本文档是发表在Journal of Strategic Information Systems期刊上的一篇系统性文献综述与理论建构型研究论文。这项研究由Macquarie University商学院的Jiaqi Yang, Alireza Amrollahi*（通讯作者）和Mauricio Marrone三位研究者完成。研究的核心议题是：在专业服务领域，特别是以财务审计为范例，如何理解并把握人工智能（AI）带来的机遇与挑战。研究旨在揭示AI如何为从业者、事务所及行业协会提供新的行动潜能（技术可供性，technology affordances）同时施加哪些限制（技术约束性，technology constraints），并将这些发现与传统的非AI信息技术工具进行对比，以阐明AI的颠覆性本质，进而为专业服务领域各层面提供战略启示。
研究背景与动因
专业服务行业，如审计、法律、医疗等，曾被认为因其高度依赖专业知识、复杂判断和情境化过程而难以被自动化和人工智能所颠覆。然而，随着AI在感知、推理、学习和交互等方面的能力日益接近乃至超越人类认知，这一传统观点正受到严峻挑战。AI不仅有望变革商业模式、催生新的服务提案，也引入了复杂的管理难题，如“黑箱”决策、责任归属等问题。
为了系统性地理解AI的颠覆性并把握其潜力，本研究选择财务审计作为专业服务领域的典型范例，采用了一种称为“发展性综述”（developmental review）的文献研究方法。其核心的理论视角是技术可供性与约束理论（Technology Affordance and Constraints Theory, TACT）。该理论强调，技术本身并不具备独立于使用者意图的“好坏”属性，其“可供性”（即支持用户实现目标的行为潜能）和“约束性”（即阻碍用户实现目标的行为限制）是在有明确目标的行动者与技术属性的互动关系中浮现出来的。因此，理解AI的影响不能孤立地只看技术特性或只看社会影响，而必须考察这种动态的“人-技”交互。
本研究提出了两个具体的研究问题：
- AI的可供性和约束性如何影响专业服务环境中个体从业者、事务所和行业协会的行动与成果？这些影响在不同实体间如何相互作用？
- AI的可供性和约束性与经典IT工具有何不同？
研究方法与工作流程
为回答上述问题，本研究严格遵循了Templier and Paré (2015)提出的发展性综述方法论原则，其工作流程主要包括定义、搜索、筛选和分析四大阶段，具体步骤如下：
1. 定义研究范围与标准：
- 研究领域： 聚焦于财务审计领域，因其AI应用广泛、实践全球趋同，便于深入和泛化。
- 文献来源与检索： 使用Scopus数据库，针对AI审计和传统计算机辅助审计工具与技术（CAATTs）设置了两组详细的检索关键词。
- 纳入与排除标准：
- 质量门槛： 仅收录ABS排名4*、4、3或ABDC排名A*、A的期刊上的文章，以确保文献质量。
- 内容要求： 文章必须讨论CAATTs或AI在财务报表审计中的应用。排除讨论其他技术或在非外部审计背景下的文章。
- 时间范围： 未设限，以捕捉技术演化的完整图景。
2. 文献检索与筛选：
- 初始检索于2022年4月进行，共获得5901篇文章（CAATTs: 302篇， AI: 5608篇）。
- 应用期刊质量过滤器后，剩余358篇。
- 通过阅读标题、摘要和全文，并结合向前和向后引文追踪，最终筛选出核心文献92篇（CAATTs: 26篇， AI: 66篇）。研究者为这92篇文献建立了摘要库，包含其方法论、主要发现、聚焦技术等。
3. 文献编码与概念化分析（核心创新流程）：
这是本研究的核心分析阶段，并非简单的文献罗列，而是运用TACT理论框架对文献进行深度解读和概念建构，具体分为三轮编码：
- 第一轮编码（基础要素识别）： 使用NVivo软件，对所有92篇论文进行归纳式编码。重点识别两个构成可供性和约束性的基础要素：技术的属性和行动者的目标导向。例如，从文献中提取关于自然语言处理软件功能的描述，编码为“文本的上下文向量化”。
- 第二轮编码（要素归类）： 将第一轮编码得出的零散概念进行迭代整合，形成更高层级的父类别。
- 对于技术属性，最终归纳出审计中使用的五类AI工具（机器人流程自动化RPA、专家系统ES、机器学习数值分析MLNA、自然语言处理器NLP、计算机视觉CV）和两类经典IT工具（通用审计软件GAS、持续审计系统CAS）各自的功能属性。
- 对于行动者目标，归纳出三个层面的七类目标：个体从业者（外在目标如工作安全、内在目标如智力激发），事务所（监控与控制、利润导向、战略导向），行业协会（合法性、可持续性）。
- 第三轮编码（可供性与约束性浮现）： 这是最关键的理论建构环节。研究者通过迭代比对“行动者目标”与“技术属性”，并结合文献中工具使用的结果描述，识别并培育出最终的主题——即具体的可供性和约束性。例如，当“审计事务所追求提升服务质量和效率（目标）”遇到“自然语言处理器能够进行语义分析和模式识别（属性）”时，便浮现出“自动化合同审阅流程（可供性）”，并可能带来效率提升（结果）。
通过这一严谨的三阶段编码流程，研究者成功从海量、分散的文献中“再创造”出了关于AI和CAATTs在审计领域可供性与约束性的系统化、理论化的概念框架。
主要研究发现
研究发现了AI带来的九大主要可供性和八大主要约束，并与传统CAATTs进行了详细对比。
1. AI与CAATTs的属性及可供性对比：
- AI工具（尤其是强AI）提供了独特且广泛的可供性：
- 个体层面： 使从业者能够进行数据驱动的决策（利用AI发现规则、洞察复杂模式）、将资源重新分配到更高层次的任务（自动化琐碎工作）。
- 事务所层面： 支持流程标准化、自动化、提升员工能力（如辅助新手）、多元化人才构成（减少对单一专业背景的依赖）、开发新的商业模式（如提供数据洞察增值服务）。
- 行业协会层面： 帮助协会宣称行业合法性（通过提升服务质量）、更新知识体系（AI可从数据中发现新知识）。
- 对比发现： CAATTs的可供性主要局限于流程标准化、自动化和提升员工能力等操作效率层面。而AI，特别是具备“规则发现”能力的强AI（MLNA, NLP, CV），解锁了CAATTs无法实现的高阶行动潜能，如数据驱动的复杂决策、知识库更新和新商业模式创造。
2. AI与CAATTs的约束性对比：
- AI（特别是强AI）引入了新的、深刻的约束：
- 个体层面： 信息轰炸（警报过载）、黑箱决策（决策过程不透明）、任务替代（威胁工作岗位）。
- 事务所层面： 现有实践复制（固化现有流程，抑制创新）、责任鸿沟（出错时难以追责）、性能波动（表现受数据质量等因素影响，不稳定）。
- 行业协会层面： 去专业化（AI削弱传统专业技能的唯一性，威胁行业存在基础）。
- 对比发现： CAATTs的约束主要体现在范围局限（只能处理结构化数据）和对客户系统的依赖。而AI的约束更多源于其高级认知功能带来的复杂性和不确定性，如黑箱问题和责任鸿沟，这是传统IT工具所没有的。
3. 整合框架与跨层级互动关系：
研究者将上述发现整合成一个框架，揭示了AI的“规则发现”与“规则遵循”两种核心属性如何与各层级的行动者目标互动，催生特定的可供性与约束，并导向潜在的产出（见表9）。例如，个体从业者利用AI的“规则发现”属性进行数据驱动决策（可供性），却可能面临“黑箱决策”（约束性），从而陷入质量与透明度之间的权衡。
更重要的发现在于跨层级目标间的冲突与协调。研究发现，AI在不同层级实体间的作用并非一致，而是存在相互性与张力。例如，事务所在公司层面利用AI实现流程自动化（可供性）以追求利润，这一行为却直接对个体从业者层面构成了任务替代（约束性），威胁其工作安全。这种张力突显了采用AI时需系统性权衡多方利益，而非孤立看待某一方的收益。
研究结论与战略启示
基于上述分析，本研究为专业服务领域的各方参与者提出了具体的战略建议：
- 对个体从业者： 应推动将AI深度整合进决策过程，而非仅将其视为自动化工具。从业者需要从任务的直接执行者，转变为AI输出的监控者、调查者和最终判断者。他们必须掌握与AI协作的新技能，以应对角色转变和潜在的职业风险。
- 对专业服务机构： 需要摒弃静态的自动化观念，转而拥抱任务自动化与增强的动态视角。这意味着不仅要利用AI（尤其是规则发现型AI）来提升效率，更要探索如何利用其创造新知识、新服务，从而开辟新的收入来源和商业模式，实现从“知识密集型”向“技术增强型”的战略转型。
- 对行业协会： 面临着更新知识体系的迫切任务。协会必须调整其教育培训、资格认证和职业道德标准，以反映AI时代的新要求。其角色应从传统专业知识的“守护者”，转变为与AI共同生产知识的**“校准者”与“协作者”**，引导行业适应技术变革，维护其长期合法性。
研究的价值与亮点
理论贡献：
- 系统化概念建构： 首次运用TACT理论，在专业服务（审计）领域，系统地概念化了AI对不同层级行动者（个体、组织、行业）的可供性与约束性，为理解AI的社会技术影响提供了清晰的理论透镜。
- 对比揭示颠覆性： 通过将AI与经典IT工具（CAATTs）进行细致对比，鲜明地揭示了AI的“颠覆性”不仅在于更强的自动化能力，更在于其能实现前所未有的行动潜能（如新知识生产），同时也带来了前所未有的新型约束（如责任鸿沟）。
- 揭示跨层级张力： 明确指出并分析了AI的可供性与约束性在不同社会层级间存在的相互性与冲突，强调了在AI治理和战略制定中需采取系统性、多层次视角的重要性。
实践意义：
为专业服务领域的从业者、管理者和政策制定者提供了基于实证文献分析的、可操作的战略路线图。研究指出，成功驾驭AI潜力并非单纯的技术采纳问题，而是涉及工作流程再造、技能重塑、商业模式创新和行业规范调整的综合性战略变革。
方法论亮点：
采用了严谨的“发展性综述”方法，超越了传统叙述性综述，通过三轮编码的定性分析流程，从现有文献中“再创造”出新的理论概念（可供性与约束性），展示了如何通过文献综述进行理论建构的典范。
总之，这项研究不仅深化了我们对AI在专业服务领域影响的理解，更重要的是，它提供了一个强有力的分析框架和一系列深刻的战略洞见，对于正处于AI转型浪潮中的各类知识密集型行业具有普遍的参考价值。