DOI: https://doi.org/10.5755/j01.ee.37.1.39916
تاريخ النشر: 2026-02-28
المؤلف: Xuexiu Li وآخرون
الموضوع الرئيسي: الاقتصاد الرقمي والتحول
نظرة عامة
تبحث هذه الدراسة في التفاعل بين اعتماد الذكاء الاصطناعي (AI) والتحول الرقمي (DT) بين الشركات المدرجة في البورصة العامة في الصين، مع التأكيد على أهميته في تعزيز ممارسات الأعمال المستدامة ضمن الاقتصاد الرقمي. باستخدام إطار متعدد النظريات يتضمن نظرية القدرات الديناميكية، ووجهة النظر القائمة على الموارد، ومنظور أنظمة الابتكار التكنولوجي، تحلل الدراسة مجموعة بيانات تتكون من 3,602 ملاحظة سنوية للشركات من 2010 إلى 2020 من خلال طرق اقتصادية متقدمة مثل اختبارات التكامل المشترك في بانل ويسترلوند وOLS الديناميكي.
تشير النتائج إلى وجود تكامل مشترك طويل الأجل وسببية ثنائية الاتجاه بين الذكاء الاصطناعي والتحول الرقمي، مما يشير إلى علاقة تعزز كل عنصر الآخر. ومن الجدير بالذكر أن الشركات الموجهة نحو التكنولوجيا تظهر مستويات أعلى من التحول، مما يبرز أن دمج الذكاء الاصطناعي لا يؤثر فقط على الاستراتيجيات الحالية للشركات ولكن أيضًا يشكل التحولات المستقبلية. توفر هذه النتائج رؤى قيمة للشركات وصانعي السياسات الذين يسعون للاستفادة من الابتكارات التكنولوجية للنمو التحويلي.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الأهمية المتزايدة للذكاء الاصطناعي (AI) والتحول الرقمي (DT) في بيئات الأعمال المعاصرة، حيث تواجه المنظمات تحديات كبيرة في الحفاظ على المزايا التنافسية. يُعرف الذكاء الاصطناعي بأنه قدرة الآلات على تقليد الذكاء البشري من خلال تقنيات مثل الشبكات العصبية وتعلم الآلة، ويُعتبر تكنولوجيا تحويلية تمكن الشركات من تحليل مجموعات بيانات كبيرة وتعزيز الكفاءة التشغيلية. من ناحية أخرى، يتضمن التحول الرقمي التطبيق الاستراتيجي للابتكارات الرقمية لإعادة تشكيل العمليات التجارية وتفاعلات العملاء بشكل جذري. يُفترض أن التفاعل بين الذكاء الاصطناعي والتحول الرقمي هو ثنائي الاتجاه، مما يشير إلى أنه بينما يمكن أن يدفع الذكاء الاصطناعي التحول، قد يسهل التحول نفسه اعتماد الذكاء الاصطناعي بشكل أكثر فعالية.
تهدف الدراسة إلى استكشاف هذه العلاقة المتبادلة في سياق الشركات الصينية من 2010 إلى 2020، باستخدام طرق اقتصادية متقدمة مثل اختبار التكامل المشترك في بانل ويسترلوند ونهج المربعات الصغرى العادية الديناميكية. من خلال التحقيق في الارتباط طويل الأجل والديناميات السببية بين الذكاء الاصطناعي والتحول الرقمي، تسعى الدراسة إلى تقديم فهم أكثر دقة لتداخلها، متحدية الأدبيات السابقة التي غالبًا ما تعاملت مع هذه المفاهيم بشكل منعزل. علاوة على ذلك، من المتوقع أن تكون النتائج لها آثار كبيرة على كل من الاستراتيجية المؤسسية والسياسة، مما يبرز الحاجة إلى توافق مبادرات الذكاء الاصطناعي مع جهود التحول الأوسع لتحسين التنفيذ وتعزيز الابتكار.
الطرق
توضح قسم المنهجية عملية جمع البيانات واختيار العينة للدراسة، مع التركيز على الشركات غير المالية المدرجة في بورصتي شنغهاي وشنتشن من 2010 إلى 2020. تم الحصول على مجموعة البيانات من أبحاث سابقة قام بها يانغ وآخرون (2025) وحسين وآخرون (2024)، بعد طلبات بيانات خاصة لضمان الدقة والموثوقية.
للحفاظ على سلامة البيانات، استبعد الباحثون الشركات المتداولة علنًا المصنفة كـ ST وST* وPT، بالإضافة إلى الشركات ذات البيانات غير المكتملة، مما أسفر عن عينة نهائية تتكون من 3602 ملاحظة سنوية بدون إدخالات مفقودة. تهدف هذه العملية الصارمة للاختيار إلى توفير أساس قوي للتحليل اللاحق.
النتائج
تكشف التحليلات التجريبية المقدمة في هذا القسم عن رؤى مهمة حول العلاقة بين الذكاء الاصطناعي (AI) والتحول الرقمي (DT) عبر مختلف الشركات. تشير الإحصائيات الوصفية إلى تباين كبير في جهود التحول الرقمي للشركات، مع متوسط مقياس التحول (Trans) يبلغ 1.109 وانحراف معياري قدره 1.319. تُظهر تحليل الارتباط علاقة إيجابية كبيرة بين مؤشرات الذكاء الاصطناعي (AIbin وAIlog) والتحول، مما يشير إلى أن زيادة الانخراط في الذكاء الاصطناعي تتوافق مع تعزيز جهود التحول الرقمي.
تشير تحليلات إضافية باستخدام اختبارات الاعتماد العرضي واختبارات الجذر الواحد إلى أنه بينما تكون المتغيرات ثابتة عند الفروق الأولى، إلا أنها لا تظهر أنماطًا كبيرة عند المستويات، مما يتطلب التركيز على التكامل المشترك. يؤكد اختبار التكامل المشترك في بانل ويسترلوند وجود علاقة متكاملة طويلة الأجل بين الذكاء الاصطناعي والتحول، بما يتماشى مع وجهة النظر القائمة على الموارد، التي تفترض أن هذه العناصر هي أصول استراتيجية تعزز بعضها البعض. تُظهر نتائج المربعات الصغرى العادية الديناميكية (DPOLS) أن التحول يؤثر إيجابيًا على مؤشرات الذكاء الاصطناعي والعكس صحيح، مما يبرز علاقة سببية ثنائية الاتجاه. تكشف تحليلات العينة الفرعية أن الشركات عالية التقنية تظهر ارتباطًا أقوى بين الذكاء الاصطناعي والتحول، مما يبرز دور الكثافة التكنولوجية في تشكيل هذه الديناميات. بشكل عام، تؤكد النتائج على التفاعل المعقد بين الذكاء الاصطناعي والتحول الرقمي، مما يشير إلى أن الاستثمارات الاستراتيجية للشركات في مجال واحد يمكن أن تؤثر بشكل كبير على الآخر، مما يعزز أهمية فهم هذه العلاقات في سياق نظرية القدرات الديناميكية.
المناقشة
تؤكد قسم المناقشة من الورقة البحثية على التفاعل الديناميكي بين اعتماد الذكاء الاصطناعي (AI) والتحول الرقمي (DT) داخل الشركات، لا سيما في سياق الشركات الصينية المدرجة في البورصة العامة. مستندة إلى نظرية القدرات الديناميكية، تفترض الدراسة أن الذكاء الاصطناعي يعمل كموارد استراتيجية تعزز قدرة الشركة على التكيف والابتكار استجابةً للتحديات الرقمية. يساهم إطار أنظمة الابتكار التكنولوجي (TIS) في وضع هذا العلاقة في السياق من خلال تسليط الضوء على تأثير الدعم المؤسسي ونضج الصناعة على انتشار التكنولوجيا. تكشف النتائج عن وجود سببين ثنائيين بين الذكاء الاصطناعي والتحول الرقمي، مما يشير إلى أنه بينما يمكن أن يسرع الذكاء الاصطناعي التحول الرقمي، فإن مبادرات التحول الناجحة تخلق أيضًا البنية التحتية اللازمة والاستعداد الثقافي لنشر الذكاء الاصطناعي بشكل فعال.
تتقدم البحث في الفهم النظري من خلال إعادة تعريف العلاقة بين الذكاء الاصطناعي والتحول الرقمي على أنها مترابطة وحساسة للسياق، متحدية النماذج الخطية التقليدية. من خلال استخدام تقنيات اقتصادية قوية، توضح الدراسة أن كل من الذكاء الاصطناعي والتحول الرقمي يتطوران معًا، مما يعزز كل منهما الآخر بمرور الوقت. تؤكد هذه العلاقة المتبادلة على أهمية رؤية الذكاء الاصطناعي والتحول الرقمي كمكونات متكاملة لنظام قدرة رقمية أوسع بدلاً من مبادرات معزولة. من منظور إداري، يتم تشجيع المنظمات على توافق مشاريع الذكاء الاصطناعي مع الأهداف التحولية الشاملة والاستثمار في القدرات الرقمية الأساسية. تشير الآثار السياسية إلى أنه ينبغي على الحكومات اعتماد استراتيجيات شاملة تدعم كل من تطوير الذكاء الاصطناعي والعوامل الممكنة الأساسية للتحول الرقمي، مصممة لتلبية الاحتياجات المحددة لمختلف القطاعات.
القيود
تسلط قيود هذه الدراسة الضوء على عدة مجالات حاسمة يجب أخذها في الاعتبار. أولاً، يعتمد استخدام طرق استخراج النصوص لقياس كثافة الذكاء الاصطناعي (AI) والتحول الرقمي (DT) من التقارير السنوية على جودة وتناسق الإفصاحات المؤسسية، مما قد يقدم تحيزات. ثانيًا، يقتصر التركيز على الشركات المدرجة في السوق الصينية A-share على تعميم النتائج على سياقات اقتصادية أو تنظيمية أخرى. علاوة على ذلك، بينما تشير الطرق الاقتصادية المستخدمة إلى الاتجاه والعلاقات طويلة الأجل، إلا أنها لا توضح الآليات السببية—مثل اتخاذ القرارات القيادية، ثقافة الابتكار، أو الهيكل التنظيمي—التي تتوسط التفاعل بين الذكاء الاصطناعي والتحول الرقمي.
لمعالجة هذه القيود، يمكن أن تستكشف الأبحاث المستقبلية عدة مسارات. يمكن أن توفر الأساليب النوعية أو المختلطة، بما في ذلك دراسات الحالة أو المقابلات، رؤى حول الآليات على المستوى الدقيق التي تسهل تعزيز الذكاء الاصطناعي والتحول الرقمي. بالإضافة إلى ذلك، سيكون من المفيد دراسة كيفية تأثير العوامل التنظيمية (مثل أسلوب القيادة، الثقافة، الحوكمة) على ديناميكية الذكاء الاصطناعي والتحول الرقمي. يمكن أن تسلط الدراسات المقارنة الطولية عبر البلدان الضوء أيضًا على كيفية تأثير الاختلافات المؤسسية على التطور المشترك للذكاء الاصطناعي والتحول الرقمي، مما يوسع تطبيق النموذج خارج الصين. يمكن أن يؤدي توسيع نطاق البحث ليشمل تقنيات رقمية أخرى، مثل البلوكشين، وإنترنت الأشياء (IoT)، أو الواقع المعزز، إلى إثراء الفهم لمشهد التحول الرقمي. أخيرًا، يمكن أن يكشف التحقيق في نتائج الأداء المتعلقة بمسارات مختلفة من تفاعل الذكاء الاصطناعي والتحول الرقمي عن آثارها على الابتكار والإنتاجية والميزة التنافسية بمرور الوقت.
DOI: https://doi.org/10.5755/j01.ee.37.1.39916
Publication Date: 2026-02-28
Author(s): Xuexiu Li et al.
Primary Topic: Digital Economy and Transformation
Overview
This research investigates the interplay between Artificial Intelligence (AI) adoption and Digital Transformation (DT) among publicly listed companies in China, emphasizing its significance in fostering sustainable business practices within the digital economy. Utilizing a multi-theoretical framework that includes dynamic capabilities theory, the resource-based view, and the technological innovation systems perspective, the study analyzes a dataset comprising 3,602 firm-year observations from 2010 to 2020 through advanced econometric methods such as Westerlund panel cointegration tests and dynamic panel OLS.
The findings indicate a significant long-term cointegration and bidirectional causality between AI and DT, suggesting a mutually reinforcing relationship where each element enhances the other. Notably, technology-oriented firms exhibit higher levels of transformation, highlighting that AI integration not only impacts current corporate strategies but also shapes future transformations. These results provide valuable insights for businesses and policymakers seeking to leverage technological innovations for transformative growth.
Introduction
The introduction of this research paper highlights the increasing importance of artificial intelligence (AI) and digital transformation (DT) in contemporary business environments, where organizations face significant challenges in maintaining competitive advantages. AI, defined as the capability of machines to mimic human intelligence through techniques such as neural networks and machine learning, is seen as a transformative technology that enables businesses to analyze large datasets and enhance operational efficiency. Conversely, DT involves the strategic application of digital innovations to fundamentally reshape business processes and customer interactions. The interplay between AI and DT is posited to be bidirectional, suggesting that while AI can drive transformation, the transformation itself may facilitate more effective AI adoption.
The study aims to explore this reciprocal relationship within the context of Chinese enterprises from 2010 to 2020, employing advanced econometric methods such as the Westerlund panel cointegration test and the dynamic panel ordinary least squares approach. By investigating the long-term association and causal dynamics between AI and DT, the research seeks to provide a more nuanced understanding of their interdependence, challenging previous literature that often treated these constructs in isolation. Furthermore, the findings are expected to have significant implications for both corporate strategy and policy, emphasizing the need for organizations to align AI initiatives with broader transformation efforts to optimize implementation and foster innovation.
Methods
The methodology section outlines the data collection and sample selection process for the study, focusing on non-financial companies listed on the Shanghai and Shenzhen stock exchanges from 2010 to 2020. The dataset was sourced from previous research by Yang et al. (2025) and Hussain et al. (2024), following special data requests to ensure accuracy and reliability.
To maintain data integrity, the researchers excluded publicly traded companies categorized as ST, ST*, and PT, as well as firms with incomplete data, resulting in a final sample of 3602 firm-year observations with no missing entries. This rigorous selection process aims to provide a robust foundation for the subsequent analysis.
Results
The empirical analysis presented in this section reveals significant insights into the relationship between artificial intelligence (AI) and digital transformation (DT) across various firms. Descriptive statistics indicate considerable variability in firms’ digital transformation efforts, with a mean Transformation metric (Trans) of 1.109 and a standard deviation of 1.319. Correlation analysis shows a significant positive relationship between AI indicators (AIbin and AIlog) and transformation, suggesting that increased AI engagement correlates with enhanced digital transformation efforts.
Further analysis using cross-sectional dependency tests and unit root tests indicates that while the variables are stationary at first differences, they do not exhibit significant patterns at levels, necessitating a focus on co-integration. The Westerlund Panel Cointegration Test confirms a long-term co-integrated relationship between AI and transformation, consistent with the resource-based view, which posits that these elements are mutually reinforcing strategic assets. Dynamic Panel Ordinary Least Squares (DPOLS) results demonstrate that transformation positively influences AI indicators and vice versa, highlighting a bidirectional causal relationship. Subsample analyses reveal that high-tech firms exhibit a stronger correlation between AI and transformation, underscoring the role of technological intensity in shaping these dynamics. Overall, the findings emphasize the complex interplay between AI and DT, suggesting that firms’ strategic investments in one area can significantly impact the other, reinforcing the importance of understanding these relationships within the context of dynamic capabilities theory.
Discussion
The discussion section of the research paper emphasizes the dynamic interplay between artificial intelligence (AI) adoption and digital transformation (DT) within firms, particularly in the context of Chinese publicly listed companies. Grounded in Dynamic Capabilities Theory, the study posits that AI serves as a strategic resource that enhances a firm’s ability to adapt and innovate in response to digital challenges. The Technological Innovation Systems (TIS) framework further contextualizes this relationship by highlighting the influence of institutional support and industry maturity on technology diffusion. The findings reveal a bidirectional causality between AI and DT, suggesting that while AI can accelerate digital transformation, successful transformation initiatives also create the necessary infrastructure and cultural readiness for effective AI deployment.
The research advances theoretical understanding by redefining the AI-DT relationship as interdependent and contextually sensitive, challenging traditional linear models. By employing robust econometric techniques, the study illustrates that both AI and DT co-evolve, reinforcing each other over time. This reciprocal relationship underscores the importance of viewing AI and DT as integrated components of a broader digital capability system rather than isolated initiatives. From a managerial perspective, organizations are encouraged to align AI projects with overarching transformation goals and invest in foundational digital capabilities. Policy implications suggest that governments should adopt holistic strategies that support both AI development and the essential enablers of digital transformation, tailored to the specific needs of different sectors.
Limitations
The limitations of this study highlight several critical areas for consideration. Firstly, the use of text-mining methods to gauge the intensity of artificial intelligence (AI) and digital transformation (DT) from annual reports is contingent upon the quality and consistency of corporate disclosures, which may introduce biases. Secondly, the focus on Chinese A-share listed firms restricts the generalizability of the findings to other economic or regulatory contexts. Furthermore, while the econometric methods employed suggest directionality and long-term relationships, they do not elucidate the causal mechanisms—such as leadership decision-making, innovation culture, or organizational structure—that mediate the interaction between AI and DT.
To address these limitations, future research could explore several avenues. Qualitative or mixed-methods approaches, including case studies or interviews, could provide insights into the micro-level mechanisms that facilitate the reinforcement of AI and DT. Additionally, examining how organizational factors (e.g., leadership style, culture, governance) influence the AI-DT dynamic would be beneficial. Longitudinal cross-country comparative studies could also shed light on how institutional differences impact the co-evolution of AI and DT, thereby broadening the applicability of the model beyond China. Expanding the research scope to include other digital technologies, such as blockchain, the Internet of Things (IoT), or augmented reality, could further enrich the understanding of the digital transformation landscape. Lastly, investigating the performance outcomes related to various trajectories of AI-DT interaction could reveal their effects on innovation, productivity, and competitive advantage over time.