DOI: https://doi.org/10.1007/s10479-025-06534-7
تاريخ النشر: 2025-02-28
المؤلف: Emilia Vann Yaroson وآخرون
الموضوع الرئيسي: مرونة سلسلة التوريد وإدارة المخاطر
نظرة عامة
تبحث ورقة البحث في دور التعاون بين الإنسان والذكاء الاصطناعي (CAIT) في تحسين نتائج سلسلة التوريد، مع التركيز بشكل خاص على رفاهية سلسلة التوريد (SCWB) وأداء الأعمال المستدام (SBP). تفترض الدراسة أن أنظمة الذكاء الاصطناعي المسؤول (RAI) يمكن أن تتوسط العلاقة بين CAIT وهذه النتائج، مع معالجة التحديات الأخلاقية والتكنولوجية والتنظيمية المختلفة. باستخدام وجهة النظر القائمة على الموارد (RBV) وإطارات النظام الاجتماعي-التقني (STS)، قام المؤلفون بتحليل بيانات استبيان من 301 مدير سلسلة توريد في المملكة المتحدة. كشفت النتائج عن علاقة مباشرة غير ذات دلالة إحصائية بين CAIT ونتائج سلسلة التوريد، لكنها أكدت الدور الوسيط لـ RAI، مما يشير إلى أن CAIT هو مورد جوهري يتطلب تصميمًا دقيقًا وتوافقًا مع أهداف سلسلة التوريد ليكون فعالًا.
تسلط الدراسة أيضًا الضوء على تعقيد التفاعلات بين الإنسان والذكاء الاصطناعي ضمن CAIT، مع التأكيد على الحاجة إلى استراتيجيات ذكاء اصطناعي تعاونية تأخذ في الاعتبار المساءلة والعدالة والاستدامة. بينما تسهم الأبحاث في الأدبيات حول الذكاء الاصطناعي في سلاسل التوريد من خلال إظهار أهمية RAI في سد الفجوات التشغيلية والأخلاقية، تعترف بوجود قيود مثل التمثيل غير المتساوي للصناعات في العينة والحاجة إلى مزيد من الاستكشاف لمقدمات CAIT. تشمل اتجاهات البحث المستقبلية دراسة سياقات صناعية محددة، وفهم ديناميات التفاعلات المتعددة المستويات بين الإنسان والذكاء الاصطناعي، وتطوير أطر حوكمة لـ CAIT وRAI لتعزيز الأداء المستدام عبر مختلف الأنشطة التنظيمية.
مقدمة
تناقش مقدمة هذه الورقة البحثية تعقيدات إدارة سلاسل التوريد (SC) في مواجهة الاضطرابات غير المتوقعة، مع التأكيد على أهمية رفاهية سلسلة التوريد (SCWB) وأداء الأعمال المستدام (SBP). يتميز SCWB بأنه مفهوم متعدد الأبعاد يدمج المرونة وعوامل اجتماعية واقتصادية متنوعة، بينما يتطلب SBP دمج قيم الاستدامة لتحقيق ميزة تنافسية. تسلط الورقة الضوء على دور الذكاء الاصطناعي (AI) كمورد تحويلي يعزز نتائج SC من خلال قدراته التنبؤية والتحليلية، مشيرة إلى أمثلة من شركات مثل أمازون وUPS التي استخدمت الذكاء الاصطناعي بنجاح لتحسين العمليات.
ومع ذلك، تتناول المقدمة أيضًا التحديات الكبيرة المرتبطة بالذكاء الاصطناعي، بما في ذلك قضايا شفافية البيانات والتحيز والآثار الأخلاقية التي تعقد دمجه في إدارة سلسلة التوريد. يدعو المؤلفون إلى استراتيجيات التعاون بين الإنسان والذكاء الاصطناعي (CAIT) كوسيلة للتخفيف من هذه التحديات، مقترحين أن التعاون الفعال بين الحكم البشري وأنظمة الذكاء الاصطناعي يمكن أن يؤدي إلى تحسين اتخاذ القرارات والابتكار. تهدف الدراسة إلى استكشاف العلاقة بين CAIT ونتائج SC، وخاصة كيف يمكن أن تعزز الذكاء الاصطناعي المسؤول (RAI) هذه العلاقة. من خلال تأصيل البحث في نظرية الموارد القائمة على الموارد (RBV) ونظم الاجتماعية-التقنية (STS)، يسعى المؤلفون إلى سد فجوة في الأدبيات بشأن الآليات التي يمكن من خلالها أن يؤدي التعاون بين الإنسان والذكاء الاصطناعي إلى نتائج تجارية ناجحة، مما يسهم في مجالات الذكاء الاصطناعي وإدارة سلسلة التوريد على حد سواء.
الطرق
تحدد قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. استخدمت الدراسة مجموعة من الطرق الكمية والنوعية، بما في ذلك التجارب المنضبطة والاستبيانات، لجمع بيانات شاملة. تم اختيار المشاركين من خلال أخذ عينات طبقية لضمان التمثيل عبر الفئات الديموغرافية الرئيسية، وتم تحديد حجم العينة بناءً على تحليل القوة لتحقيق دلالة إحصائية.
شمل تحليل البيانات تطبيق تقنيات إحصائية متنوعة، بما في ذلك تحليل الانحدار وANOVA، لتقييم العلاقات بين المتغيرات. تم تحليل البيانات النوعية باستخدام التحليل الموضوعي لتحديد الأنماط والمواضيع المتكررة. كما شملت المنهجية إجراءات تحقق صارمة لضمان موثوقية وصدق النتائج، مثل التحقق المتبادل ومراجعة الأقران. بشكل عام، تم تصميم الإطار المنهجي لتوفير نتائج قوية وقابلة للتكرار تسهم في المعرفة الموجودة في هذا المجال.
النتائج
في هذه الدراسة، تم استخدام نمذجة المعادلات الهيكلية باستخدام المربعات الجزئية (PLS-SEM) لتحليل البيانات، بما يتماشى مع توصيات وولف وآخرون (2013) وسيديريديس وآخرون (2014) بسبب تعقيد النموذج وغياب الافتراضات السابقة. كان الهدف الرئيسي هو تعزيز القدرة على التنبؤ، وهي نقطة قوة لـ PLS-SEM كما أشار سارستيد وآخرون (2020). أكدت التحليلات كفاية العينة، حيث بلغ حجم العينة 301 مستجيب، مما تجاوز الحد الأدنى المطلوب البالغ 250 لتحقيق القوة الإحصائية المطلوبة.
كشف التحليل الديموغرافي أن الغالبية العظمى من المستجيبين كانوا من الذكور (59.8%)، مع تمثيل كبير لمديري العمليات/الإنتاج (50.8%). تنوعت أحجام الشركات، حيث أفاد 61.8% بأن حجم مبيعاتهم السنوية يتجاوز 600 مليون جنيه إسترليني. أشار توزيع الصناعة إلى هيمنة الشركات الخدمية (57.8%)، تليها الصحة/الأدوية (10.3%) والتصنيع (9.96%). تم استخدام نهج تكويني عاكس من مرحلتين، مع التركيز أولاً على المكونات ذات الترتيب الأدنى لاشتقاق البنى ذات الترتيب الأعلى، كما أوضح بيكر وآخرون (2012) وبدعم من سارستيد وآخرون (2020) وويتزلز وآخرون (2009).
المناقشة
تتناول قسم المناقشة في الورقة التفاعل بين استراتيجيات التعاون بين الإنسان والذكاء الاصطناعي (CAIT) ورفاهية سلسلة التوريد (SCWB) وأداء الأعمال المستدام (SBP)، في سياق نظريات الذكاء الاصطناعي المسؤول (RAI) والنظم الاجتماعية-التقنية (STS). يتميز CAIT كنظام اجتماعي-تقني حيث يعمل البشر والذكاء الاصطناعي معًا لتعزيز اتخاذ القرارات والإنتاجية، مع التأكيد على أهمية الشفافية والاعتبارات الأخلاقية في نشر الذكاء الاصطناعي. تشير الأدبيات إلى أن CAIT الفعال يمكن أن يخفف من المخاطر المرتبطة بالذكاء الاصطناعي، مما يؤدي إلى تحسين النتائج في سلاسل التوريد من خلال تعزيز المرونة والاستدامة والممارسات الأخلاقية بين أصحاب المصلحة.
توضح القسم أيضًا SCWB كنهج شامل يوازن بين الكفاءة التشغيلية والاعتبارات الأخلاقية، بينما يركز SBP على دمج الاستدامة في ممارسات الأعمال. يبرز كلا المفهومين التحديات المتمثلة في مواءمة الربحية قصيرة الأجل مع أهداف الاستدامة طويلة الأجل، خاصة في بيئات سلاسل التوريد المتنوعة والمعقدة. يجادل المؤلفون بأن دمج تقنيات الذكاء الاصطناعي يمكن أن يسهل إدارة أفضل لهذه التحديات، على الرغم من أن المخاوف بشأن الشفافية والمساءلة في أنظمة الذكاء الاصطناعي لا تزال قائمة. تفترض الدراسة أن CAIT يعمل كمورد جوهري يمكن، عند استغلاله بشكل فعال، أن يؤدي إلى نتائج إيجابية في SC، وبالتالي تدعو إلى فهم أكثر شمولاً للديناميات الاجتماعية-التقنية التي تلعب دورًا في التعاون بين الإنسان والذكاء الاصطناعي.
DOI: https://doi.org/10.1007/s10479-025-06534-7
Publication Date: 2025-02-28
Author(s): Emilia Vann Yaroson et al.
Primary Topic: Supply Chain Resilience and Risk Management
Overview
The research paper investigates the role of human-artificial intelligence collaboration (CAIT) in optimizing supply chain outcomes, specifically focusing on supply chain wellbeing (SCWB) and sustainable business performance (SBP). The study posits that responsible AI (RAI) systems can mediate the relationship between CAIT and these outcomes, addressing various ethical, technological, and organizational challenges. Utilizing the resource-based view (RBV) and socio-technical system (STS) frameworks, the authors analyzed survey data from 301 supply chain managers in the UK. The findings revealed a statistically insignificant direct relationship between CAIT and supply chain outcomes, but confirmed the mediating role of RAI, suggesting that CAIT is an intrinsic resource that requires careful design and alignment with supply chain goals to be effective.
The study also highlights the complexity of human-AI interactions within CAIT, emphasizing the need for collaborative AI strategies that consider accountability, fairness, and sustainability. While the research contributes to the literature on AI in supply chains by demonstrating the importance of RAI in bridging operational and ethical gaps, it acknowledges limitations such as the uneven representation of industries in the sample and the need for further exploration of the antecedents of CAIT. Future research directions include examining specific industry contexts, understanding the dynamics of multi-level human-AI interactions, and developing governance frameworks for CAIT and RAI to enhance sustainable performance across various organizational activities.
Introduction
The introduction of this research paper discusses the complexities of managing supply chains (SC) in the face of unpredictable disruptions, emphasizing the importance of Supply Chain Well-Being (SCWB) and Sustainable Business Performance (SBP). SCWB is characterized as a multifaceted concept that integrates resilience and various socio-economic factors, while SBP necessitates the incorporation of sustainability values for competitive advantage. The paper highlights the role of Artificial Intelligence (AI) as a transformative resource that enhances SC outcomes through its predictive and analytical capabilities, citing examples from companies like Amazon and UPS that have successfully utilized AI for operational improvements.
However, the introduction also addresses significant challenges associated with AI, including issues of data transparency, bias, and ethical implications that complicate its integration into supply chain management. The authors advocate for Human-AI Collaborative Strategies (CAIT) as a means to mitigate these challenges, proposing that effective collaboration between human judgment and AI systems can lead to improved decision-making and innovation. The study aims to explore the relationship between CAIT and SC outcomes, particularly how Responsible AI (RAI) can enhance this relationship. By grounding the research in the Resource-Based View (RBV) and Socio-Technical Systems (STS) theory, the authors seek to fill a gap in the literature regarding the mechanisms through which human-AI collaboration can yield successful business outcomes, ultimately contributing to both AI and supply chain management fields.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. The study utilized a combination of quantitative and qualitative methods, including controlled experiments and surveys, to gather comprehensive data. Participants were selected through stratified sampling to ensure representation across key demographics, and the sample size was determined based on power analysis to achieve statistical significance.
Data analysis involved the application of various statistical techniques, including regression analysis and ANOVA, to evaluate the relationships between variables. Qualitative data were analyzed using thematic analysis to identify recurring patterns and themes. The methodology also included rigorous validation procedures to ensure the reliability and validity of the findings, such as cross-validation and peer review. Overall, the methodological framework was designed to provide robust and replicable results that contribute to the existing body of knowledge in the field.
Results
In this study, Partial Least Squares Structural Equation Modelling (PLS-SEM) was employed to analyze the data, aligning with the recommendations of Wolf et al. (2013) and Sideridis et al. (2014) due to the model’s complexity and the absence of prior assumptions. The primary objective was to enhance predictability, a strength of PLS-SEM as noted by Sarstedt et al. (2020). The analysis confirmed sampling adequacy, with a sample size of 301 respondents, which surpassed the minimum requirement of 250 for achieving the desired statistical power.
Demographic analysis revealed that the majority of respondents were male (59.8%), with a significant representation of operations/production managers (50.8%). The firms varied in size, with 61.8% reporting an annual turnover exceeding £600 million. The industry distribution indicated a predominance of service-oriented firms (57.8%), followed by health/pharmaceuticals (10.3%) and manufacturing (9.96%). A two-stage reflective formative approach was utilized, focusing first on lower-order components to derive higher-order constructs, as outlined by Becker et al. (2012) and supported by Sarstedt et al. (2020) and Wetzels et al. (2009).
Discussion
The discussion section of the paper delves into the interplay between human-AI collaborative strategies (CAIT), supply chain well-being (SCWB), and sustainable business performance (SBP), framed within the context of responsible AI (RAI) and socio-technical systems (STS) theories. CAIT is characterized as a socio-technical system where humans and AI work together to enhance decision-making and productivity, emphasizing the importance of transparency and ethical considerations in AI deployment. The literature suggests that effective CAIT can mitigate risks associated with AI, leading to improved outcomes in supply chains by fostering resilience, sustainability, and ethical practices among stakeholders.
The section further outlines SCWB as a holistic approach that balances operational efficiency with ethical considerations, while SBP focuses on integrating sustainability into business practices. Both concepts highlight the challenges of aligning short-term profitability with long-term sustainability goals, particularly in diverse and complex supply chain environments. The authors argue that the integration of AI technologies can facilitate better management of these challenges, although concerns regarding transparency and accountability in AI systems remain prevalent. The study posits that CAIT serves as an intrinsic resource that, when effectively harnessed, can lead to favorable SC outcomes, thereby advocating for a more comprehensive understanding of the socio-technical dynamics at play in human-AI collaborations.