Оценка внедрения технологий искусственного интеллекта на промышленном предприятии в условиях Индустрии 5.0 (на примере компаний Пакистана)

Цифровая экономика: теория и практика
Авторы:
Аннотация:

Считается, что степень внедрения технологий искусственного интеллекта (ИИ) производственными предприятиями в странах с развивающейся экономикой зависит главным образом от их внутренних возможностей и культуры, в то время как окружающая экосистема рассматривается только как фоновый контекст, а не как измеримый фактор. Проведенное авторами исследование устраняет этот пробел путем разработки и эмпирической проверки концептуальной структурной модели на основе девяти гипотез и восьми конструктов, которая соединяет сетевые связи экосистемы, институциональную и государственную поддержку, готовность цифровой инфраструктуры, технологическую готовность, организационную инновационную культуру и динамические возможности с внедрением ИИ и через него — с промышленными инновациями и конкурентоспособностью. Модель объединяет перспективу динамических возможностей, перспективу институциональной теории и парадигму ориентированной на человека Индустрии 5.0 в единую структуру на уровне экосистемы. При этом предполагается, что условия на уровне экосистемы и инфраструктуры формируют внутреннюю готовность предприятия, что, в свою очередь, стимулирует внедрение ИИ и последующую производительность. Первичные данные опроса были собраны у 182 менеджеров из пяти отраслей промышленности Пакистана. Четыре из девяти гипотез были подтверждены: сетевые связи экосистемы взаимодействовали с технологической готовностью, готовность цифровой инфраструктуры — с динамическими возможностями, государственная и институциональная поддержка — с организационной инновационной культурой, а внедрение ИИ — с промышленными инновациями и конкурентоспособностью. Технологическая готовность и организационная инновационная культура не продемонстрировали надежного уникального влияния на принятие решений, гипотетическое сдерживание со стороны государственной и институциональной поддержки обнаружено не было, а две конструкции — сетевые связи экосистемы и динамические возможности — оказались слишком коррелированы, чтобы их можно было тестировать как независимые предикторы. Исследование представляет один из первых тестов экосистемных и институциональных предпосылок оценки внедрения ИИ на примере промышленности Южной Азии на уровне предприятия, сообщает об ограничениях измерения и позволяет сформулировать рекомендации менеджерам в области промышленной политики на основе ИИ. Будущие исследования будут направлены на формирование еще не проверенных гипотез с помощью очищенных, сокращенных по номенклатуре данных, чтобы установить направление причинно-следственной связи между условиями экосистемы, внедрением ИИ и эффективностью предприятия.

Финансовые условия:

Исследование выполнено при финансовой поддержке Российского научного фонда в рамках реализации проекта «Стратегическое управление интеллектуальной зрелостью промышленных экосистем в условиях экономики данных: методология, фреймворк, инструментарий» (Соглашение № 25-18-00978; https://rscf.ru/project/25-18-00978/).

  • Список литературы

    1. Dwivedi Y.K., Hughes L., Ismagilova E., Aarts G., Coombs K., Crick T. et al. (2021) Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, art. no. 101994. DOI: 10.1016/j.ijinfomgt.2019.08.002

    2. Brynjolfsson E., McAfee A. (2016) The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies, 2nd ed., NY: W.W. Norton & Company.

    3. Khan M., Haleem A., Javaid M. (2023) Changes and improvements in Industry 5.0: A strategic approach to overcome the challenges of Industry 4.0. Green Technologies and Sustainability, 1 (2), art. no. 100020. DOI: 10.1016/j.grets.2023.100020

    4. Nahavandi S. (2019) Industry 5.0 – A Human-Centric Solution. Sustainability, 11 (16), art. no. 4371. DOI: 10.3390/su11164371

    5. Javaid M., Haleem A., Singh R.P., Suman R. (2022) Artificial Intelligence Applications for Industry 4.0: A Literature-Based Study. Journal of Industrial Integration and Management, 7 (1), 83–111. DOI: 10.1142/S2424862221300040

    6. Chaerunnisa C., Hurriyati R., Hendrayati H., Dirgantari P.D. (2025) Effect of Strategic Planning, Business Innovation, Digital Transformation, and Organisational Agility on Competitive Advantage of Modern Service Companies in West Java. Jurnal Ilmiah Manajemen Kesatuan, 13 (5), 4121–4138. DOI: 10.37641/jimkes.v13i5.3873

    7. Fosso Wamba S., Queiroz M.M., Pappas I.O., Sullivan Y. (2024) Artificial Intelligence Capability and Firm Performance: A Sustainable Development Perspective by the Mediating Role of Data- Driven Culture. Information Systems Frontiers, 26 (6), 2189–2203. DOI: 10.1007/s10796-023-10460-z

    8. Mikalef P., Gupta M. (2021) Artificial intelligence capability: Conceptualization, measurement calibration, and empirical study of its effects on organizational creativity and firm performance. In- formation & Management, 58 (3), art. no. 103434. DOI: 10.1016/j.im.2021.103434

    9. Hossain M.A., Agnihotri R., Rushan M.R.I., Rahman M.S., Sumi S.F. (2022) Marketing ana- lytics capability, artificial intelligence adoption, and firms' competitive advantage: Evidence from the manufacturing industry. Industrial Marketing Management, 106, 240–255. DOI: 10.1016/j.indmarman. 2022.08.017

    10. Toorajipour R., Sohrabpour V., Nazarpour A., Oghazi P., Fischl M. (2021) Artificial intelligence in supply chain management: A systematic literature review. Journal of Business Research, 122, 502–517. DOI: 10.1016/j.jbusres.2020.09.009

    11. Neiroukh S., Emeagwali O.L., Aljuhmani H.Y. (2025) Artificial intelligence capability and organizational performance: Uncovering the mediating mechanisms of decision-making processes. Management Decision, 63 (10), 3501–3532. DOI: 10.1108/md-10-2023-1946

    12. DiMaggio P.J., Powell W.W. (1983) The Iron Cage Revisited: Institutional Isomorphism and Collective Rationality in Organizational Fields. American Sociological Review, 48 (2), 147–160. DOI: 10.2307/2095101

    13. Raisch S., Krakowski S. (2021) Artificial Intelligence and Management: The Automation– Augmentation Paradox. Academy of Management Review, 46 (1), 192–210. DOI: 10.5465/amr.2018.0072

    14. Teece D.J. (2007) Explicating dynamic capabilities: The nature and microfoundations of (sus-tainable) enterprise performance. Strategic Management Journal, 28 (13), 1319–1350. DOI: 10.1002/ smj.640

    15. Krakowski S., Luger J., Raisch S. (2023) Artificial intelligence and the changing sources of competitive advantage. Strategic Management Journal, 44 (6), 1425–1452. DOI: 10.1002/smj.3387

    16. Wamba-Taguimdje S.-L., Fosso Wamba S., Kala Kamdjoug J.R., Tchatchouang Wanko C.E. (2020) Influence of artificial intelligence (AI) on firm performance: The business value of AI-based transformation projects. Business Process Management Journal, 26 (7), 1893–1924. DOI: 10.1108/ BPMJ-10-2019-0411

    17. Barney J. (1991) Firm Resources and Sustained Competitive Advantage. Journal of Manage- ment, 17 (1), 99–120. DOI: 10.1177/014920639101700108

    18. Бабкин А.В., Либерман И.В., Клачек П.М. (2023) Индустрия 5.0 и интеллектуальная экономика: основы нейро-цифровой трансформации киберсоциальных метаэкосистем высокотехнологичных промышленных комплексов. π-Economy, 16 (5), 8–21. DOI: 10.18721/JE.16501

    19. Бабкин А.В., Михайлов П. А., Шкарупета Е.В., Чэнь Лэйфэй (2025) Инструментарий оценки цифровой зрелости интеллектуальной промышленной экосистемы на основе коэволюции и экосистемной синергии. π-Economy, 18 (4), 32–53. DOI: 10.18721/JE.18402

    20. Бабкин А.В., Шкарупета Е.В., Плотников В.А. (2021) Интеллектуальная киберсоциальная экосистема Индустрии 5.0: концепция, сущность, модель. Экономическое возрождение России, 4 (70), 39–62. DOI: 10.37930/1990-9780-2021-4-70-39-62

    21. Скворцова И.В., Тесля А.Б., Сомов А.Г. (2026) Оценка готовности промышленных предприятий к внедрению искусственного интеллекта как основа выбора стратегических направлений цифровой трансформации. π-Economy, 19 (2), 7–28. DOI: 10.18721/JE.19201

    22. Кобзев В.В., Бабкин А.В., Скоробогатов А.С. (2022) Цифровая трансформация промышленных предприятий в условиях новой реальности. π-Economy, 15 (5), 7–27. DOI: 10.18721/JE.15501

    23. Bailey D.E., Faraj S., Hinds P.J., Leonardi P.M., von Krogh G. (2022) We Are All Theorists of Technology Now: A Relational Perspective on Emerging Technology and Organizing. Organization Science, 33 (1), 1–18. DOI: 10.1287/orsc.2021.1562

    24. Shrestha Y.R., Ben-Menahem S.M., von Krogh G. (2019) Organizational Decision-Making Structures in the Age of AI. California Management Review, 61 (4), 66–83. DOI: 10.1177/0008125619-862257

    25. Бабкин А.В., Михайлов П.А., Шкарупета Е.В., Гаев К.Б. (2024) Методика оценки цифровой зрелости промышленного предприятия и экосистемы на основе динамического коэволю- ционного потенциала. π-Economy, 17 (4), 153–178. DOI: 10.18721/JE.17410

    26. Mikalef P., Krogstie J., Pappas I.O., Pavlou P. (2020) Exploring the Relationship between Big Data Analytics Capability and Competitive Performance: The Mediating Roles of Dynamic and Opera- tional Capabilities. Information & Management, 57 (2), art. no. 103169. DOI: 10.1016/j.im.2019.05.004

    27. Bharadwaj A.S. (2000) A Resource-Based Perspective on Information Technology Capability and Firm Performance: An Empirical Investigation. MIS Quarterly, 24 (1), 169–196. DOI: 10.2307/3250983

    28. Chae H.-C., Koch C.E., Prybutok V.R. (2014) Information Technology Capability and Firm Performance: Contradictory Findings and Their Possible Causes. MIS Quarterly, 38 (1), 305–326. DOI: 10.25300/MISQ/2014/38.1.14

    29. Almeiri H.M., Ahmad S.Z., Abu Bakar A.R., Khalid K. (2024) Artificial intelligence capabilities, dynamic capabilities and organizational creativity: contributing factors to the United Arab Emirates Government’s organizational performance. Journal of Modelling in Management, 19 (3), 953–979. DOI: 10.1108/JM2-11-2022-0272

    30. Hair J.F., Risher J.J., Sarstedt M., Ringle C.M. (2019) When to use and how to report the results of PLS-SEM. European Business Review, 31 (1), 2–24. DOI: 10.1108/EBR-11-2018-0203

    31. Garg V.K., Walters B.A., Priem R.L. (2003) Chief executive scanning emphases, environmental dynamism, and manufacturing firm performance. Strategic Management Journal, 24 (8), 725–744. DOI: 10.1002/smj.335

    32. Podsakoff P.M., MacKenzie S.B., Lee J.-Y., Podsakoff N.P. (2003) Common Method Biases in Behavioral Research: A Critical Review of the Literature and Recommended Remedies. Journal of Applied Psychology, 88 (5), 879–903. DOI: 10.1037/0021-9010.88.5.879

    33. SmartPLS 4 (2026) SmartPLS 4. The world´s most user-friendly statistical software. Making complex models simple! [online] Available at: smartpls.com [Accessed 17.08.2026]

    34. Hair J.F., Howard M.C., Nitzl C. (2020) Assessing measurement model quality in PLS-SEM using confirmatory composite analysis. Journal of Business Research, 109, 101–110. DOI: 10.1016/j. jbusres.2019.11.069

    35. Fornell C., Larcker D.F. (1981) Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. Journal of Marketing Research, 18 (1), 39–50. DOI: 10.1177/ 002224378101800104

    36. Henseler J., Ringle C.M., Sarstedt M. (2015) A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43 (1), 115–135. DOI: 10.1007/s11747-014-0403-8

    37. Cohen J. (1988) Statistical Power Analysis for the Behavioral Sciences, 2nd ed., Hillsdale, NJ: Lawrence Erlbaum Associates.

    38. Choudhury S., Dey P., Joel-Edgar S., Bhattacharya S., Rodriguez-Espindola O., Abadi A., Truong L. (2023) Unlocking the value of artificial intelligence in human resource management through AI capability framework. Human Resource Management Review, 33 (1), art. no. 100899. DOI: 10.1016/j. hrmr.2022.100899

     

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Предыдущая статьяСледующая статья