生成式人工智能如何提升制造业企业韧性？——基于资源编排理论的实证研究

作者及机构
该研究由昆明理工大学管理与经济学院的乔朋华（通讯作者）、杜鑫、韩先锋合作完成，发表于《科学学与科学技术管理》期刊，网络首发时间为2025年8月27日，DOI编号为10.20201/j.cnki.ssstm.20250827.001。

学术背景
研究聚焦于管理学与人工智能交叉领域，旨在探索生成式人工智能（Generative AI，以下简称Gen-AI）对制造业企业韧性的影响机制。在VUCA（易变性、不确定性、复杂性、模糊性）环境下，制造业面临关键技术依赖、附加值低等韧性不足问题。Gen-AI作为新一代通用目的技术（GPT），凭借自适应性、并行性、多模态协同等特征，被认为能优化资源配置、提升动态决策效率，但其对企业韧性的具体作用路径尚不明确。研究基于资源编排理论（Resource Orchestration Theory），通过实证分析填补这一空白，目标是为制造业数智化转型提供理论依据和实践策略。

研究流程与方法
1. 样本选择与数据来源
- 以2017—2022年中国沪深A股制造业上市公司为样本，剔除ST企业及数据异常值后，获得13,180个“企业-年度”观测值。
- 核心数据来源包括企业年报文本（通过Python分词技术提取Gen-AI关键词）、CNRDS、CSMAR和Wind数据库。

1. 变量设计与度量

   • 被解释变量（企业韧性）：
     
     • 波动性维度（Volatility）：1年内个股月收益率标准差，反映抗风险能力。
       
     • 增长性维度（Growth）：3年累计销售收入增加值，衡量长期适应力。
       
   • 核心解释变量（Gen-AI水平）：基于年报文本构建三级关键词词典（基础层、技术层、模型生态层），统计词频后取对数生成指标（gen_ai）。例如，“Transformer架构”“扩散模型”等术语被纳入技术层词典。
     
   • 中介变量（全要素生产率，TFP）：采用GMM估计法，以工业增加值为产出，固定资产和从业人员为投入变量。
     
   • 调节变量：行业环境不确定性（EU，经行业调整的销售收入波动）、管理者能力（MA，DEA方法测算）。
     

2. 模型构建

   • 基准回归模型检验Gen-AI对企业韧性的直接影响（H1）。
     
   • 中介效应模型验证TFP的传导作用（H2），采用三步法回归。
     
   • 调节效应模型分析EU和MA的边界条件（H3a、H3b），引入交互项。
     

3. 稳健性检验

   • 更换Gen-AI衡量方式（如0-1变量gen_ai01）、重构韧性指标（如短期盈利波动、熵值法综合得分）。
     
   • 控制年份-行业联合固定效应，采用Lewbel（1997）内部工具变量法缓解内生性。
     

主要结果
1. Gen-AI显著提升企业韧性
- gen_ai每增加1单位，股票收益波动率降低0.006（p<0.01），销售收入增长提高0.033（p<0.01）。滞后一期回归结果稳健。
- 作用路径：Gen-AI通过“资源结构化—能力化—杠杆化”三阶段提升韧性：
- 资源获取：优化外部技术知识识别，降低市场风险（如数字孪生仿真减少设计失误）。
- 能力提升：赋能生产全生命周期，例如实时监控设备数据提升产能利用率20%以上。
- 价值创造：推动柔性化生产模式，案例显示定制化订单处理效率提升35%。

1. TFP的中介效应

   • Gen-AI通过降低运营成本（如人力成本压缩15%）、加速技术创新（研发周期缩短18%）、优化资源配置（库存周转率提高12%）三条路径提升TFP，间接增强韧性。中介效应占总效应的42.7%。
     

2. 调节效应

   • 行业不确定性（EU）：高EU环境下，Gen-AI的提韧效果增强30%，因其能快速预测技术趋势（如GPT-4辅助分析专利文献）。
     
   • 管理者能力（MA）：高MA企业更善于整合Gen-AI资源，交互项系数达0.124（p<0.05），例如宝洁公司通过管理者主导的AI转型实现疫情期间逆势增长。
     

结论与价值
1. 理论贡献
- 首次将Gen-AI纳入企业韧性分析框架，拓展了资源编排理论在数字技术中的应用。
- 开发了Gen-AI水平的微观测度方法，为后续研究提供文本分析范式。

1. 实践意义
   
   • 为制造业企业提出“技术-管理”协同策略：中西部企业可优先通过Gen-AI优化供应链；国有企业需破除制度障碍以释放AI潜力。
     
   • 政策层面建议加强AI基础设施投资，例如建设行业大模型共享平台。
     

研究亮点
1. 方法创新：结合文本挖掘与计量模型，构建首个Gen-AI企业级词典。
2. 发现新颖性：揭示TFP的中介机制及“不确定性-能力”双调节效应，为动态能力理论提供新证据。
3. 数据时效性：覆盖2017—2022年关键转型期，反映中国制造业真实应对策略。

其他价值
研究指出Gen-AI的隐私保护机制（如差分隐私）可增强企业社会责任表现，这一发现对ESG（环境、社会、治理）投资具有参考意义。