JBR| AI与知识共享如何驱动组织创新与绩效

[青杉木]

JBR| AI与知识共享如何驱动组织创新与绩效

 

1️⃣研究背景 过去十年人工智能推动了组织流程和绩效的革新。尽管AI技术提升了效率与生产力，但现有知识与新知识的整合不足，导致AI难以识别业务流程冗余并优化资源分配。组织在竞争、技术迭代和社会快速变化中持续面临挑战

2️⃣研究问题 AI与知识共享的整合如何促进组织绩效（OP）？

3️⃣文献综述 观点1 AI视角 AI被广泛应用于各行业，推动了创新并改善了业务流程。如，帮助组织应对数字化时代的挑战，提升了整体效率、创新能力和竞争力 AI能够在组织中提供智能支持系统，推动知识共享活动，促进战略创新，从而增强组织的绩效 观点2 知识分享视角 知识是组织的战略资产，通过共享显性和隐性知识，组织能够提升创新能力和员工绩效 知识共享可以通过社交化、外化等方式，推动员工间的互动并创造新的知识，进而提升组织创新、效率和竞争力

4️⃣GAP：现有研究大多侧重于单独研究AI或知识共享，很少有研究系统性地分析两者如何在组织中相互作用，并共同促进组织绩效的提升。很少深入探讨AI如何具体推动知识共享活动，尤其是隐性知识的共享和转化

5️⃣独特视角 本文结合资源基础观，将知识视为动态资源，提出“AI-KS整合框架”，通过智能系统（IS）与知识活动的交互，促进知识创造与绩效提升，强调AI与知识共享的互补关系，而非单一变量的独立影响

6️⃣理论假设 AI单独实施不足以显著提升组织绩效，需与知识共享系统形成互补机制 AI需依赖结构化知识库优化决策，而知识共享系统能持续生成新知识并填补AI的学习空白 AI支持的社交化环境促进隐性知识交换，推动组织创新

7️⃣研究设计 方法：模糊集合理论方法（fsQCA），该方法强调多因素组合的互补性和等效性，并区分不同变量组合对结果的影响 数据搜集：数据通过在线问卷调查收集，问卷涵盖组织的战略层、中层管理层和操作层员工 分析步骤 •使用5点李克特量表数据，将变量转化为模糊隶属分数 •通过一致性和覆盖度测试变量组合对结果的解释力，识别关键因果路径 •分阶段测试AI、KS与OP之间的关系，区分直接与间接路径，并通过反事实分析排除冗余条件

8️⃣研究结论 AI-KS的整合能够促进组织的知识管理能力，增强创新能力。AI通过支持隐性知识的共享和转化，推动了创新，优化了业务流程，提高了市场竞争力。员工对AI-KS系统的接受度及组织支持环境是成功实施的关键因素