DOI: https://doi.org/10.3389/frsus.2025.1679298
تاريخ النشر: 2025-11-07
المؤلف: Wenjing Cheng وآخرون
الموضوع الرئيسي: أثر الذكاء الاصطناعي والبيانات الضخمة على الأعمال والمجتمع
نظرة عامة
تبحث ورقة البحث في تأثير الذكاء الاصطناعي (AI) على إنتاجية الجودة الجديدة للمؤسسات الصناعية الصينية، مع التركيز على دوره في سياق التصنيع 4.0. باستخدام بيانات بانل من الشركات المصنعة المدرجة في سوق الأسهم الصينية بين عامي 2015 و2023، تستخدم الدراسة نماذج اقتصادية مختلفة، بما في ذلك نموذج الانحدار المرجعي، ونموذج دوربين المكاني (SDM)، ونموذج بانل الديناميكي GMM، لتحليل العلاقة بين تطبيقات الذكاء الاصطناعي والإنتاجية. تشير النتائج إلى أن الذكاء الاصطناعي يعزز بشكل كبير إنتاجية الجودة الجديدة من خلال آليات مثل تعزيز الابتكار الأخضر، وتخفيف قيود التمويل، وتحسين هيكل رأس المال البشري.
علاوة على ذلك، تكشف الدراسة عن آثار غير متجانسة، حيث يكون تأثير الذكاء الاصطناعي أكثر وضوحًا في المناطق الشرقية، والصناعات غير الملوثة بشكل كبير، والقطاعات عالية التقنية. كما توضح التحليلات الاقتصادية المكانية أن الذكاء الاصطناعي لا يحسن فقط الإنتاجية المحلية، بل يولد أيضًا آثار إيجابية في المناطق المجاورة. تؤكد هذه النتائج على الدور الحاسم للذكاء الاصطناعي في تعزيز التنمية المستدامة والتحول الأخضر في التصنيع، مما يشير إلى أن صانعي السياسات يجب أن يركزوا على استغلال الذكاء الاصطناعي لتعظيم إمكاناته في تعزيز الإنتاجية وتعزيز الاقتصاد الدائري.
مقدمة
تناقش مقدمة ورقة البحث الحاجة الملحة للصين للانتقال من نموذج النمو الاقتصادي التقليدي، الذي يتميز بالاستثمار العالي، والاستهلاك، والانبعاثات، إلى نهج أكثر استدامة وعالية الجودة في التنمية. يركز هذا النموذج الجديد على النمو المدفوع بالابتكار، وتحسين الهيكل، والممارسات الخضراء، كما تم التعبير عنه في مفهوم الأمين العام شي جين بينغ لـ “إنتاجية الجودة الجديدة.” يمثل هذا المفهوم تحولًا كبيرًا في الإنتاجية، مدفوعًا بالذكاء الاصطناعي (AI)، الذي يحول عوامل وأساليب الإنتاج، مما يؤدي إلى تحسين الكفاءة والاستدامة بدلاً من التركيز فقط على نمو الناتج المحلي الإجمالي.
تسلط الورقة الضوء على أن إنتاجية الجودة الجديدة ليست مجرد تطور للتحول الرقمي، بل إعادة تكوين أساسية للقوى الإنتاجية، تدمج التقنيات المتقدمة وتعزز الاقتصاد الدائري. تؤكد على أهمية الذكاء الاصطناعي في إعادة تشكيل أساليب الإنتاج وخلق أصول ذكية من البيانات، مما يتماشى مع أهداف التنمية المستدامة العالمية. يحدد المؤلفون الفجوات في الأبحاث الحالية، لا سيما فيما يتعلق بالفهم التجريبي لدور الذكاء الاصطناعي في تعزيز إنتاجية الجودة الجديدة، ويقترحون إطارًا نظريًا لاستكشاف هذه العلاقة. يهدفون إلى كشف الطرق التي يمكن من خلالها للذكاء الاصطناعي دفع تحسينات الإنتاجية في التصنيع، مع معالجة أيضًا آثار التسرب المكاني للذكاء الاصطناعي عبر المناطق، مما يوفر رؤى قيمة للمؤسسات وصانعي السياسات.
النتائج
تنظم نتائج هذه الدراسة في ستة مجالات رئيسية: الانحدار المرجعي، اختبار المتانة، معالجة الاندماج، اختبار الآلية، تحليل التباين، وآثار التسرب المكاني. تكشف التحليلات عن وجود ارتباط مكاني كبير في إنتاجية الجودة الجديدة عبر المقاطعات، مما يستلزم استخدام نموذج اقتصادي مكاني. تؤكد الاختبارات الأولية، بما في ذلك اختبارات LM و Robust-LM، وجود آثار خطأ مكاني وتأخير، مما يؤدي إلى اختيار نموذج دوربين المكاني (SDM) مع تأثيرات ثابتة بناءً على نتائج اختبار هاوسمان. يظهر نموذج SDM ملاءمة عالية، مع قيم R-squared تبلغ 0.99 و0.995 لمصفوفة الجوار 0-1 ومصفوفة المسافة الجغرافية المكانية، على التوالي، مما يشير إلى علاقات قوية بين المتغيرات.
تشير النتائج إلى أن الذكاء الاصطناعي (AI) يؤثر بشكل كبير على إنتاجية الجودة الجديدة، حيث يؤدي زيادة بنسبة 1% في مستويات الذكاء الاصطناعي إلى زيادة بنسبة 0.183% في الإنتاجية. التأثيرات المباشرة للذكاء الاصطناعي على الإنتاجية كبيرة، مع تأثيرات إجمالية تبلغ 1.014 و0.308 لمصفوفة الجوار 0-1 ومصفوفة المسافة الجغرافية المكانية، على التوالي، وكلاهما ذو دلالة إحصائية عند مستوى 1%. يشير هذا إلى أن التقدم في الذكاء الاصطناعي لا يعزز فقط الإنتاجية المحلية، بل يولد أيضًا آثار تسرب إيجابية في المناطق المجاورة. تؤكد الدراسة على أهمية تعزيز الابتكار المستقل والتقدم التكنولوجي في الذكاء الاصطناعي لتضخيم هذه الآثار التسرب المكاني وتعزيز التنمية الإقليمية المنسقة.
المناقشة
تقدم قسم المناقشة في الورقة مراجعة شاملة للأدبيات حول تقاطع الذكاء الاصطناعي (AI) وإنتاجية الجودة الجديدة، مع التأكيد على الدور التحويلي للذكاء الاصطناعي في التنمية الاقتصادية. يبرز أن الذكاء الاصطناعي لا يعزز الإنتاجية وكفاءة العمليات في المؤسسات فحسب، بل يدفع أيضًا الابتكار وخلق الوظائف، على الرغم من المخاوف بشأن فقدان الوظائف. تشير النتائج إلى أن الذكاء الاصطناعي يعزز النمو الاقتصادي من خلال تحسين إنتاجية العمل وتسهيل ظهور صناعات جديدة، بينما يساهم أيضًا في الاستدامة من خلال تخصيص الموارد بكفاءة وحماية البيئة.
تستكشف القسم أيضًا العوامل الدافعة وراء إنتاجية الجودة الجديدة، محددة عناصر البيانات، والابتكار التكنولوجي، والتمويل الرقمي كعوامل محورية. تفترض أن الذكاء الاصطناعي يعمل كمتغير تكنولوجي أساسي، متميز عن الرقمنة العامة، وتقترح إطارًا يتضمن آثار التسرب المكاني للذكاء الاصطناعي على الإنتاجية. تحدد الورقة أربعة فرضيات تربط الذكاء الاصطناعي بإنتاجية الجودة الجديدة، والابتكار الأخضر، وتخفيف قيود التمويل، وتحسين هياكل رأس المال البشري، مما يمهد الطريق للتحليل التجريبي. تهدف النماذج المقترحة إلى تقييم هذه العلاقات كميًا، باستخدام تقنيات اقتصادية متقدمة لالتقاط كل من التأثيرات المباشرة وغير المباشرة للذكاء الاصطناعي عبر المناطق.
القيود
تقدم الدراسة رؤى مهمة حول تأثير الذكاء الاصطناعي على إنتاجية الجودة الجديدة في الصين، لكنها تعترف بعدة قيود تستدعي الاعتبار للدراسات المستقبلية. أولاً، يعتمد قياس المتغير التفسيري الأساسي—الذكاء الاصطناعي—على اللوغاريتم الطبيعي للتكرار الإجمالي للمصطلحات ذات الصلة في تقارير الشركات السنوية. على الرغم من أن هذا النهج يوفر بعض التمثيل، إلا أنه قد لا يلتقط بشكل كافٍ الشدة الحقيقية لتنفيذ الذكاء الاصطناعي ضمن العمليات.
ثانيًا، تقتصر عينة الدراسة على الشركات المصنعة المدرجة في سوق الأسهم A-share في الصين من 2015 إلى 2023، مما يعكس بشكل أساسي الشركات الكبيرة والمتوسطة. وبالتالي، تظل الديناميات بين الذكاء الاصطناعي وإنتاجية الجودة الجديدة في قطاعات أخرى، بما في ذلك الشركات الصغيرة والميكرو والشركات غير المدرجة، غير مستكشفة. أخيرًا، قد يقيد السياق الفريد لتطور الصين، بما في ذلك بيئة السياسة والعوامل الثقافية، إمكانية تعميم النتائج على دول ومناطق أخرى، مما يحد من التطبيق الأوسع لنتائج البحث.
DOI: https://doi.org/10.3389/frsus.2025.1679298
Publication Date: 2025-11-07
Author(s): Wenjing Cheng et al.
Primary Topic: Impact of AI and Big Data on Business and Society
Overview
The research paper investigates the impact of Artificial Intelligence (AI) on the new quality productivity of Chinese manufacturing enterprises, emphasizing its role in the context of Manufacturing 4.0. Utilizing panel data from Chinese A-share listed manufacturing firms between 2015 and 2023, the study employs various econometric models, including a benchmark regression model, a spatial Durbin model (SDM), and a dynamic panel GMM model, to analyze the relationship between AI applications and productivity. The findings indicate that AI significantly enhances new quality productivity through mechanisms such as promoting green innovation, alleviating financing constraints, and optimizing human capital structure.
Moreover, the study reveals heterogeneous effects, with AI’s impact being more pronounced in eastern regions, non-heavy-polluting industries, and high-tech sectors. Spatial econometric analysis further demonstrates that AI not only improves local productivity but also generates positive spillover effects in neighboring areas. These results underscore AI’s critical role in fostering sustainable development and the green transformation of manufacturing, suggesting that policymakers should focus on leveraging AI to maximize its potential in enhancing productivity and promoting a circular economy.
Introduction
The introduction of the research paper discusses the urgent need for China to transition from its traditional economic growth model, characterized by high investment, consumption, and emissions, to a more sustainable and high-quality development approach. This new model emphasizes innovation-driven growth, structural optimization, and green practices, as articulated by General Secretary Xi Jinping’s concept of “new quality productivity.” This concept represents a significant shift in productivity, driven by artificial intelligence (AI), which transforms production factors and methods, leading to enhanced efficiency and sustainability rather than merely focusing on GDP growth.
The paper highlights that new quality productivity is not just an evolution of digital transformation but a fundamental reconfiguration of productive forces, integrating advanced technologies and promoting a circular economy. It underscores the importance of AI in reshaping production methods and creating intelligent assets from data, which aligns with global sustainable development goals. The authors identify gaps in existing research, particularly regarding the empirical understanding of AI’s role in enhancing new quality productivity, and propose a theoretical framework to explore this relationship. They aim to reveal the pathways through which AI can drive productivity improvements in manufacturing, while also addressing the spatial spillover effects of AI across regions, thus providing valuable insights for enterprises and policymakers.
Results
The results of this study are organized into six key areas: benchmark regression, robustness testing, endogeneity treatment, mechanism testing, heterogeneity analysis, and spatial spillover effects. The analysis reveals significant spatial correlation in new quality productivity across provinces, necessitating the use of a spatial econometric model. Initial tests, including the LM and Robust-LM tests, confirm the presence of spatial error and lag effects, leading to the selection of a spatial Durbin model (SDM) with fixed effects based on the Hausman test results. The SDM demonstrates a high goodness-of-fit, with R-squared values of 0.99 and 0.995 for the 0-1 adjacency matrix and spatial geographic distance matrix, respectively, indicating strong relationships among variables.
The findings indicate that artificial intelligence (AI) significantly influences new quality productivity, with a 1% increase in AI levels resulting in a 0.183% increase in productivity. The direct effects of AI on productivity are substantial, with total effects of 1.014 and 0.308 for the 0-1 adjacency matrix and spatial geographic distance matrix, respectively, both statistically significant at the 1% level. This suggests that advancements in AI not only enhance local productivity but also generate positive spillover effects in neighboring regions. The study emphasizes the importance of fostering independent innovation and technological advancements in AI to amplify these spatial spillover effects and promote coordinated regional development.
Discussion
The discussion section of the paper provides a comprehensive literature review on the intersection of artificial intelligence (AI) and new quality productivity, emphasizing AI’s transformative role in economic development. It highlights that AI not only enhances productivity and operational efficiency in enterprises but also drives innovation and job creation, despite concerns regarding job displacement. The findings suggest that AI fosters economic growth by improving labor productivity and facilitating the emergence of new industries, while also contributing to sustainability through efficient resource allocation and environmental protection.
The section further explores the driving factors behind new quality productivity, identifying data elements, technological innovation, and digital finance as pivotal. It posits that AI acts as a core technological variable, distinct from general digitalization, and proposes a framework that includes spatial spillover effects of AI on productivity. The paper outlines four hypotheses linking AI to new quality productivity, green innovation, alleviation of financing constraints, and optimization of human capital structures, thereby setting the stage for empirical analysis. The proposed models aim to assess these relationships quantitatively, utilizing advanced econometric techniques to capture both direct and indirect effects of AI across regions.
Limitations
The research presents significant insights into the influence of artificial intelligence on new quality productivity in China, yet it acknowledges several limitations that warrant consideration for future studies. Firstly, the measurement of the core explanatory variable—artificial intelligence—is based on the natural logarithm of the total frequency of related terms in enterprise annual reports. While this approach offers some representativeness, it may inadequately capture the true intensity of artificial intelligence implementation within operations.
Secondly, the study’s sample is limited to A-share listed manufacturing companies in China from 2015 to 2023, primarily reflecting large and medium-sized enterprises. Consequently, the dynamics between artificial intelligence and new quality productivity in other sectors, including small and micro enterprises as well as non-listed companies, remain unexplored. Lastly, the unique context of China’s development, including its policy environment and cultural factors, may restrict the generalizability of the findings to other countries and regions, thereby limiting the broader applicability of the research outcomes.