DOI: https://doi.org/10.1057/s41599-025-05199-8
تاريخ النشر: 2025-06-23
المؤلف: Muhammad Khalid Anser وآخرون
الموضوع الرئيسي: أثر الذكاء الاصطناعي والبيانات الضخمة على الأعمال والمجتمع
نظرة عامة
تستكشف هذه الورقة البحثية العلاقة بين الذكاء الاصطناعي (AI) والأداء البيئي (EP) داخل الشركات الصغيرة والمتوسطة (SMEs) في باكستان، مع التركيز على الدور الوسيط للعوامل الخارجية مثل استراتيجيات انبعاث الكربون واللوائح المستدامة. تكشف البيانات التي تم جمعها من 387 موظفًا عن وجود علاقة إيجابية بين استخدام الذكاء الاصطناعي وتحسين الأداء البيئي، مما يشير إلى أن العوامل الخارجية لا تتوسط فقط ولكن تعزز أيضًا هذه العلاقة. تتماشى النتائج مع نظرية القدرة الديناميكية، مما يدل على أن دمج الذكاء الاصطناعي مع الاعتبارات البيئية الخارجية يمكن أن يعزز قدرات الشركات الصغيرة والمتوسطة لتحقيق أهداف التنمية المستدامة.
تساهم الدراسة في الأدبيات الحالية من خلال التحقق من صحة نظرية القدرة الديناميكية في سياق الذكاء الاصطناعي والأداء البيئي، مما يبرز أن فعالية الذكاء الاصطناعي في تعزيز الاستدامة تعتمد على الاستجابة الاستراتيجية للمنظمة للضغوط الخارجية. تسد فجوة حاسمة من خلال إظهار أهمية العوامل البيئية الخارجية في استغلال الذكاء الاصطناعي لتحقيق تقدم بيئي كبير. إن تداعيات هذا البحث متعددة الأوجه، حيث تقدم إرشادات للشركات لتنسيق مبادرات الذكاء الاصطناعي مع استراتيجيات الاستدامة، ولصانعي السياسات لتعزيز بيئات تنظيمية داعمة، وللمطورين التكنولوجيين لإنشاء حلول ذكاء اصطناعي قابلة للتكيف. بشكل عام، تؤكد الدراسة على ضرورة الجهود التعاونية بين أصحاب المصلحة لتحسين الإمكانات الاستدامية للذكاء الاصطناعي في مواجهة التحديات البيئية.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التحديات التي تواجه الشركات الصغيرة والمتوسطة (SMEs) في باكستان فيما يتعلق بالأداء البيئي (EP)، والتي تفاقمت بسبب نقص الموارد، والتقنيات القديمة، والبنية التحتية الضعيفة. على الرغم من التركيز العالمي على الاستدامة، تكافح هذه الشركات الصغيرة والمتوسطة مع استخدام الطاقة غير الفعال وإدارة النفايات، مما يعيق قدرتها على اعتماد ممارسات صديقة للبيئة. يقترح المؤلفون أن تقنيات الذكاء الاصطناعي (AI)، مثل أنظمة المراقبة الآلية والتحليلات التنبؤية، يمكن أن تعزز كفاءات التشغيل في الشركات الصغيرة والمتوسطة مع تقليل استهلاك الطاقة والنفايات، وبالتالي تنسيق عملياتها مع أهداف التنمية المستدامة للأمم المتحدة (SDGs).
تهدف الدراسة إلى معالجة سؤالين حاسمين: هل يحسن الذكاء الاصطناعي الأداء البيئي في الشركات الصغيرة والمتوسطة الباكستانية وما هو الدور الوسيط للعوامل البيئية الخارجية في هذه العلاقة. باستخدام نظرية القدرة الديناميكية (DCT)، تفترض البحث أن الذكاء الاصطناعي يعمل كقدرة ديناميكية تمكن الشركات الصغيرة والمتوسطة من التكيف مع التحديات البيئية واستغلال الفرص التكنولوجية لتحسين الأداء البيئي. شملت منهجية البحث الكمية جمع البيانات من خلال استبيانات منظمة، محققة معدل استجابة مرتفع قدره 93.2%. من المتوقع أن تسهم النتائج بشكل كبير في الأدبيات من خلال استكشاف التفاعل بين الذكاء الاصطناعي والعوامل البيئية الخارجية والأداء البيئي، وتوفير تداعيات عملية لصانعي السياسات وأصحاب المصلحة في الاقتصادات الناشئة. توضح الورقة هيكلها، مشيرة إلى الأقسام المخصصة للإطار النظري، وتطوير الفرضيات، والمنهجية، والنتائج، والمناقشة، والاستنتاج.
الطرق
استخدمت الدراسة منهجية كمية، حيث تم استخدام استبيان منظم يعتمد على مقياس ليكرت المكون من خمسة نقاط، والذي تم إدارته للموظفين في الشركات الصغيرة والمتوسطة (SMEs) ضمن قطاعات التصنيع والنسيج والأدوية. تم اعتماد نهج الاستدلال الاستنتاجي، إلى جانب تقنية أخذ العينات المريحة. تم تعديل الاستبيان من الأدبيات الحالية، مع تضمين إطار عمل للذكاء الاصطناعي يتكون من أربعة عناصر استنادًا إلى Bag et al. (2021) ومتغيرات خارجية مستمدة من Chu et al. (2019). تم دعم فعالية المنهجية المستخدمة من خلال تقييم أداء الموظفين (EP) كما هو موضح بواسطة Lin et al. (2024).
تم توزيع ما مجموعه 415 استبيانًا، مما أسفر عن 387 استجابة صالحة. لتحليل العلاقات بين المتغيرات، تم استخدام نمذجة المعادلات الهيكلية باستخدام المربعات الجزئية (PLS-SEM)، والتي تعتبر فعالة بشكل خاص للنماذج المعقدة (Liu et al., 2024). شمل نموذج PLS-SEM كل من نموذج القياس وتحليل علاقات المتغيرات، مما يوضح قابليته للتطبيق عبر مجالات مختلفة مثل إدارة الموارد البشرية، والإدارة العامة، والمحاسبة، والمالية (Hu et al., 2022). تم إجراء التحليل الهيكلي باستخدام برنامج Smart PLS الإصدار 4.0.9.
النتائج
يقدم قسم النتائج في الدراسة بيانات ديموغرافية تشير إلى أن القوة العاملة تتكون في الغالب من الذكور، حيث يمثل الموظفون الذكور 59.95% مقارنة بـ 40.05% من الموظفات الإناث. المؤهلات التعليمية للقوة العاملة متنوعة، حيث يحمل 19.12% مؤهل الثانوية العامة، و28.16% أكملوا التعليم المتوسط، و32.55% يمتلكون درجة البكالوريوس، و20.15% حصلوا على درجة الماجستير. يبرز هذا التوزيع الديموغرافي تفاوتًا كبيرًا بين الجنسين وخلفيات تعليمية متنوعة بين الموظفين.
تؤكد المناقشة على الدور الحاسم للذكاء الاصطناعي (AI) في تعزيز الأداء البيئي (EP) داخل الشركات الصغيرة والمتوسطة (SMEs). يسهل الذكاء الاصطناعي تحسين إدارة الموارد، وتقليل النفايات، وكفاءة الطاقة، مما يساهم بشكل جماعي في تقليل الأثر البيئي وتعزيز سمعة العلامة التجارية للشركات الصغيرة والمتوسطة. تتماشى النتائج مع الأبحاث السابقة التي أجراها Benzidia et al. (2021) وLin et al. (2024)، وتدعمها بيانات من نموذج DCT. تكشف الدراسة أن العوامل الخارجية تتوسط بشكل كبير العلاقة بين الذكاء الاصطناعي والأداء البيئي، مما يوفر إطار عمل قويًا للشركات الصغيرة والمتوسطة في باكستان لتحقيق الاستدامة من خلال دمج الذكاء الاصطناعي. من خلال استغلال الذكاء الاصطناعي جنبًا إلى جنب مع هذه العوامل الخارجية، يمكن للشركات الصغيرة والمتوسطة تحسين كفاءتها التشغيلية، وتقليل انبعاثات الكربون، وتعزيز قدرتها على مواجهة التحديات البيئية، مما يؤدي في النهاية إلى نتائج أفضل في الأداء البيئي.
المناقشة
تستكشف قسم المناقشة في الورقة البحثية العلاقة بين الذكاء الاصطناعي (AI) والأداء البيئي (EP) في الشركات الصغيرة والمتوسطة (SMEs)، خاصة في سياق الاقتصادات النامية مثل باكستان. تنتقد الدراسات السابقة التي استخدمت بشكل أساسي نظريات مثل وجهة النظر القائمة على الموارد ونظرية الابتكار، والتي تعالج بشكل غير كاف الطبيعة الديناميكية لقدرات التنظيم استجابةً للتقنيات المتطورة بسرعة. بدلاً من ذلك، تستخدم هذه الدراسة نظرية القدرات الديناميكية (DCT) لتوضيح كيف يمكن للشركات الصغيرة والمتوسطة استغلال الذكاء الاصطناعي كأداة تكيفية لتعزيز أدائها البيئي من خلال تحسين استخدام الموارد وتقليل الآثار البيئية السلبية. تشير النتائج إلى أن الذكاء الاصطناعي يحسن الأداء البيئي بشكل كبير، حيث تعمل العوامل البيئية الخارجية – على وجه الخصوص، سياسات انبعاث الكربون واللوائح المستدامة – كوسيط في هذه العلاقة.
تقوم الدراسة بصياغة واختبار عدة فرضيات، مؤكدة أن الذكاء الاصطناعي يؤثر إيجابيًا على الأداء البيئي وأن العوامل الخارجية تؤثر بشكل كبير على كل من اعتماد الذكاء الاصطناعي والأداء البيئي. تسلط النتائج الضوء على أهمية دمج الاعتبارات البيئية الخارجية في استراتيجيات الذكاء الاصطناعي لتعظيم نتائج الاستدامة. من خلال إظهار الدور الوسيط للعوامل الخارجية، تسد الدراسة فجوة حاسمة في الأدبيات المتعلقة بترابط الذكاء الاصطناعي والأداء البيئي في الشركات الصغيرة والمتوسطة، مما يبرز أن التنفيذ الناجح للذكاء الاصطناعي من أجل الاستدامة يعتمد على قدرة المنظمة على التكيف مع الضغوط الخارجية. تشير تداعيات هذه النتائج إلى أن الشركات وصانعي السياسات ومطوري التكنولوجيا يجب أن يتعاونوا لإنشاء بيئة مواتية لمبادرات الاستدامة المدفوعة بالذكاء الاصطناعي، مما يضمن توافق حلول الذكاء الاصطناعي مع الأطر التنظيمية ومتطلبات السوق.
القيود
تقدم الدراسة عدة قيود قد تؤثر على تعميم وشمولية نتائجها. أولاً، البحث مقصور على الشركات الصغيرة والمتوسطة (SMEs) في باكستان، مما يحد من قابلية تطبيق النتائج على سياقات أو أنواع أخرى من الشركات. ثانيًا، قد لا تعكس الاعتماد على البيانات الأولية بشكل كاف الطبيعة الديناميكية والمتطورة لاعتماد الذكاء الاصطناعي (AI) وتأثيره على الأداء البيئي (EP). بالإضافة إلى ذلك، قد يؤدي استخدام أخذ العينات المريحة إلى إدخال تحيز، مما يحد من تمثيل عينة الشركات الصغيرة والمتوسطة.
لمعالجة هذه القيود، يمكن أن تستخدم الأبحاث المستقبلية تصاميم طولية لفهم الجوانب الزمنية لاعتماد الذكاء الاصطناعي بشكل أفضل، وتوسيع النطاق الجغرافي ليشمل مجموعة أوسع من السياقات، واستكشاف وسطاء أو معدلات بديلة في العلاقة بين الذكاء الاصطناعي والأداء البيئي. ستعزز مثل هذه المناهج فهم دور الذكاء الاصطناعي في تعزيز الاستدامة البيئية داخل الشركات الصغيرة والمتوسطة في الاقتصادات الناشئة، خاصة فيما يتعلق بالعوامل البيئية الخارجية.
DOI: https://doi.org/10.1057/s41599-025-05199-8
Publication Date: 2025-06-23
Author(s): Muhammad Khalid Anser et al.
Primary Topic: Impact of AI and Big Data on Business and Society
Overview
This research paper investigates the relationship between artificial intelligence (AI) and environmental performance (EP) within small and medium enterprises (SMEs) in Pakistan, emphasizing the mediating role of external factors such as carbon emission strategies and sustainability regulations. Data collected from 387 employees reveal a positive correlation between AI utilization and improved EP, suggesting that external factors not only mediate but also enhance this relationship. The findings align with dynamic capability theory, indicating that the integration of AI with external environmental considerations can bolster SMEs’ capabilities to achieve sustainable development goals.
The study contributes to the existing literature by validating dynamic capability theory in the context of AI and EP, highlighting that the effectiveness of AI in promoting sustainability is contingent upon an organization’s strategic response to external pressures. It fills a critical gap by demonstrating the importance of external environmental factors in leveraging AI for significant environmental advancements. The implications of this research are multifaceted, offering guidance for businesses to align AI initiatives with sustainability strategies, for policymakers to foster supportive regulatory environments, and for technology developers to create adaptable AI solutions. Overall, the study underscores the necessity of collaborative efforts among stakeholders to optimize the sustainability potential of AI in addressing environmental challenges.
Introduction
The introduction of this research paper highlights the challenges faced by small and medium-sized enterprises (SMEs) in Pakistan regarding environmental performance (EP), exacerbated by inadequate resources, outdated technologies, and weak infrastructure. Despite the global emphasis on sustainability, these SMEs struggle with inefficient energy use and waste management, which hinder their ability to adopt eco-friendly practices. The authors propose that artificial intelligence (AI) technologies, such as automated monitoring systems and predictive analytics, can enhance SMEs’ operational efficiencies while reducing energy consumption and waste, thereby aligning their operations with the United Nations’ Sustainable Development Goals (SDGs).
The study aims to address two critical questions: whether AI improves EP in Pakistani SMEs and the mediating role of external environmental factors in this relationship. Utilizing dynamic capability theory (DCT), the research posits that AI serves as a dynamic capability that enables SMEs to adapt to environmental challenges and leverage technological opportunities for improved EP. The quantitative research approach involved collecting data through structured questionnaires, achieving a high response rate of 93.2%. The findings are expected to contribute significantly to the literature by exploring the interplay between AI, external environmental factors, and EP, providing practical implications for policymakers and stakeholders in emerging economies. The paper outlines its structure, indicating sections dedicated to the theoretical framework, hypotheses development, methodology, results, discussion, and conclusion.
Methods
The research employed a quantitative methodology, utilizing a structured questionnaire based on a five-point Likert scale, which was administered to employees in small and medium-sized enterprises (SMEs) within the manufacturing, textile, and pharmaceutical sectors. A deductive reasoning approach was adopted, along with a convenience sampling technique. The questionnaire was adapted from existing literature, incorporating an AI framework consisting of four elements based on Bag et al. (2021) and external variables derived from Chu et al. (2019). The effectiveness of the employed methodology was further supported by the evaluation of employee performance (EP) as outlined by Lin et al. (2024).
A total of 415 questionnaires were distributed, yielding 387 valid responses. To analyze the relationships among the variables, Partial Least Squares Structural Equation Modeling (PLS-SEM) was employed, which is particularly effective for complex models (Liu et al., 2024). The PLS-SEM model included both a measurement model and an analysis of variable relationships, demonstrating its applicability across various fields such as human resource management, general management, accounting, and finance (Hu et al., 2022). The structural analysis was conducted using Smart PLS version 4.0.9 software.
Results
The results section of the study presents demographic data indicating that the workforce is predominantly male, with 59.95% male employees compared to 40.05% female employees. The educational qualifications of the workforce are varied, with 19.12% holding a matriculation qualification, 28.16% having completed intermediate education, 32.55% possessing a bachelor’s degree, and 20.15% achieving a master’s degree. This demographic distribution highlights a significant gender disparity and varying educational backgrounds among employees.
The discussion emphasizes the critical role of artificial intelligence (AI) in enhancing environmental performance (EP) within small and medium-sized enterprises (SMEs). AI facilitates improved resource management, waste reduction, and energy efficiency, which collectively contribute to a reduced environmental impact and enhanced brand reputation for SMEs. The findings align with previous research by Benzidia et al. (2021) and Lin et al. (2024), and are substantiated by data from the DCT model. The study reveals that external factors significantly mediate the relationship between AI and EP, providing a robust framework for SMEs in Pakistan to achieve sustainability through AI integration. By leveraging AI alongside these external factors, SMEs can improve their operational efficiency, minimize carbon emissions, and enhance their resilience to environmental challenges, ultimately leading to better EP outcomes.
Discussion
The discussion section of the research paper explores the relationship between artificial intelligence (AI) and environmental performance (EP) in small and medium-sized enterprises (SMEs), particularly in the context of developing economies like Pakistan. It critiques previous studies that primarily utilized theories such as the resource-based view and innovation theory, which inadequately address the dynamic nature of organizational capabilities in response to rapidly evolving technologies. Instead, this research employs Dynamic Capabilities Theory (DCT) to illustrate how SMEs can leverage AI as an adaptive tool to enhance their environmental performance by optimizing resource utilization and reducing negative environmental impacts. The findings indicate that AI significantly improves EP, with external environmental factors—specifically carbon emission policies and sustainability regulations—acting as mediators in this relationship.
The study formulates and tests several hypotheses, confirming that AI positively influences EP and that external factors significantly affect both AI adoption and EP. The results highlight the importance of integrating external environmental considerations into AI strategies to maximize sustainability outcomes. By demonstrating the mediating role of external factors, the research fills a critical gap in the literature regarding the nexus of AI and EP in SMEs, emphasizing that successful AI implementation for sustainability is contingent upon an organization’s ability to adapt to external pressures. The implications of these findings suggest that businesses, policymakers, and technology developers must collaborate to create an environment conducive to AI-driven sustainability initiatives, ensuring that AI solutions align with regulatory frameworks and market demands.
Limitations
The study presents several limitations that may affect the generalizability and comprehensiveness of its findings. Firstly, the research is confined to small and medium-sized enterprises (SMEs) in Pakistan, which restricts the applicability of the results to other contexts or types of firms. Secondly, the reliance on primary data may not adequately capture the dynamic and evolving nature of artificial intelligence (AI) adoption and its influence on environmental performance (EP). Additionally, the use of convenience sampling could introduce bias, limiting the representativeness of the sample of SMEs.
To address these limitations, future research could employ longitudinal designs to better understand the temporal aspects of AI adoption, expand the geographical scope to include a wider range of contexts, and explore alternative mediators or moderators in the relationship between AI and EP. Such approaches would enhance the understanding of AI’s role in promoting environmental sustainability within SMEs in emerging economies, particularly in relation to external environmental factors.