文献阅读《人工智能与企业韧性——基于工业机器人应用的经验证据》【系统工程理论与实践】
学术
2024-07-18 14:46
江西
大家好！本人是管理学在读博士生。一直想分享读博期间学习和生活的经历和感悟，希望能帮助到更多想要读博和正在读博以及科研工作的朋友们。坚持每天读高水平的论文是博士生的基本要求，也是写好自己论文的基础。 今天分享一篇文章——《人工智能与企业韧性——基于工业机器人应用的经验证据》，来自《系统工程理论与实践》，2024年7月3日网络首发。肖兴志（1973-）,男,四川邻水人，东北财经大学产业组织与企业组织研究中心教授，博士生导师,研究方向：产业经济与政府规制。
解维敏(1981-),男,辽宁庄河人,东北财经大学会计学院、数字经济研究院教授,研究方向：数字经济. 2023年12月,中央经济工作会议强调要持续有效防范化解重点领域风险.在新一轮科技革命和全面深化改革新阶段,以技术创造应对外部危机成为提高经济韧性的重要方式.党的二十大报告提出“推动战略性新兴产业融合集群发展,构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎”.人工智能作为一种通过机器学习、深度学习和自然语言处理等方法,使计算机能够模仿人类思维和行为的智能技术,为各行业提供了巨大的发展空间,并在提高工作效率、优化资源配置、创新生产模式等方面发挥着重要作用(陈东和秦子洋).面向建设创新型国家和世界科技强国的重大需求,如何更好的将人工智能应用于工业生产领域,进而提高国家经济韧性和抵御外部风险的能力是当前亟需解决的重要问题.不同领域学者对人工智能内涵的定义不尽相同.综合来看,人工智能是以机器设备为载体、具有技能偏向性特征、能够模拟人类智力行为的一系列研究、开发和应用,对企业内部运作和生产经营产生深远影响(徐鹏和徐向艺).人工智能包含机器人技术、图像识别、自动驾驶等多种形式,其中,工业机器人作为现代工业与智能制造高度融合的产物,不仅是人工智能在工业生产中的主要表现形式,也是推动工业智能化和自动化发展的重要力量(李舒沁等).已有研究大都基于经济增长理论探讨以工业机器人为代表的人工智能应用对劳动力市场、产业结构和生产力的影响。同时,在微观层面,已有研究探讨了工业机器人对劳动力需求(王永钦和董雯;Koch等),劳动收入份额(何小钢等),员工薪酬(Dixon等),企业绿色转型(韩超和李鑫平),企业创新(冯玲等),企业退出(李磊等)等企业行为决策的影响.值得注意的是,在国际形势复杂多变的背景下,企业承担着维护国家经济安全和稳定的重要任务,工业机器人的应用很大程度上通过改变企业管理模式、生产要素结构、投资选择等影响企业的韧性表现,但学术界对该问题尚缺乏足够的关注.韧性是指组织在面临内外部冲击、风险和不确定性时,能够快速适应和恢复,同时具有保持长期稳定和可持续发展的能力(VanDerVegt等).企业韧性是企业在面对突发事件时仍然能够保持稳定经营的关键要素(Ortiz-de-Mandojana和Bansal).一方面,通过机器人自动化执行重复性、危险性高的任务,促使员工将更多精力投入到需要创造力的工作中,有助于提高整体劳动生产率.另一方面,工业机器人的应用将减少对低技能劳动者的依赖性,在降低边际生产成本的同时提高创新边际收益,激励企业进行技术创新(冯玲等)，更快速地适应需求变化、提高产品竞争力,并在不确定性的市场环境中更具韧性。第一,本文研究拓展了人工智能经济后果的研究文献.已有文献更多关注工业机器人在提高生产效率,扩大生产规模和降低生产成本等方面的作用(陈东和秦子洋;杨光和侯钰;Acemoglu和Restrepo;Gihleb等;黄亮雄等),并且研究结论不一.本文基于工业机器人的渗透程度,量化了企业人工智能技术的应用水平,识别了人工智能应用对企业韧性的影响,研究结论进一步为人工智能应用的经济影响提供了新的证据。第二,本文研究拓展了企业韧性的决定因素与实现机制研究.当前不确定性的经济环境要求企业具备韧性以保障整体经济稳定.虽然已有研究认识到在数字经济时代,数字技术对企业韧性的重要作用(胡海峰等;Li等),但关于人工智能对企业韧性影响的研究仍不足.本文理论论证和实证检验人工智能对企业韧性影响及作用机制,拓展了企业韧性的影响因素研究,也为数字技术对经济韧性的作用提供了新的经验证据。第三,本文研究对于提高中国经济韧性具有重要的政策启示.当前全球化竞争日益激烈,不确定性显著提升,技术更迭迅速,中国经济面临着前所未有的挑战.本文基于工业机器人研究人工智能对企业韧性的影响,研究结论对支持和推动工业机器人技术的发展和应用,提高企业适应市场变化的能力,增强国家经济韧性具有重要的政策启示.企业韧性反映了企业应对危机的能力,是企业应对外部环境挑战、实现长期可持续经营的必要条件.基于韧性的概念,抵抗力和恢复力是企业韧性的主要组成部分(胡海峰等;Jiang等).因此,本文接下来分别阐述应用工业机器人对企业抵抗力和恢复力的影响,借此评估人工智能对企业韧性的作用.企业抵抗力主要指企业应对外部冲击和市场压力的能力,旨在防范潜在风险以及减轻危机爆发时的负面影响.第一,工业机器人的自动化生产能够减轻劳动者体力劳动强度,减少重复性劳动对人体造成的损伤,进而有助于降低由于人力不足或生产安全问题导致的生产中断风险；第二,工业机器人具有高效的生产能力和灵活性,可以快速进行产品调整和生产线重新编程,有助于企业提高对市场波动的应对速度,减少因外部危机所导致的经济损失.综合来看,工业机器人应用的员工福利效应和生产调整速度能够增加员工工作动力和企业竞争力,从而提高企业防范和应对风险的能力,增强企业韧性.企业恢复力主要指企业在遭遇危机后能够迅速恢复正常运营和保持盈利水平的能力。具体表现为以下两个方面:第一,企业在受到外部冲击时迅速采取措施,尽快恢复关键业务的正常运营,减少因危机爆发导致的经济损失.工业机器人通过自动化生产以及对生产技术的不断升级,能够有效提高生产效率和产品质量,减少人力成本和生产浪费(Koch等),保障企业盈利能力.第二,企业借助传感器技术、模块化和可替换工具,工业机器人能够通过数据分析、模型预测等方式帮助企业掌握市场动态信息,做出高效的经营决策(姚加权等).此外,工业机器人还能协助研发人员处理重复性、复杂且高风险的工作任务,使其将更多精力投入到创造性工作中,提高企业整体的创新效率(诸竹君等),进而构建长期发展的竞争优势.在面对市场压力和外部冲击时,韧性强的企业通常具备优秀的资源配置能力,能够快速调整和重新分配资源,以适应不断变化的挑战和机遇(Vanpoucke等).劳动生产率是企业生产效率的直接体现,提高劳动生产率既可以增加企业面对外部挑战时的抵抗能力,也可以增强企业在危机过后的恢复速度(牛志伟等).一方面,高水平的劳动生产率使企业在面对突发事件或市场波动时能更快速地作出应对措施,更有效地调整生产计划和资源配置,这使企业能够更好地适应市场变化.另一方面,高劳动生产率意味着企业利用与调配有限资源和劳动力更加充分高效,有助于企业在资本市场中占据更大的竞争优势.在面对外部冲击时,这种竞争优势有利于企业更好地应对挑战,保持稳定的经营并在危机过后尽快恢复(Ambulkar等).本文进一步分析工业机器人的应用对企业劳动生产率的影响.首先,工业机器人的应用能够降低劳动力成本.工业机器人可以替代部分人工劳动,降低雇佣和维护员工的成本,也可以减少人员受伤和生命安全危险,降低企业因工伤赔偿和治疗费用所产生的人工成本(王永钦和董雯).其次,工业机器人具有高精度、高灵活性的特点,可以根据不同生产需求进行精确的操作和调整,减少生产过程中的中断和延误风险(孙早和陈玉洁).最后,工业机器人的运行可以实现不间断连续生产,加速生产周期，提高市场灵活性和快速适应消费者需求的能力(Koch等).因此,通过引入工业机器人技术,企业可以更高效、灵活地统筹生产任务,提高劳动生产效率,进而更好地应对市场需求变化,增强企业韧性.基于上述分析,本文提出如下假设:假设2:工业机器人的应用通过提高劳动生产率进而增强企业韧性.提高技术创新水平是增强企业韧性、应对外部不确定性的重要途径.技术创新作为企业在市场竞争中获取持续优势的关键手段,不仅能够提升产品和服务质量,形成差异化竞争优势,还能够拓展新的市场空间以增加收益来源,对增强企业面对危机的抵抗力和恢复力具有积极影响.一方面,通过引入新技术、改进产品设计、优化产品性能,企业可以提高产品附加值,打造产品差异化优势,满足消费者不同需求,这有助于企业在市场环境发生波动时保持稳定的客户群体和销售渠道,增强企业抗风险能力(Shi等).另一方面,技术创新有利于企业实现战略调整和业务转型.通过不断进行产品创新开拓新的业务领域,企业可以获得新的增长点和收入来源,进而增强市场竞争力(Li等).同时,拓展新的业务领域可以降低企业对单一市场或产品的依赖,分散风险,使企业在面对外部冲击时更具韧性.工业机器人的应用有助于促进企业技术创新,从而提高企业韧性.首先,工业机器人的应用降低边际生产成本,企业能够将更多资源和现金流用于研发项目的投资,进而促进企业提高技术创新水平.其次,工业机器人的技术溢出与人机协同效应有利于提高企业创新产出.工业机器人能够协助研发人员进行数据分析、模拟实验和预测,为创新活动提供更多的数据参考和技术支持,促进企业对先进技术和前沿知识的吸收,提高创新成果转化能力(冯玲等).最后,工业机器人的广泛应用增加了企业对研发创新和企业管理高技能人才的需求,有助于改善企业的创新禀赋,推动企业技术创新水平的提高.工业机器人的应用有助于提高企业技术创新水平,进而帮助企业更好地应对市场波动,增强企业抵抗力和恢复力,促进企业韧性的提高.基于上述分析,本文提出如下假设:假设3:工业机器人的应用通过促进技术创新进而增强企业韧性.本文选取中国沪深两市A股制造业上市公司作为研究样本,检验工业机器人应用对企业韧性的影响.2011年前中国工业机器人发展较缓慢,大规模应用工业机器人的企业较少,本文以2012作为样本起始年份.同时,由于2020年初全面爆发的新冠疫情对企业经营带来较大波动,本文以2019作为样本结束年份.本文的数据获取来源于以下途径:(1)工业机器人数据来自国际机器人联合会(IFR),该组织通过对全球机器人制造商进行调查,形成“国家－行业－年度”层面的世界机器人统计数据,是目前为止最为权威的机器人应用统计数据(王永钦和董雯),被国内外文献广泛使用(Acemoglu和Restrepo;孔高文等;王永钦和董雯;张军等);(2)企业经营数据来源于国泰安(CSMAR)数据库;(3)地区层面数据来源于《中国统计年鉴》.本文按照如下标准对样本公司进行筛选:(1)剔除样本观测期间内的ST、ST*的上市公司;(2)剔除主要变量缺失的样本.同时为避免异常值对本文研究结果的影响,本文对每个连续变量都进行1%和99%的缩尾处理.经过上述筛选和处理,最终得到8428个研究样本.本文根据Ortiz-de-Mandojana和Bansal[21]对企业韧性的度量方法,从市场波动、短期财务绩效、长期财务绩效与存续时间四个方面衡量企业韧性.具体而言,(1)计算股票月度收益的标准差衡量市场波动;(2)计算连续两年总资产收益率的变化值作为企业短期财务绩效的代理变量;(3)利用营业收入累积净增长衡量企业长期财务绩效;(4)计算企业在样本期内的存续年份衡量企业生存时间.企业的股票收益波动越低、总资产收益率增长越大、营业收入累积净增长越高、存续时间越长,意味着企业韧性水平越高.本文采取熵值法确定上述四个指标的权重,利用加权求和方式获得企业韧性综合指数.首先根据数据分布情况分析各指标对样本整体的影响程度,在此基础上计算子指标的信息熵,以衡量其随机性和不确定性.其次,根据计算所得熵值为子指标赋予相应的权重,最终将每个子指标权重与原始数据相乘并求和得到企业韧性综合指数(Resilience) 参考王永钦和董雯、张军等的计算方法,本文在IFR提供的分行业工业机器人统计数据基础上,进一步推算企业层面工业机器人渗透率.具体而言,本文首先按照如下方式计算行业层面工业机器人渗透度指标:本文分别在企业和地区层面控制如下变量:公司规模(Size)、资产负债率(Lev)、营业收入增长率(Growth)、公司年龄(Age)、净资产收益率(Roe)、机构投资者持股比例(Inshare)、股权集中度(Top1)、董事会规模(Board)、股票流动性(Turn)、地区经济发展水平(GDP)、地区金融发展水平(Finance)、地区产业结构(Structure).其中,下标i和t分别表示第i个企业和第t年,被解释变量Resilience代表企业韧性水平,基于营业收入累积净增长、股票收益波动、总资产收益率变化和企业存续时间构建,并经熵值法计算得到;Robot代表企业的工业机器人渗透率,是基于国际机器人联合会(IFR)机器人统计数据构建;Control为一系列影响企业韧性水平的控制变量.µ为行业固定效应,λ为年份固定效应,ε为随机扰动项.本文引入了年度和行业的交互效应(µ×λ),以控制随年份变化的行业特征的影响.主要关注Robot前的估计系数α1,它度量了工业机器人应用对企业韧性的影响.本文将标准误在企业层面进行了聚类(cluster)调整表3报告了工业机器人应用对企业韧性影响的基准回归结果.第(1)列未加入控制变量,只控制年度与行业固定效应,核心解释变量(Robot)的回归系数为0.328,在5%的统计水平上显著.第(2)列在第(1)列的基础上加入公司层面控制变量,Robot的回归系数为0.686,在1%的统计水平上显著.第(3)列加入全部公司和地区层面控制变量,而并未控制固定效应,Robot的回归系数为0.406,在1%的统计水平上显著.第(4)列进一步控制年度与行业固定效应,Robot的回归系数为0.682,仍在1%的统计水平上显著.考虑到行业层面随时间变化的不可观测因素会使本文回归结果产生偏差,本文在第(5)列中控制年度×行业固定效应.结果显示,机器人渗透率(Robot)与企业韧性(Resilience)依然具有显著的正向关系.以上回归结果表明,机器人渗透率越高,企业韧性水平越高,即人工智能对企业韧性具有显著的促进作用。 本文使用美国同时期同行业的机器人应用数据构造的中国工业机器人渗透率作为工具变量(Robot_IV).美国在工业机器人应用升级换代会影响我国同行业工业机器人的发展趋势(王永钦和董雯),这满足工具变量的相关性要求.此外,中国与美国等发达国家具有不同的法律体系与市场结构,美国工业机器人应用情况并不会直接影响我国企业韧性,满足工具变量外生性要求.回归结果如表4第(1)列和第(2)列所示,在第一阶段回归中,工具变量Robot_IV的回归系数在5%统计水平显著为正,说明美国同行业机器人应用与我国企业机器人渗透率具有显著的正向关系.Cragg-DonaldWaldF统计量为578.104,远高于临界值,拒绝弱工具变量假设.在第二阶段回归中,Robot的回归系数为1.259,在5%统计水平显著,表明在缓解潜在的内生性问题后,本文结论依然成立.根据年度中位数将样本企业分为工业机器人渗透率高低两组,当企业的工业机器人渗透率高于年度中位数时,视为实验组,反之则为控制组.其次,本文选取全部控制变量,按照1:1比例的最近邻匹配方式,有放回的在控制组企业中筛选与实验组具有相似特征的企业,最后基于匹配后的样本重新进行回归.表4第(3)列报告了样本匹配完成后的回归结果,Robot的回归系数为0.769,在1%统计水平显著为正,证实了工业机器人应用有助于提高企业韧性. 倾向性匹配得分法过度依赖于Logit模型设定,在估计过程中易损失大量样本.本文进一步使用熵平衡法缓解不同企业间差异对回归结果的影响.回归结果如表4第(4)列所示,Robot的回归系数为0.747,在1%统计水平显著为正,检验结果与基准回归保持一致.本文以《智能制造发展规划(2016-2020年)》政策的颁布为准自然实验,采用双重差分模型缓解上述反向因果等内生性问题，构造双重差分模型(6)进一步识别人工智能与企业韧性间的因果关系:其中,Treat为实验组虚拟变量,本文按照政策颁布前2015年工业机器人渗透率中位数划分实验组与控制组,当2015年企业的工业机器人渗透率小于样本中位数时,令Treat取值为1,否则为0.Post为政策冲击时间虚拟变量,当样本年份小于2016时取值为0,大于2016时取值为1.表4第(5)列所示,核心解释变量Treat×Post的回归系数在1%统计水平显著为正,表明在考虑内生性问题后,人工智能对企业韧性的提升作用仍然显著.本文根据《上市公司行业分类指引》(2012年修订)行业代码,分行业检验工业机器人应用与企业韧性的关系,回归结果报告在表5中.分行业检验结果显示,核心解释变量Robot的回归系数在C1-C3行业中均显著为正,在C4行业中Robot的回归系数仍然为正,但不显著.以上回归结果说明,对于大多数制造业行业而言,工业机器人的应用都能显著提升企业韧性. 计算各年份企业工业机器人渗透率与企业韧性变化值(△Robot、 △Resilience),重新进行回归.回归结果与基准检验保持一致.运用主成分分析法重新整合以上四个变量,构造企业韧性指标(Resilience_PCA).此外,本文借鉴Jiang等的研究,根据柯布道格拉斯生产函数计算企业全要素生产率,并利用全要素生产率变化衡量企业韧性(Resilience_TFP).本文主要结论保持不变.利用行业新增机器人数量自然对数值(Robot_Add)与行业层面的机器人渗透率(Robot_Ind)作为核心解释变量的替换指标,重新进行回归，主要结论依然成立.在稳健性检验中,本文进一步控制省份层面不随时间变化因素的影响，分别控制了省份固定效应与年度×行业固定效应，行业固定效应与年度×省份固定效应，回归结果与与基准回归保持一致。模型中进一步控制各地区信息技术发展水平.首先,本文使用城市互联网宽带用户数量与户籍人口的比值作为城市互联网发展水平的代理变量(Internet).其次,我国在2014、2015和2016年分别选取三批试点城市作为宽带中国示范城市,“宽带中国”政策是推动我国数字基础设施建设的重要力量.基于此,本文设置虚拟变量Digital捕捉数字基础设施的发展,企业所在城市入选“宽带中国”试点城市的当年及以后年份取值为1,否则为0.在控制其他技术进步影响后,本文研究结论仍然成立.
为检验提高劳动生产效率是否为工业机器人应用影响企业韧性的潜在渠道,本文按照模型(4)与模型(5)进行回归.参考牛志伟等、Shi等的研究,本文采用企业单位劳动力产出(营业收入/员工总人数)的自然对数值衡量企业劳动生产率(MPL).第一阶段回归中,本文以企业劳动生产率作为被解释变量(MPL),工业机器人应用(Robot)作为核心解释变量,回归结果如表9第(1)列所示, Robot的回归系数为2.477,且在1%的统计水平上显著,说明工业机器人应用能够提高企业劳动生产效率.第二阶段回归中,本文将劳动生产率加入回归模型,结果如表9第(2)列所示.一方面,MPL的回归系数为0.658,且在1%统计水平显著为正,说明劳动生产效率与企业韧性间具有显著的正向关系;另一方面,在回归中加入MPL后,Robot的回归系数仍然显著为正,且SobelZ值为3.872,在1%统计水平显著,说明工业机器人应用能够通过提高劳动生产率增加企业韧性.为检验促进技术创新是否为工业机器人应用影响企业韧性的潜在渠道,本文参考诸竹君等的研究,使用研发投入水平(研发投入金额/总资产)衡量企业技术创新.首先,本文按照模型(4)以企业研发投入水平(RD)作为被解释变量,工业机器人应用(Robot)作为核心解释变量.表9第(3)列展示了中介效应模型第一阶段的回归结果,Robot的回归系数为0.044,且在10%的统计水平上显著,说明工业机器人应用能够促进企业增加研发投入. 其次,本文按照模型(5)将企业研发投入水平(RD)加入回归中,结果如表9第(4)列所示.RD的回归系数在1%统计水平显著为正,说明企业进行技术创新有助于提高韧性水平;另外,在回归模型中加入RD后,Robot的回归系数在1%统计水平显著为正,且SobelZ值为2.355,在5%统计水平显著,说明工业机器人应用通过促进技术创新增加企业韧性.本文根据《高新技术企业认定管理办法(2016)》的规定将样本分为高新技术企业与非高新技术企业,结果如表10第(1)列和第(2)列所示,核心解释变量Robot的回归系数在两组样本中均为正,组间差异结果显示,工业机器人应用对企业韧性的提升作用在高新技术企业中更加显著.此外,基于人员结构的年度行业中位数对样本企业进行分组回归.结果如表10第(3)-(6)列所示,工业机器人应用对企业韧性的影响在生产人员占比低与技术人员占比高的样本组中更加显著.以上回归结果说明,较高的技术匹配度有助于促进工业机器人应用对企业韧性的提升作用. 表10工业机器人应用与企业韧性:基于技术匹配度的异质性分析结果本文将样本分为国有企业非国有企业两组,分别进行回归,结果如表11第(1)列和第(2)列所示.在非国有企业中,Robot的回归系数为0.801,且在1%统计水平显著,而在国有企业中,Robot的回归系数并不具备统计上的显著性.以上回归结果说明,相较于国有企业,工业机器人应用对企业韧性的影响在非国有企业中更显著.参考杜传忠和张丽的研究,测算企业层面产品技术复杂度.在此基础上,以行业年度中位数为标准,将样本划分为产品技术复杂度高和低两组分别进行回归.回归结果如表11第(3)列和第(4)列所示,在产品技术复杂度高的样本组中,Robot的回归系数为0.907,且在1%统计水平显著,而在产品技术复杂度低的样本组中,Robot的回归系数并不显著.以上回归结果说明,当产品技术复杂度高时,企业更可能应用高技术含量的工业机器人,此时工业机器人应用对企业韧性的促进作用更加显著. 本文根据王小鲁等编制的中国各地区市场化指数,按照不同地区的市场化总指数将研究样本分为市场化程度高和市场化程度低两组.此外,本文也选取政府与市场关系这一子维度指数来衡量政府干预程度,并根据政府干预程度高低进行分组检验.表11第(5)-(8)列报告了基于市场化程度的异质性检验结果,工业机器人渗透率(Robot)在市场化水平高、政府干预程度低的样本组中显著为正,而在其他两个样本组中不显著,说明工业机器人应用对企业韧性的促进作用在市场化水平高的地区更明显.本文基于2012-2019年沪深A股制造业上市公司数据,实证检验了工业机器人应用对企业韧性的影响及其作用机制.结果显示,企业工业机器人渗透率越高,其韧性表现越好,表明人工智能应用有助于提高企业韧性.机制检验表明,工业机器人应用能够通过提高劳动生产率和企业创新水平,进而发挥对企业韧性的提升作用.异质性分析发现,在非国有企业、产品技术复杂度高、技术匹配度高以及位于市场化水平较高地区的企业中,工业机器人应用对企业韧性的影响更加显著. 首先,基于人工智能技术在制造业中的重要作用,企业应当增加对工业机器人等人工智能技术的投资,实现生产流程的自动化和智能化,提高生产效率和产品质量,增强企业应对外部不确定性的能力,从而提升企业和经济韧性.此外,本文研究发现工业机器人应用通过提高劳动生产率和企业创新水平,进而提升企业韧性,因此,企业在经营过程中应重视提高生产率和鼓励创新。其次,本文研究发现在非国有企业和技术匹配度高的企业中,工业机器人对企业韧性提升作用更显著.因此,政府应该出台政策鼓励企业增加工业机器人的投资和应用,特别是非国有企业和技术匹配度高的企业,应更加注重工业机器人技术的应用,提高企业韧性,进而增强中国经济应对外部挑战的能力。最后,本文研究发现市场化程度能够促进工业机器人作用的发挥.因此,政府应该完善市场环境,明确机器人应用的相关责任和权益,为机器人技术的研发、生产和应用提供良好的外部环境基础,以便更好地支持人工智能发展和制造业企业的韧性提升.
