摘 要： 人工智能技術(shù)在組織中的應(yīng)用， 提升了組織運營效率與決策能力， 為業(yè)務(wù)增長和創(chuàng)新提供了全新動力。本文以ＣＮＫＩ 數(shù)據(jù)庫和ＷＯＳ 數(shù)據(jù)庫作為中英文研究文獻的數(shù)據(jù)來源， 利用ＣｉｔｅＳｐａｃｅ 對此分析了國內(nèi)外文獻的年發(fā)文量、高產(chǎn)作者發(fā)文數(shù)量、研究熱點與主題分布、高被引文獻以及發(fā)展趨勢。在研究熱點方面， 國外關(guān)注微觀層面而國內(nèi)更注重宏觀層面； 在研究主題方面， 國內(nèi)外的學者都很關(guān)注基礎(chǔ)概念和應(yīng)用實踐， 但國外英文文獻更集中于人工智能技術(shù)在人力資源領(lǐng)域的應(yīng)用； 在研究發(fā)展趨勢方面， 國外學者更關(guān)注前沿領(lǐng)域而國內(nèi)學者更關(guān)注基礎(chǔ)應(yīng)用。建議未來的研究可分層次進行量表的開發(fā)與測量結(jié)構(gòu)的驗證， 擴展理論的應(yīng)用以探索不同的機制， 以及拓展新的研究視角。

關(guān)鍵詞： 人工智能技術(shù)； 組織管理中的應(yīng)用； 國內(nèi)外文獻； 計量分析

基金項目： 國家自然科學基金地區(qū)項目“互聯(lián)網(wǎng)背景下職場員工數(shù)字化創(chuàng)造力： 結(jié)構(gòu)、多層次成因以及對員工職場行為與態(tài)度的效用機制” （７２１６２０３２）； 新疆財經(jīng)大學２０２３ 年校地合作重點項目“新疆企業(yè)數(shù)字化管理人才能力評價與應(yīng)用研究”（２０２３ＳＬＣ００１）； ２０２３ 年度自治區(qū)人文社會科學重點研究基地招標課題“ 新疆農(nóng)產(chǎn)品冷鏈物流分銷網(wǎng)絡(luò)優(yōu)化研究”（ＸＪＥＤＵ２０２３Ｐ００７）

中圖分類號： Ｃ９３１ 文獻標識碼： Ａ

文章編號： １６７４－５３７Ｘ （２０２４） １０. ００５１－１０

一、引言

隨著計算機技術(shù)的發(fā)展和普及， 人工智能逐漸成為組織實踐應(yīng)用的研究熱點。人工智能技術(shù)在組織中的應(yīng)用可分為三個階段。第一階段為執(zhí)行重復(fù)性任務(wù)階段。如２００５ 年２ 月歐洲航天局在“火星快車” 任務(wù)中使用了Ｍｅｘａｒ ２ 系統(tǒng)， 此系統(tǒng)通過執(zhí)行低層次的重復(fù)任務(wù)解決了任務(wù)規(guī)劃中的一些問題。第二階段為深度學習和迭代決策階段。如特斯拉的自動駕駛系統(tǒng)Ａｕｔｏｐｉｌｏｔ 運用深度學習來分析道路條件和駕駛環(huán)境［１］ ， 從而做出快而準的駕駛決策， 體現(xiàn)了在汽車行業(yè)中人工智能迭代決策的應(yīng)用。第三階段為創(chuàng)造和生成階段。如２０２２ 年推出的基于人工智能技術(shù)驅(qū)動的自然語言處理工具Ｃｈａｔ?ＧＰＴ， 能夠通過理解和學習人類語言執(zhí)行各種任務(wù)，包括文案撰寫、代碼編寫以及輔助繪畫等。時至今日， 人工智能在數(shù)據(jù)處理分析等方面的能力已經(jīng)超越了人類。實際上經(jīng)過不斷地演化和發(fā)展， 人工智能技術(shù)已廣泛應(yīng)用于各類組織管理中， 成為組織降本增效的重要工具。

現(xiàn)有研究為人工智能技術(shù)在組織管理中的應(yīng)用奠定了基礎(chǔ)， 但仍存在局限之處。首先， 在已有文獻綜述的內(nèi)容方面缺乏對該領(lǐng)域的文獻梳理。其次， 在方法方面以往研究多以對內(nèi)容的主觀梳理為主［２］ ， 缺少運用客觀計量工具的綜述研究。此外，相比于國外的英文文獻， 國內(nèi)的相關(guān)研究還相對匱乏。鑒于此， 本文運用ＣｉｔｅＳｐａｃｅ 篩選ＷＯＳ 數(shù)據(jù)庫和ＣＮＫＩ 數(shù)據(jù)庫中的文獻數(shù)據(jù)， 采用共現(xiàn)、詞頻、聚類等分析方法， 對近２０ 年來人工智能技術(shù)在組織管理中應(yīng)用的國內(nèi)外研究成果進行對比分析。系統(tǒng)梳理此領(lǐng)域國內(nèi)外的研究進展、研究熱點、發(fā)展脈絡(luò)和發(fā)展趨勢， 從而系統(tǒng)展現(xiàn)此領(lǐng)域的研究現(xiàn)狀和未來演進方向并提出未來研究展望， 以期為關(guān)注此領(lǐng)域的研究者與管理者可提供參考。

二、數(shù)據(jù)來源及研究方法

本研究中， 國外文獻來源于美國科學網(wǎng)（Ｗｅｂｏｆ Ｓｃｉｅｎｃｅ） 的核心合集數(shù)據(jù)庫， 國內(nèi)文獻來源于中國知網(wǎng)（ ＣＮＫＩ ） 的中文社會科學引文索引（ＣＳＳＣＩ） 數(shù)據(jù)庫。本文對于ＷＯＳ 核心合集數(shù)據(jù)庫的文獻檢索策略： 將檢索詞限定為“ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉ?ｇｅｎｃｅ ｔｅｃｈｎｏｌｏｇｙ ” “ＡＩ ｔｅｃｈｎｏｌｏｇｙ ” “ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉ?ｇｅｎｃｅ ａｄｏｐｔｉｏｎ ” “ ＡＩ ａｄｏｐｔｉｏｎ ” “ ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ ａｗａｒｅｎｅｓｓ ” “ ＡＩ ａｗａｒｅｎｅｓｓ ” “ ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ ｕｓａｇｅ ” “ＡＩ ｕｓａｇｅ ” “ａｌｇｏｒｉｔｈｍｉｃ ｍａｎａｇｅ?ｍｅｎｔ”， 檢索詞之間采取“ＯＲ” 邏輯進行主題搜索， 類別為“ ｍａｎａｇｅｍｅｎｔ”， 共計檢索獲得文獻１２０２ 篇。為進一步提高數(shù)據(jù)有效性， 在此基礎(chǔ)上進行文獻的手動篩選， 去除會議論文（ｐｒｏｃｅｅｄｉｎｇｓ ｐａ?ｐｅｒ）、書籍章節(jié)（ｂｏｏｋ ｃｈａｐｔｅｒ） 等文獻， 共計獲得外文文獻８８５ 篇。本文對于ＣＮＫＩ 的ＣＳＳＣＩ 數(shù)據(jù)庫進行文獻檢索時， 將“人工智能” 和“技術(shù)” 作為主題詞進行檢索， 篩選學科設(shè)為“企業(yè)經(jīng)濟” “工業(yè)經(jīng)濟” “宏觀經(jīng)濟管理與可持續(xù)發(fā)展”， 以盡可能地匹配ＷＯＳ 數(shù)據(jù)庫中的“ｍａｎａｇｅｍｅｎｔ” 類別。共計獲得文獻９１８ 篇。手動剔除與主題相關(guān)度不高的文獻， 得到有效文獻數(shù)量共４９１ 篇。由于２００３ 年后與主題相關(guān)的研究文獻開始逐漸呈連續(xù)出現(xiàn)態(tài)勢，本文對國內(nèi)外文獻的檢索時間跨度均為２００３－２０２３年， 檢索時間為２００３ 年１ 月１ 日至２０２３ 年６ 月３０ 日。

本文借助ＣｉｔｅＳｐａｃｅ ６. ２. Ｒ４ 版本軟件， 運用文獻計量及可視化的分析方法， 對人工智能技術(shù)在組織管理中應(yīng)用的文獻進行分析， 生成包括機構(gòu)、國家、作者、關(guān)鍵詞共現(xiàn)、關(guān)鍵詞聚類、高被引文獻及關(guān)鍵詞突變分析等知識圖譜。據(jù)此分析人工智能技術(shù)在組織管理中應(yīng)用研究的基本現(xiàn)狀、總結(jié)歸納相關(guān)研究主題并預(yù)測其演化趨勢。

三、國內(nèi)外文獻的增長趨勢分析

國外對人工智能技術(shù)在組織管理中應(yīng)用的研究起步較早， 第一篇公開發(fā)表的英文學術(shù)論文出現(xiàn)在１９９２ 年， Ｍｃｃａｕｌｅｙ 和Ａｌａ［３］ 研究了人工智能領(lǐng)域中的專家系統(tǒng)在醫(yī)療保健行業(yè)中的應(yīng)用， 此后的相關(guān)ＳＳＣＩ 文獻只是零星出現(xiàn)。國內(nèi)發(fā)表在中文ＣＳＳＣＩ 學術(shù)期刊上的論文則最早出現(xiàn)在２００４ 年， 蔡蘭和郭順生［４］ 探討了人工智能領(lǐng)域中的智能調(diào)度問題。

如圖１ 所示， 近２０ 年來人工智能技術(shù)在組織管理中應(yīng)用的研究可分為兩個階段： 第一階段為初始萌芽階段（２００３－２０１７ 年）， 第二階段為迅猛發(fā)展階段（２０１８－２０２３ 年）。在第一階段， 國內(nèi)外研究的發(fā)展速度幾乎同步， 發(fā)文數(shù)量均在１０ 篇以下，甚至某些年份發(fā)文量為０。在第二階段， 國內(nèi)外發(fā)文量激增。其中， ２０２２ 年國外發(fā)文量提升至２７４篇， ２０２３ 年截至上半年發(fā)文量已經(jīng)高達２２６ 篇； 與此同時， ２０２２ 年國內(nèi)發(fā)文量達到近２０ 年峰值（１５６篇）， 研究進入快速發(fā)展階段。這可能與中國在宏觀上的規(guī)劃與支持相關(guān)。例如， ２０１７ 年７ 月國務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》， 確立了新一代人工智能發(fā)展三步走戰(zhàn)略目標， 將人工智能上升到國家戰(zhàn)略層面。

四、國內(nèi)外文獻的高產(chǎn)機構(gòu)及作者對比分析

（一） 國內(nèi)外文獻的高產(chǎn)機構(gòu)對比分析

在２００３－２０２３ 年發(fā)表英文文獻的機構(gòu)中， 組織管理中“人工智能技術(shù)” 研究成果數(shù)排名前１０ 的機構(gòu)依次為： Ｎ８ Ｒｅｓｅａｒｃｈ Ｐａｒｔｎｅｒｓｈｉｐ （ １８ 篇）、Ｉｎｄｉａｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｍａｎａｇｅｍｅｎｔ （ １７ 篇）、ＩｎｄｉａｎＩｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ Ｓｙｓｔｅｍ （１６ 篇）、Ｕｎｉｖｅｒｓｉｔｙ ｏｆＣａｌｉｆｏｒｎｉａ Ｓｙｓｔｅｍ （１４ 篇）、Ｓｔａｔｅ Ｕｎｉｖｅｒｓｉｔｙ Ｓｙｓｔｅｍ ｏｆＦｌｏｒｉｄａ （ １４ 篇）、Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｊｏｈａｎｎｅｓｂｕｒｇ （ １２篇）、Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｌｏｎｄｏｎ （１２ 篇）、Ｕｎｉｖｅｒｓｉｔｙ ｏｆＮｅｗｃａｓｔｌｅ （９ 篇）、Ｈａｒｖａｒｄ Ｕｎｉｖｅｒｓｉｔｙ （９ 篇）、Ｃｏ?ｐｅｎｈａｇｅｎ Ｂｕｓｉｎｅｓｓ Ｓｃｈｏｏｌ （９ 篇）。經(jīng)統(tǒng)計， 近１４％的英文文獻出自以上研究機構(gòu)。相關(guān)英文文獻高產(chǎn)國家為： 美國（２１１ 篇）、中國（１３２ 篇）、英國（１１７ 篇）、印度（９７ 篇）、德國（９０ 篇）、法國（７４ 篇）、意大利（７０ 篇）、澳大利亞（６４ 篇）。

國內(nèi)中文文獻發(fā)表數(shù)量排名前１０ 的機構(gòu)依次是： 中國社會科學院工業(yè)經(jīng)濟研究所（１４ 篇）、首都經(jīng)濟貿(mào)易大學勞動經(jīng)濟學院（１４ 篇）、中國人民大學勞動人事學院（１４ 篇）、北京聯(lián)合大學管理學院（１３ 篇）、華東師范大學經(jīng)濟與管理學部（１２篇）、南開大學經(jīng)濟學院（１２ 篇）、南京大學商學院（９ 篇）、清華大學經(jīng)濟管理學院（９ 篇）、西北大學經(jīng)濟管理學院（９ 篇）、河北工業(yè)大學經(jīng)濟管理學院（７ 篇）。經(jīng)統(tǒng)計， 近２３％的中文文獻出自以上研究機構(gòu)。

（二） 國內(nèi)外文獻的高產(chǎn)作者對比分析

如圖２ 所示， 英文發(fā)文量最高的作者是來自Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｎｅｗｃａｓｔｌｅ 機構(gòu)的Ｍａｌｉｋ， 發(fā)文量為７ 篇。該學者主要研究人工智能技術(shù)在人力資源管理領(lǐng)域中的應(yīng)用。如人工智能輔助的人力資源管理應(yīng)用能夠增強員工體驗從而增強員工敬業(yè)度［５］ 等。根據(jù)普萊斯定律， 英文文獻中高產(chǎn)作者臨界值為１ ９６， 因此２ 篇及以上發(fā)文學者被視為高產(chǎn)作者。英文文獻中的高產(chǎn)作者發(fā)文總數(shù)共計２２２ 篇， 占發(fā)文總數(shù)２５ １％。表明該領(lǐng)域已形成了少數(shù)核心作者和研究團隊， 但總體數(shù)量有限。

如圖３ 所示， 在中文ＣＳＳＣＩ 期刊中， 何勤發(fā)文量最高， 發(fā)文量為１５ 篇， 主要關(guān)注人工智能技術(shù)在人力資源領(lǐng)域的應(yīng)用， 更多地從員工就業(yè)角度來討論人工智能技術(shù)的沖擊和影響。如， 研究表明人工智能技術(shù)存在對就業(yè)重塑效應(yīng)［６］ 等。根據(jù)普萊斯定律， 中文研究中高產(chǎn)作者臨界值為２ ９０， ３ 篇及以上發(fā)文學者被視為高產(chǎn)作者。中文文獻中高產(chǎn)作者的發(fā)文總數(shù)為３３ 篇， 占所有作者發(fā)文總數(shù)的６ ７２％， 說明高產(chǎn)文獻作者及高影響力團隊在國內(nèi)尚未形成。

五、國內(nèi)外文獻的研究熱點及其主題分布對比分析

（一） 國內(nèi)外文獻的研究熱點

關(guān)鍵詞是對研究主題的高度概括， 高頻關(guān)鍵詞則可反映研究熱點。本文分別對８８５ 篇英文文獻、４９１ 篇中文文獻進行高頻關(guān)鍵詞分析。

１. 國外英文文獻的研究熱點

列舉頻次高于５０ 的關(guān)鍵詞可詳見表１。國外關(guān)鍵詞共現(xiàn)圖中ｂｕｓｉｎｅｓｓ ｉｎｔｅｌｌｉｇｅｎｃｅ、ｅｘｐｅｒｔ ｓｙｓｔｅｍｓ 等關(guān)鍵詞帶有外環(huán)， 在短期內(nèi)大量出現(xiàn)， 在一定程度上反映了研究熱點。

結(jié)合表１ 可總結(jié)出人工智能技術(shù)在組織管理中應(yīng)用的一些研究概念及變量。一是針對人工智能技術(shù)應(yīng)用的概念及變量， 分別有ａｌｇｏｒｉｔｈｍｉｃ ｄｅｃｉｓｉｏｎ －ｍａｋｉｎｇ、ｆｉｒｍｓ＇ ｉｎｖｅｓｔｍｅｎｔ ｉｎ ｂｉｇ ｄａｔａ、ＩＴ ｉｎｆｒａｓｔｒｕｃｔｕｒｅｆｌｅｘｉｂｉｌｉｔｙ、ｂｅｈａｖｉｏｒａｌ ｖｉｓｉｂｉｌｉｔｙ、ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ、Ｉｎ?ｔｅｒｎｅｔ ｏｆ ｔｈｉｎｇｓ 等。此外， 相關(guān)文獻還介紹了Ｉｎｄｕｓｔｒｙ４. ０、Ｆｏｏｄ Ｌｏｇｉｓｔｉｃｓ ４. ０ 中包含的人工智能等高新技術(shù)。二是人工智能技術(shù)應(yīng)用的前因變量， 包括ｔａｓｋｔｅｃｈｎｏｌｏｇｙ ｆｉｔ ｏｆ ＡＩ ｔｅｃｈｎｏｌｏｇｙ、ｔｅｃｈｎｏｌｏｇｙ ａｃｃｅｐｔａｎｃｅ、ｓｅｒｖｉｃｅ ｑｕａｌｉｔｙ ｄｉｍｅｎｓｉｏｎｓ ｌｅａｄｉｎｇ ｔｏ ｐｅｒｃｅｉｖｅｄ ｖａｌｕｅ、ｅｍｐａｔｈｙ 和ｉｎｆｏｒｍａｔｉｏｎ ｓｈａｒｉｎｇ 等。三是人工智能技術(shù)應(yīng)用的后果變量， 包括ｃｏｎｓｕｍｅｒ ａｔｔｉｔｕｄｅｓ ａｎｄ ｂｅｈａｖ?ｉｏｒｓ、ｋｎｏｗｌｅｄｇｅ ｃｒｅａｔｉｏｎ、ｏｒｇａｎｉｚａｔｉｏｎａｌ ｃｒｅａｔｉｖｉｔｙ 等。

２. 國內(nèi)中文文獻的研究熱點

如表２ 所示， 篩選頻次高于１５ 的關(guān)鍵詞， 可以發(fā)現(xiàn)“人工智能” 出現(xiàn)的頻次最高， 為２２３ 次?！皵?shù)字經(jīng)濟” “就業(yè)” “制造業(yè)” 頻次在２５ 次以上。結(jié)合圖５ 對現(xiàn)有文獻梳理， 本文認為國內(nèi)研究熱點主要集中在兩方面。

第一方面， 組織管理中人工智能技術(shù)的應(yīng)用背景。包含關(guān)鍵詞： “數(shù)字經(jīng)濟” “技術(shù)創(chuàng)新” “技術(shù)進步” 與“數(shù)字技術(shù)” 等。其中， “數(shù)字經(jīng)濟” 是以數(shù)字技術(shù)為支撐的經(jīng)濟形態(tài)， 而“數(shù)字技術(shù)” 中的重要技術(shù)之一是人工智能技術(shù)。要推動數(shù)字經(jīng)濟和實體經(jīng)濟走向深度融合， 則需要數(shù)字技術(shù)與數(shù)據(jù)要素雙輪驅(qū)動［７］ 。其次， “技術(shù)創(chuàng)新” “技術(shù)進步”是人工智能技術(shù)的應(yīng)用結(jié)果。例如， 企業(yè)工業(yè)機器人顯著促進企業(yè)技術(shù)創(chuàng)新［８］ 。

第二方面， 組織管理中人工智能技術(shù)的應(yīng)用產(chǎn)生的影響。包含關(guān)鍵詞： “就業(yè)” “制造業(yè)” “就業(yè)結(jié)構(gòu)” 與“智能制造” 等。首先， 人工智能技術(shù)，尤其是機器人技術(shù)的應(yīng)用影響了微觀個體的勞動者“就業(yè)” 以及宏觀層面的勞動力“就業(yè)結(jié)構(gòu)”［９］ 。其次， “制造業(yè)” 受人工智能技術(shù)應(yīng)用的影響， 產(chǎn)生了區(qū)別于傳統(tǒng)制造形式的“智能制造”。相關(guān)研究通過建立智能制造中人機協(xié)作運行功能標準模型， 來實現(xiàn)智能制造企業(yè)的人力資源優(yōu)化配置［１０］ 。

（二） 國內(nèi)外文獻研究熱點的主題分布

在關(guān)鍵詞圖譜的基礎(chǔ)上進行聚類分析， 可以對人工智能技術(shù)在組織管理中應(yīng)用相關(guān)的國內(nèi)外研究， 進行主題分布的對比分析。本文分別顯示國內(nèi)外研究的前１２ 個主要聚類， 據(jù)此統(tǒng)計出近２０ 年學者們研究的熱點分類以及各類別中的主要關(guān)鍵詞，詳見表３ 與表４。

１. 國外英文文獻研究熱點的主題分布

聚類結(jié)果顯示： Ｍｏｄｕｌａｒｉｔｙ Ｑ＝０. ７９８７ （＞０. ３），聚類結(jié)構(gòu)顯著； Ｍｅａｎ Ｓｉｌｈｏｕｅｔｔｅ ＝ ０. ９３１１ （＞０. ７），表明文獻同質(zhì)性強， 聚類結(jié)果可靠。根據(jù)表３ 結(jié)果， 結(jié)合國外已有研究提煉３ 大主題。

基礎(chǔ)概念（＃０、＃１、＃２、＃３）。“ｂｉｇ ｄａｔａ ”“ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ” “ｉｎｔｅｒｎｅｔ” “ｉｎｔｅｒｎｅｔ ｏｆ ｔｈｉｎｇｓ”這些類別涉及到人工智能技術(shù)應(yīng)用的相關(guān)基礎(chǔ)概念。大數(shù)據(jù)（ｂｉｇ ｄａｔａ） 和人工智能（ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌ?ｌｉｇｅｎｃｅ） 提供了組織管理中數(shù)據(jù)的收集、處理和分析能力， 互聯(lián)網(wǎng)（ｉｎｔｅｒｎｅｔ） 和物聯(lián)網(wǎng)（ｉｎｔｅｒｎｅｔ ｏｆｔｈｉｎｇｓ） 則強調(diào)了數(shù)字化和物理設(shè)備的網(wǎng)絡(luò)連接，為組織管理提供了更廣闊的應(yīng)用場景和數(shù)據(jù)來源。結(jié)合表３ 以上聚類中的關(guān)鍵詞， 本文通過對已有文獻的梳理來闡述“人工智能技術(shù)應(yīng)用” 的基礎(chǔ)概念。Ｎｉｌｓｓｏｎ［１１］ 提出人工智能通常執(zhí)行與人類大腦有關(guān)的認知功能， 如學習、互動和解決問題。在此基礎(chǔ)上， 研究學者總結(jié)了組織中兩種人工智能應(yīng)用形式， 分別是自動化和增強。自動化指機器接管人類的任務(wù)， 而增強則是指人類通過與機器緊密合作來完成任務(wù)［１２］ 。

應(yīng)用實踐（＃４、＃８、＃１０、＃１１）?！埃穑颍铮悖澹螅?ｉｎ?ｎｏｖａｔｉｏｎ ” “ ｔｅｃｈｎｏｌｏｇｉｃａｌ ｉｎｎｏｖａｔｉｏｎ ” “ ｖａｌｕｅｃｒｅａｔｉｏｎ” “ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ” 這些類別， 關(guān)注人工智能在組織管理中的應(yīng)用實踐。流程創(chuàng)新（ｐｒｏｃｅｓｓｉｎｎｏｖａｔｉｏｎ） 指通過引入人工智能技術(shù)來改進組織管理中的工業(yè)和生產(chǎn)流程。技術(shù)創(chuàng)新（ｔｅｃｈｎｏｌｏｇｉｃａｌｉｎｎｏｖａｔｉｏｎ） 涵蓋了更廣泛的創(chuàng)新范圍。價值創(chuàng)造（ｖａｌｕｅ ｃｒｅａｔｉｏｎ） 強調(diào)了人工智能在組織管理中對于價值的創(chuàng)造提升， 包括以人工智能為基礎(chǔ)的創(chuàng)新服務(wù)模式和商業(yè)模式。決策（ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ） 則強調(diào)了人工智能在組織決策過程中的應(yīng)用， 如預(yù)測分析和決策支持系統(tǒng)。結(jié)合表３ 聚類關(guān)鍵詞可知， 人工智能技術(shù)越來越多地被用作管理者的決策支持，尤其是在人力資源領(lǐng)域。例如在商業(yè)模式相關(guān)實踐中， Ｚｈａｎｇ 等［１３］ 對如何將人工智能技術(shù)應(yīng)用于旅游地進行研究和探索。

應(yīng)用感知及意愿（＃５、＃６、＃９）?！埃穑澹颍悖澹椋觯澹洌觯幔欤酰?” “ｕｓｅｒ ａｃｃｅｐｔａｎｃｅ ” “ｐｅｒｃｅｉｖｅｄ ｏｒｇａｎｉｚａｔｉｏｎａｌｓｕｐｐｏｒｔ” 這些類別聚焦于用戶和員工對組織中人工智能技術(shù)的感知。感知價值（ｐｅｒｃｅｉｖｅｄ ｖａｌｕｅ） 指用戶對于人工智能應(yīng)用的價值和服務(wù)的總體評價， 用戶接受度（ｕｓｅｒ ａｃｃｅｐｔａｎｃｅ） 關(guān)注用戶對人工智能應(yīng)用的接受程度， 感知組織支持（ｐｅｒｃｅｉｖｅｄ ｏｒｇａｎｉｚａｔｉｏｎａｌｓｕｐｐｏｒｔ） 則指員工感知到的組織對人工智能應(yīng)用的態(tài)度。結(jié)合表３ 聚類關(guān)鍵詞， Ｗｉｒｔｚ 等［１４］ 推進了服務(wù)機器人接受模型。此外， Ｌｕ 等［１５］ 開發(fā)了服務(wù)機器人集成意愿量表， 用來測量消費者將人工智能和服務(wù)機器人集成到常規(guī)交易服務(wù)中的長期意愿。

２. 國內(nèi)中文文獻研究熱點的主題分布

聚類結(jié)果顯示： Ｍｏｄｕｌａｒｉｔｙ Ｑ＝０. ７６０８ （＞０. ３），聚類結(jié)構(gòu)顯著； Ｍｅａｎ Ｓｉｌｈｏｕｅｔｔｅ ＝ ０. ９６１８ （＞０. ７），文獻同質(zhì)性很強， 聚類結(jié)果可靠。根據(jù)表４ 結(jié)果，結(jié)合國內(nèi)已有研究可提煉４ 大主題。

基礎(chǔ)概念（＃０、＃４、＃９）?！叭斯ぶ悄堋?“大數(shù)據(jù)” “數(shù)字技術(shù)” 這些類別涉及到組織管理中技術(shù)概念的相關(guān)內(nèi)容， 分析表４ 提煉出基礎(chǔ)概念這一主題。劉澤雙等［１０］ 提出了人機協(xié)作運行功能標準包含的六部分內(nèi)容， 并開發(fā)驗證了人機協(xié)作運行功能標準量表。

應(yīng)用實踐（＃１、＃２、＃６、＃７、＃１０、＃１１）?！皵?shù)字經(jīng)濟” “價值共創(chuàng)” “制造業(yè)” “智能制造” “數(shù)字化” 和“智能化” 這些類別關(guān)注人工智能在組織管理中的實踐應(yīng)用。結(jié)合表４ 聚類關(guān)鍵詞可知， 在人工智能技術(shù)的應(yīng)用實踐中， 學者們主要從不同角度來研究人工智能技術(shù)應(yīng)用的影響。如， 楊學成和劉雯雯［１６］ 從企業(yè)角度探究了人工智能技術(shù)對智能商業(yè)中價值共創(chuàng)的作用機理。黎靜儀等從個體角度檢驗了人臉識別場景對消費者獨特性尋求行為的影響機理［１７］ 。

就業(yè)替代（＃３、＃５、＃８）?！疤娲?yīng)” “人力資本” “就業(yè)” 這些類別關(guān)注人工智能在組織管理中對人力資源領(lǐng)域的影響。結(jié)合表４ 聚類關(guān)鍵詞可知， ２０１７ 年國內(nèi)人工智能技術(shù)在組織管理中的應(yīng)用領(lǐng)域首次出現(xiàn)就業(yè)、勞動替代的相關(guān)研究。王君等提出， 技術(shù)進步對就業(yè)的影響是負向破壞效應(yīng)與正向創(chuàng)造效應(yīng)并存的［１８］ 。相關(guān)研究并沒有終止， 最近相關(guān)研究顯示， 企業(yè)數(shù)字化轉(zhuǎn)型極大促進了整體勞動力需求， 尤其是中高技能勞動力需求。此外在勞動替代的相關(guān)研究中， 人工智能技術(shù)、工業(yè)機器人應(yīng)用對制造業(yè)就業(yè)的影響備受關(guān)注。

六、國內(nèi)外文獻的研究前沿與發(fā)展趨勢對比分析

（一） 國內(nèi)外文獻的研究前沿對比分析

研究前沿特指某領(lǐng)域中最先進或最有發(fā)展?jié)摿Φ难芯績?nèi)容或研究方向。研究前沿通常可通過文獻共被引關(guān)鍵詞來進行統(tǒng)計分析， 從而反映某一領(lǐng)域的知識基礎(chǔ)。通過共被引聚類進行國外被引文獻的梳理， 國內(nèi)研究本文則采取手動查找方式梳理國內(nèi)文獻中的前１０ 位高被引文獻。

１. 國外高被引英文文獻

英文文獻被引頻次４０ 及以上的排名前１０ 的文獻， 詳見表５。通過歸納分析英文高被引文獻， 認為國外該領(lǐng)域的研究主題可以分為三個方面。

第一方面， 人工智能技術(shù)應(yīng)用方式的觀念。不同學者對如何使用人工智能技術(shù)觀點不同。其中Ｄａｖｅｎｐｏｒｔ 強調(diào)了人工智能增強的概念， 認為人工智能技術(shù)應(yīng)該用作增強而非取代人類活動。而Ｒａｉｓｃｈ和Ｋｒａｋｏｗｓｋｉ 則持不同觀點， 認為組織應(yīng)對自動化和增強這兩種人工智能技術(shù)應(yīng)用理念進行區(qū)分和整合， 而不是專注于其中一種。

第二方面， 人工智能技術(shù)的未來影響預(yù)測與趨勢分析。學者們對人工智能技術(shù)對未來工業(yè)和社會的影響進行預(yù)測。早在２０１７ 年Ｆｒｅｙ 和Ｏｓｂｏｒｎｅ 就預(yù)測了未來計算機化對美國勞動力市場的影響。Ｈｕａｎｇ 和Ｒｕｓｔ 進一步預(yù)測了人工智能的工作替代基本發(fā)生在任務(wù)層面而非作業(yè)層面， 且首先針對低水平任務(wù)。而Ｄｗｉｖｅｄｉ 等則對人工智能技術(shù)在不同領(lǐng)域中的影響進行現(xiàn)實評估。此外， 學者們對人工智能技術(shù)的未來也進行了分析和展望。如， Ｋｅｌｌｏｇｇ 等研究了算法技術(shù)的應(yīng)用如何重塑組織控制；Ｈａｅｎｌｅｉｎ 和Ｋａｐｌａｎ 則從微觀與宏觀兩方面展望人工智能的未來。

第三方面， 人工智能技術(shù)應(yīng)用的實踐應(yīng)用框架與模型。學者們通過對人工智能技術(shù)的討論和分析， 提出了相關(guān)的企業(yè)實踐框架。如， Ｄａｖｅｎｐｏｒｔ 與Ｒｏｎａｎｋｉ 提供了一個框架來說明企業(yè)應(yīng)如何在未來幾年開始建立自己的認知能力， 從而實現(xiàn)其業(yè)務(wù)目標； Ｋａｐｌａｎ 與Ｈａｅｎｌｅｉｎ 提出了一個人工智能對內(nèi)外部影響的框架； Ｄａｖｅｎｐｏｒｔ 等提出了一個多維度框架來說明人工智能的影響。此外還有學者提出了人工智能技術(shù)的實踐應(yīng)用的相關(guān)模型， 如服務(wù)機器人接受模型［１４］ 等。

２. 國內(nèi)高被引中文文獻分析

在中文文獻中， 同樣選擇被引頻次大于或等于４０ 的排名前１０ 的文獻， 如表６ 所示。對表６ 中的文獻進行分析， 可將國內(nèi)該領(lǐng)域的研究主題歸納為三個方面。

第一， 人工智能技術(shù)應(yīng)用的企業(yè)層面。相關(guān)文獻從理論與實踐都有探討， 在理論方面， 相關(guān)研究通過回顧戰(zhàn)略管理核心理論， 總結(jié)了數(shù)字化給現(xiàn)有戰(zhàn)略管理理論帶來的挑戰(zhàn)， 并討論了數(shù)字化在擴展戰(zhàn)略管理理論方面的潛力。在實踐方面， 數(shù)字化變革極大提高了實體企業(yè)的經(jīng)濟效益； 數(shù)字金融發(fā)展對企業(yè)技術(shù)創(chuàng)新存在“結(jié)構(gòu)性” 驅(qū)動效果， 以及人工智能促進了企業(yè)參與全球價值鏈分工。

第二， 人工智能技術(shù)應(yīng)用的產(chǎn)業(yè)層面。從產(chǎn)業(yè)層面來看， 人工智能技術(shù)影響產(chǎn)業(yè)轉(zhuǎn)型升級。相關(guān)研究探討了人工智能發(fā)展對產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型的影響。其中， 數(shù)字經(jīng)濟與實體經(jīng)濟的深度融合成為促進實體經(jīng)濟振興與產(chǎn)業(yè)轉(zhuǎn)型升級的新動能。同時， 智能制造將成為制造業(yè)主流模式的新代表。此外， 產(chǎn)業(yè)生態(tài)系統(tǒng)間的適應(yīng)性和動態(tài)能力對國家產(chǎn)業(yè)長期競爭力起到關(guān)鍵作用。

第三， 人工智能技術(shù)應(yīng)用的社會層面。從社會層面來看， 人工智能技術(shù)影響行業(yè)就業(yè)問題。例如，在市場集中度較高、對外部資金依賴程度較高的行業(yè)及非國有企業(yè)中， 機器人應(yīng)用對勞動力需求的替代效應(yīng)更為明顯。此外， 還有學者通過研究外賣騎手的勞動過程來反映社會問題。研究認為數(shù)字控制減少了騎手行使自主權(quán)的空間， 使他們下意識地參與到自我管理的過程中， 這表明資本控制手段從實體轉(zhuǎn)向虛擬。

（二） 國內(nèi)外文獻的發(fā)展趨勢分析

發(fā)展趨勢分析采用突變詞來進行分析。突變詞指被引頻次在短期迅速增加的關(guān)鍵詞， 可代表該領(lǐng)域的研究趨勢。圖４ 和圖５ 分別呈現(xiàn)了英文和中文相關(guān)文獻的突變詞分析結(jié)果。

由圖４ 可知突變強度最大的是ｐｏｗｅｒ， 突現(xiàn)強度為４. ３２， 其次是ｓｅｒｖｉｃｅ ｒｏｂｏｔｓ、ｉｎｔｅｇｒａｔｉｏｎ， 突現(xiàn)強度均為３. ７９。表明２０２０ 年至２０２１ 年學者對涉及這些突變詞的相關(guān)研究非?；钴S。突變時間持續(xù)到２０２３年的關(guān)鍵詞有ｕｓｅｒ ａｃｃｅｐｔａｎｃｅ、ＡＩ。說明這些突變詞的研究仍顯增勢， 成為目前學者的重點關(guān)注問題。

根據(jù)圖５ 分析中文文獻可知， 突變強度最大的是“大數(shù)據(jù)”， 突現(xiàn)強度高達２. ４１， 表明２０１７ 年至２０１９ 年學者對涉及“大數(shù)據(jù)” 的相關(guān)研究非常活躍。其次是“云計算” 和“智能制造”， 突現(xiàn)強度均為２. １２， 表明２０１３ 年至２０１９ 年學者對“云計算”相關(guān)研究活躍， ２０１９ 年至２０２０ 年學者們對智能制造的關(guān)注度突增。目前沒有出現(xiàn)突變時間持續(xù)到２０２３年的關(guān)鍵詞， 說明對人工智能技術(shù)在管理領(lǐng)域中應(yīng)用的研究， 近三年來并未形成學者們集中關(guān)注的問題。

七、研究結(jié)論與未來研究展望

（一） 研究結(jié)論

本文運用ＣｉｔｅＳｐａｃｅ 軟件對來源于ＷＯＳ 核心合集的９１８ 篇英文文獻和來源于中國知網(wǎng)ＣＳＳＣＩ 數(shù)據(jù)庫的４９１ 篇中文文獻進行分析， 主要結(jié)論可總結(jié)成四個方面。

１. 國內(nèi)外文獻的年度發(fā)文量及高產(chǎn)作者發(fā)文數(shù)量的差異。在年度總體發(fā)文量方面， 國外英文文獻總體數(shù)量增勢相對明顯； 在高產(chǎn)作者發(fā)文數(shù)量方面，英文文獻的高產(chǎn)作者發(fā)文數(shù)量趨于平均， 而國內(nèi)中文高產(chǎn)作者發(fā)文數(shù)量則差異較大。由此可進一步對比分析國內(nèi)外學術(shù)界在科研產(chǎn)出、合作模式上的差異。

２. 國內(nèi)外文獻研究熱點與主題分布的差異。在研究熱點方面， 國外英文文獻更關(guān)注微觀層面， 而國內(nèi)中文文獻則更注重宏觀層面。例如， 國外研究多關(guān)注“技術(shù)” “管理” “績效” “信息技術(shù)” 等，而國內(nèi)研究重點關(guān)注“數(shù)字經(jīng)濟” “就業(yè)” “制造業(yè)” 等。這可能反映了國外學術(shù)界對于具體技術(shù)或管理策略的深入研究和實際應(yīng)用的興趣， 而國內(nèi)研究更偏向于探討更廣泛的經(jīng)濟和社會問題， 及這些問題如何產(chǎn)生影響或被特定領(lǐng)域（如數(shù)字經(jīng)濟和制造業(yè)） 影響。在主題分布方面， 國內(nèi)外都注重對于基礎(chǔ)概念與應(yīng)用實踐的研究。但國外英文文獻在應(yīng)用實踐方面重點關(guān)注人工智能技術(shù)在人力資源領(lǐng)域的應(yīng)用， 并且對于應(yīng)用感知及意愿的相關(guān)研究更為廣泛。而國內(nèi)中文文獻則在應(yīng)用實踐方面對企業(yè)、個體角度的人工智能技術(shù)應(yīng)用都有探討， 并且更加注重就業(yè)替代的相關(guān)研究。此結(jié)果表明， 國外相關(guān)研究可能更側(cè)重于優(yōu)化和整合現(xiàn)有的ＡＩ 技術(shù)， 以提高效率和效果； 而國內(nèi)相關(guān)研究則可能更關(guān)注ＡＩ 技術(shù)帶來的宏觀社會經(jīng)濟變化， 以及如何在這些變化中找到新的機遇和挑戰(zhàn)。

３. 國內(nèi)外高被引文獻的差異。對比發(fā)現(xiàn)國外研究主題偏重人工智能技術(shù)的應(yīng)用實踐， 而國內(nèi)研究主題偏重人工智能技術(shù)的應(yīng)用影響。具體來說， 國外的基礎(chǔ)研究主題主要關(guān)注人工智能技術(shù)應(yīng)用方式的觀念、未來影響預(yù)測與趨勢分析、實踐應(yīng)用框架與模型， 而國內(nèi)的基礎(chǔ)研究主題則更加關(guān)注人工智能技術(shù)應(yīng)用的企業(yè)、產(chǎn)業(yè)及社會層面。分析其原因，很可能是發(fā)達國家由于技術(shù)基礎(chǔ)設(shè)施和市場環(huán)境成熟， 更傾向于探索ＡＩ 技術(shù)的創(chuàng)新應(yīng)用和理論模型，強調(diào)實踐應(yīng)用和未來趨勢。相比之下， 發(fā)展中國家更關(guān)注ＡＩ 技術(shù)對社會經(jīng)濟的影響， 重視其在企業(yè)、產(chǎn)業(yè)和社會層面的應(yīng)用， 反映了對現(xiàn)實影響和政策導(dǎo)向的關(guān)注。

４. 國內(nèi)外研究的發(fā)展趨勢的差異。對比發(fā)現(xiàn)，國外英文文獻關(guān)注的研究領(lǐng)域更為前沿， 而國內(nèi)研究關(guān)注的焦點還在人工智能技術(shù)的基礎(chǔ)應(yīng)用階段。例如， 英文文獻的熱點話題有“驅(qū)動力” “服務(wù)型機器人” “整合” 以及“用戶接受度” 等， 而國內(nèi)中文相關(guān)文獻中“大數(shù)據(jù)” “云計算” 以及“智能制造” 等研究主題十分活躍。分析其原因， 國外以發(fā)達國家為代表的經(jīng)濟和科技發(fā)展水平相對較高， 通常擁有更成熟的科技基礎(chǔ)和更強大的研究資金支持，這為學者探索更前沿的研究領(lǐng)域奠定了良好基礎(chǔ)。例如， 服務(wù)型機器人和用戶接受度研究需要復(fù)雜的技術(shù)基礎(chǔ)和跨學科的方法， 這在經(jīng)濟更發(fā)達、科技更先進的國家更容易實現(xiàn)。相較而言， 國內(nèi)學術(shù)領(lǐng)域的研究文獻更多地集中在ＡＩ 技術(shù)的基礎(chǔ)應(yīng)用階段， 這可能是由于國內(nèi)市場在某些領(lǐng)域還處于成長和探索階段。例如， 大數(shù)據(jù)、云計算和智能制造不僅在中國商業(yè)應(yīng)用中非?；钴S， 也代表了經(jīng)濟發(fā)展的未來方向。

（二） 未來研究展望

本文研究范圍為２００３ 年至２０２３ 年的ＷＯＳ 和ＣＮＫＩ 數(shù)據(jù)庫， 未來可以考慮增加其他數(shù)據(jù)庫中的文獻進行分析。此外， 本文認為人工智能技術(shù)在組織管理領(lǐng)域未來可能的研究方向包括：

１. 量表開發(fā)與測量結(jié)構(gòu)的驗證。人工智能技術(shù)在組織管理中的應(yīng)用日益豐富， 但目前的量表研究多關(guān)注顧客及員工對人工智能技術(shù)的應(yīng)用意愿。例如， 服務(wù)機器人集成意愿量表［１５］ 、人機協(xié)作運行功能量表［１０］ 等。因此， 更深入地探討人工智能技術(shù)在組織管理中的應(yīng)用， 需要開發(fā)專門的量表并進行科學測量結(jié)構(gòu)的驗證。例如， 分不同層次來開發(fā)更具適用性的量表。具體來說， 可從個體層面關(guān)注個體對人工智能技術(shù)應(yīng)用認知、應(yīng)用感知的評價等變量測量?；驈慕M織或團隊層面評估人工智能技術(shù)的應(yīng)用程度及應(yīng)用效果。此外， 也可從行業(yè)層面評估人工智能技術(shù)在整個行業(yè)中的普及程度和影響力。

２. 擴展理論的應(yīng)用， 以探索人工智能技術(shù)在組織中新的研究機制。首先， 可以進一步探索組織中人工智能技術(shù)應(yīng)用的前因變量。在以往研究中， 前因變量主要有主觀上的服務(wù)維度感知價值、移情、信息共享等和客觀上的人工智能任務(wù)技術(shù)匹配度等。未來研究還可以考慮一些新的前因變量。例如， 資源依賴理論提出， 組織要維持生存， 就要設(shè)法從外部環(huán)境中獲取其發(fā)展所必需的資源。因此， 可以探討組織競爭優(yōu)勢， 如組織創(chuàng)新能力等對組織中人工智能技術(shù)應(yīng)用的影響。其次， 可進一步探索組織中人工智能技術(shù)應(yīng)用的后果變量。以往研究的后果變量有消費者態(tài)度和行為、知識創(chuàng)造等。未來研究可以探索人工智能技術(shù)應(yīng)用導(dǎo)致的組織文化塑造、員工或組織創(chuàng)新能力等。例如， 資源保存理論認為個體會進行資源投資， 以此來保護現(xiàn)有資源免受損失。個體的資源投資是其應(yīng)對壓力的方式之一， 因此可以探討人工智能技術(shù)應(yīng)用作為一種員工資源投資方式［１９］ 對其積極行為的影響。此外， 也可采用多樣化的研究方法以豐富研究設(shè)計?，F(xiàn)有研究多以單一方法或質(zhì)性研究為主［２］ 。未來的研究可以采用多方法的研究設(shè)計， 結(jié)合定性和定量的研究方法豐富研究設(shè)計。

３. 拓展研究視角。以往學者研究人工智能技術(shù)應(yīng)用對勞動就業(yè)、勞動替代等的影響， 而少有關(guān)注技術(shù)應(yīng)用引發(fā)的其他問題， 如倫理風險、決策風險以及隱私與安全問題。具體來說， 第一， 人工智能技術(shù)的發(fā)展和應(yīng)用應(yīng)符合道德規(guī)范和社會價值［２０］ 。在應(yīng)用中， 人工智能系統(tǒng)表現(xiàn)出智能行為， 但并不具備真正的意識及道德判斷能力。如何避免和解決由此引發(fā)的責任問題需要進一步研究。第二， 可關(guān)注人工智能技術(shù)應(yīng)用引發(fā)的決策風險。由于ＡＩ 決策時數(shù)據(jù)不全面或存在偏見、人類決策對ＡＩ 的過度依賴、以及ＡＩ 算法透明度和可解釋性受限等因素， 可能會導(dǎo)致決策不公平或不準確［２１］ 。例如， 利用ＡＩ 進行市場趨勢分析和消費者行為預(yù)測時， 如果輸入數(shù)據(jù)不全面或算法存在偏差， 可能導(dǎo)致營銷策略偏離目標客戶群體的實際需求， 從而影響銷售效果和品牌聲譽。第三， 可探討人工智能技術(shù)應(yīng)用造成的隱私與安全問題。人工智能技術(shù)的發(fā)展和廣泛應(yīng)用使得大量個人或企業(yè)數(shù)據(jù)被收集、分析和共享。首先，這些數(shù)據(jù)受到未經(jīng)授權(quán)的訪問、泄露或濫用， 可能導(dǎo)致隱私權(quán)侵犯以及安全威脅。其次， 通過對大量用戶數(shù)據(jù)的分析， 可以識別和推測用戶態(tài)度［２２］ 。這些推測可能被濫用于未經(jīng)授權(quán)的輿論操縱、廣告定向等。此外， 由人工智能技術(shù)應(yīng)用引發(fā)的未知風險也不容忽視， 因為未來最大的風險通常而言都是目前無人談?wù)撘埠茈y去準備的。

參考文獻：

［１］王科俊， 趙彥東， 邢向磊. 深度學習在無人駕駛汽車領(lǐng)域應(yīng)用的研究進展［Ｊ］. 智能系統(tǒng)學報， ２０１８， １３（１）.

［２］王振源， 姚明輝. 工作場所人機協(xié)作對員工影響的研究述評［Ｊ］. 外國經(jīng)濟與管理， ２０２２， ４４（９）.

［３］ ＭＣＣＡＵＬＥＹ Ｎ， ＡＬＡ Ｍ. ＴＨＥ ＵＳＥ ＯＦ ＥＸＰＥＲＴ ＳＹＳＴＥＭＳ ＩＮ ＴＨＥ ＨＥＡＬＴＨ－ＣＡＲＥ ＩＮＤＵＳＴＲＹ ［Ｊ］. ＩＮＦＯＲＭＡＴＩＯＮ ＆ ＭＡＮＡＧＥＭＥＮＴ， １９９２，２２（４）.

［４］蔡蘭， 郭順生. 智能調(diào)度問題的綜述和方法研究［Ｊ］. 科技進步與對策， ２００４， （１０）.

［５］ ＭＡＬＩＫ Ａ， ＢＵＤＨＷＡＲ Ｐ， ＭＯＨＡＮ Ｈ， ＥＴ ＡＬ. ＥＭＰＬＯＹＥＥ ＥＸＰＥＲＩＥＮＣＥ – ＴＨＥ ＭＩＳＳＩＮＧ ＬＩＮＫ ＦＯＲ ＥＮＧＡＧＩＮＧ ＥＭＰＬＯＹＥＥＳ： ＩＮＳＩＧＨＴＳＦＲＯＭ ＡＮ ＭＮＥ＇Ｓ ＡＩ ‐ ＢＡＳＥＤ ＨＲ ＥＣＯＳＹＳＴＥＭ ［Ｊ］. ＨＵＭＡＮ ＲＥＳＯＵＲＣＥ ＭＡＮＡＧＥＭＥＮＴ， ２０２３， ６２（１）.

［６］邱玥， 何勤. 人工智能對就業(yè)影響的研究進展與中國情景下的理論分析框架［Ｊ］. 中國人力資源開發(fā)， ２０２０， ３７（２）.

［７］洪銀興， 任保平. 數(shù)字經(jīng)濟與實體經(jīng)濟深度融合的內(nèi)涵和途徑［Ｊ］. 中國工業(yè)經(jīng)濟， ２０２３， （２）.

［８］鄧悅， 蔣琬儀. 工業(yè)機器人、管理能力與企業(yè)技術(shù)創(chuàng)新［Ｊ］. 中國軟科學， ２０２２， （１１）.

［９］韓青江， 韓民春. 機器人技術(shù)進步對勞動力市場與社會福利的影響研究［Ｊ］. 技術(shù)經(jīng)濟， ２０２１， ４０（１）.

［１０］劉澤雙， 韓金， 王一帆. 智能制造人機協(xié)作運行功能標準模型研究［Ｊ］. 科技進步與對策， ２０２２， ３９（２０）.

［１１］ ＮＩＬＳＳＯＮ Ｎ Ｊ. ＰＲＯＢＬＥＭ－ＳＯＬＶＩＮＧ ＭＥＴＨＯＤＳ ＩＮ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ ［Ｍ］. ＮＥＷ ＹＯＲＫ： ＭＣＧＲＡＷ－ＨＩＬＬ，１９７１.

［１２］ ＲＡＩＳＣＨ Ｓ， ＫＲＡＫＯＷＳＫＩ Ｓ. ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ ＡＮＤ ＭＡＮＡＧＥＭＥＮＴ： ＴＨＥ ＡＵＴＯＭＡＴＩＯＮ－ＡＵＧＭＥＮＴＡＴＩＯＮ ＰＡＲＡＤＯＸ ［ Ｊ］. Ａ?ＣＡＤＥＭＹ ＯＦ ＭＡＮＡＧＥＭＥＮＴ ＲＥＶＩＥＷ， ２０２１， ４６（１）.

［１３］ ＺＨＡＮＧ Ｋ， ＣＨＥＮ Ｙ， ＬＩ Ｃ. ＤＩＳＣＯＶＥＲＩＮＧ ＴＨＥ ＴＯＵＲＩＳＴＳ＇ ＢＥＨＡＶＩＯＲＳ ＡＮＤ ＰＥＲＣＥＰＴＩＯＮＳ ＩＮ Ａ ＴＯＵＲＩＳＭ ＤＥＳＴＩＮＡＴＩＯＮ ＢＹ ＡＮＡＬＹＺ?ＩＮＧ ＰＨＯＴＯＳ＇ ＶＩＳＵＡＬ ＣＯＮＴＥＮＴ ＷＩＴＨ Ａ ＣＯＭＰＵＴＥＲ ＤＥＥＰ ＬＥＡＲＮＩＮＧ ＭＯＤＥＬ： ＴＨＥ ＣＡＳＥ ＯＦ ＢＥＩＪＩＮＧ ［Ｊ］. ＴＯＵＲＩＳＭ ＭＡＮＡＧＥＭＥＮＴ，２０１９， ７５（１２）.

［１４］ ＷＩＲＴＺ Ｊ， ＰＡＴＴＥＲＳＯＮ Ｐ Ｇ， ＫＵＮＺ Ｗ Ｈ， ＥＴ ＡＬ. ＢＲＡＶＥ ＮＥＷ ＷＯＲＬＤ： ＳＥＲＶＩＣＥ ＲＯＢＯＴＳ ＩＮ ＴＨＥ ＦＲＯＮＴＬＩＮＥ ［Ｊ］. ＪＯＵＲＮＡＬ ＯＦ ＳＥＲＶ?ＩＣＥ ＭＡＮＡＧＥＭＥＮＴ， ２０１８， ２９（５）.

［１５］ ＬＵＬ， ＣＡＩ Ｒ， ＧＵＲＳＯＹ Ｄ. ＤＥＶＥＬＯＰＩＮＧ ＡＮＤ ＶＡＬＩＤＡＴＩＮＧ Ａ ＳＥＲＶＩＣＥ ＲＯＢＯＴ ＩＮＴＥＧＲＡＴＩＯＮ ＷＩＬＬＩＮＧＮＥＳＳ ＳＣＡＬＥ ［Ｊ］. ＩＮＴＥＲＮＡＴＩＯＮ?ＡＬ ＪＯＵＲＮＡＬ ＯＦ ＨＯＳＰＩＴＡＬＩＴＹ ＭＡＮＡＧＥＭＥＮＴ， ２０１９， ８０（７）.

［１６］楊學成， 劉雯雯. 智能商業(yè)中的非線性價值共創(chuàng)機理［Ｊ］. 科技管理研究， ２０２２， ４２（１４）.

［１７］黎靜儀， 李先國， 黃元豪. 人臉識別技術(shù)對消費者獨特性尋求的影響［Ｊ］. 管理科學， ２０２２， ３５（２）.

［１８］王君， 張于喆， 張義博， 等. 人工智能等新技術(shù)進步影響就業(yè)的機理與對策［Ｊ］. 宏觀經(jīng)濟研究， ２０１７， （１０）.

［１９］張恒， 高中華， 李慧玲. 增益還是損耗：人工智能技術(shù)應(yīng)用對員工創(chuàng)新行為的“雙刃劍”效應(yīng)［Ｊ］. 科技進步與對策， ２０２３， ４０（１８）.

［２０］張兆翔， 張吉豫， 譚鐵牛. 人工智能倫理問題的現(xiàn)狀分析與對策［Ｊ］. 中國科學院院刊， ２０２１， ３６（１１）.

［２１］唐要家， 唐春暉. 基于風險的人工智能監(jiān)管治理［Ｊ］. 社會科學輯刊， ２０２２， （１）.

［２２］ ＧＨＯＳＨ Ｉ， ＳＩＮＧＨ Ｖ. ＰＨＯＮＥＳ， ＰＲＩＶＡＣＹ， ＡＮＤ ＰＲＥＤＩＣＴＩＯＮＳ： Ａ ＳＴＵＤＹ ＯＦ ＰＨＯＮＥ ＬＯＧＧＥＤ ＤＡＴＡ ＴＯ ＰＲＥＤＩＣＴ ＰＲＩＶＡＣＹ ＡＴＴＩＴＵＤＥＳＯＦ ＩＮＤＩＶＩＤＵＡＬＳ ［Ｊ］. ＯＮＬＩＮＥ ＩＮＦＯＲＭＡＴＩＯＮ ＲＥＶＩＥＷ， ２０２０， ４４（２）.