大数据资源与新服务开发绩效：人工智能能力调节作用的跨国实证.pdf

第 期(年 月)中国科技论坛 大数据资源与新服务开发绩效:人工智能能力调节作用的跨国实证张晓棠 张海丽 王宇凡(西安工业大学经济管理学院 陕西 西安)摘 要:人工智能能力影响企业能否利用大数据资源来提升新服务开发绩效 但影响机理及结果有待理论论证与实证检验 基于信息处理理论 构建以人工智能能力为调节变量的大数据资源与新服务开发绩效模型 收集 个美国与 个中国新服务开发项目数据 经回归分析发现:人工智能能力很低时 大数据资源负向影响新服务开发绩效 人工智能能力较低时 大数据资源不影响新服务开发绩效 人工智能能力达到中等及以上水平时 大数据资源正向影响新服务开发绩效 人工智能能力会强化大数据资源对新服务开发绩效的正向影响 但该强化效应在美国较高且逐年递增 在中国则较低且未逐年递增关键词:大数据资源 人工智能能力 信息处理 新服务开发 绩效中图分类号:文献标识码:():()():基金项目:国家自然科学基金项目“数字化产品创新过程视角下新兴技术能力对创新绩效作用机制的跨国研究”()收稿日期:作者简介:张晓棠()女 河南焦作人 副教授 博士 研究方向为知识管理、数字创新与服务创新通信作者:中国科技论坛(年 月)第 期 引言数据驱动新服务开发是企业数字化转型的关键抓手 大数据资源是数据驱动新服务开发的核心生产要素 众多研究表明企业利用大数据资源可提升新服务开发绩效 而实践中不少企业面临大数据资源投入高而开发绩效低的困境究其原因 企业欠缺将大数据资源转化为高绩效的能力 探明企业利用大数据资源以提高新服务开发绩效的能力边界条件 是企业数字化转型必须解决的理论与现实问题 对此 学者从组织学习、知识管理及人力资源等能力展开研究但仍存在以下两点不足第一 现有文献大多聚焦传统的企业能力对大数据资源与新服务开发绩效关系的影响 而数字经济时代传统的企业能力对此缺乏有力诠释学术界迫切需要从数字信息技术能力角度开展探索 作为新一轮创新与变革的核心驱动力人工智能深刻影响着企业利用大数据资源来分析数据、建模仿真、制定决策与自动化执行任务的成效 决定了大数据资源价值能否充分发挥厘清大数据资源转化为高绩效的人工智能能力边界条件 是企业数字化转型理论和实践探索不可或缺的内容 但现有研究对此并未给予充分关注 人工智能能力起何种作用?作用机理怎样?缺乏理论依据与论证 鲜有研究探究随人工智能能力改变 大数据资源与新服务开发绩效关系变化的规律第二 现有文献大多采用理论与案例研究来分析人工智能能力如何影响数据驱动的新服务开发 鲜有研究测度人工智能能力并实证检验其影响 这阻碍学者与管理者掌握人工智能在创新场景应用的一般规律 企业想要成功利用大数据资源提升新服务开发绩效 既需要归纳一般规律又需要探索特殊规律 跨国比较研究能有效达成该目的 特别是 中国处在数字化转型窗口期与赶超期 是除美国以外的另一个全球人工智能发展引领者 跨国比较尤其中美比较研究有益于助力中国企业加快数字化转型进程 扩大数字创新国际领先优势 但目前跨国比较研究匮乏 中美比较研究更是稀缺综上 本文旨在分析并跨国验证人工智能能力对大数据资源与新服务开发绩效关系的影响借鉴信息处理理论的“匹配即权变”观点 本文将人工智能能力作为大数据资源与新服务开发绩效间关系的调节变量 收集 个行业的 个美国与 个中国开发项目数据予以检验 本文边际贡献在于:从信息处理需求与信息处理能力匹配视角 厘清大数据资源提升新服务开发绩效的人工智能能力边界条件 并阐发不同人工智能能力水平下大数据资源与开发绩效关系的变化规律使用中美两国项目数据进行实证检验 增强研究结论的普适意义 增添中美差异性发现 为中国企业部署大数据资源、培育人工智能能力以提高新服务开发绩效提供经验借鉴和对策建议 理论与假设 大数据资源与新服务开发绩效学者较一致地认为大数据资源指数据本身并从数据来源、特征和价值角度界定其概念 综括现有研究 本文中大数据资源指通过互联网、社交媒体与智能设备等渠道采集 经清洗与分析 可创造新价值的海量、快速、多样与准确的信息资源目前学者主要依据资源基础理论 剖析大数据资源对新产品/服务开发周期、流程及成效的影响 结果表明 大数据资源对新服务开发绩效具有积极影响 但这种积极影响不会自发产生大数据资源使用者须具备将其转化为理性决策与行为的能力方可收获高绩效 换言之 想要理解大数据资源如何影响新服务开发绩效 就必须考察这种影响产生的能力边界条件 而资源基础理论没有明确将资源与能力加以区分 因而难以在阐释大数据资源影响新服务开发绩效的同时揭示其能力边界条件与已有研究不同 本文遵循信息处理理论来审视大数据资源对新服务开发绩效的影响 并分析人工智能能力的权变作用 该理论强调 信息资源对企业收获高绩效起着重要作用 企业需要优质的信息资源来优化决策从而应对环境不确定性 最终达成绩效目标 按此逻辑 本文首先提出大数据资源有利于提高新服务开发绩效 具体表现在以下方面大数据资源可为新服务开发提供全息而非抽样数据 企业据此可以描绘顾客全景画像与精第 期(年 月)中国科技论坛 准画像 前者有助于企业及时洞察全新顾客需求 开发具有颠覆性的服务、开辟蓝海市场从而提高开发绩效 后者有助于企业理解既有顾客的潜在需求 精准细分市场 实施精准营销 提供个性化的精准服务 赢得顾客青睐 占据市场主要份额 进而提高开发绩效大数据资源可为新服务开发提供高频迭代的实时信息 企业得以加快知识产生与更新 迅速产生洞察及决策 缩短开发周期并率先投放新服务 赢得创新先行者收益 实时采集并分析顾客反馈 及时识别并修复新服务缺陷 保持优质服务水平 及时洞悉市场变化 敏捷调整开发方向、策略及最佳组合 最终提升开发绩效大数据资源可为新服务开发注入多领域、多类型的异质知识 这些知识与企业既有知识重组会产生新颖、独特的创意 形成全新或优化的问题解决方案 企业可开发更具创新性的服务提升顾客体验、满意度与忠诚度 占据主要市场份额 收获良好的开发绩效大数据资源可为新服务开发提供高价值信息大数据资源中隐藏着变量间的关联 发现并利用这些关联 一是有助于企业获得具有参考价值的洞察 制定理性、精准的开发决策 优化开发资源配置 高效组织开发活动 二是有助于企业精准预测顾客行为、创新成功率与创新趋势等有效控制开发风险 最终提升开发绩效 综上提出假设:大数据资源正向影响新服务开发绩效 人工智能能力的调节作用信息处理理论还指出 环境不确定性触发企业信息处理需求 企业信息处理能力要满足此需求 两者匹配是企业降低环境不确定性的冲击从而改进绩效的内在机制 而信息处理理论对匹配的界定“呈现内在的权变性视角”认为“匹配即权变”即信息处理能力是影响信息资源与绩效间关系的权变因素人工智能能力是指企业开发设备或计算机系统来模拟人类大脑功能并以智能方式完成任务的能力 涵盖近似人类的感知、认知与智能行为能力 对于大数据资源处理 人工智能能力具有数据分析、建模仿真、决策支持与问题解决自动化四方面优势 这些优势使大数据资源价值充分释放 企业得以收获更高绩效 综上 本文将人工智能能力视为企业应用大数据资源来完成新服务开发的一种信息处理能力 并将其作为大数据资源影响开发绩效的权变因素人工智能能力低时 因缺乏充足算力与先进算法 企业从大数据资源中更多洞察的是知识间的相关而非因果关联 企业难以将新知识嵌入既有知识图谱 造成知识碎片化与颗粒化 企业因此损失知识重组空间 错失开发机会 难以更充分满足顾客多样化需求 不利于开发绩效大幅提高 随着人工智能能力增强 企业借助人工智能算法能发现知识间的因果关联 构建新知识规则 采用智能感应程序将新知识规则准确嵌入知识图谱 再运用智能匹配技术正确调用、对接知识 结果是知识重组空间以级数增长方式扩充新服务开发规模与质量取得突破性提升 绩效得以大幅提高人工智能能力低时 企业主要依靠人工建模其局限是:无法在有限时间内准确构建并全面验证模型 因认知惯性 数据科学家可能遗漏关键变量与模型 面对复杂问题 开发人员会耗费大量时间与精力用于建模 造成预测延迟这妨碍企业及时识别新服务缺陷 动态调整新服务 最终抑制企业利用大数据资源来提高开发绩效的幅度 随着人工智能能力增强 企业借助智能设备及算法构建仿真模型 可对开发指标进行实时展示与根因分析 精细管理开发过程 优化资源配置 及时识别、诊断并解决问题 从而大幅提高开发绩效 通过神经网络等算法 更多变量及其关联被发现、验证并纳入预测模型 企业能从多维度精准预测和预警 有效保障开发成功率、控制开发风险 从而获得更高开发绩效通过深度学习与增强学习 智能机器自动针对复杂问题建模 这既能启发数据科学家的新思维也能使其有更多时间和精力来优化模型 从而保障开发绩效更大幅度提升人工智能能力低时 企业基于大数据资源决策时主要依赖开发人员的专家智慧 受人脑生理及认知局限“大数据专家智慧”决策模式难以克服信息超载与多样性困境引致的决策偏差、失误与效率低下等问题 这会限制新服务开发绩效达到最大化的可能 随着人工智能能力增强 企 中国科技论坛(年 月)第 期业可构建“大数据机器智慧专家智慧”决策模式 开发人员借助人工智能复杂算法和专家系统找到超出其认知的方案 应用数据可视化技术实时、全面、直观地复现业务状态与趋势 找到精准的决策依据 利用深度学习、增强学习及计算脑的强大算力 快速选定趋近完全理性的最优决策 这将根本上提升新服务开发决策的精准性、严谨性与时效性 保障企业获得更高绩效人工智能能力低时 开发人员需花费大量时间和精力去应对日常重复性事务 这会侵占开发人员对创新性开发任务所投入的注意力与工作努力 不利于其利用大数据资源开发更具颠覆性的新服务 满足顾客新需求 提供更丰富的服务体验 最终抑制开发绩效大幅提升 随着人工智能能力增强 企业应用智能机器充当开发人员的助手和顾问 由其自主自动地完成日常重复性事务或直接参与创新性产品研发 这既能帮助开发人员提高日常任务执行质量、降低日常任务执行偏差 也使开发人员从重复性事务中解放出来专注于创新性任务 最大限度释放创造力 重组从大数据资源中挖掘的新知识 显著提升服务独特性和新颖性 从而更大程度提高新服务开发绩效 综上 提出假设:人工智能能力正向调节大数据资源对新服务开发绩效的正向影响 研究设计 量表开发本文基于国内外顶级期刊论文中信效度与被引频率高的量表 遵循 等的程序来开发量表 研究团队对新服务开发项目开展案例研究和焦点小组访谈 每个被访谈的项目团队至少开发过 项新服务开发项目 并有 项项目正在进行焦点小组访谈时长 小时 访谈问题包括 组分为开放式和半结构化问题 案例研究和焦点小组访谈结果表明 跨国比较研究中使用的几个量表需要修改研究团队按照 的措施 咨询了中美两国工商管理学院学术专家和项目经理 请其批判性评估、小幅修改和二次审查量表 为确保量表准确性且适合跨国比较研究 名研究员对问卷进行双重翻译、修改并定稿 最终问卷通过了两次预测试 变量测量本文遵照 等的程序 经过田野调查和案例研究 开发了大数据资源的 个题项 具体开发过程见张晓棠等的研究 考虑到研究结果稳健性和内生性问题 借鉴王宇凡等的研究 本文使用项目商业化以后第 和第 年销售增长率第、第 和第 年毛利率与利润额来测量新服务开发绩效 销售增长率等于当年销售增长额与上年销售总额的百分比 毛利率等于当年利润额占当年销售总额的百分比 利润额等于当年销售总额与总变动成本的差额借鉴 等、等、等的研究 本文开发了 个题项 从企业开发设备模拟人类大脑感知、认知与智能行为的能力来测量人工智能能力 如“我们开发机器或计算机系统来模拟人类解决问题的智能行为能力是:”等 对于各题项 代表完全无能力、代表能力非常高本文控制变量为新服务开发项目所属行业:酒店和旅游服务 银行、保险和金融服务 信息和半导体服务 互联网服务 医疗健康服务 所属行业为虚拟变量(代表其行业 代表其他行业)数据收集本文按照 等与 等的程序收集数据 研究团队通过多种方式联系并鼓励企业参与本项目 所有参与企业可选择已成功、已失败、具有企业代表性或还在设计的项目提供其大数据资源与人工智能能力数据 为减低内生性的可能性 绩效数据包括项目商业化(即投放市场)后连续 年的数据 为减少共同方法偏差 由项目经理提供大数据资源与人工智能能力数据由部门经理(如市场、销售与研发总监)提供绩效数据本研究按照 等的方法发放问卷 第一封快递包括学术研究目的说明、保密协议、本项目执行摘要、调查问卷和邮资已付的回执信封一周之后 发送跟进信件和电子邮件提醒回复问卷 再过两周之后 每隔一周发送一封跟进信件或电子邮件 最终电话联系未回复的企业是否还能参与本项目美国样本从 公司数据库中随机选取 个行业的 家公司 以上述问卷发放程第 期(年 月)中国科技论坛 序得到以下结果:家公司没回复 家公司因制度、时间及保密限制拒绝参与 家公司同意参与 另外 有 家公司提供了 个项目的完整数据 包括 个银行、保险与金融服务 个信息和半导体服务 个互联网服务 个医疗健康服务 以及 个酒店和旅游服务项目中国样本来自深圳证券交易所中小企业和创业板块(年)的 家首次公开募股公司 所选行业与美国样本相同 按照与美国相同的问卷发放流程得到以下结果:家公司没回复 家公司拒绝参与 家公司同意提供数据 家公司提供了 个项目的完整数据 包括 个银行、保险与金融服务 个信息和半导体服务 个互联网服务 个医疗健康服务以及 个酒店与旅游服务项目 实证分析 信度与效度检验对美国样本 各题项因子载荷介于 均大于门槛值 大数据资源与人工智能能力的 值分别为 与 均大于门槛值 对中国样本 各题项因子载荷介于 均大于门槛值 大数据与人工智能能力的 值分别为 和 均大于门槛值 由此可知 量表信度与效度良好 描述性统计与相关性分析表 与表 给出了变量均值、标准差和相关系数 在中美两国 大数据资源、人工智能能力与销售增长率/毛利率/利润额正相关()为本文理论模型和研究假设检验提供了初步支持表 变量描述性统计与相关系数(美国)变量大数据资源 人工智能能力 第 年销售增长率 第 年销售增长率 第 年毛利率 第 年毛利率 第 年毛利率 第 年利润额 第 年利润额 第 年利润额 均值 标准差 注:美国项目利润额按照 美元 人民币汇率换算成人民币、和 分别表示 、和 下同表 变量描述性统计与相关系数(中国)变量大数据资源 人工智能能力 第 年销售增长率 第 年销售增长率 第 年毛利率 第 年毛利率 中国科技论坛(年 月)第 期续表变量第 年毛利率 第 年利润额 第 年利润额 第 年利润额 均值 标准差 回归分析与假设检验表 表明 在美国 大数据资源正向影响()销售增长率(第一年 第二年)、毛利率(第一年 第二年 第三年 )和 利 润 额(第一年 第二年 第三年 )表 表明 在中国 大数据资源正向影响()销售增长率(第一年 第二年 )、毛利率(第一年 第二年 第三年 )与利润额(第一年 第二年 第三年 )得到验证表 表明 在美国 大数据资源与人工智能能力乘积项正向影响()销售增长率(第一年 第二年 )、毛利率(第一年 第二年 第三年 )与利润额(第一年 第二年 第三年 )表 表明 在中国 大数据资源与人工智能能力乘积项正向影响()销售增长率(第一年 第二年 )、毛利率(第一年 第二年 第三年 )与利润额(第一年 第二年 第三年 )得到验证表 回归分析结果(美国)变量销售增长率毛利率利润额第 年第 年第 年第 年第 年第 年第 年第 年截距 ()()()()()()()()大数据资源 ()()()()()()()()人工智能能力 ()()()()()()()()大数据资源人工智能能力 ()()()()()()()()酒店和旅游服务业()()()()()()()()银行、保险和金融服务业()()()()()()()()信息和半导体服务业()()()()()()()()互联网服务业()()()()()()()()值 调整 注:医疗健康服务业的估计是截距项 括号内为标准误差 下同第 期(年 月)中国科技论坛 表 回归分析结果(中国)变量销售增长率毛利率利润额第 年第 年第 年第 年第 年第 年第 年第 年截距 ()()()()()()()()大数据资源 ()()()()()()()()人工智能能力 ()()()()()()()()大数据资源人工智能能力 ()()()()()()()()酒店和旅游服务业()()()()()()()()银行、保险和金融服务业()()()()()()()()信息和半导体服务业 ()()()()()()()()互联网服务业()()()()()()()()值 调整 稳健性检验()内生性问题 为避免行业竞争及其发展中遗漏变量引致的内生性问题 本文在回归分析中将新服务开发项目所属行业作为控制变量予以控制 为排除反向因果的内生性问题 本文采取了两种方法:收集了应用大数据资源的新服务开发项目在商业化以后第、第 和第 年的客观绩效数据 大数据资源在项目中的应用具有前定性新服务开发绩效不会反向影响项目开发过程中的大数据资源 将新服务开发绩效的测量指标销售增长率由第 年更换为第 年 毛利率和利润额由第 年更换为第 和第 年 由表 与表 中第、和 列可知 改变新服务开发绩效测量时点所得结果亦支持研究假设 证明结果具稳健性 因此 大数据资源不具内生性问题()稳健性检验 本文采用了两种方法:改变被解释变量测量指标 表 和表 表明 无论采用销售增长率、毛利率还是利润率来测量新服务开发绩效 大数据资源均正向影响新服务开发绩效 人工智能能力会增强这种正向影响 证明研究结论具有稳健性 按照地理位置分样本回归对中美两国项目分别进行回归分析 对比表 和表 可知 美国样本回归系数方向和显著性与中国样本一致 再次证明研究结果稳健 拓展性讨论:中美异同本文采用 法 以人工智能能力对大数据资源与毛利率关系的调节效应为例 绘制图 图 图中 变量大数据资源与人工智能能力进行了均值中心化处理 以使调节效应更具解释意义行业作为控制变量不影响结果 因而未考虑在中美两国 大数据资源、人工智能能力对新服务开发绩效的影响存在 点相同与 点差异人工智能能力对大数据资源与销售增长率/利润额关系的调节作用图可得出一致的结果 故不赘述 相同之处在中美两国 企业增加大数据资源会提高新服务开发绩效 但条件是人工智能能力达到中等及以上水平 图 图 显示 对中美两国企业 人工智能能力等于及大于 分时 增加大数据资源可提高毛利率 与之相反 增加大数据资源不会提高毛利率 甚至人工智能能力很低时(人工智能能力美国分 人工智能能力中国 分)还会降低毛利率原因可能是 只有人工智能能力达到中等水平 企业在大数据资源处理中的四项优势 即数据分析、建模仿真、决策支持与问题解决自动化才会开始显现 超过中等水平后 人工智能能力越强 上述四项优势就会越突出 大数据资源价 中国科技论坛(年 月)第 期值得以更充分地释放 企业就会获得更高开发绩效 反之 人工智能能力低于中等水平时 企业虽拥有大数据资源 但却难以深入分析大数据以产生洞察 无法模拟、推演、评估并选定最优开发决策 难以高效完成繁重的重复性开发任务并且随着大数据资源增加 企业易出现信息超载陷入决策多样性困境 出现决策偏误 这些最终导致新服务开发绩效难以提高甚至下降 差异之处()人工智能能力的调节效应在美国表现得更强 在中国则相对较弱 对比图 ()与图 ()、图 ()与图 ()、图 ()与图 ()发现 在美国 随着人工智能能力从最低增至最高 大数据资源与毛利率直线的斜率呈现更大幅度的变化而这种斜率变化幅度在中国则较小 这意味着随着人工智能能力逐步构建 美国企业应用大数据资源获得了开发绩效更大程度的改进 中国企业应用大数据资源所获的绩效改进幅度相对较小660!(UUB#()美国B#0!(UU66()中国关系显著关系不显著 (双尾检验)图 人工智能能力对大数据资源与第 年毛利率关系的调节效应原因在于 相对于中国 美国更注重人工智能基础领域的投资与科研 依托坚实的人工智能基础研究 美国在机器学习、深度学习与增强技术等前沿人工智能技术上具有领先优势 此外美国也更注重从标准制定与人才培养等层面推进人工智能的全产业链布局 人工智能与产学研的融合度比中国更高 因而 在美国 先进的人工智能技术能更有效、更快速落地 实用性更强的人工智能工具被开发、应用 大数据驱动的新服务开发活动得到高质量地实施 最终获得开发绩效更大幅度的改进B#0!(UU66()美国B#0!(UU66()中国关系显著关系不显著”的协同效应 该协同效应使大数据资源价值可能成倍、持续地释放 最终新服务开发绩效改进幅度逐年提高 而在新服务开发的全过程中嵌入人工智能工具来模拟人类解决问题 是该协同效应发挥的决定因素 相较于美国企业越来越完整地在新服务开发各环节部署人工智能 中国企业中人工智能工具分布在新服务开发的单点环节 呈分散化、条块化与碎片化 缺乏全程性、系统性与完整性 这导致中国企业只从人工智能能力的单一优势中获益 其“”的协同效应未收获 因而应用大数据资源来改进开发绩效的幅度未逐年增加B#0!(UU66()美国B#0!(UU66()中国关系显著关系不显著 (双尾检验)图 人工智能能力对大数据资源与第 年毛利率关系的调节效应 结论与讨论 结论()大数据资源有助于提升新服务开发绩效该结果支持本文假设 与谢康等和 等的论断一致 印证了大数据是改进新服务开发绩效的重要资源()人工智能能力会增强大数据资源对新服务开发绩效的正向影响 该结论支持本文假设 呼应了 等、等及高山行等提出的将人工智能能力引入大数据驱动创新的研究建议 也证明人工智能能力是大数据资源向高绩效转换的关键能力()随着人工智能能力由弱变强 大数据资源对新服务开发绩效的影响由负向变为正向 该结论补充了 等和 等的研究 揭示出利用大数据资源来改进新服务开发绩效要以人工智能能力达到中等水平为条件 否则 新服务开发绩效反而会降低()在美国 人工智能能力表现出更强且逐年递增的正向调节效应 而在中国 这种正向调节效应较弱且未逐年递增 该结论是对聂洪光等关于中美人工智能创新能力比较的进一步支持 理论贡献()开发了大数据资源与人工智能能力量表遵循信息处理理论的匹配观 构建并检验了以人工智能能力为调节变量的大数据资源与新服务开发绩效模型 这为揭开大数据资源与人工智能能力共同影响新服务开发绩效的内在机制提供了新视角和新框架()发现了人工智能能力由弱变强过程中 大数据资源对新服务开发绩效的影响由负向变正向的规律 这打破了大数据资源单一正向或负向影响绩效的认知 明确了中等及以上人工智能能力是大数据资源改进新服务开发绩效的边界条件()利用 个行业的 个美国与 个中国新服务开发项目数据开展跨国比较 所得结论既验证了大数据、人工智能驱动创新的一般规律也发现了特殊规律 为数字创新研究增添了新发现和新洞察 尤其本文收集新服务开发项目连续 年的客观绩效数据 并首次运用中美两国项目的 个数据集开展研究 避免了共同方法偏差 保障 中国科技论坛(年 月)第 期了研究结论可靠性 管理启示()在中美两国 新服务开发项目经理应确保开发团队拥有充沛的大数据资源 项目经理应收集顾客需求、买方行为、产品使用行为、市场趋势、竞争性产品与服务、技术变化以及竞争情报等方面的大数据 并持续更新、准确分析、及时传播与共享()在中美两国 新服务开发团队需具备中等及以上的人工智能能力方能释放大数据的潜在价值 项目经理应避免在开发团队的人工智能能力过低时利用大数据资源开发新服务()在中国 新服务开发团队需积极推动人工智能技术与系统升级 着力提升数据分析、建模仿真、决策制定与任务执行的智能化与自动化水平 例如 借助深度学习算法准确识别用户痛点提出新颖的新服务开发设想和概念 运用知识定位技术与系统(如专家定位系统)获取用以实现新设想和概念的知识 使用人工智能辅助决策系统(如模糊逻辑系统)预测开发方案效果 甄选最优方案 运用流程机器人和协作机器人自动完成特定任务 采用遗传算法优化的神经网络评价开发成效 通过经验数据系统萃取成功经验以指导未来开发工作()在中国 新服务开发项目经理需大力推进人工智能技术和系统的系统性、全面性与综合性应用 例如 明确应用人工智能技术和系统的愿景、目标及规划 清晰传达至团队成员 评估各开发阶段的大数据资源处理需求与人工智能能力匹配水平 测算在其中嵌入人工智能的成本、难度与收益 确定不同时间线上应用人工智能的合理组合 采用“大数据机器智慧专家智慧”决策模式 执行人工智能应用的常态化评价与奖励制度 如正式考评项目经理及成员掌握、应用人工智能的成效 对应用人工智能洞悉新机遇、增加顾客体验与动态管理顾客价值等给予高水平奖励 局限和展望本文验证了大数据资源对新服务开发绩效的直接影响 未来可探究大数据资源影响新服务开发绩效的中间机制 此外 本文使用量表测量大数据资源与人工智能能力 今后应采用客观数据进一步验证大数据资源、人工智能能力对新服务开发绩效的影响参考文献:谢康夏正豪肖静 大数据成为现实生产要素的企业实现机制:产品创新视角.中国工业经济():.():.():池毛毛王俊晶王伟军 数字化转型背景下企业创新绩效的影响机制研究:基于 与 的混合方法.科学学研究():.():.():.():孙璇 美国人工智能发展策略与大国科技竞争格局.中国科技论坛():王宇凡张海丽 大数据嵌入的新产品开发过程.科学学研究():.():.():陈国青曾大军卫强等 大数据环境下的决策范式转变与使能创新.管理世界():“”:.第 期(年 月)中国科技论坛 ():杨祎刘嫣然李垣 替代或互补:人工智能应用管理对创新的影响.科研管理():刘业政孙见山陈夏雨等 大数据的价值发现:模型.管理世界():高山行刘嘉慧 人工智能对企业管理理论的冲击及应对.科学学研究():.():.():张晓棠张海丽衡金金 大数据大数据分析能力匹配与产品创新度 医疗健康服务业的实证研究.科学决策():.:.():.():.:聂洪光范海荣 基于专利数据的中美人工智能创新能力比较研究.中国科技论坛():沙德春荆晶 中美人工智能产业国家顶层政策比较研究.科学管理研究():(责任编辑 申秋红)(上接第 页)张蕾姜华 高校科技成果奖励政策的多重并发因果关系与多元路径:基于“双一流”高校的 分析.中国高校科技():关于印发国家重大科技基础设施建设“十三五”规划的通知(发改高技 号)/.().:/:.:.():方齐谢洪明 科技成果转化政策供给与政策协调的组态效应.科学学研究():(责任编辑 申秋红)