Forty-Sixth International Conference on Information Systems, Nashville, Tennessee, USA 2025
摘要
生成式人工智能在各行业均具备变革潜力，然而，我们对其如何创造企业价值知之甚少。基于近期将生成式人工智能（GenAI）曝光度与股票市场积极估值相关联的研究，我们通过将“曝光度”分解为产品、流程和客户三个业务维度，提供了更为细致的见解。我们进一步指出，仅靠曝光度并不能保证实际的企业价值，曝光度必须与互补性的人工智能战略和投资相匹配，即战略性的“人工智能准备度”。通过事件研究法，我们发现，尽管影响程度不同，但三个曝光度维度均对企业估值产生积极影响。更为重要的是，仅靠曝光度是不够的：曝光度高且准备度高的企业会获得显著的价值提升。有趣的是，曝光度高但准备度低的企业价值变化并不显著，而曝光度低但准备度高的企业价值则显著下降。这些发现凸显了过早或未对齐的生成式人工智能计划所带来的风险。
理论意义（Theoretical Implications）
本研究旨在探究人机协作方式在辅助用户针对在线健康社区中寻求支持的帖子撰写支持性回复方面的价值。基于文献综述，我们提出了两项实验研究及若干基于情境理论和信任文献的假设，以评估人机协作在完成任务和提升知识自我效能感方面的感知价值。本研究预期贡献有三：其一，从理论层面来看，本研究旨在通过明确在开放式同伴支持创作任务中人机协作发挥价值的条件，拓展人机协作研究领域；其二，从实践层面而言，本研究成果有望为设计人机协作系统时采用以人为本的方法（de Paula等人，2022）提供依据；其三，从方法论角度出发，我们提出将任务表现的被试内评估（研究一）与用户结果的被试间评估（研究二）相结合，以考察人机协作对回复质量和用户体验的影响。本研究通过提出一套评估人机协作在何时以及如何发挥最大价值的条件，深化了对同伴支持环境中人机协作的理论理解。
Introduction
生成式人工智能（GenAI）可被视为一种“通用目的技术”，具有在各行业和经济领域产生广泛影响的潜力。与传统人工智能系统不同，传统人工智能系统需要结构化输入、重复性任务以及工程师团队的大量定制工作，而基于大语言模型的生成式人工智能能够直接处理复杂的非结构化输入（例如自然语言、代码、图像），并生成更通用、更具可扩展性且类似人类的输出。这些特性使企业能够显著提升生产力、扩展能力和创新能力，从而使生成式人工智能有可能成为推动企业估值提升的关键因素。
生成式人工智能潜力巨大，其最直接的影响体现在劳动力层面，因为员工会直接接触到这项先进技术。生成式人工智能有能力在各种业务职能中取代或显著提升员工的工作任务，重塑工作方式（Brynjolfsson等人，2023年）。例如，任何人都能直接与之交互、即时开展实验并了解其潜力，其应用扩散速度极快。生成式人工智能在各行业具有广泛适用性，再结合企业特定数据，便能深度融入工作流程、客户服务、研究及分析等环节（Bommasani等人，2021年）。由于公司本质上是由员工组成的集合体，这些变化会在组织内部产生连锁反应，进而影响整体生产力和企业价值（Agrawal等人，2019年）。在针对2022年11月30日原始版ChatGPT发布公告所开展的事件研究中，Eisfeldt等人（2023年）表明，劳动力受生成式人工智能影响程度更高的企业，其异常收益率也更高。
我们在先前研究的基础上提出，接触生成式人工智能（GenAI）并不会直接转化为附加价值；相反，这需要一套与之互补的人工智能战略和技术投资，我们将其称为战略性人工智能就绪度，或简称为“就绪度”。借鉴资源编排理论（M. Li & Jia，2018），我们认为，企业必须将员工接触生成式人工智能这一情况，作为一种宝贵的知识型资源进行战略性编排，从而获得竞争优势并提升市场估值。由于生成式人工智能预计会对劳动力动态以及产品与服务的替代产生深远影响，因此，高层管理者评估哪些业务职能和员工岗位最直接受到生成式人工智能的影响变得至关重要。这一评估有助于制定协调一致的战略，以有效整合并利用生成式人工智能。事实上，麦肯锡公司的一份报告（Chui等人，2023年）强调，尽管生成式人工智能能显著提升整个经济的劳动生产率，但要实现这一点，需要管理者进行投资，以支持员工向新任务或职业转型。
在本文中，我们并未仅仅聚焦于员工接触生成式人工智能（GenAI）所带来的潜在价值，而是更进一步，深入探究企业通过战略性人工智能就绪度（重点在于高层管理者如何在组织内部部署人工智能）所创造的实际价值。此外，我们还研究了不同业务职能（我们将这些职能划分为产品、流程和客户三类，参考DeSantola等人，2023年）中接触程度与战略之间的匹配性。那些能够保持战略与流程一致性的企业，能够更高效地利用其人工智能资源，抓住市场机遇，进而提升企业绩效（Chau等人，2020年）。因此，我们的研究旨在填补人工智能接触程度与人工智能就绪度相关文献中的这一空白。具体而言，我们探讨以下研究问题：
1.企业价值潜力在不同类型的接触（产品、流程和客户）中有何差异？
2.战略性人工智能就绪度如何调节生成式人工智能接触对企业价值的主要影响？
3.我们如何有效衡量企业的战略性人工智能就绪度？
为从实证角度解答我们的研究问题，我们将ChatGPT的推出视为一项外部事件（“冲击”），并采用事件研究框架（例如，Fama和French，1993年；Kothari和Warner，2007年）来分析股票市场的反应，具体而言，是分析累积异常收益率（CARs）。我们的研究聚焦于2793家美国上市企业。为衡量企业对生成式人工智能的接触程度，我们利用企业职业结构数据来编制员工接触程度指标（Eisfeldt等人，2023年）。为评估战略性人工智能就绪度，我们分析了ChatGPT推出后第一季度的财报电话会议记录。这些记录有助于我们了解高管如何讨论与人工智能相关的业绩、影响因素及战略展望（Hassan等人，2023年）。最后，我们采用事件研究法来考察生成式人工智能对企业市场估值的因果影响，以异常收益率作为衡量指标。异常收益率反映了实际股票表现与预期表现的偏差（Dewan和Ren，2007年；Nishant等人，2023年），通过捕捉市场对企业有效利用生成式人工智能能力的认知，可作为企业价值的替代指标。
我们的分析得出了一系列稳健且一致的结论。首先，我们发现，在ChatGPT推出后，生成式人工智能接触程度较高的企业，其累积异常收益率显著增长了0.773%。其次，我们进一步拓展分析，探究了哪些业务职能——产品、流程还是客户——受到生成式人工智能的影响，并对企业估值贡献最大。研究结果表明，这三个接触维度均对累积异常收益率产生正向影响，但其影响程度和显著性各不相同。例如，客户接触和产品接触对企业估值的正向影响最为显著，而流程接触的影响则相对较小。这表明，客户接触和产品创新能直接提升企业的营收潜力和市场定位，而流程改进虽有助于提升成本效率，但可能不会向投资者传递出强劲的增长前景。第三，我们研究了企业战略性人工智能就绪度如何调节接触程度对企业价值的主要影响，结果显示，同时具备高接触程度和高就绪度的企业，其累积异常收益率平均显著增长0.94%。相反，当人工智能就绪度与人工智能接触程度不匹配时，企业价值的变化要么不显著，要么为负。对于高接触程度但低就绪度的企业，其累积异常收益率虽仍为正（0.15%），但在统计上不显著。有趣的是，低接触程度但高就绪度的企业，其累积异常收益率平均显著为负，达-0.32%。这一关键发现凸显了员工层面的人工智能接触程度与企业层面的人工智能就绪度之间不匹配所带来的不利影响。
我们的研究在理论层面做出了若干重要贡献。首先，我们在以往关于劳动力接触生成式人工智能的研究基础上，进一步深入剖析了推动企业估值提升的内在机制。尽管Eisfeldt等人（2023年）已证实，对生成式人工智能的更高接触程度通常能提升企业价值，但我们的研究通过基于业务职能将接触程度细分为产品、流程和客户三个关键维度，将这一分析推向了新的高度。通过区分这些业务职能，我们的研究为企业如何通过整合生成式人工智能来提升绩效提供了更为细致的视角，揭示了技术采纳转化为财务收益的具体途径。其次，我们引入并探讨了一个此前未被研究的战略权变因素，该因素调节了生成式人工智能接触程度对企业价值的影响。我们还通过将潜在的生成式人工智能接触本身概念化为一种战略资源，丰富了资源编排理论（ROT）。这使ROT超越了其传统上对物质、人力和组织资产的关注范畴。通过量化接触程度与战略意图之间的匹配度，我们的方法使资源利用更具可衡量性和可操作性，同时凸显了资源可能未被充分利用或匹配不当的情况。第三，我们进一步探讨了针对不同业务职能的具体战略重点，强调企业必须制定针对特定职能的人工智能战略，以有效将技术采纳转化为市场价值、加强与投资者的沟通、增强投资者信心，并实现更优的市场反应和估值。这一扩展视角为先前关于企业如何优化其人工智能驱动的转型并从战略上为长期价值创造做好准备的研究（Aagaard & Tucci，2024年）提供了有价值的见解。最后，我们开发了首个企业层面的战略性人工智能就绪度衡量指标。我们的方法评估了企业在人工智能开发过程中嵌入互补战略和技术投资的程度。这一创新不仅更准确地反映了企业为采纳人工智能所做的准备，还为未来关于其他颠覆性技术战略就绪度的研究奠定了基础。
免责声明：本文版权归原作者所有。内容仅供参考与交流，不代表本公众号立场。如有侵权请联系删除。
