Mateusz Kot 与 Grzegorz Leszczyński 于2022年10月26日在《Industrial Marketing Management》期刊（第107卷）发表了一篇题为“AI-Activated Value Co-Creation. An Exploratory Study of Conversational Agents”的研究论文，该研究属于学术领域中工业营销管理与服务主导逻辑的交叉范畴。这项探索性研究的开展背景在于，数字化转型正深刻影响商业领域，而人工智能是其中的关键驱动力之一。会话代理作为AI技术的一项引人注目的应用，能够直接改变公司与客户的互动方式，其区别于普通聊天机器人的核心在于其互动性、学习潜力及执行实际动作的能力，能够代表公司部分替代人工客服。尽管已有大量关于B2B情境下价值共创的研究涉及了CRM系统、自动化、大数据应用、数字通信等方面，但专门针对AI激活的价值共创过程，特别是会话代理如何促成价值共创，尚缺乏概念化的理论框架和实证证据。为此，本研究旨在基于商业网络视角和资源互动理论，深入探究围绕会话代理的价值共创机制。具体研究目标包括：识别在共创会话代理时整合了哪些资源；探讨这些资源是如何被整合的；分析资源整合过程与相关行动者及活动之间的关系；以及阐明作为会话代理价值共创结果的价值（Value-in-Use）的具体表现。

为达成上述研究目标，研究者采用了一种多案例研究的定性研究方法，这尤其适合探索尚未被充分理解的新现象。整个研究流程可概括为案例选择、数据收集与数据编码分析三个阶段。

在案例选择阶段，研究者首先从G2.com（全球最大的软件评测平台）数据库中筛选出全球15家提供会话代理解决方案的公司。为确保案例的代表性和研究深度，他们设定了三个筛选标准：技术标准（会话代理需具备理解上下文、意图并从每次互动中学习的能力，且能代表客户执行操作，以区别于简单聊天机器人）、经济标准（公司需在B2B市场提供该解决方案）、管理标准（公司需拥有至少为三个商业客户成功实施代理的经验）。基于这些标准，研究者于2020年10月最终确定了三家符合要求的公司作为研究案例，并分别赋予代号Alpha、Beta和Gamma。这三家公司在地理位置（分别位于挪威、阿根廷和美国）、公司规模和营销策略上各有特点，但其提供的会话代理解决方案在核心功能上相似。研究者通过电子邮件、LinkedIn和网站联系表单邀请公司员工参与研究，并提供管理报告作为答谢。

在数据收集阶段，研究采用了三角验证法以确保数据的丰富性和可信度，数据来源主要包括三个方面：1）对员工进行的深度访谈与焦点小组讨论。在2020年12月至2021年3月期间，研究者通过Zoom软件进行了约70分钟的访谈和焦点小组讨论，并进行了录音和转录。访谈采用半结构化形式，围绕一个预先设计的提纲展开，允许参与者自由阐述观点。受访者来自公司的不同部门，如社区经理、UX研究主管、AI训练师、CEO、营销总监等，这有助于从多角度理解现象。2）公司提供的文档资料。包括为客户准备的成功案例研究、实施指南、电子书、演示文稿等，这些资料提供了关于解决方案实施和使用的一手信息。3）公司官方网站上的公开信息。这些多渠道的数据为全面理解会话代理的价值共创过程提供了坚实基础。

在数据编码与分析阶段，研究者遵循了Gioia, Corley, & Hamilton (2013)提出的方法论来确保定性研究的严谨性。数据分析是一个迭代过程，涉及在数据、理论和两者之间新出现的关系中反复推敲。首先，通过初步阅读原始数据（访谈转录、文档内容等）生成初始代码。然后，运用不同的理论框架（主要是ARA模型和信息技术价值框架）来审视数据，以把握会话代理价值共创过程的本质。具体而言，研究者使用MaxQDA软件对数据进行系统编码。他们首先根据访谈和文档中的直接引语，提炼出“一级概念”，例如“您需要围绕业务流程来部署AI”、“它需要深入的垂直行业专业知识”、“主要问题是公司试图获取技术时通常没有战略”等。接着，通过归纳和理论引导，将这些一级概念聚类，形成更高层次的“二阶主题”，主要包括“定义代理的战略角色”、“收集与结构化的知识”、“定制化的代理”以及“代理的实施”。这四个二阶主题代表了资源与活动在价值共创过程中的关键交汇领域。最终，研究者将这些主题与理论框架相结合，聚合形成核心的“聚合维度”：动态的、情境依赖的、模糊的“AI激活价值特征”，以及作为价值元素的“数据结构”、“识别出的模式”和“习得的预测”。整个分析框架旨在揭示会话代理价值共创的复杂过程及其结果。

该研究的主要发现围绕会话代理的价值共创过程和由此产生的价值本身展开，可分为两大部分。

第一部分详细阐述了会话代理的价值共创过程。研究发现，会话代理的解决方案并非现成的“交钥匙”产品，而是一个高度定制化、需要通过供应商与客户紧密合作才能实现其价值潜力的过程。这一过程涉及一个由三方行动者构成的生态系统：解决方案的供应商、购买并使用会话代理的客户，以及与代理进行交互的客户的最终用户。其中，客户的角色至关重要，其战略决策和设计选择直接影响代理的成败。供应商的角色不仅是技术提供者，更是顾问，帮助客户调整组织以适应AI解决方案。最终用户则在每次互动中无意地参与了对代理的“训练”，是价值共创不可或缺的一环。

在资源整合方面，研究揭示了有形与无形资源的复杂互动。供应商提供核心的代理算法和无需编程即可配置代理的平台。客户则需要提供行业知识、客户服务流程文档、历史对话数据、客户洞察以及允许代理执行操作的IT系统。然而，最大的挑战在于创造合适的“资源接口”以连接这些资源。例如，员工需要充当“翻译”，将组织内部的知识转化为代理能理解的格式；IT系统需要通过API接口与代理连接。值得注意的是，会话代理本身作为一项技术，其设计和能力要求主导了资源的配置方式，它既是新资源组合的促成者，也严格限定了资源连接的可能性。

在活动方面，价值共创涉及两类活动：一类是实现资源连接和流程建立所必需的活动，如知识转移、组织与代理的训练、人力资源管理等；另一类是实际交付价值的活动，即自动化客户服务流程及其持续的维护与优化活动。客户组织因此需要承担新的活动，如数据分析、对话设计以及与人工客服的协同工作。

尤为关键的是，研究发现资源整合与行动者活动紧密交织在四个核心领域：1）通过战略目标定义代理：双方共同决定自动化哪些流程、代理在组织中的定位及其影响的利益相关方。2）知识的收集与结构化：将客户现有的（包括隐性的）知识转化为代理可处理的数字化格式。3）定制化代理：设计代理对客户询问的回应，并将其连接到必要的IT系统。此时代理从与最终用户的每次互动中学习。4）代理的实施：组织适应新的自动化流程，员工学习与代理协作，并最终用户习惯与人工实体互动。这四个领域并非线性顺序，而是可能同时发生、相互影响的动态过程。研究强调，成功实施代理的关键往往在于非技术性因素，特别是客户的组织能力（如战略思维、客户洞察、流程知识）和愿意投入的资源与承诺。

第二部分聚焦于会话代理价值共创的成果，即“AI激活的价值”。研究运用了Gregor等人提出的信息技术价值框架，从四个维度识别了客户所能获得的价值：1）信息价值：代理为客户及其客户提供最新的服务信息，并能通过分析互动历史，帮助公司理解交互模式。2）交易价值：提供全天候、标准化的客户服务，执行代表客户的操作，并实现服务流程的优化和快速规模化。3）战略价值：通过高度标准化实现稳定质量的快速服务，接触到不同语言或有社交焦虑的客户群体，与IT系统集成以拓宽价值主张，并降低人工密集型服务成本。4）转型价值：推动组织向数字化转型，重构和优化客户服务流程（从重复性任务转向创建和维护代理、改善用户体验），并发展组织的AI能力。

更重要的是，研究揭示了AI激活价值区别于传统技术价值的三个本体论特征：首先，它是动态的。由于AI具备机器学习能力，代理在与客户持续互动中不断提升语言能力和任务处理效率，使得价值本身是一个不断演进的过程，而非静态结果。其次，它是情境依赖的。代理的价值高度依赖于客户组织的具体资源（如知识质量、流程设计）和社会文化背景（如客户使用的语言习惯），这些因素被直接编码到代理的学习数据集中，成为价值的内在组成部分。最后，它是模糊的。一方面，客户可能对AI能力抱有不切实际的期望，低估实施所需投入；另一方面，AI的“黑箱”特性使得其决策过程难以解释，导致价值的可预测性和可理解性降低。价值的实现高度依赖于共创过程的合法性。

基于上述发现，研究得出了明确的结论。在理论贡献上，本研究通过整合ARA模型和信息技术价值框架，首次为AI激活的价值共创（特别是会话代理领域）提供了深入的概念化理解和实证依据。它明确了AI激活价值的双重维度：从价值论角度看，它是由数据结构、识别模式和习得预测构成的实用价值；从本体论角度看，它因其动态性、情境依赖性和模糊性而具有主观相对性。研究还揭示了会话代理价值共创的三个显著特点：共创过程延伸至实施后的客户互动生态系统；主要涉及数据和知识等无形资源的互动；资源与活动因AI的反射和替代人类活动的能力而深刻交织。在实践启示上，研究对客户和供应商均提出了重要建议。客户需要认识到这是一场需要战略投入和资源重组的“AI旅程”，而不仅仅是购买一项技术。供应商则需要超越技术提供者的角色，成为帮助客户理解AI特性、避免复制不良流程、调整组织结构的咨询伙伴。同时，管理者需意识到管理此类数字技术的价值共创需要生态系统内多方利益相关者的共同参与。

本研究的亮点在于其开创性地将商业网络视角下的ARA模型应用于分析前沿的AI技术——会话代理的价值共创过程，填补了该领域理论和实证研究的空白。它不仅详细描绘了资源整合、行动者活动和价值产出的复杂互动图景，还深刻指出了AI激活价值独特的动态性、情境依赖性和模糊性本质。研究方法上，针对新兴且快速发展的现象，采用严格标准筛选的多案例研究，并通过深度访谈、焦点小组和文档分析进行三角验证，保证了研究的深度和信度。这些发现对于学术界深入理解数字化、自动化背景下的价值共创新范式，以及业界成功部署和应用AI驱动的客户服务解决方案，都具有重要的参考价值。