"人工智能能力—商业模式创新"：协同进化

文献来源：David Sjodina, Vinit Parida, Maximilian Palmie, Joakim Wincent.How AI capabilities enable business model innovation: Scaling AI through co-evolutionary processes and feedback loops[J].Journal of Business Research.2021:574-587.

后台发送“20211213”，即可获取原文献PDF版。

人工智能技术的扩散为拥抱数字化服务逻辑的工业生态系统中产品、服务、流程和商业模式的创新带来前景。工业企业利用人工智能等数字化技术提供增值服务，推进了商业模式的创新和数字化服务的发展。然而，许多企业并未很好的将人工智能整合到其价值创造和传递过程中，这为本文研究提供了思路。首先，有必要进一步研究工业企业如何开发人工智能能力，即企业成功实施人工智能的不同以往的惯例和知识积累活动；其次，有必要进一步研究能有效利用人工智能在更大范围内推动商业模式创新的原则，即如何将人工智能服务从最初的概念验证扩展到更广泛的客户群体。

总而言之，人工智能能力的发展具有巨大潜力，可以推动商业模式创新，为制造商提供数字服务化竞争力。然而，这一转变面临着许多不确定性挑战，鲜有研究对此进行讨论。本研究目的在于探索工业企业如何发展人工智能能力和商业模式创新，以拓展其数字化服务能力。研究基于六家已成功应用人工智能解决方案实现数字化服务的工业企业的深入案例。研究发现在人工智能能力开发和人工智能驱动的商业模式创新方面联合投资的必要性，本研究对与人工智能相关的管理创新研究具有重要意义。

人工智能对工业企业数字化转型产生深远影响。数字化服务（Digital servitization ）是工业企业及其相关生态系统中产品、流程、服务和商业模式的转变，以逐步创造、交付和捕获由数字技术带来的服务价值增值。因此，数字化服务过程是商业模式创新的工业组织转型过程，其中人工智能(能力)成为关键的使能者。人工智能技术能通过从大型复杂数据集收集有价值的见解，为组织决策提供支持，改变企业价值主张，以精准迎合用户需求。

现有研究逐步开始探索人工智能对企业管理决策的影响。然而，关于工业企业如何能有效利用好人工智能，并向人工智能驱动的商业模式转型，目前缺乏研究。企业缺乏人工智能能力是人工智能应用的最大挑战。在有关组织能力的研究中，组织能力被认为是企业可持续竞争优势的来源。但迄今为止，学者和实践者对企业获取人工智能潜力所需的能力没有明确的界定，多数学者采用相当广泛的视角，认为人工智能的整合除需要数据科学和技术能力外，还需要战略(业务)能力。

工业制造企业如何通过将人工智能能力应用到其业务中来创新商业模式？商业模式描述了公司的“价值创造、交付和获取的机制设计”。因此，本研究探索工业企业如何应用人工智能来影响其商业价值创造、价值交付和价值获取过程。从人工智能等数字能力中获利“与其说是一项技术挑战，不如说是一项利用知识创造组织知识、不断优化数字技术价值的挑战”。

研究方法为探索性多案例研究。研究对象来自在全球活跃的瑞典B2B供应商及其从事数字化服务的合作伙伴。研究样本包括四个行业(制造业、航运、建筑业和采矿业)的6家企业案例。

数据来自于对活跃于数字化服务的企业和数字化合作伙伴的参与者进行个人深度访谈。通过滚雪球抽样来确定受访者，最终总共对42名重要参与者进行了访谈。受访者包括数字业务开发人员、研发经理、平台经理、项目经理、产品经理和服务交付人员，每次访谈时间约为60-120分钟。此外，还通过整理该企业文件资料对受访者观点进行三角补充验证分析。

研究基于主题编码分析方法。第一步对原始数据(即访谈记录)进行深入分析，通过对受访者提及的常用词汇、短语、术语进行归纳，确定一阶编码；第二步进一步检查一级编码，提炼它们之间的联系，以确定二级编码；第三步生成表示更高抽象级别的聚合维度编码，形成关于人工智能能力如何影响商业模式创新的故事线。

4.1.1数据管道能力（Data pipeline capabilities）。实现这一目标的第一步是开发来自工业设备资产和传感器的高质量数据资源。第二步是确保数据的安全共享，以实时远程监控机器性能的各个方面。第三步是整合来自多种内部和外部来源数据，建立结构化数据库平台。

4.1.2算法开发能力（Algorithm development capabilities）。通过开发预测企业未来状态或行为的算法，创造AI的基本认知功能，一个关键步骤是强调人工智能开发的情境化，另一个重要步骤涉及人工智能操作和重新配置的常规，让对应用领域有清晰行业理解的员工参与建立和培训人工智能模型至关重要。

4.1.3人工智能民主化能力（AI democratization capabilities）。人工智能民主化能力的重点是让全体员工参与到有价值的人工智能应用中，以创建数据驱动的见解，并在员工间建立对人工智能的共同信任。

4.2.1敏捷客户共同创造（Agile customer co-creation）。关注价值创造过程，通过开发能够迅速扩大公司使用人工智能支持客户的范围的流程，同时通过模块化方法降低复杂性，以确保AI的可扩展性和利润潜力。

4.2.2数据驱动的交付操作（Data-driven delivery operations）。关注价值交付过程，在运营和战略决策中使用来自人工智能的数据，实现持续改进、学习和创新。许多公司通过建立远程数据监控中心，以实现对客户和内部服务运营的实时支持。

4.2.3可拓展的生态系统集成（Scalable ecosystem integration）。关注价值获取过程，通过扩展伙伴关系，刺激业务单元、客户和生态系统参与者以更快速方式共同生产新产品服务，确定开放解决方案配置的优先级。

4.3.1发展相互依存的人工智能能力。强调不同人工智能能力（即数据管道、算法开发和人工智能民主化能力）之间的相互依赖的协同效应以及反馈循环。

4.3.2通过人工智能驱动的商业模式创新原则确保可扩展性。企业需要积极转变和创新其商业模式，可扩展的人工智能商业模式转型由三个基本原则驱动:敏捷的客户共同创造，数据驱动的交付运营，可扩展的生态系统集成。

4.3.3进行人工智能驱动的商业模式创新。人工智能能力和商业模式创新共同进化，人工智能能力、产品服务、运营流程、伙伴关系和商业模式随时间推移迭代演进。

第一，理论贡献。探索工业企业如何发展人工智能能力和商业模式创新，以深化数字化服务。为提供数字化服务的企业走向人工智能驱动的商业模式创新的研究提供见解，补充人工智能、数字服务化和商业模式创新相关研究。

第二，管理贡献。人工智能是推动数字化的引擎，很多企业都在致力于人工智能驱动的转型。但事实上，在人工智能领域，“大多数公司的野心和执行力之间的差距很大”，因此提高管理者对人工智能能力的理解十分重要。

第三，研究展望。思考研究结果的普适性，特别是不同规模企业进行B2B和B2C的商业模式创新原则的不同。思考不同行业应用人工智能能力进行数字化服务转型的差异。思考生态系统的协同、治理以及人工智能能力在推动企业共享、可持续发展等方面的作用。