人工智能技术在组织管理中的应用

摘 要： 人工智能技术在组织中的应用， 提升了组织运营效率与决策能力， 为业务增长和创新提供了全新动力。本文以ＣＮＫＩ 数据库和ＷＯＳ 数据库作为中英文研究文献的数据来源， 利用ＣｉｔｅＳｐａｃｅ 对此分析了国内外文献的年发文量、高产作者发文数量、研究热点与主题分布、高被引文献以及发展趋势。在研究热点方面， 国外关注微观层面而国内更注重宏观层面； 在研究主题方面， 国内外的学者都很关注基础概念和应用实践， 但国外英文文献更集中于人工智能技术在人力资源领域的应用； 在研究发展趋势方面， 国外学者更关注前沿领域而国内学者更关注基础应用。建议未来的研究可分层次进行量表的开发与测量结构的验证， 扩展理论的应用以探索不同的机制， 以及拓展新的研究视角。

关键词： 人工智能技术； 组织管理中的应用； 国内外文献； 计量分析

基金项目： 国家自然科学基金地区项目“互联网背景下职场员工数字化创造力： 结构、多层次成因以及对员工职场行为与态度的效用机制” （７２１６２０３２）； 新疆财经大学２０２３ 年校地合作重点项目“新疆企业数字化管理人才能力评价与应用研究”（２０２３ＳＬＣ００１）； ２０２３ 年度自治区人文社会科学重点研究基地招标课题“ 新疆农产品冷链物流分销网络优化研究”（ＸＪＥＤＵ２０２３Ｐ００７）

中图分类号： Ｃ９３１ 文献标识码： Ａ

文章编号： １６７４－５３７Ｘ （２０２４） １０. ００５１－１０

一、引言

随着计算机技术的发展和普及， 人工智能逐渐成为组织实践应用的研究热点。人工智能技术在组织中的应用可分为三个阶段。第一阶段为执行重复性任务阶段。如２００５ 年２ 月欧洲航天局在“火星快车” 任务中使用了Ｍｅｘａｒ ２ 系统， 此系统通过执行低层次的重复任务解决了任务规划中的一些问题。第二阶段为深度学习和迭代决策阶段。如特斯拉的自动驾驶系统Ａｕｔｏｐｉｌｏｔ 运用深度学习来分析道路条件和驾驶环境［１］ ， 从而做出快而准的驾驶决策， 体现了在汽车行业中人工智能迭代决策的应用。第三阶段为创造和生成阶段。如２０２２ 年推出的基于人工智能技术驱动的自然语言处理工具Ｃｈａｔ⁃ＧＰＴ， 能够通过理解和学习人类语言执行各种任务，包括文案撰写、代码编写以及辅助绘画等。时至今日， 人工智能在数据处理分析等方面的能力已经超越了人类。实际上经过不断地演化和发展， 人工智能技术已广泛应用于各类组织管理中， 成为组织降本增效的重要工具。

现有研究为人工智能技术在组织管理中的应用奠定了基础， 但仍存在局限之处。首先， 在已有文献综述的内容方面缺乏对该领域的文献梳理。其次， 在方法方面以往研究多以对内容的主观梳理为主［２］ ， 缺少运用客观计量工具的综述研究。此外，相比于国外的英文文献， 国内的相关研究还相对匮乏。鉴于此， 本文运用ＣｉｔｅＳｐａｃｅ 筛选ＷＯＳ 数据库和ＣＮＫＩ 数据库中的文献数据， 采用共现、词频、聚类等分析方法， 对近２０ 年来人工智能技术在组织管理中应用的国内外研究成果进行对比分析。系统梳理此领域国内外的研究进展、研究热点、发展脉络和发展趋势， 从而系统展现此领域的研究现状和未来演进方向并提出未来研究展望， 以期为关注此领域的研究者与管理者可提供参考。

二、数据来源及研究方法

本研究中， 国外文献来源于美国科学网（Ｗｅｂｏｆ Ｓｃｉｅｎｃｅ） 的核心合集数据库， 国内文献来源于中国知网（ ＣＮＫＩ ） 的中文社会科学引文索引（ＣＳＳＣＩ） 数据库。本文对于ＷＯＳ 核心合集数据库的文献检索策略： 将检索词限定为“ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉ⁃ｇｅｎｃｅ ｔｅｃｈｎｏｌｏｇｙ ” “ＡＩ ｔｅｃｈｎｏｌｏｇｙ ” “ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉ⁃ｇｅｎｃｅ ａｄｏｐｔｉｏｎ ” “ ＡＩ ａｄｏｐｔｉｏｎ ” “ ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ ａｗａｒｅｎｅｓｓ ” “ ＡＩ ａｗａｒｅｎｅｓｓ ” “ ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ ｕｓａｇｅ ” “ＡＩ ｕｓａｇｅ ” “ａｌｇｏｒｉｔｈｍｉｃ ｍａｎａｇｅ⁃ｍｅｎｔ”， 检索词之间采取“ＯＲ” 逻辑进行主题搜索， 类别为“ ｍａｎａｇｅｍｅｎｔ”， 共计检索获得文献１２０２ 篇。为进一步提高数据有效性， 在此基础上进行文献的手动筛选， 去除会议论文（ｐｒｏｃｅｅｄｉｎｇｓ ｐａ⁃ｐｅｒ）、书籍章节（ｂｏｏｋ ｃｈａｐｔｅｒ） 等文献， 共计获得外文文献８８５ 篇。本文对于ＣＮＫＩ 的ＣＳＳＣＩ 数据库进行文献检索时， 将“人工智能” 和“技术” 作为主题词进行检索， 筛选学科设为“企业经济” “工业经济” “宏观经济管理与可持续发展”， 以尽可能地匹配ＷＯＳ 数据库中的“ｍａｎａｇｅｍｅｎｔ” 类别。共计获得文献９１８ 篇。手动剔除与主题相关度不高的文献， 得到有效文献数量共４９１ 篇。由于２００３ 年后与主题相关的研究文献开始逐渐呈连续出现态势，本文对国内外文献的检索时间跨度均为２００３－２０２３年， 检索时间为２００３ 年１ 月１ 日至２０２３ 年６ 月３０ 日。

本文借助ＣｉｔｅＳｐａｃｅ ６. ２. Ｒ４ 版本软件， 运用文献计量及可视化的分析方法， 对人工智能技术在组织管理中应用的文献进行分析， 生成包括机构、国家、作者、关键词共现、关键词聚类、高被引文献及关键词突变分析等知识图谱。据此分析人工智能技术在组织管理中应用研究的基本现状、总结归纳相关研究主题并预测其演化趋势。

三、国内外文献的增长趋势分析

国外对人工智能技术在组织管理中应用的研究起步较早， 第一篇公开发表的英文学术论文出现在１９９２ 年， Ｍｃｃａｕｌｅｙ 和Ａｌａ［３］ 研究了人工智能领域中的专家系统在医疗保健行业中的应用， 此后的相关ＳＳＣＩ 文献只是零星出现。国内发表在中文ＣＳＳＣＩ 学术期刊上的论文则最早出现在２００４ 年， 蔡兰和郭顺生［４］ 探讨了人工智能领域中的智能调度问题。

如图１ 所示， 近２０ 年来人工智能技术在组织管理中应用的研究可分为两个阶段： 第一阶段为初始萌芽阶段（２００３－２０１７ 年）， 第二阶段为迅猛发展阶段（２０１８－２０２３ 年）。在第一阶段， 国内外研究的发展速度几乎同步， 发文数量均在１０ 篇以下，甚至某些年份发文量为０。在第二阶段， 国内外发文量激增。其中， ２０２２ 年国外发文量提升至２７４篇， ２０２３ 年截至上半年发文量已经高达２２６ 篇； 与此同时， ２０２２ 年国内发文量达到近２０ 年峰值（１５６篇）， 研究进入快速发展阶段。这可能与中国在宏观上的规划与支持相关。例如， ２０１７ 年７ 月国务院发布《新一代人工智能发展规划》， 确立了新一代人工智能发展三步走战略目标， 将人工智能上升到国家战略层面。

四、国内外文献的高产机构及作者对比分析

（一） 国内外文献的高产机构对比分析

在２００３－２０２３ 年发表英文文献的机构中， 组织管理中“人工智能技术” 研究成果数排名前１０ 的机构依次为： Ｎ８ Ｒｅｓｅａｒｃｈ Ｐａｒｔｎｅｒｓｈｉｐ （ １８ 篇）、Ｉｎｄｉａｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｍａｎａｇｅｍｅｎｔ （ １７ 篇）、ＩｎｄｉａｎＩｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ Ｓｙｓｔｅｍ （１６ 篇）、Ｕｎｉｖｅｒｓｉｔｙ ｏｆＣａｌｉｆｏｒｎｉａ Ｓｙｓｔｅｍ （１４ 篇）、Ｓｔａｔｅ Ｕｎｉｖｅｒｓｉｔｙ Ｓｙｓｔｅｍ ｏｆＦｌｏｒｉｄａ （ １４ 篇）、Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｊｏｈａｎｎｅｓｂｕｒｇ （ １２篇）、Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｌｏｎｄｏｎ （１２ 篇）、Ｕｎｉｖｅｒｓｉｔｙ ｏｆＮｅｗｃａｓｔｌｅ （９ 篇）、Ｈａｒｖａｒｄ Ｕｎｉｖｅｒｓｉｔｙ （９ 篇）、Ｃｏ⁃ｐｅｎｈａｇｅｎ Ｂｕｓｉｎｅｓｓ Ｓｃｈｏｏｌ （９ 篇）。经统计， 近１４％的英文文献出自以上研究机构。相关英文文献高产国家为： 美国（２１１ 篇）、中国（１３２ 篇）、英国（１１７ 篇）、印度（９７ 篇）、德国（９０ 篇）、法国（７４ 篇）、意大利（７０ 篇）、澳大利亚（６４ 篇）。

国内中文文献发表数量排名前１０ 的机构依次是： 中国社会科学院工业经济研究所（１４ 篇）、首都经济贸易大学劳动经济学院（１４ 篇）、中国人民大学劳动人事学院（１４ 篇）、北京联合大学管理学院（１３ 篇）、华东师范大学经济与管理学部（１２篇）、南开大学经济学院（１２ 篇）、南京大学商学院（９ 篇）、清华大学经济管理学院（９ 篇）、西北大学经济管理学院（９ 篇）、河北工业大学经济管理学院（７ 篇）。经统计， 近２３％的中文文献出自以上研究机构。

（二） 国内外文献的高产作者对比分析

如图２ 所示， 英文发文量最高的作者是来自Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｎｅｗｃａｓｔｌｅ 机构的Ｍａｌｉｋ， 发文量为７ 篇。该学者主要研究人工智能技术在人力资源管理领域中的应用。如人工智能辅助的人力资源管理应用能够增强员工体验从而增强员工敬业度［５］ 等。根据普莱斯定律， 英文文献中高产作者临界值为１ ９６， 因此２ 篇及以上发文学者被视为高产作者。英文文献中的高产作者发文总数共计２２２ 篇， 占发文总数２５ １％。表明该领域已形成了少数核心作者和研究团队， 但总体数量有限。

如图３ 所示， 在中文ＣＳＳＣＩ 期刊中， 何勤发文量最高， 发文量为１５ 篇， 主要关注人工智能技术在人力资源领域的应用， 更多地从员工就业角度来讨论人工智能技术的冲击和影响。如， 研究表明人工智能技术存在对就业重塑效应［６］ 等。根据普莱斯定律， 中文研究中高产作者临界值为２ ９０， ３ 篇及以上发文学者被视为高产作者。中文文献中高产作者的发文总数为３３ 篇， 占所有作者发文总数的６ ７２％， 说明高产文献作者及高影响力团队在国内尚未形成。

五、国内外文献的研究热点及其主题分布对比分析

（一） 国内外文献的研究热点

关键词是对研究主题的高度概括， 高频关键词则可反映研究热点。本文分别对８８５ 篇英文文献、４９１ 篇中文文献进行高频关键词分析。

１. 国外英文文献的研究热点

列举频次高于５０ 的关键词可详见表１。国外关键词共现图中ｂｕｓｉｎｅｓｓ ｉｎｔｅｌｌｉｇｅｎｃｅ、ｅｘｐｅｒｔ ｓｙｓｔｅｍｓ 等关键词带有外环， 在短期内大量出现， 在一定程度上反映了研究热点。

结合表１ 可总结出人工智能技术在组织管理中应用的一些研究概念及变量。一是针对人工智能技术应用的概念及变量， 分别有ａｌｇｏｒｉｔｈｍｉｃ ｄｅｃｉｓｉｏｎ －ｍａｋｉｎｇ、ｆｉｒｍｓ＇ ｉｎｖｅｓｔｍｅｎｔ ｉｎ ｂｉｇ ｄａｔａ、ＩＴ ｉｎｆｒａｓｔｒｕｃｔｕｒｅｆｌｅｘｉｂｉｌｉｔｙ、ｂｅｈａｖｉｏｒａｌ ｖｉｓｉｂｉｌｉｔｙ、ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ、Ｉｎ⁃ｔｅｒｎｅｔ ｏｆ ｔｈｉｎｇｓ 等。此外， 相关文献还介绍了Ｉｎｄｕｓｔｒｙ４. ０、Ｆｏｏｄ Ｌｏｇｉｓｔｉｃｓ ４. ０ 中包含的人工智能等高新技术。二是人工智能技术应用的前因变量， 包括ｔａｓｋｔｅｃｈｎｏｌｏｇｙ ｆｉｔ ｏｆ ＡＩ ｔｅｃｈｎｏｌｏｇｙ、ｔｅｃｈｎｏｌｏｇｙ ａｃｃｅｐｔａｎｃｅ、ｓｅｒｖｉｃｅ ｑｕａｌｉｔｙ ｄｉｍｅｎｓｉｏｎｓ ｌｅａｄｉｎｇ ｔｏ ｐｅｒｃｅｉｖｅｄ ｖａｌｕｅ、ｅｍｐａｔｈｙ 和ｉｎｆｏｒｍａｔｉｏｎ ｓｈａｒｉｎｇ 等。三是人工智能技术应用的后果变量， 包括ｃｏｎｓｕｍｅｒ ａｔｔｉｔｕｄｅｓ ａｎｄ ｂｅｈａｖ⁃ｉｏｒｓ、ｋｎｏｗｌｅｄｇｅ ｃｒｅａｔｉｏｎ、ｏｒｇａｎｉｚａｔｉｏｎａｌ ｃｒｅａｔｉｖｉｔｙ 等。

２. 国内中文文献的研究热点

如表２ 所示， 筛选频次高于１５ 的关键词， 可以发现“人工智能” 出现的频次最高， 为２２３ 次。“数字经济” “就业” “制造业” 频次在２５ 次以上。结合图５ 对现有文献梳理， 本文认为国内研究热点主要集中在两方面。

第一方面， 组织管理中人工智能技术的应用背景。包含关键词： “数字经济” “技术创新” “技术进步” 与“数字技术” 等。其中， “数字经济” 是以数字技术为支撑的经济形态， 而“数字技术” 中的重要技术之一是人工智能技术。要推动数字经济和实体经济走向深度融合， 则需要数字技术与数据要素双轮驱动［７］ 。其次， “技术创新” “技术进步”是人工智能技术的应用结果。例如， 企业工业机器人显著促进企业技术创新［８］ 。

第二方面， 组织管理中人工智能技术的应用产生的影响。包含关键词： “就业” “制造业” “就业结构” 与“智能制造” 等。首先， 人工智能技术，尤其是机器人技术的应用影响了微观个体的劳动者“就业” 以及宏观层面的劳动力“就业结构”［９］ 。其次， “制造业” 受人工智能技术应用的影响， 产生了区别于传统制造形式的“智能制造”。相关研究通过建立智能制造中人机协作运行功能标准模型， 来实现智能制造企业的人力资源优化配置［１０］ 。

（二） 国内外文献研究热点的主题分布

在关键词图谱的基础上进行聚类分析， 可以对人工智能技术在组织管理中应用相关的国内外研究， 进行主题分布的对比分析。本文分别显示国内外研究的前１２ 个主要聚类， 据此统计出近２０ 年学者们研究的热点分类以及各类别中的主要关键词，详见表３ 与表４。

１. 国外英文文献研究热点的主题分布

聚类结果显示： Ｍｏｄｕｌａｒｉｔｙ Ｑ＝０. ７９８７ （＞０. ３），聚类结构显著； Ｍｅａｎ Ｓｉｌｈｏｕｅｔｔｅ ＝ ０. ９３１１ （＞０. ７），表明文献同质性强， 聚类结果可靠。根据表３ 结果， 结合国外已有研究提炼３ 大主题。

基础概念（＃０、＃１、＃２、＃３）。“ｂｉｇ ｄａｔａ ”“ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ” “ｉｎｔｅｒｎｅｔ” “ｉｎｔｅｒｎｅｔ ｏｆ ｔｈｉｎｇｓ”这些类别涉及到人工智能技术应用的相关基础概念。大数据（ｂｉｇ ｄａｔａ） 和人工智能（ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌ⁃ｌｉｇｅｎｃｅ） 提供了组织管理中数据的收集、处理和分析能力， 互联网（ｉｎｔｅｒｎｅｔ） 和物联网（ｉｎｔｅｒｎｅｔ ｏｆｔｈｉｎｇｓ） 则强调了数字化和物理设备的网络连接，为组织管理提供了更广阔的应用场景和数据来源。结合表３ 以上聚类中的关键词， 本文通过对已有文献的梳理来阐述“人工智能技术应用” 的基础概念。Ｎｉｌｓｓｏｎ［１１］ 提出人工智能通常执行与人类大脑有关的认知功能， 如学习、互动和解决问题。在此基础上， 研究学者总结了组织中两种人工智能应用形式， 分别是自动化和增强。自动化指机器接管人类的任务， 而增强则是指人类通过与机器紧密合作来完成任务［１２］ 。

应用实践（＃４、＃８、＃１０、＃１１）。“ｐｒｏｃｅｓｓ ｉｎ⁃ｎｏｖａｔｉｏｎ ” “ ｔｅｃｈｎｏｌｏｇｉｃａｌ ｉｎｎｏｖａｔｉｏｎ ” “ ｖａｌｕｅｃｒｅａｔｉｏｎ” “ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ” 这些类别， 关注人工智能在组织管理中的应用实践。流程创新（ｐｒｏｃｅｓｓｉｎｎｏｖａｔｉｏｎ） 指通过引入人工智能技术来改进组织管理中的工业和生产流程。技术创新（ｔｅｃｈｎｏｌｏｇｉｃａｌｉｎｎｏｖａｔｉｏｎ） 涵盖了更广泛的创新范围。价值创造（ｖａｌｕｅ ｃｒｅａｔｉｏｎ） 强调了人工智能在组织管理中对于价值的创造提升， 包括以人工智能为基础的创新服务模式和商业模式。决策（ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ） 则强调了人工智能在组织决策过程中的应用， 如预测分析和决策支持系统。结合表３ 聚类关键词可知， 人工智能技术越来越多地被用作管理者的决策支持，尤其是在人力资源领域。例如在商业模式相关实践中， Ｚｈａｎｇ 等［１３］ 对如何将人工智能技术应用于旅游地进行研究和探索。

应用感知及意愿（＃５、＃６、＃９）。“ｐｅｒｃｅｉｖｅｄｖａｌｕｅ ” “ｕｓｅｒ ａｃｃｅｐｔａｎｃｅ ” “ｐｅｒｃｅｉｖｅｄ ｏｒｇａｎｉｚａｔｉｏｎａｌｓｕｐｐｏｒｔ” 这些类别聚焦于用户和员工对组织中人工智能技术的感知。感知价值（ｐｅｒｃｅｉｖｅｄ ｖａｌｕｅ） 指用户对于人工智能应用的价值和服务的总体评价， 用户接受度（ｕｓｅｒ ａｃｃｅｐｔａｎｃｅ） 关注用户对人工智能应用的接受程度， 感知组织支持（ｐｅｒｃｅｉｖｅｄ ｏｒｇａｎｉｚａｔｉｏｎａｌｓｕｐｐｏｒｔ） 则指员工感知到的组织对人工智能应用的态度。结合表３ 聚类关键词， Ｗｉｒｔｚ 等［１４］ 推进了服务机器人接受模型。此外， Ｌｕ 等［１５］ 开发了服务机器人集成意愿量表， 用来测量消费者将人工智能和服务机器人集成到常规交易服务中的长期意愿。

２. 国内中文文献研究热点的主题分布

聚类结果显示： Ｍｏｄｕｌａｒｉｔｙ Ｑ＝０. ７６０８ （＞０. ３），聚类结构显著； Ｍｅａｎ Ｓｉｌｈｏｕｅｔｔｅ ＝ ０. ９６１８ （＞０. ７），文献同质性很强， 聚类结果可靠。根据表４ 结果，结合国内已有研究可提炼４ 大主题。

基础概念（＃０、＃４、＃９）。“人工智能” “大数据” “数字技术” 这些类别涉及到组织管理中技术概念的相关内容， 分析表４ 提炼出基础概念这一主题。刘泽双等［１０］ 提出了人机协作运行功能标准包含的六部分内容， 并开发验证了人机协作运行功能标准量表。

应用实践（＃１、＃２、＃６、＃７、＃１０、＃１１）。“数字经济” “价值共创” “制造业” “智能制造” “数字化” 和“智能化” 这些类别关注人工智能在组织管理中的实践应用。结合表４ 聚类关键词可知， 在人工智能技术的应用实践中， 学者们主要从不同角度来研究人工智能技术应用的影响。如， 杨学成和刘雯雯［１６］ 从企业角度探究了人工智能技术对智能商业中价值共创的作用机理。黎静仪等从个体角度检验了人脸识别场景对消费者独特性寻求行为的影响机理［１７］ 。

就业替代（＃３、＃５、＃８）。“替代效应” “人力资本” “就业” 这些类别关注人工智能在组织管理中对人力资源领域的影响。结合表４ 聚类关键词可知， ２０１７ 年国内人工智能技术在组织管理中的应用领域首次出现就业、劳动替代的相关研究。王君等提出， 技术进步对就业的影响是负向破坏效应与正向创造效应并存的［１８］ 。相关研究并没有终止， 最近相关研究显示， 企业数字化转型极大促进了整体劳动力需求， 尤其是中高技能劳动力需求。此外在劳动替代的相关研究中， 人工智能技术、工业机器人应用对制造业就业的影响备受关注。

六、国内外文献的研究前沿与发展趋势对比分析

（一） 国内外文献的研究前沿对比分析

研究前沿特指某领域中最先进或最有发展潜力的研究内容或研究方向。研究前沿通常可通过文献共被引关键词来进行统计分析， 从而反映某一领域的知识基础。通过共被引聚类进行国外被引文献的梳理， 国内研究本文则采取手动查找方式梳理国内文献中的前１０ 位高被引文献。

１. 国外高被引英文文献

英文文献被引频次４０ 及以上的排名前１０ 的文献， 详见表５。通过归纳分析英文高被引文献， 认为国外该领域的研究主题可以分为三个方面。

第一方面， 人工智能技术应用方式的观念。不同学者对如何使用人工智能技术观点不同。其中Ｄａｖｅｎｐｏｒｔ 强调了人工智能增强的概念， 认为人工智能技术应该用作增强而非取代人类活动。而Ｒａｉｓｃｈ和Ｋｒａｋｏｗｓｋｉ 则持不同观点， 认为组织应对自动化和增强这两种人工智能技术应用理念进行区分和整合， 而不是专注于其中一种。

第二方面， 人工智能技术的未来影响预测与趋势分析。学者们对人工智能技术对未来工业和社会的影响进行预测。早在２０１７ 年Ｆｒｅｙ 和Ｏｓｂｏｒｎｅ 就预测了未来计算机化对美国劳动力市场的影响。Ｈｕａｎｇ 和Ｒｕｓｔ 进一步预测了人工智能的工作替代基本发生在任务层面而非作业层面， 且首先针对低水平任务。而Ｄｗｉｖｅｄｉ 等则对人工智能技术在不同领域中的影响进行现实评估。此外， 学者们对人工智能技术的未来也进行了分析和展望。如， Ｋｅｌｌｏｇｇ 等研究了算法技术的应用如何重塑组织控制；Ｈａｅｎｌｅｉｎ 和Ｋａｐｌａｎ 则从微观与宏观两方面展望人工智能的未来。

第三方面， 人工智能技术应用的实践应用框架与模型。学者们通过对人工智能技术的讨论和分析， 提出了相关的企业实践框架。如， Ｄａｖｅｎｐｏｒｔ 与Ｒｏｎａｎｋｉ 提供了一个框架来说明企业应如何在未来几年开始建立自己的认知能力， 从而实现其业务目标； Ｋａｐｌａｎ 与Ｈａｅｎｌｅｉｎ 提出了一个人工智能对内外部影响的框架； Ｄａｖｅｎｐｏｒｔ 等提出了一个多维度框架来说明人工智能的影响。此外还有学者提出了人工智能技术的实践应用的相关模型， 如服务机器人接受模型［１４］ 等。

２. 国内高被引中文文献分析

在中文文献中， 同样选择被引频次大于或等于４０ 的排名前１０ 的文献， 如表６ 所示。对表６ 中的文献进行分析， 可将国内该领域的研究主题归纳为三个方面。

第一， 人工智能技术应用的企业层面。相关文献从理论与实践都有探讨， 在理论方面， 相关研究通过回顾战略管理核心理论， 总结了数字化给现有战略管理理论带来的挑战， 并讨论了数字化在扩展战略管理理论方面的潜力。在实践方面， 数字化变革极大提高了实体企业的经济效益； 数字金融发展对企业技术创新存在“结构性” 驱动效果， 以及人工智能促进了企业参与全球价值链分工。

第二， 人工智能技术应用的产业层面。从产业层面来看， 人工智能技术影响产业转型升级。相关研究探讨了人工智能发展对产业结构转型的影响。其中， 数字经济与实体经济的深度融合成为促进实体经济振兴与产业转型升级的新动能。同时， 智能制造将成为制造业主流模式的新代表。此外， 产业生态系统间的适应性和动态能力对国家产业长期竞争力起到关键作用。

第三， 人工智能技术应用的社会层面。从社会层面来看， 人工智能技术影响行业就业问题。例如，在市场集中度较高、对外部资金依赖程度较高的行业及非国有企业中， 机器人应用对劳动力需求的替代效应更为明显。此外， 还有学者通过研究外卖骑手的劳动过程来反映社会问题。研究认为数字控制减少了骑手行使自主权的空间， 使他们下意识地参与到自我管理的过程中， 这表明资本控制手段从实体转向虚拟。

（二） 国内外文献的发展趋势分析

发展趋势分析采用突变词来进行分析。突变词指被引频次在短期迅速增加的关键词， 可代表该领域的研究趋势。图４ 和图５ 分别呈现了英文和中文相关文献的突变词分析结果。

由图４ 可知突变强度最大的是ｐｏｗｅｒ， 突现强度为４. ３２， 其次是ｓｅｒｖｉｃｅ ｒｏｂｏｔｓ、ｉｎｔｅｇｒａｔｉｏｎ， 突现强度均为３. ７９。表明２０２０ 年至２０２１ 年学者对涉及这些突变词的相关研究非常活跃。突变时间持续到２０２３年的关键词有ｕｓｅｒ ａｃｃｅｐｔａｎｃｅ、ＡＩ。说明这些突变词的研究仍显增势， 成为目前学者的重点关注问题。

根据图５ 分析中文文献可知， 突变强度最大的是“大数据”， 突现强度高达２. ４１， 表明２０１７ 年至２０１９ 年学者对涉及“大数据” 的相关研究非常活跃。其次是“云计算” 和“智能制造”， 突现强度均为２. １２， 表明２０１３ 年至２０１９ 年学者对“云计算”相关研究活跃， ２０１９ 年至２０２０ 年学者们对智能制造的关注度突增。目前没有出现突变时间持续到２０２３年的关键词， 说明对人工智能技术在管理领域中应用的研究， 近三年来并未形成学者们集中关注的问题。

七、研究结论与未来研究展望

（一） 研究结论

本文运用ＣｉｔｅＳｐａｃｅ 软件对来源于ＷＯＳ 核心合集的９１８ 篇英文文献和来源于中国知网ＣＳＳＣＩ 数据库的４９１ 篇中文文献进行分析， 主要结论可总结成四个方面。

１. 国内外文献的年度发文量及高产作者发文数量的差异。在年度总体发文量方面， 国外英文文献总体数量增势相对明显； 在高产作者发文数量方面，英文文献的高产作者发文数量趋于平均， 而国内中文高产作者发文数量则差异较大。由此可进一步对比分析国内外学术界在科研产出、合作模式上的差异。

２. 国内外文献研究热点与主题分布的差异。在研究热点方面， 国外英文文献更关注微观层面， 而国内中文文献则更注重宏观层面。例如， 国外研究多关注“技术” “管理” “绩效” “信息技术” 等，而国内研究重点关注“数字经济” “就业” “制造业” 等。这可能反映了国外学术界对于具体技术或管理策略的深入研究和实际应用的兴趣， 而国内研究更偏向于探讨更广泛的经济和社会问题， 及这些问题如何产生影响或被特定领域（如数字经济和制造业） 影响。在主题分布方面， 国内外都注重对于基础概念与应用实践的研究。但国外英文文献在应用实践方面重点关注人工智能技术在人力资源领域的应用， 并且对于应用感知及意愿的相关研究更为广泛。而国内中文文献则在应用实践方面对企业、个体角度的人工智能技术应用都有探讨， 并且更加注重就业替代的相关研究。此结果表明， 国外相关研究可能更侧重于优化和整合现有的ＡＩ 技术， 以提高效率和效果； 而国内相关研究则可能更关注ＡＩ 技术带来的宏观社会经济变化， 以及如何在这些变化中找到新的机遇和挑战。

３. 国内外高被引文献的差异。对比发现国外研究主题偏重人工智能技术的应用实践， 而国内研究主题偏重人工智能技术的应用影响。具体来说， 国外的基础研究主题主要关注人工智能技术应用方式的观念、未来影响预测与趋势分析、实践应用框架与模型， 而国内的基础研究主题则更加关注人工智能技术应用的企业、产业及社会层面。分析其原因，很可能是发达国家由于技术基础设施和市场环境成熟， 更倾向于探索ＡＩ 技术的创新应用和理论模型，强调实践应用和未来趋势。相比之下， 发展中国家更关注ＡＩ 技术对社会经济的影响， 重视其在企业、产业和社会层面的应用， 反映了对现实影响和政策导向的关注。

４. 国内外研究的发展趋势的差异。对比发现，国外英文文献关注的研究领域更为前沿， 而国内研究关注的焦点还在人工智能技术的基础应用阶段。例如， 英文文献的热点话题有“驱动力” “服务型机器人” “整合” 以及“用户接受度” 等， 而国内中文相关文献中“大数据” “云计算” 以及“智能制造” 等研究主题十分活跃。分析其原因， 国外以发达国家为代表的经济和科技发展水平相对较高， 通常拥有更成熟的科技基础和更强大的研究资金支持，这为学者探索更前沿的研究领域奠定了良好基础。例如， 服务型机器人和用户接受度研究需要复杂的技术基础和跨学科的方法， 这在经济更发达、科技更先进的国家更容易实现。相较而言， 国内学术领域的研究文献更多地集中在ＡＩ 技术的基础应用阶段， 这可能是由于国内市场在某些领域还处于成长和探索阶段。例如， 大数据、云计算和智能制造不仅在中国商业应用中非常活跃， 也代表了经济发展的未来方向。

（二） 未来研究展望

本文研究范围为２００３ 年至２０２３ 年的ＷＯＳ 和ＣＮＫＩ 数据库， 未来可以考虑增加其他数据库中的文献进行分析。此外， 本文认为人工智能技术在组织管理领域未来可能的研究方向包括：

１. 量表开发与测量结构的验证。人工智能技术在组织管理中的应用日益丰富， 但目前的量表研究多关注顾客及员工对人工智能技术的应用意愿。例如， 服务机器人集成意愿量表［１５］ 、人机协作运行功能量表［１０］ 等。因此， 更深入地探讨人工智能技术在组织管理中的应用， 需要开发专门的量表并进行科学测量结构的验证。例如， 分不同层次来开发更具适用性的量表。具体来说， 可从个体层面关注个体对人工智能技术应用认知、应用感知的评价等变量测量。或从组织或团队层面评估人工智能技术的应用程度及应用效果。此外， 也可从行业层面评估人工智能技术在整个行业中的普及程度和影响力。

２. 扩展理论的应用， 以探索人工智能技术在组织中新的研究机制。首先， 可以进一步探索组织中人工智能技术应用的前因变量。在以往研究中， 前因变量主要有主观上的服务维度感知价值、移情、信息共享等和客观上的人工智能任务技术匹配度等。未来研究还可以考虑一些新的前因变量。例如， 资源依赖理论提出， 组织要维持生存， 就要设法从外部环境中获取其发展所必需的资源。因此， 可以探讨组织竞争优势， 如组织创新能力等对组织中人工智能技术应用的影响。其次， 可进一步探索组织中人工智能技术应用的后果变量。以往研究的后果变量有消费者态度和行为、知识创造等。未来研究可以探索人工智能技术应用导致的组织文化塑造、员工或组织创新能力等。例如， 资源保存理论认为个体会进行资源投资， 以此来保护现有资源免受损失。个体的资源投资是其应对压力的方式之一， 因此可以探讨人工智能技术应用作为一种员工资源投资方式［１９］ 对其积极行为的影响。此外， 也可采用多样化的研究方法以丰富研究设计。现有研究多以单一方法或质性研究为主［２］ 。未来的研究可以采用多方法的研究设计， 结合定性和定量的研究方法丰富研究设计。

３. 拓展研究视角。以往学者研究人工智能技术应用对劳动就业、劳动替代等的影响， 而少有关注技术应用引发的其他问题， 如伦理风险、决策风险以及隐私与安全问题。具体来说， 第一， 人工智能技术的发展和应用应符合道德规范和社会价值［２０］ 。在应用中， 人工智能系统表现出智能行为， 但并不具备真正的意识及道德判断能力。如何避免和解决由此引发的责任问题需要进一步研究。第二， 可关注人工智能技术应用引发的决策风险。由于ＡＩ 决策时数据不全面或存在偏见、人类决策对ＡＩ 的过度依赖、以及ＡＩ 算法透明度和可解释性受限等因素， 可能会导致决策不公平或不准确［２１］ 。例如， 利用ＡＩ 进行市场趋势分析和消费者行为预测时， 如果输入数据不全面或算法存在偏差， 可能导致营销策略偏离目标客户群体的实际需求， 从而影响销售效果和品牌声誉。第三， 可探讨人工智能技术应用造成的隐私与安全问题。人工智能技术的发展和广泛应用使得大量个人或企业数据被收集、分析和共享。首先，这些数据受到未经授权的访问、泄露或滥用， 可能导致隐私权侵犯以及安全威胁。其次， 通过对大量用户数据的分析， 可以识别和推测用户态度［２２］ 。这些推测可能被滥用于未经授权的舆论操纵、广告定向等。此外， 由人工智能技术应用引发的未知风险也不容忽视， 因为未来最大的风险通常而言都是目前无人谈论也很难去准备的。

参考文献：

［１］王科俊， 赵彦东， 邢向磊. 深度学习在无人驾驶汽车领域应用的研究进展［Ｊ］. 智能系统学报， ２０１８， １３（１）.

［２］王振源， 姚明辉. 工作场所人机协作对员工影响的研究述评［Ｊ］. 外国经济与管理， ２０２２， ４４（９）.

［３］ ＭＣＣＡＵＬＥＹ Ｎ， ＡＬＡ Ｍ. ＴＨＥ ＵＳＥ ＯＦ ＥＸＰＥＲＴ ＳＹＳＴＥＭＳ ＩＮ ＴＨＥ ＨＥＡＬＴＨ－ＣＡＲＥ ＩＮＤＵＳＴＲＹ ［Ｊ］. ＩＮＦＯＲＭＡＴＩＯＮ ＆ ＭＡＮＡＧＥＭＥＮＴ， １９９２，２２（４）.

［４］蔡兰， 郭顺生. 智能调度问题的综述和方法研究［Ｊ］. 科技进步与对策， ２００４， （１０）.

［５］ ＭＡＬＩＫ Ａ， ＢＵＤＨＷＡＲ Ｐ， ＭＯＨＡＮ Ｈ， ＥＴ ＡＬ. ＥＭＰＬＯＹＥＥ ＥＸＰＥＲＩＥＮＣＥ – ＴＨＥ ＭＩＳＳＩＮＧ ＬＩＮＫ ＦＯＲ ＥＮＧＡＧＩＮＧ ＥＭＰＬＯＹＥＥＳ： ＩＮＳＩＧＨＴＳＦＲＯＭ ＡＮ ＭＮＥ＇Ｓ ＡＩ ‐ ＢＡＳＥＤ ＨＲ ＥＣＯＳＹＳＴＥＭ ［Ｊ］. ＨＵＭＡＮ ＲＥＳＯＵＲＣＥ ＭＡＮＡＧＥＭＥＮＴ， ２０２３， ６２（１）.

［６］邱玥， 何勤. 人工智能对就业影响的研究进展与中国情景下的理论分析框架［Ｊ］. 中国人力资源开发， ２０２０， ３７（２）.

［７］洪银兴， 任保平. 数字经济与实体经济深度融合的内涵和途径［Ｊ］. 中国工业经济， ２０２３， （２）.

［８］邓悦， 蒋琬仪. 工业机器人、管理能力与企业技术创新［Ｊ］. 中国软科学， ２０２２， （１１）.

［９］韩青江， 韩民春. 机器人技术进步对劳动力市场与社会福利的影响研究［Ｊ］. 技术经济， ２０２１， ４０（１）.

［１０］刘泽双， 韩金， 王一帆. 智能制造人机协作运行功能标准模型研究［Ｊ］. 科技进步与对策， ２０２２， ３９（２０）.

［１１］ ＮＩＬＳＳＯＮ Ｎ Ｊ. ＰＲＯＢＬＥＭ－ＳＯＬＶＩＮＧ ＭＥＴＨＯＤＳ ＩＮ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ ［Ｍ］. ＮＥＷ ＹＯＲＫ： ＭＣＧＲＡＷ－ＨＩＬＬ，１９７１.

［１２］ ＲＡＩＳＣＨ Ｓ， ＫＲＡＫＯＷＳＫＩ Ｓ. ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ ＡＮＤ ＭＡＮＡＧＥＭＥＮＴ： ＴＨＥ ＡＵＴＯＭＡＴＩＯＮ－ＡＵＧＭＥＮＴＡＴＩＯＮ ＰＡＲＡＤＯＸ ［ Ｊ］. Ａ⁃ＣＡＤＥＭＹ ＯＦ ＭＡＮＡＧＥＭＥＮＴ ＲＥＶＩＥＷ， ２０２１， ４６（１）.

［１３］ ＺＨＡＮＧ Ｋ， ＣＨＥＮ Ｙ， ＬＩ Ｃ. ＤＩＳＣＯＶＥＲＩＮＧ ＴＨＥ ＴＯＵＲＩＳＴＳ＇ ＢＥＨＡＶＩＯＲＳ ＡＮＤ ＰＥＲＣＥＰＴＩＯＮＳ ＩＮ Ａ ＴＯＵＲＩＳＭ ＤＥＳＴＩＮＡＴＩＯＮ ＢＹ ＡＮＡＬＹＺ⁃ＩＮＧ ＰＨＯＴＯＳ＇ ＶＩＳＵＡＬ ＣＯＮＴＥＮＴ ＷＩＴＨ Ａ ＣＯＭＰＵＴＥＲ ＤＥＥＰ ＬＥＡＲＮＩＮＧ ＭＯＤＥＬ： ＴＨＥ ＣＡＳＥ ＯＦ ＢＥＩＪＩＮＧ ［Ｊ］. ＴＯＵＲＩＳＭ ＭＡＮＡＧＥＭＥＮＴ，２０１９， ７５（１２）.

［１４］ ＷＩＲＴＺ Ｊ， ＰＡＴＴＥＲＳＯＮ Ｐ Ｇ， ＫＵＮＺ Ｗ Ｈ， ＥＴ ＡＬ. ＢＲＡＶＥ ＮＥＷ ＷＯＲＬＤ： ＳＥＲＶＩＣＥ ＲＯＢＯＴＳ ＩＮ ＴＨＥ ＦＲＯＮＴＬＩＮＥ ［Ｊ］. ＪＯＵＲＮＡＬ ＯＦ ＳＥＲＶ⁃ＩＣＥ ＭＡＮＡＧＥＭＥＮＴ， ２０１８， ２９（５）.

［１５］ ＬＵＬ， ＣＡＩ Ｒ， ＧＵＲＳＯＹ Ｄ. ＤＥＶＥＬＯＰＩＮＧ ＡＮＤ ＶＡＬＩＤＡＴＩＮＧ Ａ ＳＥＲＶＩＣＥ ＲＯＢＯＴ ＩＮＴＥＧＲＡＴＩＯＮ ＷＩＬＬＩＮＧＮＥＳＳ ＳＣＡＬＥ ［Ｊ］. ＩＮＴＥＲＮＡＴＩＯＮ⁃ＡＬ ＪＯＵＲＮＡＬ ＯＦ ＨＯＳＰＩＴＡＬＩＴＹ ＭＡＮＡＧＥＭＥＮＴ， ２０１９， ８０（７）.

［１６］杨学成， 刘雯雯. 智能商业中的非线性价值共创机理［Ｊ］. 科技管理研究， ２０２２， ４２（１４）.

［１７］黎静仪， 李先国， 黄元豪. 人脸识别技术对消费者独特性寻求的影响［Ｊ］. 管理科学， ２０２２， ３５（２）.

［１８］王君， 张于喆， 张义博， 等. 人工智能等新技术进步影响就业的机理与对策［Ｊ］. 宏观经济研究， ２０１７， （１０）.

［１９］张恒， 高中华， 李慧玲. 增益还是损耗：人工智能技术应用对员工创新行为的“双刃剑”效应［Ｊ］. 科技进步与对策， ２０２３， ４０（１８）.

［２０］张兆翔， 张吉豫， 谭铁牛. 人工智能伦理问题的现状分析与对策［Ｊ］. 中国科学院院刊， ２０２１， ３６（１１）.

［２１］唐要家， 唐春晖. 基于风险的人工智能监管治理［Ｊ］. 社会科学辑刊， ２０２２， （１）.

［２２］ ＧＨＯＳＨ Ｉ， ＳＩＮＧＨ Ｖ. ＰＨＯＮＥＳ， ＰＲＩＶＡＣＹ， ＡＮＤ ＰＲＥＤＩＣＴＩＯＮＳ： Ａ ＳＴＵＤＹ ＯＦ ＰＨＯＮＥ ＬＯＧＧＥＤ ＤＡＴＡ ＴＯ ＰＲＥＤＩＣＴ ＰＲＩＶＡＣＹ ＡＴＴＩＴＵＤＥＳＯＦ ＩＮＤＩＶＩＤＵＡＬＳ ［Ｊ］. ＯＮＬＩＮＥ ＩＮＦＯＲＭＡＴＩＯＮ ＲＥＶＩＥＷ， ２０２０， ４４（２）.