文献名称：Al Halbusi, H., Al-Sulaiti, K. I., Alalwan, A. A., & Al-Busaidi, A. S. (2025). AI capability and green innovation impact on sustainable performance: Moderating role of big data and knowledge management. Technological Forecasting and Social Change, 210, 123897.

研究问题：

经济增长往往会伴随着环境问题，对企业可持续发展产生了阻碍。因此，企业开始对环境问题、污染和资源约束保持警惕性。但是，尽管企业努力将环境影响降至最低，大量的资源开采和废物产生的增加导致了生态系统的退化。这也使循环经济（CE）概念得到了突出。然而，新技术，人工智能的出现为企业可持续发展绩效和循环经济创造了机遇。因此，企业需要多关注AI能力建设，以应对人类活动造成的破坏。在确保环境稳定和采用绿色实践过程中催生了新的研究领域，如运营管理中的绿色创新研究和可持续性。在这种情况下，建立技术基础设施至关重要，这将促使企业将其运营从传统转向绿色，并启动绿色创新进程。而大数据在启动AI能力和绿色创新方面具有重要意义。大数据有助于分析和使用大量数据，进一步支持技术和绿色创新。并且知识管理系统(KMS)在组织和使用公司的集体知识以实现可持续性、促进创新和增强对环境变化的响应能力方面发挥着至关重要的作用。因此，本研究将大数据分析和KMS作为AI能力和绿色创新之间相互作用的关键因素，促进了可持续绩效和CE举措的努力。

研究模型示意图：

 

论文摘要：

这项研究通过关注导致生态系统退化的资源消耗和废物产生的增加来解决工业对环境的影响。它倡导可持续的做法和循环经济（CE）作为减轻这些影响的战略。因此，该研究探讨了人工智能（AI）能力如何直接影响绿色创新及其对可持续绩效和CE的后续影响。此外，它还介绍了人工智能能力与绿色创新之间关系的两个关键调节因素--大数据分析和知识管理系统。我们验证模型使用多部门的人口数据，从卡塔尔的各个行业，并采用结构方程模型（SEM）和人工神经网络（ANN）的分析方法。研究结果表明，人工智能能力对绿色创新具有重大影响，这些创新与可持续绩效和CE密切相关。值得注意的是，与大数据分析和知识管理系统的交互增强了人工智能能力的积极影响。因此，本研究强调了人工智能对绿色创新、塑造可持续绩效和CE的重要影响。将大数据分析和知识管理系统确定为重要的调节器增加了复杂性。研究结果指导各行业将人工智能、大数据分析和知识管理系统整合到实际应用中，强调采取全面的方法来促进各行业对环境负责的做法。

理论视角：

本研究基于技术决定论的理论框架，这表明新兴系统(AI应用)可以成为推动社会变革和创新的主要力量。AI能力对绿色创新的直接影响的研究是在技术驱动的环境创新的理论框架中进行的。

研究空白：

正如Santoro等人(2018)指出的那样，在理解有助于管理知识的ict和系统的设计、利用和有效性方面，仍存在研究空白。随着组织越来越多地部署KMS来支持开发、交换和存储，弥合这一鸿沟是至关重要的。本研究旨在介绍和探讨两个关键的调节因素，即大数据分析和KMS，在AI能力与绿色创新之间的相互作用。

主要假设：

假设1：AI显著影响绿色创新。

假设2：绿色创新显著影响可持续绩效。

假设3：绿色创新显著影响CE。

假设4：大数据分析调节了AI与绿色创新之间的互动;当大数据分析水平越高，这种关系就越牢固，从而影响可持续绩效和CE。

假设5：KMS调节了AI与绿色创新之间的关系。当知识管理系统越高，影响可持续绩效和CE时，这种关系就越牢固。

假设论据：

• AI有可能自动化手动任务，从而使人类有更多时间从事创新活动。此外，AI应用程序可以通过利用大型数据集来帮助专业人员完成各个领域的创新任务，从而增强人类的能力。
• 绿色创新包括开发和实施新产品、流程或实践，并日益被认为是绿色和可持续商业绩效的关键驱动因素。通过整合绿色创新，企业可以显著提高运营效率，满足监管要求，并应对日益增长的对环境负责的实践的需求。
• 整合绿色创新对于以保持竞争优势为目标的公司至关重要。成功的实施要求企业培养再利用、回收、再制造和处置的能力，从而确保可持续的环境实践和财务绩效。具体而言，绿色核心能力包括员工的技术技能、知识、价值观和态度，支持组织在经济取得可持续成果。
• 在当代知识经济中，大数据发挥着至关重要的作用。大数据可以提高组织效率，并为环境友好型实践做出贡献。它在防止盲目决策和支持完美工作方面的作用对于绿色创新非常重要。通过促进高效决策、解决环境挑战(如污染资源约束)和促进经济增长，包括可持续绩效和CE，可以加强对大型数据集的分析和应用。
• KMS旨在管理组织知识，促进知识的生成、存储、共享和使用，对于在以知识为基础的全球经济中保持和增强竞争优势至关重要。从动态能力的角度来看，Teece(2007)认为企业可以通过整合其内部和外部知识来增强其驾驭动态环境的能力。

研究变量：

AI能力：AI系统分析和理解数据、得出结论并从中学习以达到特定组织目标的能力。AI能力通过涉及有形(数据、技术和基本资源)的三个维度进行评估。共有16个项目衡量了有形方面。人类技能，也称为软技能（例如，解决问题和业务技能），使用14个项目进行评估。无形的，如部门间的协调，组织变革能力和风险偏见进行了评估，使用16项评价。因此本文使用Mikalef和Gupta（2021）改编的46个项目来测量AI能力。

绿色创新：该变量使用绿色产品和工艺创新等多个维度进行评估。因此，绿色产品创新是用4个4项来衡量的，绿色工艺创新也是类似的。

大数据分析：通过多个项目进行评估，采用改编自Bag等人(2021)的10个项目进行测量。

知识管理（KMS）：这个变量涉及三个维度(IT基础设施、协作技术和ICT采用)。IT基础设施使用4个4项进行测量，协作技术使用5项进行评估，ICT采用使用6项进行评估。

可持续绩效：使用10个项目进行评估，分为两类，4项组织绩效和6项环境绩效指标。

经济循环（CE）:CE被认为是可持续发展的一个重要因素，由10个项目来衡量。

研究层面：企业层面

样本对象：横截面数据

回归模型：

SEM；PLS；

ANN：人工神经网络是一种模拟人脑神经元网络的算法模型。在本文中，ANN被用来补充PLS - SEM分析，以发现那些可能被PLS - SEM遗漏的隐藏模式和复杂的非线性关系。

研究结论：

1、AI对于绿色创新有着直接影响。它帮助企业组织有效和高效地利用技术资源、预测性维护和优化生产过程，所有这些都有助于减少浪费和促进可持续性。

此外，本研究还探讨了大数据分析和KMS在AI能力和绿色创新之间的关系中的调节作用。2、AI能力对促进绿色创新的有益影响不是孤立的，而是与这些技术组件之间的动态相互作用错综复杂地联系在一起。

3、绿色创新对环境实践和整体可持续性都有贡献。这种积极影响可归因于通过提高生产力和节约成本来增加绿色创新所带来的附加值，这反过来又促进了可持续绩效，同时符合监管和社会对环境责任的期望。

4、绿色创新在统计上被认为是CE的积极驱动因素。通过鼓励材料的回收、再利用和再利用，绿色创新促进了从线性创新到CE的转变，这对长期可持续发展至关重要。

研究贡献：

• 本研究通过解决环境影响、资源消耗和工业废物产生的当代挑战，与最新的可持续性研究趋势和CE讨论的趋势保持一致，从而大大提高了理论格局。
• 本研究基于技术决定论的理论框架，为AI能力在加速绿色创新中的作用提供了更清晰的图景。研究结果清楚地解释了数字现代化(AI系统)如何有效地影响和增强可持续绩效和环境责任。
• 此外，本研究的新颖之处在于它提出了两个关键的调节因素，大数据分析和KMS，在AI能力和绿色创新之间的联系。通过认识到AI、大数据分析和KMS在塑造绿色创新和可持续性成果方面的相互联系，弥合了理论差距。

阅读感想：

本文强调了AI在推动绿色创新和可持续绩效中的关键作用。能够通过优化资源利用、减少浪费和提高生产效率来支持绿色创新。并且指出大数据分析和知识管理系统在AI与绿色创新之间起到了重要的调节作用。这说明在数字经济时代，数据和知识管理受到了诸多企业的关注。

通过阅读本文，还了解到经济循环这个新概念，它具有双重作用。它通过减少开支、能源使用和温室气体排放来帮助企业，同时支持环境保护和可持续实践的进步。而企业实施绿色创新能够促进此过程。

本研究主要侧重于人工智能能力对绿色、创新的直接影响。未来的研究可以探索其他中间变量。如可以探讨公司治理结构、CSR在影响人工智能驱动的可持续发展举措有效性方面的作用。同时可以涉及纳入社会文化因素，如环境管理和负责任的资源使用，这可能会影响人工智能、绿色创新和循环实践的采用和有效性。