DOI: https://doi.org/10.1057/s41599-024-03003-7
تاريخ النشر: 2024-04-08
المؤلف: Tachia Chin وآخرون
الموضوع الرئيسي: الابتكار الاقتصادي والتكنولوجي
نظرة عامة
تستكشف هذه الورقة البحثية دور الذكاء الاصطناعي (AI) في تطوير نماذج الأعمال المعتمدة على النظام البيئي (EBMs)، مع التأكيد على تنسيق عدة أصحاب مصلحة لتحقيق توازن مستدام بين العوامل الاجتماعية والبيئية والاقتصادية. باستخدام منظور الفرص، تحلل الدراسة بيانات من الشركات المدرجة في سوق الأسهم الصينية بين عامي 2014 و2021، كاشفة عن علاقة تربيعية على شكل U مقلوب بين تنفيذ الذكاء الاصطناعي وفعالية نموذج الأعمال المعتمد على النظام البيئي، مع تعديلها بواسطة تسرب المعرفة. تسهم هذه النتائج في فهم أعمق لكيفية تسهيل الذكاء الاصطناعي لتنسيق نماذج الأعمال المعتمدة على النظام البيئي، مقدمة رؤى حول التفاعل بين تقنيات الذكاء الاصطناعي والممارسات التجارية المسؤولة اجتماعياً.
تسلط الخاتمة الضوء على الإمكانات التحويلية للذكاء الاصطناعي، خاصة من خلال تقنيات متقدمة مثل التعلم العميق والتعلم الآلي، مع الاعتراف بالتحديات التي تطرحها التكاليف العالية، ومتطلبات الطاقة، والحاجة إلى انتشار المعرفة بين أصحاب المصلحة. تؤكد الدراسة على أهمية تحقيق التوازن بين الناس، والربح، والكوكب في السعي لتحقيق أهداف التنمية المستدامة (SDGs) وتدعو إلى مزيد من الاستكشاف للتقنيات المدمرة في سياق نماذج الأعمال المعتمدة على النظام البيئي. تم الإشارة إلى القيود المتعلقة بتوافر البيانات، والإطار الزمني القصير للدراسة، والقيود الجغرافية، مما يشير إلى أن الأبحاث المستقبلية يجب أن توسع مجموعات البيانات وأساليب القياس لتعزيز صلاحية النتائج واستكشاف قابلية تطبيق الذكاء الاصطناعي على مستوى عالمي في نماذج الأعمال المعتمدة على النظام البيئي.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على الدور التحويلي للذكاء الاصطناعي (AI) في سياق الثورة الصناعية الرابعة، مع تسليط الضوء على قدرته على تعزيز اتخاذ القرار وكفاءة العمليات عبر نماذج الأعمال المختلفة (BMs). تعمل تقنيات الذكاء الاصطناعي، خاصة من خلال التعلم الآلي والتعلم العميق، على إعادة تشكيل النماذج التجارية التقليدية إلى أنظمة بيئية رقمية أكثر تعقيدًا تستفيد من البيانات الضخمة والبنى التحتية المتقدمة. تشير الورقة إلى أنه على الرغم من ارتفاع اعتماد الذكاء الاصطناعي، لا يزال هناك فجوة كبيرة في الأبحاث التجريبية بشأن تأثيره على نماذج الأعمال المعتمدة على النظام البيئي (EBMs)، التي تعطي الأولوية للاستدامة والتعاون بين أصحاب المصلحة تحت خط الربح الثلاثي للربح، والناس، والكوكب.
يقترح المؤلفون التحقيق في كيفية تسهيل تقنيات الذكاء الاصطناعي لتنسيق نماذج الأعمال المعتمدة على النظام البيئي وتأثير تسرب المعرفة على هذه العلاقة. يجادلون بأن الذكاء الاصطناعي يعمل كفرصة رقمية، مما يمكّن أصحاب المصلحة المتنوعين داخل نموذج الأعمال المعتمد على النظام البيئي من التفاعل وخلق القيمة بشكل جماعي. تهدف هذه الدراسة إلى تقديم رؤى تجريبية حول الآليات التي يؤثر من خلالها الذكاء الاصطناعي على نماذج الأعمال المعتمدة على النظام البيئي، وبالتالي تسهم في الأدبيات عند تقاطع الذكاء الاصطناعي والممارسات التجارية. من المتوقع أن تقدم النتائج تداعيات عملية للمنظمات التي تسعى للاستفادة من إمكانات الذكاء الاصطناعي في تطوير البنى التحتية الرقمية التي تدعم العمليات التجارية المستدامة.
طرق البحث
في هذه الدراسة، سعى المؤلفون لاختبار فرضياتهم باستخدام مجموعة بيانات تتكون من الشركات المدرجة في سوق الأسهم A من بورصتي شنغهاي وشنتشن، تغطي الفترة من 2014 إلى 2021. يتماشى اختيار عام 2014 كنقطة انطلاق مع الكشف التدريجي عن الذكاء الاصطناعي (AI) في التقارير السنوية للشركات، مما يشير إلى أهميته المتزايدة في المشهد التجاري. تم تنقيح العينة الأولية من خلال عدة معايير استبعاد: الشركات المصنفة كمعالجة خاصة (ST أو *ST)، تلك التي تم تعليقها أو إنهاؤها، والشركات التي تفتقر إلى البيانات الأساسية في تقاريرها السنوية تم إزالتها. في النهاية، شملت التحليلات 3,632 إدخال بيانات سنوية من 454 شركة، مما يضمن معلومات شاملة وذات صلة للبحث.
تم الحصول على البيانات من قاعدة بيانات أبحاث سوق الأسهم والمحاسبة في الصين (CSMAR)، التي قدمت معلومات حيوية عن الأداء المالي وسلسلة التوريد. بالإضافة إلى ذلك، استخدمت الدراسة مجموعة بيانات Hexun Score (HXS) لتقييم المسؤولية الاجتماعية للشركات (CSR)، والتي تعد جزءًا أساسيًا من تقييم نموذج الأعمال المعتمد على النظام البيئي. يوفر Hexun Score رؤى حول كيفية أداء الشركات بالنسبة لأصحاب المصلحة، مما يتماشى مع تركيز الدراسة على ديناميات النظام البيئي في نماذج الأعمال.
مناقشة
تستكشف قسم المناقشة في الورقة البحثية العلاقة المعقدة بين الذكاء الاصطناعي (AI) ونماذج الأعمال المعتمدة على النظام البيئي (EBMs). يسلط الضوء على الإمكانات التحويلية للذكاء الاصطناعي في الأنظمة البيئية التجارية غير التقليدية، مؤكدًا أنه بينما يمكن للذكاء الاصطناعي تعزيز مشاركة أصحاب المصلحة وانتشار المعرفة، لا يزال دمجه في نماذج الأعمال المعتمدة على النظام البيئي في مراحله الأولى بسبب التحديات مثل التكاليف العالية ومتطلبات الموارد. يقترح المؤلفون علاقة تربيعية بين الذكاء الاصطناعي ونماذج الأعمال المعتمدة على النظام البيئي، مشيرين إلى أن الزيادات الأولية في اعتماد الذكاء الاصطناعي قد تؤدي إلى تعزيز فعالية نموذج الأعمال المعتمد على النظام البيئي، ولكن بعد حد معين، قد يؤدي المزيد من دمج الذكاء الاصطناعي إلى عوائد متناقصة.
بالإضافة إلى ذلك، تتناول الورقة مفارقة تسرب المعرفة في سياق الذكاء الاصطناعي ونماذج الأعمال المعتمدة على النظام البيئي، مميزة بين التسربات المباشرة وغير المباشرة. تنشأ التسربات المباشرة من الأنشطة الداخلية للبحث والتطوير، بينما تحدث التسربات غير المباشرة من خلال مصادر خارجية مثل براءات الاختراع والمنشورات. يفترض المؤلفون أن كلا النوعين من تسرب المعرفة يعدلان العلاقة بين الذكاء الاصطناعي ونماذج الأعمال المعتمدة على النظام البيئي، مما يسهل التنسيق الفعال للأنظمة البيئية المدمجة بالذكاء الاصطناعي. تدعم التحليلات التجريبية هذه الفرضيات، كاشفة أن تسرب المعرفة المباشر يحول العلاقة نحو منحنى على شكل U، بينما يعزز تسرب المعرفة غير المباشر انحدار المنحنى، مما يشير إلى تأثيره المعدل الكبير. بشكل عام، تؤكد النتائج على أهمية الاستفادة من الفرص الرقمية وتسرب المعرفة لتحسين دور الذكاء الاصطناعي في تطوير نماذج الأعمال المعتمدة على النظام البيئي المستدامة والفعالة.
DOI: https://doi.org/10.1057/s41599-024-03003-7
Publication Date: 2024-04-08
Author(s): Tachia Chin et al.
Primary Topic: Economic and Technological Innovation
Overview
This research paper investigates the role of artificial intelligence (AI) in the development of ecosystem-based business models (EBMs), emphasizing the orchestration of multiple stakeholders to achieve a sustainable balance among social, environmental, and economic factors. Utilizing an affordance perspective, the study analyzes data from Chinese A-share listed companies between 2014 and 2021, revealing an inverted U-shaped quadratic relationship between AI implementation and EBM effectiveness, moderated by knowledge spillover. These findings contribute to a deeper understanding of how AI can facilitate the orchestration of EBMs, offering insights into the interplay between AI technologies and socially responsible business practices.
The conclusion highlights the transformative potential of AI, particularly through advanced techniques like deep learning and machine learning, while acknowledging the challenges posed by high costs, energy demands, and the need for knowledge diffusion among stakeholders. The study underscores the importance of balancing people, profit, and planet in the pursuit of sustainable development goals (SDGs) and calls for further exploration of disruptive technologies in the context of EBMs. Limitations related to data availability, the short time frame of the study, and geographical constraints are noted, suggesting that future research should expand datasets and measurement approaches to enhance the validity of findings and explore the global applicability of AI in EBMs.
Introduction
The introduction of this research paper emphasizes the transformative role of Artificial Intelligence (AI) in the context of the fourth industrial revolution, highlighting its capacity to enhance decision-making and operational efficiency across various business models (BMs). AI technologies, particularly through machine learning and deep learning, are reshaping traditional business paradigms into more complex, digital ecosystems that leverage big data and advanced infrastructures. The paper notes that while AI adoption is on the rise, there remains a significant gap in empirical research regarding its influence on ecosystem-based business models (EBMs), which prioritize sustainability and stakeholder collaboration under the triple bottom line of profit, people, and planet.
The authors propose to investigate how AI technologies facilitate the orchestration of EBMs and the impact of knowledge spillovers on this relationship. They argue that AI serves as a digital affordance, enabling diverse stakeholders within an EBM to interact and create value collectively. This research aims to provide empirical insights into the mechanisms through which AI influences EBMs, thereby contributing to the literature at the intersection of AI and business practices. The findings are expected to offer practical implications for organizations seeking to harness AI’s potential in developing digital infrastructures that support sustainable business operations.
Methods
In this study, the authors aimed to test their hypotheses using a dataset comprising A-share listed firms from the Shanghai and Shenzhen Stock Exchanges, covering the period from 2014 to 2021. The choice of 2014 as the starting point aligns with the gradual disclosure of artificial intelligence (AI) in corporate annual reports, marking its increasing significance in the business landscape. The initial sample was refined through several exclusion criteria: firms labeled as special treatment (ST or *ST), those that were suspended or terminated, and firms lacking essential data in their annual reports were removed. Ultimately, the analysis included 3,632 annual data entries from 454 companies, ensuring comprehensive and relevant information for the research.
Data was sourced from the China Stock Market and Accounting Research (CSMAR) database, which provided critical financial performance and supply chain information. Additionally, the study utilized the Hexun Score (HXS) dataset to assess corporate social responsibility (CSR), which is integral to evaluating the ecosystem-based business model. The Hexun Score offers insights into how companies perform with respect to their stakeholders, aligning with the study’s focus on ecosystem dynamics in business models.
Discussion
The discussion section of the research paper explores the complex relationship between Artificial Intelligence (AI) and Ecosystem-Based Business Models (EBMs). It highlights the transformative potential of AI in unconventional business ecosystems, emphasizing that while AI can enhance stakeholder engagement and knowledge diffusion, its integration into EBMs is still nascent due to challenges such as high costs and resource demands. The authors propose a quadratic relationship between AI and EBMs, suggesting that initial increases in AI adoption may lead to enhanced EBM effectiveness, but beyond a certain threshold, further AI integration could yield diminishing returns.
Additionally, the paper addresses the paradox of knowledge spillovers in the context of AI and EBMs, distinguishing between direct and indirect spillovers. Direct spillovers arise from internal R&D activities, while indirect spillovers occur through external sources such as patents and publications. The authors hypothesize that both types of knowledge spillovers moderate the relationship between AI and EBMs, facilitating the effective orchestration of AI-integrated ecosystems. Empirical analysis supports these hypotheses, revealing that direct knowledge spillover shifts the relationship towards a U-shaped curve, while indirect knowledge spillover enhances the steepness of the curve, indicating its significant moderating effect. Overall, the findings underscore the importance of leveraging digital affordances and knowledge spillovers to optimize AI’s role in developing sustainable and efficient EBMs.