù)據(jù)分布特點(diǎn)基礎(chǔ)上，參考Ragin 和Fiss 等學(xué)者研究成果，將“技術(shù)能力”和“數(shù)據(jù)設(shè)施”兩個(gè)前因變量的3 個(gè)錨點(diǎn)分別設(shè)置為上四分位數(shù)、平均值和下四分位數(shù)；將“技術(shù)開放”“服務(wù)能力”“服務(wù)生態(tài)”及“創(chuàng)新績(jī)效”4 個(gè)前因變量的3 個(gè)錨點(diǎn)分別設(shè)置為上四分位數(shù)、中位數(shù)和下四分位數(shù)；將“數(shù)據(jù)機(jī)制”“職能轉(zhuǎn)變”“架構(gòu)重塑”“營(yíng)銷平臺(tái)”及“渠道整合”5個(gè)前因變量的3 個(gè)錨點(diǎn)分別設(shè)置為10%分位數(shù)、平均值和90%分位數(shù)。各變量校準(zhǔn)錨點(diǎn)取值標(biāo)準(zhǔn)及數(shù)值如表3。

表3 各個(gè)變量校準(zhǔn)錨點(diǎn)取值標(biāo)準(zhǔn)及具體數(shù)值

確定各變量校準(zhǔn)錨點(diǎn)后，在fs QCA 軟件中對(duì)前因變量和結(jié)果變量執(zhí)行校準(zhǔn)（calibration）命令，使它們轉(zhuǎn)化為隸屬度分?jǐn)?shù)并落在［0～1］區(qū)間。具體數(shù)據(jù)見表4。

表4 案例對(duì)象變量校準(zhǔn)后的集合隸屬度分?jǐn)?shù)匯總

3 結(jié)果分析與路徑發(fā)現(xiàn)

3.1 單項(xiàng)前因條件的必要性分析

模糊集在條件組合分析前需要必要性檢驗(yàn)，以驗(yàn)證單個(gè)前因變量是否為引致結(jié)果變量的必要條件。若某條件變量是引致結(jié)果變量的必要條件，那么其必定會(huì)被納入構(gòu)型之中。必要條件可通過觀測(cè)分析前因變量對(duì)結(jié)果變量的一致性分值（consistency）得到，可理解為經(jīng)典回歸統(tǒng)計(jì)分析中的系數(shù)顯著。通常情形下，若一致性分值不小于0.85，就可認(rèn)為該條件屬于必要條件，而較嚴(yán)格的標(biāo)準(zhǔn)認(rèn)為只有不小于0.9 才能被認(rèn)為是必要條件。為增加對(duì)前因變量的識(shí)別能力，本文將一致性分值設(shè)為0.9。檢驗(yàn)結(jié)果如表5 所示，可看到所有前因變量作為必要條件的一致性均小于0.9，表明不存在單個(gè)前因變量是導(dǎo)致結(jié)果變量的不可或缺的組成部分，影響創(chuàng)新績(jī)效的構(gòu)成需要視實(shí)際情形而定。

表5 各前因變量對(duì)結(jié)果變量的一致性得分匯總

3.2 人工智能賦能對(duì)創(chuàng)新績(jī)效的影響路徑

經(jīng)過fs QCA 實(shí)證分析后會(huì)得到不同簡(jiǎn)化程度的結(jié)果：復(fù)雜解（complex solution）、中間解（intermediate solution）和簡(jiǎn)單解（simple solution）。其中復(fù)雜解沒有對(duì)構(gòu)型進(jìn)行簡(jiǎn)化，較為復(fù)雜，若把復(fù)雜解引入創(chuàng)新績(jī)效路徑分析，會(huì)變得非常繁瑣也無法反映本質(zhì)；簡(jiǎn)單解則由于條件較為寬松，甚至有可能把很多較為重要的必要條件也精簡(jiǎn)掉，因此其結(jié)果會(huì)出現(xiàn)與理論或者實(shí)際不相符的結(jié)果。相比而言，中間解則會(huì)根據(jù)研究者的理論儲(chǔ)備和實(shí)踐經(jīng)驗(yàn)，把具有重要意義的邏輯余項(xiàng)納入最終結(jié)果，其優(yōu)勢(shì)在于它不允許刪去必要條件-任何構(gòu)成結(jié)果的集合以及作為必要條件的有意義條件，得到的結(jié)果具有較好的啟示性和普適性，因此在利用fs QCA 進(jìn)行研究時(shí)被大多數(shù)學(xué)者所采納［28］。從廣義上來講，以上3 種類型的解對(duì)于分析問題都是有價(jià)值的，通過比對(duì)不同解的構(gòu)成往往更具有啟示意義。根據(jù)Fiss 對(duì)前因變量的分類，把所有只在簡(jiǎn)單解中出現(xiàn)的前因變量界定為核心要素（core condition），把所有只在中間解中出現(xiàn)的前因變量界定為非核心要素（peripheral condition）［29］。其中核心要素是本質(zhì)的、不可或缺的，而且核心要素往往與所要研究的結(jié)果變量存在很強(qiáng)的因果關(guān)系；非核心因素相對(duì)于核心因素而言是具有可替代性的，非核心要素與結(jié)果變量之間的因果關(guān)系較弱。

運(yùn)用Ragin［21］提出的邏輯方案表整理結(jié)果，并依據(jù)核心因素對(duì)中間解的所有條件組合進(jìn)行劃分，最后篩選出來的因素組合如表6 所示。較為清晰的揭示出人工智能賦能對(duì)創(chuàng)新績(jī)效影響的具體路徑，每條路徑都代表特定的因素組合。可以看到5 條路徑的覆蓋度分別為0.505、0.507、0.578、0.673、0.620，根據(jù)覆蓋度數(shù)值發(fā)現(xiàn)每條創(chuàng)新績(jī)效影響路徑的實(shí)現(xiàn)均有超過一半的案例參與，各路徑整體分布較為均衡。一致性水平均超過0.8，表明每條路徑的因素組合可認(rèn)為是影響創(chuàng)新績(jī)效的一致充分條件，同時(shí)整體創(chuàng)新績(jī)效影響路徑一致性也滿足充分一致性水平。本文從以上結(jié)果歸納人工智能賦能對(duì)創(chuàng)新績(jī)效影響的5 種實(shí)現(xiàn)路徑。

表6 基于fs QCA 方法人工智能賦能創(chuàng)新績(jī)效實(shí)證分析的結(jié)果簡(jiǎn)圖

表6（續(xù)）

（1）技術(shù)支撐型路徑：［Trese］·［Topen］·［Dcent］·［Ochan］·［Sabli］·［Secol］。方案1 表明技術(shù)能力、技術(shù)開放和數(shù)據(jù)設(shè)施共同發(fā)力是賦能創(chuàng)新績(jī)效的充分條件。案例企業(yè)中的百度、阿里以及騰訊共擁有超過1 000 余件AI 專利和10 多個(gè)大型數(shù)據(jù)中心，擁有雄厚的技術(shù)積淀和硬件設(shè)施，通過創(chuàng)新開放平臺(tái)對(duì)外輸出超過100 余項(xiàng)的AI 技術(shù)能力，加速自身所在產(chǎn)業(yè)鏈以及密切相關(guān)產(chǎn)業(yè)的生產(chǎn)方式由勞動(dòng)密集型向技術(shù)密集型轉(zhuǎn)變，同時(shí)強(qiáng)化服務(wù)能力和建立服務(wù)生態(tài)也能促進(jìn)創(chuàng)新績(jī)效的大幅提升，而不需要對(duì)營(yíng)銷和組織領(lǐng)域過多關(guān)注。

（2）數(shù)據(jù)驅(qū)動(dòng)型路徑：［Dcent］·［Dmech］·［Sabli］·［Ochan］·［Minte］。方案2 表明人工智能可依托數(shù)據(jù)設(shè)施、數(shù)據(jù)機(jī)制、服務(wù)能力、職能轉(zhuǎn)變和渠道整合促進(jìn)創(chuàng)新績(jī)效的實(shí)現(xiàn)。具體而言，將數(shù)據(jù)基礎(chǔ)設(shè)施和數(shù)據(jù)管理機(jī)制作為核心要素，將數(shù)據(jù)資源視為重構(gòu)生產(chǎn)關(guān)系和形成新型生產(chǎn)力的關(guān)鍵，革新市場(chǎng)分工格局，并將服務(wù)能力提升、組織職能轉(zhuǎn)變和營(yíng)銷渠道整合為重要輔助，以實(shí)現(xiàn)更好的經(jīng)濟(jì)效益和數(shù)智化升級(jí)。由于數(shù)據(jù)驅(qū)動(dòng)型路徑的關(guān)鍵在于建立數(shù)據(jù)設(shè)施和基于數(shù)據(jù)驅(qū)動(dòng)的管理機(jī)制，因此具有海量數(shù)據(jù)資源、強(qiáng)大數(shù)據(jù)挖掘和分析能力的領(lǐng)先型企業(yè)成為該路徑的主力軍，案例中有50.7%的企業(yè)采用該因素組合，如阿里、騰訊等，亦有部分企業(yè)通過加入由互聯(lián)網(wǎng)巨頭構(gòu)筑的數(shù)字生態(tài)系統(tǒng)，在拓展?fàn)I銷渠道、提升市場(chǎng)盈利能力的同時(shí)，也積極推進(jìn)向數(shù)字化和智能化轉(zhuǎn)型的進(jìn)程。

（3）組織變革型路徑：［Trese］·［Dmech］·［Ochan］·［Oremo］·［Mplat］·［Minte］。方案3 需要架構(gòu)重塑、職能轉(zhuǎn)變、技術(shù)能力、數(shù)據(jù)機(jī)制及營(yíng)銷領(lǐng)域的協(xié)同發(fā)力。要以推動(dòng)組織職能轉(zhuǎn)變和組織架構(gòu)重塑為核心，使組織職能由監(jiān)管控制向激勵(lì)賦能轉(zhuǎn)變，組織架構(gòu)由剛性科層制向柔性架構(gòu)轉(zhuǎn)變，以充分釋放組織創(chuàng)新活力、增強(qiáng)對(duì)環(huán)境變化的快速適應(yīng)能力。同時(shí)，也需要靈活運(yùn)用非核心要素，如通過匯聚組織內(nèi)外部運(yùn)行數(shù)據(jù)，打通數(shù)據(jù)孤島，以多元化數(shù)據(jù)引導(dǎo)和輔助組織的職能轉(zhuǎn)變以及架構(gòu)重塑，也可通過智能營(yíng)銷平臺(tái)和營(yíng)銷渠道整合提升組織變革對(duì)創(chuàng)新績(jī)效的實(shí)際效果。案例中有57.8%的企業(yè)通過該因素組合實(shí)現(xiàn)了較強(qiáng)的市場(chǎng)盈利能力。

（4）服務(wù)生態(tài)型路徑：［Dmech］·［Sabli］·［Secol］·［Minte］。方案4 要求從數(shù)據(jù)機(jī)制、服務(wù)能力、服務(wù)生態(tài)和營(yíng)銷渠道整合同時(shí)入手。即以提升服務(wù)能力和構(gòu)建完善的服務(wù)生態(tài)為核心，利用人工智能提升現(xiàn)有服務(wù)和拓展新型服務(wù)并構(gòu)建優(yōu)質(zhì)高效的服務(wù)生態(tài)，實(shí)現(xiàn)更佳的服務(wù)感受、更低的服務(wù)成本、更短的響應(yīng)時(shí)間和更高的服務(wù)效率。在非核心要素中，可通過關(guān)注基于數(shù)據(jù)驅(qū)動(dòng)的管理機(jī)制和打通線上線下營(yíng)銷渠道，以提升服務(wù)生態(tài)對(duì)創(chuàng)新績(jī)效的效果，而不用對(duì)技術(shù)專利規(guī)模和數(shù)據(jù)硬件設(shè)施建設(shè)投入過多的精力。案例中有67.3%的企業(yè)通過該因素組合實(shí)現(xiàn)了服務(wù)體系的整體性提升。服務(wù)生態(tài)型路徑適合現(xiàn)有服務(wù)體驗(yàn)較差或新型服務(wù)體系建設(shè)難度較大的相關(guān)企業(yè)。

（5）營(yíng)銷整合型路徑：［Trese］·［Dcent］·［Dmech］·［Ochan］·［Mplat］·［Minte］。方案5 幾乎包含了所有層面的驅(qū)動(dòng)因素，強(qiáng)調(diào)對(duì)技術(shù)、數(shù)據(jù)、組織、服務(wù)及營(yíng)銷的均衡投入。該路徑表明人工智能通過營(yíng)銷促進(jìn)創(chuàng)新績(jī)效是一個(gè)綜合性極強(qiáng)的過程，不僅需要以構(gòu)建較為全面的智能營(yíng)銷平臺(tái)、整合既有營(yíng)銷渠道、先進(jìn)的核心技術(shù)支持、促進(jìn)利于營(yíng)銷變革的組織職能（激勵(lì)和賦能）轉(zhuǎn)變?yōu)楹诵囊蛩兀倚枰瑫r(shí)關(guān)注對(duì)數(shù)據(jù)資源的有效運(yùn)用，為營(yíng)銷模式等變革提供精準(zhǔn)可靠的數(shù)據(jù)支撐，暢通產(chǎn)品和服務(wù)流通渠道，使供需雙方之間更加匹配與和諧。案例中有62%的企業(yè)通過該因素組合創(chuàng)造了巨大的商業(yè)價(jià)值。

4 主要結(jié)論

本文首先從影響創(chuàng)新績(jī)效的因素出發(fā)，從技術(shù)層面、數(shù)據(jù)層面和企業(yè)層面系統(tǒng)回顧和梳理了人工智能賦能影響創(chuàng)新績(jī)效的相關(guān)研究，并構(gòu)建起人工智能賦能對(duì)創(chuàng)新績(jī)效影響的理論框架，進(jìn)一步以國(guó)家新一代人工智能開放創(chuàng)新平臺(tái)所依托的15 家企業(yè)為研究樣本，采用fs QCA 方法深入探索并得到人工智能賦能對(duì)創(chuàng)新績(jī)效的五種影響路徑。主要研究結(jié)論如下：

第一，人工智能賦能創(chuàng)新績(jī)效路徑可歸結(jié)為技術(shù)支撐型、數(shù)據(jù)驅(qū)動(dòng)型、組織變革型、服務(wù)生態(tài)型和營(yíng)銷整合型。（1）技術(shù)支撐型路徑以技術(shù)能力、技術(shù)開放和數(shù)據(jù)設(shè)施為核心要素，注重?cái)?shù)據(jù)和技術(shù)（研發(fā)、擴(kuò)散和共享）之間的相互協(xié)同，而不需要對(duì)營(yíng)銷和組織領(lǐng)域過多關(guān)注；（2）數(shù)據(jù)驅(qū)動(dòng)型路徑以數(shù)據(jù)基礎(chǔ)設(shè)施、數(shù)據(jù)管理機(jī)制、職能轉(zhuǎn)變和渠道整合為核心要素，依靠對(duì)數(shù)據(jù)資源的充分挖掘和深度運(yùn)用實(shí)現(xiàn)較好的創(chuàng)新績(jī)效；（3）組織變革型路徑以組織職能轉(zhuǎn)變、架構(gòu)重塑和技術(shù)能力為核心要素，強(qiáng)調(diào)利用人工智能推動(dòng)組織職能轉(zhuǎn)向激勵(lì)和賦能以及對(duì)內(nèi)部架構(gòu)的重新設(shè)計(jì)；（4）服務(wù)生態(tài)型路徑以服務(wù)能力、服務(wù)生態(tài)和渠道整合為核心要素，尤其強(qiáng)調(diào)通過提升服務(wù)能力和優(yōu)化服務(wù)體驗(yàn)等方式形成卓越的服務(wù)生態(tài)，而不用對(duì)技術(shù)專利和數(shù)據(jù)設(shè)施投入過多精力；（5）營(yíng)銷整合型路徑強(qiáng)調(diào)所有層面的均衡投入和協(xié)同作用。由于不同領(lǐng)域的企業(yè)對(duì)營(yíng)銷的需求不同，在技術(shù)能力、數(shù)據(jù)資源、生態(tài)搭建等方面也存在明顯差異，因此需要結(jié)合具體情形并實(shí)施相應(yīng)的營(yíng)銷整合策略。

第二，人工智能賦能創(chuàng)新績(jī)效路徑為現(xiàn)有產(chǎn)業(yè)加快實(shí)現(xiàn)數(shù)字化和智能化轉(zhuǎn)型提供了選擇空間，為人工智能助推高質(zhì)量發(fā)展提供了有益啟示。（1）高端制造企業(yè)、汽車制造企業(yè)等可采取技術(shù)支撐型路徑，將人工智能賦能技術(shù)體系，推動(dòng)研發(fā)設(shè)計(jì)、生產(chǎn)制造等環(huán)節(jié)更加高效智能，整個(gè)技術(shù)體系邁向數(shù)字化智能化；（2）伴隨大數(shù)據(jù)、機(jī)器學(xué)習(xí)等新興技術(shù)使數(shù)據(jù)獲取渠道更加便捷多樣、數(shù)據(jù)存儲(chǔ)和使用成本降低，同時(shí)數(shù)據(jù)蘊(yùn)含的價(jià)值增加，大多數(shù)企業(yè)都可采取數(shù)據(jù)驅(qū)動(dòng)型路徑，借助人工智能技術(shù)構(gòu)建和完善以數(shù)據(jù)驅(qū)動(dòng)為核心的生產(chǎn)、管理及服務(wù)體系，以數(shù)據(jù)驅(qū)動(dòng)提升自身生產(chǎn)運(yùn)行效能；（3）對(duì)于組織架構(gòu)不合理并且尚未高度固化的多數(shù)企業(yè)來講，均可采取組織變革型路徑，通過人工智能加快組織架構(gòu)變革，打造數(shù)字化和智能化組織結(jié)構(gòu)體系；（4）在實(shí)際中服務(wù)生態(tài)型路徑往往適用于兩種類型的企業(yè)：其一，本身就是以追求極致體驗(yàn)的服務(wù)型企業(yè)，其二，將服務(wù)作為向數(shù)字化和智能化轉(zhuǎn)型的重要戰(zhàn)略補(bǔ)充的企業(yè)，如生產(chǎn)性服務(wù)業(yè)企業(yè)，以上兩種類型企業(yè)都可借助人工智能建立新型服務(wù)生態(tài)體系，促進(jìn)相關(guān)服務(wù)質(zhì)量和效率的整體性躍升；（5）幾乎所有企業(yè)目前都面臨媒介高度碎片化、用戶洞察難度增加等營(yíng)銷困境，可結(jié)合所在行業(yè)特征和自身實(shí)際，靈活采用營(yíng)銷整合型路徑，通過人工智能深度洞察消費(fèi)者需求、建立供需雙方的精準(zhǔn)對(duì)接，拓寬和開辟營(yíng)銷新模式，最終實(shí)現(xiàn)資源供需間動(dòng)態(tài)平衡。