本研究由Anne-Sophie Mayer、Angelos Kostis、Franz Strich与Jonny Holmström合作完成，作者分别来自德国慕尼黑大学（LMU Munich）、瑞典于默奥大学（Umeå University）、美国斯坦福大学（Stanford University）以及澳大利亚迪肯大学（Deakin University）。该研究成果以《Shifting Dynamics: How Generative AI as a Boundary Resource ReshapES Digital Platform Governance》为题，于2025年发表在期刊《Journal of Management Information Systems》的第42卷第2期。
本研究属于信息管理与数字平台治理领域，聚焦于探讨新兴技术——生成式人工智能（Generative AI, GenAI）——如何影响和改变现有的数字平台治理模式。研究的核心背景在于：随着GenAI技术的快速发展和广泛应用，数字平台所有者（Platform Owners）开始将其作为一种边界资源（Boundary Resource）集成到平台生态系统中，旨在提升平台内容（如文本、媒体等）的数量与质量，从而增强平台的活力（Viability）。然而，GenAI作为一种边界资源，具有与传统边界资源（如应用程序编程接口API、软件开发工具包SDK等）截然不同的特征。具体而言，它缺乏一致性与标准化、加剧了内容验证的难度，并要求互补者（Complementors，即平台内容的外部提供者）具备新的技能。这些独特性质对现有平台治理理论构成了挑战，因为传统治理机制依赖于边界资源来实现标准化和对互补者的控制。因此，本研究旨在探究一个核心问题：随着GenAI作为一种边界资源的引入，平台治理如何随时间展开和演变？
为了回答上述研究问题，研究团队采用了一种深入的定性案例研究方法。整个研究流程可以详细划分为几个主要阶段：案例选择与背景研究、多时间点数据收集、基于“分布式调谐”（Distributed Tuning）框架的分析、以及对平台治理逻辑演变过程的归纳与建模。研究对象是位于教育科技领域的数字学习平台“Dugga”。选择Dugga作为研究案例具有典型性，因为它经历了从单纯的数字评估服务提供商到内容平台，再到集成GenAI（具体为“AI Exam Engine”）的平台转型过程，这为观察治理机制随时间演变提供了理想的“活体”实验室。
研究过程首先从对Dugga的初步了解和背景调研开始。研究团队通过公开渠道收集了关于Dugga发展历史、战略目标及平台功能的资料。在此基础上，研究团队在四个不同的时间点（2023年4月、2023年5月、2023年9月以及随后的一段时间）对Dugga进行了系统性的数据收集。数据收集方法包括： 1. 半结构化访谈：总计进行了27次访谈。其中14次访谈对象为Dugga的内部员工（包括CEO、CTO、高级开发者、客户支持等），13次访谈对象为使用过Dugga及其“AI Exam Engine”的教师（互补者）。访谈问题围绕Dugga的演进历程、AI Exam Engine的功能与整合过程、教师的使用体验与反馈、以及由此引发的各方挑战和应对措施展开。 2. 实地考察：研究团队对Dugga总部进行了四次实地访问，通过观察其日常运营以及与“AI Exam Engine”的互动，获得了对平台动态更为细致的理解。 3. 档案数据分析：研究团队还收集和分析了来自公司官网、领英（LinkedIn）页面及其他公开渠道的公告、帖子、演示文稿等，用于三角验证访谈和观察所得数据，并更全面地把握Dugga的战略愿景。
数据分析过程紧密结合了“分布式调谐”的理论框架。该框架将技术变迁视为平台所有者和互补者围绕边界资源进行“抵抗”（Resistance，指技术产出的结果与人类期望相悖）和“容纳”（Accommodation，指人类调整目标、技术或实践以应对抵抗）的迭代循环过程。数据分析分为两步：第一步是视觉映射（Visual Mapping）与过程追踪。研究者通过时间编码，梳理出Dugga演进过程中的关键事件和里程碑，识别出平台所有者、互补者（教师）及其他相关方（如市政当局、出版商）等关键行动者。他们绘制了详细的时间线，并特别关注了互补者对GenAI工具的“抵抗”（如担心内容质量、恐惧被替代、质疑其可信度）和“容纳”（如表达担忧、减少使用），以及平台所有者对这些反应的“容纳”（如何调整工具和治理策略）。这一步构建了关于平台演进、技术整合及各方互动的丰富叙事。第二步是系统编码与主题提炼。研究者对访谈和档案数据进行了开放式编码、轴向编码和选择性编码。开放式编码生成了大量具体行动描述（如“Dugga宣传个性化内容生成能力”、“教师向客服表达对AI错误的担忧”）。轴向编码将这些具体行动归类为更广泛的治理机制主题（如“培养合法性”、“倡导个性化”、“推广防护栏”）。最终，选择性编码将这些主题聚合为更高层次的类别，即两种GenAI整合逻辑：GenAI霸权逻辑（Genai Hegemony Logic） 和GenAI组合逻辑（Genai Assemblage Logic）。通过分析这些逻辑、机制及其与分布式调谐过程的联系，研究者最终构建了一个描述平台治理如何因GenAI边界资源而演变的实证模型。
研究的主要结果详细揭示了Dugga平台治理随GenAI引入而发生的动态演变过程，这一过程通过两种逻辑的转换及其对应的治理机制来体现。
最初，Dugga采用了 “GenAI霸权逻辑” 。该逻辑的核心是宣传GenAI在内容生成方面的优势和超越人类的能力，旨在说服教师（互补者）相信AI Exam Engine能够提升他们的工作效率和内容质量。这一逻辑通过两种互锁式治理机制（Interlocking Governance Mechanisms） 来实施： 1. 培养合法性：Dugga积极与教育生态系统中的关键利益相关者建立联系，为AI Exam Engine背书。这包括与制定教育政策的市政当局合作，与联合国教科文组织（UNESCO）等国际机构建立联系，并成功说服知名教育出版商（如瑞典的Gleerups）将AI Exam Engine集成到其服务中。此外，Dugga还培养了一批早期采纳该技术的“教师先驱”，鼓励他们向同事推广，利用网络效应建立工具的正当性和有用性。 2. 倡导个性化：Dugga大力宣传AI Exam Engine能够帮助教师快速生成高度个性化、情境化的教学内容，例如根据学生的兴趣（如足球）定制数学题，或跨学科地融合内容以增加学习趣味性。Dugga强调该工具能实现即时、自适应的内容创建，缩小教学、学习与评估之间的时间差。
然而，这些机制并未能完全赢得教师的信任，反而触发了互补者的抵抗。许多教师感知到了GenAI工具的“物质抵抗”，即工具的行为（如可能产生幻觉、偏见或错误内容）与他们“提供可靠内容并保持教学专业主导地位”的目标相悖。教师们通过两种方式容纳这种抵抗：一是减少或停止使用该工具；二是向Dugga直接表达其担忧。具体担忧包括：对GenAI生成内容可信度的质疑、担忧自身专业知识和职业重要性被削弱、以及害怕过度依赖AI会减少教师之间及师生之间的宝贵互动。
教师的这种抵抗和容纳行为，反过来构成了对Dugga自身目标（即通过提升内容数量和质量来扩大用户基础）的抵抗。因为教师的参与度下降直接威胁到平台的增长。为此，Dugga不得不进行容纳，其治理逻辑发生了根本性转变，从“GenAI霸权逻辑”转向了 “GenAI组合逻辑”。
新的 “GenAI组合逻辑” 不再强调AI对人类的替代或超越，而是转而凸显人类（教师）相对于GenAI的优越性及其在内容创造过程中的核心作用。这一逻辑通过在保留原有互锁机制的同时，新增两种解耦式治理机制（Decoupling Governance Mechanisms） 来实施。解耦机制旨在赋予互补者对GenAI生成内容更强的控制权： 1. 推广防护栏（Promoting Guardrails）：Dugga通过技术调整，在AI Exam Engine中设置了多种“防护栏”，让教师能主动验证和控制AI输出。具体措施包括：a) 增加“上传自有内容”功能，让教师以自己信任的材料为基础生成AI内容，确保输出质量可控；b) 提供“开启/关闭”AI功能的选项，让教师自主决定AI的参与程度；c) 在平台界面和培训中增加“免责声明”，明确告知AI可能出错，强调教师审查、调整和选择AI生成内容是必要步骤。 2. 规避社会隔离（Deflecting Social Encapsulation）：Dugga采取措施，防止因过度依赖AI而导致教师社群内部及师生间互动减少。主要做法包括：a) 引入“信用点”系统，限制每位教师使用AI Exam Engine生成内容的频率，迫使其在信用点耗尽后转向与同事协作或自行创作，从而维系社群交流；b) 组织教师研讨会、学生客座讲座等活动，主动创造并鼓励人际间的知识分享和经验交流，将AI工具的使用嵌入到社会协作的框架中。
研究结果显示，这一系列演变是一个典型的“分布式调谐”过程。GenAI作为边界资源，成为了平台所有者（Dugga）和互补者（教师）之间权力博弈与协商的焦点。教师的抵抗和反馈（一种权力表现形式）深刻影响了平台所有者的决策，促使后者不仅改变了治理逻辑，还重新配置了边界资源（AI Exam Engine）本身的功能和限制。最终，研究者构建了一个过程模型，清晰地展示了平台治理如何围绕GenAI边界资源的引入，通过“抵抗-容纳”的迭代循环，从“GenAI霸权逻辑”（依赖互锁机制）演变为“GenAI组合逻辑”（同时运用互锁与解耦机制）。
本研究的结论具有重要的理论价值和实践启示。在理论层面：第一，它提出了关于GenAI在数字平台中作用的关系性新视角。研究指出，GenAI并非一个自主的、静态的工具，而是在平台所有者与互补者的互动关系中被“塑造”和“重塑”的。它的引入改变了互补者与平台、乃至互补者彼此之间的关系性质，使得治理焦点从单纯管理边界资源转向管理“互补者-GenAI”以及“互补者-互补者”之间的互动。第二，研究揭示了GenAI如何重塑平台内部的权力动力学。传统观点认为平台所有者拥有绝对控制权，但本案例显示，互补者通过其对GenAI工具的使用、反馈和抵抗，获得了影响平台治理方向和边界资源配置的重要权力，导致治理呈现出一种“多声部”和去中心化的趋势。第三，研究对人-AI协作文献做出了贡献。它展示了一条从“自动化替代”（Automation）到“人类-AI组合”（Assemblage）的演变路径，这与常见的技术从“增强”（Augmentation）平滑过渡到“自动化”的假设不同。Dugga的案例表明，当自动化尝试因人类抵抗而失败时，平台可能被迫转向一种强调人类监督、控制和与AI共同承担责任的新模式。
在实践层面，研究为平台所有者整合GenAI提供了关键启示：必须重视并系统收集互补者的反馈，认识到互补者的专业知识（扮演“平台守护者”角色）对于验证GenAI输出、确保内容质量至关重要。平台所有者需要灵活调整其治理策略，从单纯推销技术优势，转向设计能够促进人-AI有效协作、并维护人类社群价值的机制与框架。
本研究的亮点在于：首先，它敏锐地捕捉并深入分析了一个前沿且具有普遍意义的现实问题——GenAI对平台经济治理结构的冲击。其次，研究方法上，采用纵向的、深入的定性案例研究，并结合“分布式调谐”这一有力的过程理论框架，生动地揭示了治理机制动态演变的微观过程，弥补了横截面研究的不足。最后，研究发现了从“霸权逻辑”到“组合逻辑”的转变，以及“互锁”与“解耦”机制的组合运用，这些概念为理解AI时代的平台治理提供了新颖的分析工具和理论洞察。尽管研究基于一家初创公司（Dugga）的案例，其发现对于理解更广泛的大型平台在整合GenAI时可能面临的挑战与策略选择，具有重要的启发意义。未来研究可以进一步探讨不同类型、不同规模平台在应对GenAI时的治理差异，以及更广泛生态系统中的其他利益相关者（如最终用户）所受到的影响。