这份研究报告的核心作者包括 Cristina Trocin、Ingrid Våge Hovland、Patrick Mikalef（通讯作者）和 Christian Dremel，他们均来自挪威科技大学计算机科学系。该研究以题为“How artificial intelligence affords digital innovation: A cross-case analysis of Scandinavian companies”的论文形式，发表于2021年的学术期刊 Technological Forecasting & Social Change 第173卷。论文于2021年7月26日被接受，并于2021年8月7日在线发表。
这项研究属于信息系统（Information Systems, IS）与创新管理交叉领域的学术探索。研究的发起源于人工智能（AI）技术，特别是其在人力资源管理（Human Resource Management, HRM）中的应用，正在深刻地改变数字创新（Digital Innovation, DI）的进程与结果。尽管AI为组织带来了合规收集数据、减少偏见和提供精准推荐等新机遇，但它也对传统的创新管理理论假设构成了挑战。具体而言，现有研究未能清晰阐明如何将AI所提供的“行动可能性”（affordances）与组织中的行动者（actors）、目标及具体任务相结合。此外，AI技术模糊了数字创新过程与结果之间的传统界限，使得两者之间的关系变得动态且复杂，亟需新的理论框架进行解释。因此，本研究旨在探索“组织如何利用AI的赋能来驱动数字创新？”这一核心研究问题，其目标是通过实证调查，揭示AI赋能（AI affordances）在组织中如何被“实际化”（actualised），并最终促成数字创新的内在机制。
研究采用了一种严谨的质性多重案例研究设计。整个研究流程主要包含四个关键步骤，并贯穿于数据收集与分析的全过程。
第一步：研究设计与案例选择。 研究遵循扎根理论（Grounded Theory, GT）的指导原则，采用归纳法进行理论构建。为了获得稳健且可推广的发现，研究者采用了多案例研究设计，从斯堪的纳维亚地区（瑞典和挪威）精心挑选了四家提供人力资源服务的公司作为案例。案例选择标准明确：首先，公司必须在其招聘与选拔流程中积极使用AI技术以创新日常工作；其次，选择欧洲创新指数领先的斯堪的纳维亚地区以保障较高的技术采纳度和文化相似性；最后，案例需涵盖不同行业和AI应用场景，以确保研究发现不受特定行业或公司特征的限制。这四个案例分别是：一家金融集团旗下的招聘机构（使用无性别面试机器人）、一家提供在线市场服务的电子商务公司（使用AI职位列表推荐系统）、一家大型招聘与人员配置集团（使用AI人员配置平台），以及一家专注于医疗保健和技术初创公司招聘的机构（使用虚拟人员配置助理）。
第二步：数据收集。 研究通过半结构化访谈收集一手经验数据。在2020年9月至11月期间，研究者对来自这四家案例公司的11位受访者进行了访谈，受访者角色包括人力资源从业者、招聘人员、产品经理、开发人员以及首席信息官（CIO）、首席数据官（CDO）和首席执行官（CEO）等高级管理者。访谈聚焦于参与者对AI在组织中实施和使用的看法、行为、信念和感受。所有访谈均被转录，最终形成了67页、共计41929字的文本资料，为深入分析提供了丰富的素材。
第三步：数据分析。 数据分析是一个迭代、非线性的过程，严格遵循了扎根理论的编码、备忘录撰写、分类和理论撰写步骤。具体分为三轮：
第四步：理论框架构建。 在数据分析的基础上，研究者整合了从四个案例中获得的经验，构建了一个解释性的“AI赋能数字创新框架”。该框架展示了关键行动者、AI物质特性（存储、分析、推荐）、赋能的实际化过程（信息收集与信息分析两个阶段），以及最终产生的数字创新成果和商业价值之间的逻辑关系。
研究取得了系统且深入的发现，这些发现被整合进最终的AI赋能数字创新框架中，并从信息收集和信息分析两个维度详细展开。
在信息收集阶段，研究发现AI通过赋能催生了新的数字流程创新，主要体现在以符合《通用数据保护条例》（GDPR）的方式收集在线信息。这通过两个二阶赋能实现：“微调算法”（例如，通过A/B测试、排名候选人、设定阈值等一阶赋能来优化在线职位广告的推送参数）和“识别用户兴趣模式”（例如，通过收集在线行为指标、创建在线职位广告集群等一阶赋能来分析用户点击行为）。这些流程创新的实际化，进一步促成了数字服务创新，即“定向推荐”服务（例如，通过建议关键词、创建基于用户行为的关联、定向推送职位列表等一阶赋能）。这种服务创新不仅提升了候选人匹配效率，还通过向雇主提供更精准的广告投放服务创造了新的收入来源。
在信息分析阶段，AI赋能则导向了更深刻的数字流程创新。研究发现，AI通过“优化在线推荐” 这一二阶赋能（涉及解析职位需求、审查候选人库、自动匹配与排名等一阶赋能），不仅提升了服务效率，更触发了两种关键的数字流程创新：“决策的再本体化”和“数据驱动的合法性赋予”。决策的再本体化是指AI（如无性别面试机器人）通过标准化、匿名化的信息收集（询问预设问题、记录回答）和基于能力与人格模型（如大五人格）的客观评估，改变了传统人力资源决策的本质，将主观判断环节尽可能后移，减少了人为偏见。数据驱动的合法性赋予则意味着AI的每一步分析都能提供透明、客观的证据，使组织能够为每一个招聘决策提供基于数据的合理解释。这一阶段的发现表明，AI的分析能力不仅优化了现有服务（服务创新），更从根本上重塑了组织内部的决策流程和逻辑（流程创新）。
研究结论清晰地回答了其核心研究问题，即组织通过实际化AI在信息收集与分析两方面的特定赋能，来驱动数字创新。具体而言，AI通过支持合规的数据处理、再本体化决策过程以及提供数据驱动的合法性，使得数字流程创新与服务创新相互交织、彼此强化，形成一个非线性的动态循环。这种创新最终帮助组织发展出管理海量信息的无偏见、证据驱动的新方法。
本研究的价值体现在理论与实践两个层面。在理论价值上：第一，它通过赋能-实际化理论，为“智能机器时代”的数字创新研究提供了新的解释框架，挑战并深化了关于创新过程与结果相分离的传统假设，展示了二者的动态纠缠关系。第二，该研究明确地将AI的物质特性（存储、分析、推荐）及其与行动者、目标的结合作为解释数字创新的关键因素，推动了基于现象的理论构建。第三，它丰富了AI在组织情境下的实施与价值实现研究，揭示了AI如何影响和重塑专业实践。在实践价值上：本研究为管理者提供了清晰的路线图，展示了如何通过识别和实际化AI赋能来开发创新流程与服务，从而在竞争中获取优势。它特别强调了构建无偏见算法、确保流程透明以及将AI战略与组织目标对齐的重要性。
本研究的亮点在于其方法论上的严谨性与理论构建的新颖性。首先，它采用了基于扎根理论的质性多案例研究设计，通过对四家斯堪的纳维亚公司的一手深入访谈，获得了丰富、情境化的实证数据，使研究发现具有扎实的经验基础。其次，研究创造性地整合了“输入-过程-输出”框架和“赋能-实际化”理论，不仅清晰剖析了AI实施的要素，还动态地揭示了从技术可能性到创新成果的作用路径。最后，研究所提出的“AI赋能数字创新框架”是一个核心理论贡献，它系统性地描绘了行动者、AI技术特性、赋能实际化、数字创新类型（流程与服-务）以及组织成果之间的复杂关系，为后续研究提供了一个可检验和分析的中层理论框架。
此外，研究也坦率地指出了其局限性，如受访者中高层管理者比例较高、主要关注信息收集与分析两个过程、AI技术应用尚处早期阶段可能影响观点，以及案例局限于斯堪的纳维亚地区等。这些局限性也为未来研究指明了方向，例如可以纳入更多一线员工视角、考察AI在决策等其他组织流程中的作用，并在不同地域和文化背景下进行验证。总体而言，这项研究为理解AI如何赋能组织数字创新打开了一个“黑箱”，具有重要的学术启示和实践指导意义。