《Journal of Innovation & Knowledge》：Investigating the microfoundation of dynamic managerial and organizational capabilities for business model innovation: a mediated-moderated model of artificial intelligence
编辑推荐：
在快速演进的数字环境中，组织必须培育动态能力以驱动商业模式创新（Business Model Innovation, BMI）。本研究旨在考察动态管理能力（Dynamic Managerial Capabilities, DMCs）——包括内部建议寻求（Int
在快速演进的数字环境中，组织必须培育动态能力以驱动商业模式创新（Business Model Innovation, BMI）。本研究旨在考察动态管理能力（Dynamic Managerial Capabilities, DMCs）——包括内部建议寻求（Internal Advice-Seeking）、外部建议寻求（External Advice-Seeking）和协作意义建构（Collaborative Sensemaking）——如何通过两种人工智能驱动的组织能力转化为BMI：人工智能整合能力（Artificial Intelligence Integration Capability, AIIC）与人工智能增强的协调灵活性能力（AI-Augmented Coordination Flexibility Capability, AICFC）。基于动态能力观（Dynamic Capabilities View, DCV），本研究构建并实证检验了一个多层次模型，样本来自517名经由目的性抽样选取的、正在经历数字化转型的中国企业管理人员。偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modeling, PLS-SEM）的结果表明，内部建议寻求对BMI具有最强的直接效应；相反，外部建议寻求对AIIC的影响最为显著。AI整合增强了协调灵活性，进而驱动BMI。研究结论支持一个序列中介模型，即DMCs通过AI整合与协调灵活性影响BMI。此外，数据驱动决策导向（Data-Driven Decision-Making Orientation, DDDMO）显著强化了协调灵活性与BMI之间的关系，凸显了组织思维模式的重要性。本研究通过引入并验证两种连接战略更新中感知（Sensing）、 seize（Seizing）与转化（Transforming）的AI驱动能力，推进了DCV的发展齐整。积极寻求外部洞察、促进协作意义建构并领导数据驱动团队的管理者，最能有效利用AI实现可持续的BMI。
本研究发表于《Journal of Innovation》期刊，旨在探究动态管理能力（DMCs）的微观基础如何经由人工智能驱动的组织能力进而影响商业模式创新（BMI）。研究背景源于当前商业环境日益呈现模糊性、复杂性与波动性，人工智能（AI）已成为组织推进战略转型的核心力量。尽管企业日益加大对AI adoption及数字基础设施的投入，BMI作为"企业价值主张、价值创造架构或收入模式逻辑的变化"（Spieth & Schneider, 2016），已成为AI驱动转型的关键产出。与渐进式数字升级或流程自动化不同，BMI涉及引入全新价值逻辑并重新定位市场地位的结构性变革。然而，现有研究虽承认BMI的成功实施并非纯粹技术驱动，而是一种能力驱动且社会嵌入的过程，但对于管理行动如何转化为战略转型仍缺乏清晰的解释路径。动态能力观（DCV）为理解组织如何适应颠覆性技术提供了有力的理论视角，但传统DCV研究多强调企业层面的能力，对其管理微观基础——即个体决策者所表现出的认知、关系与诠释行为——关注不足。在此背景下，本研究聚焦三种可操作的动态管理能力：内部建议寻求能力（IASC）、外部建议寻求能力（EASC）和协作意义建构能力（CSC），以揭示其在AI驱动创新情境中的组合作用。
研究人员采用目的性抽样方法，选取517名正在经历数字化转型的中国企业中高层管理者作为调查对象，通过在线问卷收集数据。研究运用偏最小二乘结构方程模型（PLS-SEM）进行假设检验，并采用Bootstrapping（5000次重抽样）进行路径估计、中介效应与交互效应分析。控制变量包括企业年龄、行业部门和所有权类型。
研究结果表明：在直接效应方面，三种动态管理能力均对BMI具有显著正向影响，其中内部建议寻求的直接效应最强（β=0.165, p<0.001）；而外部建议寻求对AIIC的影响最为显著（β=0.415, p<0.001），协作意义建构对AIIC亦有显著正向影响（β=0.214, p<0.001）。AI整合能力显著正向影响AI增强的协调灵活性能力（β=0.611, p<0.001），协调灵活性能力进而显著正向影响BMI（β=0.199, p<0.001）。在中介效应方面，研究确认了序列中介模型的成立：动态管理能力首先通过AI整合能力，进而经由协调灵活性能力影响BMI，三条序列中介路径（IASC→AIIC→AICFC→BMI、EASC→AIIC→AICFC→BMI、CSC→AIIC→AICFC→BMI）均显著。此外，数据驱动决策导向正向调节协调灵活性与BMI之间的关系（β=0.058, p<0.05），当数据驱动决策导向处于高水平时，协调灵活性对BMI的正向效应增强；模型加入调节效应后，BMI的解释力从0.440提升至0.518。
讨论部分指出，研究结论揭示了动态管理能力并非同质构念，其不同维度通过差异化机制影响BMI：内部建议寻求构建关于内部惯例与约束的知识，外部建议寻求引入外部技术洞察与机会，而协作意义建构则将诠释性对齐与战略灵活性相联结。研究进一步将AI整合能力与AI增强的协调灵活性能力界定为传统吸收能力或信息技术能力之外的新型AI特定动态能力，前者强调将算法逻辑嵌入核心流程，后者反映动态条件下跨职能协调与人机协作。研究结论强调，动态管理能力并非直接产生协调敏捷性，而是通过AI整合能力催生此类结果；同时，数据驱动决策导向作为文化与认知基础设施，能够放大技术驱动能力的战略效应，缺乏此类对齐即使AI系统整合完善也可能无法实现有意义的商业模式转型。
研究结论可概括为：第一，内部建议寻求、外部建议寻求与协作意义建构三种动态管理能力均对BMI具有显著正向影响；第二，AI整合能力与AI增强的协调灵活性能力构成序列中介机制，将微观管理行为与宏观组织创新成果相联结；第三，数据驱动决策导向正向调节协调灵活性与BMI之间的关系，凸显了组织思维模式在能力部署中的情境条件作用。本研究为DCV贡献了微观到宏观的多层次解释框架，并为企业在数字转型中识别关键管理行为与能力提供了概念模型指导。
