学术研究报告：人工智能在知识转移与流程创新中的作用

作者及机构
本研究由比利时根特大学（Ghent University）经济与工商管理学院的Thomas Standaert和Petra Andries合作完成，发表于2026年的期刊*Technovation*（第149卷，文章编号103350）。

学术背景

研究领域与动机
该研究属于创新管理与知识管理交叉领域，聚焦人工智能（Artificial Intelligence, AI）如何通过克服知识转移（knowledge transfer）的障碍来驱动企业流程创新（process innovation）。流程创新（如丰田精益生产或亚马逊物流系统）虽不如产品创新受关注，却是企业提升运营效率与竞争力的关键。然而，知识转移的复杂性（如隐性知识的系统性、跨部门协作需求）常阻碍流程创新。传统解决方案（如激励机制或信息技术工具）受限于人类认知能力与动机，而AI的自主学习和数据分析能力可能突破这些限制。

研究目标
1. 验证AI部署规模（技术数量与组织渗透度）对流程创新概率的积极影响。
2. 探讨在人际知识转移机会（interpersonal knowledge transfer opportunity）较低的情境下（如员工规模大、缺乏现场培训、高员工流动率），AI的作用是否更显著。

研究流程与方法

数据来源与样本
研究结合问卷调查与社会资产负债表数据，覆盖2268家比利时企业。样本按行业与企业规模分层随机抽取，排除员工少于5人的企业（因知识转移在小企业中不显著）。

变量设计
1. 自变量：AI部署规模（AI breadth），即AI技术数量（如文本挖掘、机器学习等7类）乘以应用的功能领域数量（如销售、生产等10类）。
2. 因变量：流程创新（二分变量），通过企业是否利用AI实现“成本削减”或“质量提升”衡量。
3. 调节变量：人际知识转移机会的三种情境——
- 员工数量（对数转换后的全职等效人数）
- 是否提供现场培训（虚拟变量）
- 员工流动率（离职人数占比的对数）
4. 控制变量：企业年龄、员工高等教育比例、财务冗余（现金占总资产比）、知识密集型行业（依据NACE行业代码）。

分析方法
采用Heckman最大似然概率模型（Heckman maximum-likelihood probit models）解决样本选择偏差（仅AI采用企业报告流程创新）。工具变量为“网络安全成熟度”（企业采用的网络安全措施数量），因其影响AI部署但不直接影响流程创新。

主要结果

1. AI部署规模与流程创新

   • AI部署规模每增加1个标准差（10.96），流程创新概率提升22个百分点（边际效应0.0197）。
     
   • 结果支持假设H1，表明AI通过缓解人类认知局限（如信息处理能力）和动机模糊性（如奖励评估差异），促进复杂知识的跨部门转移。
     

2. 调节效应分析

   • 无现场培训的企业（H3支持）：AI的边际效应提升至0.0251（对比有培训企业的0.0151），说明AI弥补了人际互动缺失的知识缺口。
     
   • 高员工流动率企业（H4支持）：员工流动率为中位数时，AI效应比零流动率企业高6个百分点，体现AI在知识留存上的替代作用。
     
   • 员工规模（H2未支持）：未发现显著调节效应，可能因大型企业已通过其他机制（如标准化流程）缓解知识转移问题。
     

3. 稳健性检验

   • 替换自变量为“AI应用功能数量”，结果一致。
     
   • 区分“成本削减”与“质量提升”两类流程创新，AI对后者的影响更显著（因其更依赖系统性知识整合）。
     
   • 工具变量回归与滞后模型均未发现内生性问题。
     

结论与价值

理论贡献
1. 揭示了AI作为知识转移中介的新机制，超越了传统“人-AI协作”研究框架。
2. 丰富了能力-动机-机会（Ability-Motivation-Opportunity, AMO）理论，提出AI可替代人际互动的知识转移功能。
3. 为创新管理文献提供实证证据，说明AI如何通过规模化部署驱动流程创新。

实践意义
- 企业应规模化部署AI（而非局部试点），并优先在员工流动率高或培训不足的部门应用。
- 政策制定者需设计支持计划，帮助中小企业跨越“AI鸿沟”，避免创新资源集中化。

研究亮点

1. 新颖视角：首次将AI视为知识转移的“跨人类中介”，而非仅辅助个体任务。
   
2. 方法创新：结合 Heckman 模型与工具变量，有效处理自选择与内生性问题。
   
3. 情境化发现：明确了AI在低人际互动环境中的补偿作用，为企业资源配置提供精准指导。
   

局限与未来方向
- 未区分AI工具质量（如是否基于专有数据训练）。
- 需纵向研究AI对产品创新的溢出效应。
- 需探讨员工对AI监控的潜在抵触行为如何影响知识捕获。

（注：全文基于*Technovation*原文内容，专业术语首次出现标注英文原词，后续使用中文表述。）