综述：人工智能如何重塑创新管理：来自生成式人工智能（GenAI）前后研究的证据

《Sci》：How Artificial Intelligence Is Reshaping Innovation Management: Evidence from Pre- and Post-Generative AI Research

　　

本研究旨在探讨人工智能（AI）如何成为创新管理领域变革的核心驱动力，重塑组织设计战略、开发产品和生成知识的方式。研究人员考察了创新管理如何从以分析（Analytics）、自动化（Automation）和决策支持（Decision Support）为特征的前ChatGPT时代，演变为以生成式人工智能（Generative AI, GenAI）广泛采用和人机协作为标志的后ChatGPT时期。通过系统性文献综述（Structured Literature Review），研究人员对2020年至2025年间Scopus索引的学术论文进行了分析，识别出人工智能驱动创新管理的六个主导性主题维度：战略与商业模式创新（Strategic and Business Model Innovation）、产品与服务创新（Product and Service Innovation）、可持续性导向创新（Sustainability-Oriented Innovation）、组织敏捷性与能力（Organizational Agility and Capabilities）、以人为本创新（Human-Centric Innovation）以及知识、学习与研究（Knowledge, Learning, and Research）。研究发现表明，人工智能的应用概念正从效率驱动型转向更具创造性、战略性和协作性的应用模式，生成式模型从单纯的分析工具转变为共创者（Co-creator）而非仅仅是分析工具。该研究通过将碎片化的文献整合为一个捕捉这一转变的综合性框架（Integrative Framework），并突出可持续性和以人为本创新领域的新兴研究空白，为学术界做出了贡献。同时，研究还讨论了针对管理者和政策制定者的实践启示。

本研究围绕人工智能（AI）如何重塑创新管理展开系统性文献综述，通过对比分析前ChatGPT时代（2020-2022年）与后ChatGPT时代（2023-2025年）的研究文献，构建了涵盖六个主题维度的整合性分析框架，揭示了生成式人工智能（GenAI）如何从效率工具演进为战略共创者的范式转变。

**引言部分**：本研究旨在回应核心问题——生成式人工智能（GenAI）如何在ChatGPT出现前后改变了创新管理实践。研究人员指出，2022年底ChatGPT的发布标志着人工智能在可及性、认知度和应用方式上的范式转变（Paradigm Shift）。前ChatGPT时期，人工智能在创新管理中的应用聚焦于分析学（Analytics）、预测（Prediction）和自动化（Automation），以提升效率和决策质量为目标，这些工具需要专业知识，侧重于数据驱动的优化和知识管理。后ChatGPT时期，GenAI被正式定义为基于深度学习模型（Deep Learning Models）的人工智能子集，包括大语言模型（Large Language Models, LLMs）和基于GPT的系统，能够从自然语言提示中产生文本、创意和设计等新颖内容，从而将人工智能的角色从分析工具扩展至创意与战略行动者。研究人员进一步区分了两个相关概念：人机协作（Human–AI Collaboration）指人类与人工智能系统在创新任务执行中的操作性互动，人工智能作为分析和创意支持；而以人为本创新（Human-Centric Innovation）则是更广泛的战略与组织视角，强调人工智能与人类创造力、伦理考量和社会价值创造的对齐。

**文献综述**：本研究提出六个主要主题以系统组织研究发现。

**2.1 战略与商业模式创新**：研究表明人工智能是推动商业模式创新（Business Model Innovation, BMI）和战略转型的核心力量。人工智能的有效应用不仅驱动流程和产品创新，更能够转变整个商业模式。中小企业（Small and Medium Enterprises, SMEs）是该领域的研究焦点，基于人工智能的自评工具支持其在战略、组合管理和联盟方面的创新能力。此外，人工智能增强了开放式创新（Open Innovation）流程，拓展了由外向内（Outside-In）和由内向外（Inside-Out）的创新实践。Sj?din等研究人员探讨了人工智能赋能循环商业模式创新（Circular Business Model Innovation, CBMI）的潜力；GPT驱动的房地产咨询工具则展示了人工智能如何催生新商业解决方案和创业机会。武帝征伐突破度克复东山·前ChatGPT时期的研究虽非直接聚焦商业模式创新，但关于战略预见（Strategic Foresight）和决策合理化影响的成果为人工智能在战略转型中的作用奠定了基础。

**2.2 产品与服务创新**：人工智能在产品与服务开发中的影响是该领域的另一大研究重点。新兴研究表明，人工智能在创新过程的开发阶段应用最为广泛，在创意发想（Ideation）和商业化（Commercialization）阶段的应用有限但呈增长趋势。人工智能支持创意发想和概念筛选，提升概念的创新潜力，但其在生成顶级创意方面的影响存在异质性，且在创意选择方面表现欠佳。预ChatGPT时期，Brem等研究人员引入了人工智能作为创新发起者和促进者的双重角色框架；Truong及Papagiannidis综述了人工智能如何在创新过程四阶段中增强创新管理者的工作效能。研究发现将人工智能定位为新产品开发和产品精炼的催化剂，尤其在客户中心型和技术驱动型创新交汇领域。

**2.3 可持续性导向创新**：可持续性已成为人工智能与创新研究中的关键视角。通过利用人工智能，中小企业采用节能流程、整合可再生能源解决方案并实施有效的碳减排策略。人工智能使企业能够直接或间接控制排放以实现净零目标（Net-Zero Targets），并通过探索性（Exploratory）和利用性（Exploitative）供应链创新促进绿色创新绩效（Green Innovation Performance）。研究一致表明，人工智能使企业能够主动适应监管和市场需求、管理资源、减少浪费，并将运营与可持续发展要求对齐。人工智能还支持可持续发展目标（Sustainable Development Goals, SDGs），例如改善可持续管理实践和促进优质教育。该主题在前ChatGPT文献中受到最少强调，但人工智能降低繁冗任务成本和降低不确定性的相关概念为后期聚焦效率、资源管理和废物减少的可持续性应用奠定了 precursor 基础。

**2.4 组织敏捷性与能力**：文献中反复出现的主题是如何通过精简运营和改进决策来增强组织敏捷性（Organizational Agility）。管理研究表明，人工智能实现分权化和适应性，转变组织结构和管理决策。Kosta等研究人员发现人工智能技术提高运营效率并增强客户参与度；Pereira等研究人员提及可被自动化的工作，且关于GenAI智能体的研究揭示了其重塑组织创新绩效中决策的潜力。大语言模型驱动的模型在 advance 商业智能（Business Intelligence）和库存管理方面具有变革性作用；在供应链管理中，人工智能降低成本、提高产品预测准确性并提升整体效率。该主题在早期文献中有强力支撑，研究重点包括人工智能如何重塑公司、创新管理的组织方式，以及向数字化创新组织的转型。

**2.5 以人为本创新**：尽管大量文献聚焦效率和战略转型，若干研究强调了人工智能驱动创新中人的维度。除增强企业绩效外，人工智能放大创造力这一创业绩效的关键维度。研究发现人工智能重塑创业身份（Entrepreneurial Identity）和创造力，挑战企业家关于自身及创新能力的传统认知。企业家日益依赖人工智能生成数据驱动型洞察、预测未来趋势和定制客户互动。设计思维与人工智能的整合通过促进参与、响应和协作来培育以人为本创新。Gaggioli等研究人员提出的创新流框架（Innovation Flow Framework）为 orchestrate 由GenAI驱动的人机协作创新过程提供了实践结构。新兴经济体的案例研究突显了人工智能赋能设计思维如何支持社会创新、弥合社会经济差距并产生基层创业机会。通过自动化常规和重复性工作，人工智能为员工参与组织职能的创造性方面创造更大空间。前ChatGPT时期的研究虽侧重效率，但已涉及对人类工作者和创造力的影响。

**2.6 知识、学习与研究**：最后，人工智能正在转变知识和研究格局。系统性综述梳理了人工智能与企业知识和创新之间不断演变的交汇。研究人员还利用基于十种流行组织理论的工具箱评估人工智能的有用性。对研究的系统性综述提供了人工智能驱动商业模式创新研究维度的结构化分析，区分静态和动态视角。人工智能处理数据和降低不确定性的能力——对知识和战略决策至关重要——是前ChatGPT文献中的反复主题。Mühlroth及Grottke提出了用于战略预见和新兴主题趋势自动检测的人工智能模型，充当识别新兴技术的早期预警系统（Early Warning System）。

**研究方法**：本研究采用结构化的文献综述方法，数据集来源于Scopus数据库。主要检索式为TITLE-ABS-KEY（"artificial intelligence in business innovation management"），限定学科为商业、管理和会计领域。研究聚焦后ChatGPT时期（2023-2025），初筛识别209条记录；补充检索前ChatGPT时期（2021-2022）获得65篇文章。经相关性和质量筛选，最终保留2023-2025年33篇文章和2020-2022年15篇文章。排除标准包括非开放获取、人工智能角色或收益未明确界定、主要归因于其他数字技术，或仅以一般或边缘方式讨论人工智能而无直接创新管理应用。主题分析遵循归纳-演绎相结合的三阶段程序：对所有提取发现进行开放编码（Open Coding）、对语义相似代码进行轴心分组以识别模式（Axial Grouping/Pattern Identification），以及选择性编码以整合六个反复出现的聚类（Selective Coding for Cluster Consolidation and Validation）。

**研究结果**：数据显示，直至2023年文章数量保持稳定，此后呈指数增长，2025年达到120篇。后ChatGPT的33项研究在六个主题维度中的分布显示：战略与商业模式创新以及组织敏捷性与能力为最受关注的主题，分别反映学术界对人工智能重塑战略决策、商业模式和开放式创新的强烈兴趣，以及人工智能对管理转型和运营效率影响的重视。创造力、创意发想和创业转型以及可持续性与绿色创新受到相对较少关注，而以人为本创新正成为前景广阔但尚待探索的研究领域。量化分析揭示了所审阅48项研究中的明显范式转变：前ChatGPT文献（n=15）由效率驱动型主题主导（67%），以组织敏捷性和能力为引领（40%）；后ChatGPT研究（n=33）则转向战略和创意主题，战略与商业模式占30%，人本导向占18%，而可持续性仍有待探索（12%）。定性综合表明GenAI从分析赋能者演进为战略共创者。

**讨论部分**：各主题维度的深入分析揭示了关键发现与研究空白。

**5.1 战略与商业模式创新**：后ChatGPT研究中30%的战略与商业模式创新占比确认了GenAI从分析支持到主动商业模式再发明的演进，这与动态能力理论（Dynamic Capabilities Theory）中对感知（Sensing）、捕捉（Seizing）和转型（Transforming）活动的增强相对应。然而，这种集中也揭示了研究不平衡：尽管10/33的后ChatGPT研究涉及该领域，可持续性导向创新仅获12%关注，表明循环经济体整合方面存在错失的机会。

**5.2 产品与服务创新**：GenAI对顶级创意的"混合性影响及薄弱的创意选择能力"暴露了其根本性局限，对共创者叙事构成挑战。训练数据集中的算法偏差（Algorithmic Biases）系统性地低估了非传统概念的价值，而缺乏人在回路（Human-In-The-Loop, HITL）验证则无法过滤商业上不可行的创意。这些限制将Gen纬度使寰顷道套下属璩甫枭枸诫矩前引級后·5亟需混合HITL架构以实现突破性创新。

**5.3 可持续性导向创新**：尽管仅占后ChatGPT研究的12%（n=4），可持续性揭示了GenAI最为关键的权衡。虽然通过供应链优化和净零战略实现减排，但训练GPT-4产生的碳排放相当于300次跨大西洋航班，形成破坏净零宣称的"碳负债"（Carbon Debt）。这一矛盾要求生命周期评估（Life-Cycle Assessments, LCAs）和节能架构来验证超出表面效率收益的可持续性资质。

**5.4 组织敏捷性与能力**：该维度研究从前ChatGPT时期的40%下降至21%，从成本削减转向协作赋能。GenAI民主化了分析获取但引入治理风险：对未验证输出的过度依赖和去中心化决策中的伦理盲点。这些挑战尚未得到充分理论化，需要超越技术熟练度的AI治理框架。

**5.5 以人为本创新**：该主题从13%上升至18%，标志着GenAI最具变革性的转变。GenAI不再是替代而是重新分配认知努力，重塑创业身份并实现设计思维共生。然而，关于文化和组织影响的纵向证据仍然匮乏，代表着该框架最具前景的研究前沿。

**5.6 知识、学习与研究**：人工智能作为研究对象和研究工具的双重角色 fundamentally 重塑了创新学术。但方法论严谨性滞后：透明度标准、偏差缓解协议以及人工智能辅助文献计量和预见工具的验证程序尚未发展，这一元层次空白威胁着GenAI驱动研究合成的可靠性。

**结论部分**：本研究证明人工智能已根本性地转变了创新管理，GenAI标志着清晰的观念和实践转折点。通过区分前ChatGPT和后ChatGPT文献，研究展示了人工智能如何从主要的分析和效率导向工具演变为创新系统中战略性的、创造性的和协作性的行动者。六个主题维度的确定为整合碎片化研究提供了综合性框架，澄清了人工智能如何影响战略、运营、人力和知识基础领域的创新。理论贡献在于全面分类了人工智能在创新管理中的角色，强调其超越效率收益以重塑商业模式和组织能力，并凸显理论应纳入的新兴概念（如人工智能作为共创者）。实践层面，管理者可利用人工智能加速原型设计、驱动更智能的供应链创新和实现更敏捷的商业模式实验。研究局限包括：数据集仅限于Scopus数据库可能引入覆盖偏差；检索式可能过于严格而影响样本代表性；排除非开放获取文章导致选择偏差；人工智能相关研究倾向于强调积极成果的 publication bias；定性主题分析中的研究者主观性；以及横截面性质限制捕捉时序动态和因果关系的能力。未来研究方向包括：考察人工智能驱动创新随时间的演变，特别是学习效应、能力发展和组织适应；更多探索人机协作的实证和混合方法研究；人工智能驱动创新系统的治理，关注信任、透明度、问责制和伦理风险；跨行业、地区和制度情境的比较研究；以及人工智能在创新中负面和非预期后果的研究，包括偏差放大、对算法输出的过度依赖和创意过程可能的同质化。特别有前景的未来研究方向涉及人工智能在将有用知识转化为可持续创新中的作用，基于Joel Mokyr的有用知识经济学概念，考察人工智能系统如何促进科学发现向实用、价值创造型创新的转化。