In view of this, this paper focuses on the core issue of "how boundary-spanning search can improve firm innovation performance enabled by digitalization and intellectualization ".From the perspective of knowledge governance mechanism, this paper selects 4 typical Chinese enterprises to conduct multi-case comparison research, and an in-depth analysis of the dynamic process of how boundary-spanning search can improve firm innovation performance enabled by digitalization and intellectualization. It has important theoretical and practical significance for enriching the theoretical system of boundary-spanning search and knowledge governance, and guiding the innovation practice of Chinese enterprises.
The research conclusions of this paper are as follows. Firstly, in the context of digital intelligence, enterprises should fully consider the leading role of boundary-spanning search patterns and the main challenges they face.The study finds that in the process of boundary-spanning search enabled by digitalization and intellectualization, there are two boundary-spanning search patterns: network topology pattern and panoramic interaction pattern, as well as two process risks: technology endogenous risk and knowledge-based risk. Secondly, the formal knowledge governance and informal knowledge governance in the knowledge governance mechanism can effectively prevent the process risks expanded by the large-scale application of digital intelligence technology, so as to effectively transform digital-intelligence boundary-spanning search into innovation performance. Therefore, it is necessary for enterprises to verify different degrees of formal knowledge governance and informal knowledge governance in the dynamic process of transforming digital-intelligence boundary-spanning search into innovation performance. Thirdly, with the enablement of digitalization and intellectualization, enterprises can creatively match high topology-low interaction, high topology-high interaction, and low topology-high interaction boundary-spanning search patterns based on their own knowledge governance mechanisms to improve innovation performance. Specifically, when the degree of formal knowledge governance is high, the enterprises should choose the high topology-low interaction boundary-spanning search pattern; when the informal knowledge governance degree is high, the enterprises should choose the low topology-high interaction boundary-spanning search pattern; when both the degree of formal knowledge governance and informal knowledge governance are high, the enterprises are suggested to adopt a high topology-high interaction boundary-spanning search pattern, and achieve a balance between formal and informal knowledge governance by coordinating the degree of coupling between the network topology pattern and panoramic interaction pattern. At the same time, the purpose of improving the innovation performance of enterprises can be achieved.
The theoretical contributions and innovations of this study lie in three aspects. Firstly, it identifies the existing boundary-spanning search patterns and process risks in firm innovation performance improvement by boundary-spanning search enabled by digitalization and intellectualization, and provides a new research context for relevant research on boundary-spanning search. To a certain extent, it extends and expands the contextualized research of organizational search theory. Secondly, this study explores the key role played by digital intelligence technology by deconstructing the process of boundary-spanning search that affects innovation performance. From the perspective of process view, it provides new insights into the process of boundary-spanning search affecting innovation performance. Thirdly, different from the existing literature that emphasizes the key role of knowledge governance mechanism in promoting knowledge activities and preventing organizational risks, this study explores the important role of knowledge governance mechanism in the process of how boundary-spanning search can improve firm innovation performance enabled by digitalization and intellectualization. In addition to the research on the above two elements, it further finds that under the background of different degrees of formal knowledge governance and informal knowledge governance, different boundary-spanning search patterns have differentiated characteristics in the process of influencing corporate innovation, which extends the explanatory boundary of knowledge governance theory, and provides a new theoretical perspective for subsequent research on the relationship between boundary-spanning search and firm innovation performance.
开放科学(资源服务)标识码(OSID)：
人工智能、大数据、云计算、区块链、物联网等数字智能技术的联接发展驱动经济社会变革,不断重塑企业业务生态与创新流程。2021年中国信通院发布的《中国数字经济发展白皮书(2021)》显示,2020 年我国数字经济占 GDP 比重达38.6%,数字技术与智能技术已呈现出高度扩散性、渗透性等特征。在此背景下,我国各行业企业不断在数字化、智能化领域探索,进行以物理—虚拟网络系统为核心的新型技术革命,带来新的使能技术,改变了传统线性的上下游关系,增强了企业跨越边界的能力[1]。与此同时,市场需求也出现不断迭新、高度异变、圈层化等现象,消费者越来越希望通过集成式、一站式方式满足自身多层面需求,这就要求企业突破现有产品基础和技术基础,提升自身的高频创新能力。此时若仅遵循既有知识资源,难以避免产生核心刚性与路径依赖,陷入“能力陷阱”,因此越来越多的企业开始依托数智技术开展跨界交流,从外部获取更广泛的技术机会、知识等资源,形成网络化、平台化的开放创新体系。
当前大量研究强调内外部知识资源与内外部市场机会在企业创新过程中的核心作用,认为企业应主动搜索并综合利用外部资源与创新思想,通过知识流入与流出加速创新进程[2]。因此,跨界搜索作为跨越边界与知识基础的知识搜索活动,有助于搜寻与创新战略相匹配的新技术、新知识、新方法,对于企业摆脱“创新者窘境”具有关键作用。然而现有文献主要聚焦于跨界搜索维度、影响因素以及与企业创新因果关系等方面的研究,忽视了在新型技术驱动范式下企业跨界搜索的独特路径以及转化为创新绩效的具体过程[3];其次,在数字化能力与人工智能技术结合形成数智化融合的趋势下,由于数智化技术的大规模介入以及过于庞大的陌生知识量,企业在将新知识转化应用并实现高频创新的过程中,会面临更大的过程风险[4],从而对企业知识活动开展与创新绩效提高产生阻碍作用,而知识治理机制能够通过总体治理机制与组织运行架构,最大化知识转移、知识配置与知识创造的净收益,并且现有研究一致认同知识治理机制在化解企业创新风险、促进知识活动方面发挥关键作用[5],因此从知识治理机制角度能够更有效地解释数智化使能企业跨界搜索提升创新绩效的动态过程,但当前尚未有研究对知识治理机制在跨界搜索与创新绩效关系中的作用机制及产生的交互影响作出有力解释,使得在当前中国数智技术快速发展的现实情境下可能无法更好地将现有理论研究成果用于指导实践行动、转化为实践效用。
鉴于上述现实与理论背景,本文将研究问题限定为“数智化使能作用下企业如何通过跨界搜索提升创新绩效”,基于知识治理机制视角,通过选取4家中国典型企业进行多案例比较分析,深入剖析数智化使能企业跨界搜索提升创新绩效的动态过程,探讨知识治理机制在其中的具体作用机制及产生的交互影响,并构建数智化使能企业跨界搜索提升创新绩效的整合模型,从而实现对上述问题的回答。该研究结果可为使能技术作用下企业开展跨界搜索以及提升创新绩效提供借鉴与参考,对于丰富跨界搜索和知识治理理论体系、指导我国企业创新实践具有重要的理论意义与现实意义。
跨界搜索起源于组织搜索理论,当前已成为组织科学、行为科学、演化经济学等学科的重要组成部分。Nelson等[6]最先明确了组织搜索概念,并指出它是企业在复杂多变的环境中为了找寻机会并解决问题而实施的信息搜索过程,是企业的一种学习方式,具有不可逆性、不确定性以及偶然性等特征。在早期关于组织搜索理论的研究中,有学者根据搜索边界以及搜索方式差异,将组织搜索划分为本地搜索和远程搜索[7-8]。其中,本地搜索是指企业根据以往经验在其现有专长或知识附近寻找解决方案的行为,具有路径依赖、惯例性、有限理性等特征;远程搜索是指企业在外部搜索知识的活动,其搜索地理距离较远,一般跨越了组织、认知等边界,获取的资源或知识与原有知识基础相差较大,甚至完全不同。
在远程搜索的基础上,Rosenkopf等[9]明确了跨界搜索内涵,并将其引入战略管理领域,其核心内涵是企业在动态环境中跨越边界和知识基础的知识搜寻活动。相比于本地搜索与内部搜索,跨界搜索能够摆脱核心刚性和能力陷阱,对外部知识源更加开放和包容,从而有助于克服创新瓶颈[10]。自此,学者们从不同研究情境以及理论视角出发,相继提出搜索宽度和搜索深度[8] 、创新搜索[11]、探索式搜索[12]等多个衍生概念。
归纳现有研究成果并结合研究主题,本文认为跨界搜索是指组织在创新过程中为解决问题而跨越技术、认知等多重边界,通过可操作化搜索行为获取异质性知识、开发新资源及能力的过程。
跨界搜索是企业带有目标导向的行为,通过跨界搜索,外部大量的创新要素得以吸纳进来,知识基被重构,从而对企业创新活动产生影响。现有文献从不同维度对跨界搜索策略进行划分,研究其对企业创新绩效的促进作用。如Rosenkopf等[9]根据跨边界类型,将跨界搜索划分为跨越技术边界与跨越组织边界两个维度,并分别考察两个维度对企业创新的影响,指出同时跨越两种边界的搜索活动对企业创新的影响最大;Lin等[13]考察了跨界搜索行为对新创企业突破式创新的影响,从环境战略联盟视角将跨界搜索分为客户驱动、技术驱动和竞争对手驱动三类,认为跨界搜索能够促进市场创新和技术创新,降低市场力量的不确定性,提高创新能力;张文红等[14]从搜索内容角度出发,研究技术知识和市场知识跨界搜索,发现技术知识跨界搜索有助于企业获取与产品、工艺实践相关的新知识,而市场知识跨界搜索通过与顾客、渠道商互动,发现细分市场及消费者潜在需求,因此两者都对企业创新绩效具有促进作用。
但是也有部分学者提出不同观点。如Laursen等[11]基于企业现有知识库挖掘,划分出搜索深度及宽度两个维度,将企业探寻边界外知识来源的程度定义为搜索深度,将企业搜寻范围定义为搜索宽度。有学者研究发现,搜索宽度和搜索深度与创新绩效存在复杂关系,适度的宽度搜索和深度搜索可以提高创新绩效,然而搜索宽度过大会提高企业整合新知识的难度和成本,搜索深度过高则会降低所获知识的边际收益,从而阻碍企业创新[15,16]。此外,还有研究发现,跨界搜索的认知距离与创新绩效呈倒U型关系[17],即初始时随着认知距离增大,新知识与新视角的交互作用有助于企业创新绩效提高,然而当认知距离越过某临界点后,新知识的理解难度会大幅提升,从而对企业创新绩效产生负面影响。
Grandori[18]率先提出知识治理概念,认为知识治理是促进企业内部和企业之间知识交换、传递与共享的重要协调机制,有助于企业知识资源的合理分配和知识品质提升。在此基础上,Foss[5]进一步提出在知识经济背景下知识活动、组织与知识之间的治理问题及产生的间隙,并梳理了知识治理研究要领——根据企业微观行为分析知识交易活动,解构因此产生的组织风险,运用恰当的知识治理机制防范并化解风险。
基于以上知识治理研究的系统整理,可以发现,国内外学者逐渐认识到知识治理机制对防范组织风险、促进知识活动的必要性,进而出现大量相关研究。当前针对知识治理机制的研究主要可分为两个方面:一是针对知识活动过程与动态性;二是强调情景因素对知识治理机制的影响。在知识活动过程与动态性方面,现有研究主要集中在其中的机制设计,探讨何种知识治理机制能够最有效地提升企业知识活动效率与效果,代表观点为Gooderham等[19]提出的市场机制、社会机制以及层级机制;在情景因素对知识治理机制的影响方面,现有研究强调有效的治理机制应该在特定场景和过程中构建,而非提前确定的,代表观点为Grandori[18]将知识差异、知识复杂度及利益冲突作为3个情景变量,探究8种知识治理机制。然而无论是关注知识活动还是情景因素方面,均会导致一定片面性。因此,有学者在既关注知识活动过程又考虑情景因素的情况下,对知识治理机制进行探讨。如Husted等[20]和任志安[21]将知识治理机制划分为正式知识治理机制、非正式知识治理机制以及两者的交互作用。其中,正式知识治理机制主要包括目标设定、工作设计等正式的组织安排,非正式知识治理机制主要包括身份认同、管理风格、信任等非正式组织设计要素,两种知识治理机制并非孤立存在,而是通过协调配合、共同作用达到期望收益。
在数字智能技术的推动下,企业外部的创新知识愈加丰富,那么在跨界搜索过程中企业可将更多离散化与多样化的创新者吸纳进来,与其形成创新合作关系并利用其知识、技术与创新才能,与自身内部资源融合统一,实施分布式、大规模的创新活动。虽然由数智技术推动的知识搜索活动可能会给企业带来重大创新收益,然而数智技术的大规模介入以及知识流在转移、整合、使用过程中会引发更大的过程风险,具有不同特征的过程风险需要差异化的知识治理机制予以化解,因此知识治理机制成为解决上述问题的重要理论视角。
综上所述,当前文献大致认同跨界搜索对创新绩效的重要作用,但影响过程及数字智能技术对企业跨界搜索作用机理的相关研究还停留在跨界搜索的表现形式和关联现象方面,缺乏针对跨界搜索过程以及数智化使能作用下企业不同知识治理机制如何匹配跨界搜索模式以防范过程风险、有效提升创新绩效的深入探究。因此,本文运用多案例研究方法,研究上述问题。
本文聚焦于数智化使能企业跨界搜索提升创新绩效的动态过程,属于“为什么”和“怎么样”类型研究问题,适合案例研究范式,并且多案例研究有助于复制逻辑,进行理论复现[22],得到更全面和具有代表性的结论,由此本文选择多案例研究方法,以深入把握相关事实的内在机理,从而提炼出具有实践意义的理论模型。
本文遵循理论抽样研究方法,根据构建理论需要选取研究对象[23]。案例对象选择标准为:第一,考虑到数字智能技术已经融入各行业,研究对象应该尽可能地覆盖不同行业或产业;第二,企业具有典型性,以满足构建理论需要;第三,相关资料较充足,从而能够完整地展示数智化使能企业跨界搜索提升创新绩效的动态过程。根据以上标准,选取京东方科技集团股份有限公司(以下简称“京东方”)、北京小米科技有限责任公司(以下简称“小米”)、珠海格力电器股份有限公司(以下简称“格力”)与华为技术有限公司(以下简称“华为”)作为案例研究对象,对每个案例进行独立观察,通过案例对比分析证明或否定小组观察结果。案例企业基本信息如表1所示。
表1 案例企业基本信息
Tab.1 Basic information of the companies
名称创办时间行业选取理由京东方1993年面板显示京东方在坚持自主创新的同时,不断借助数智技术通过各种渠道搜寻其它领域知识,一跃成为中国显示领域的龙头企业,并不断在健康服务、智慧系统领域向好发展华为1987年通信网络、智能终端华为在手机行业受到新兴国产品牌的竞争压力后,大规模应用数智技术进行跨界合作,促进创新成果转化,在信息通信技术以及智能终端方面一直保持世界领先地位小米2010年手机、智能家居小米发掘智能家电的巨大潜力,学习相关技术并打开市场,同时进行跨界创新进入汽车领域,完成生态链战略布局格力1991年家电格力是中国空调产品的龙头企业,从自身核心技术出发并结合数智技术,通过收购、校企合作等方式,迈入智能制造领域,取得较大成果
本文数据主要为一手调研数据及二手资料,通过多样化数据来源以保障案例研究信度和效度。其中,在一手资料方面,课题组成员与案例企业研发人员、项目负责人、中层管理人员进行多次半结构化访谈,并均持续30分钟以上,以确认企业在数智化使能企业跨界搜索提升创新绩效的动态过程中采取的具体措施,然后进行实地考察;在二手资料方面,利用内部文档和外部数据两种方式进行数据收集,包括企业内部刊物、大会公开文档、企业高层管理者的会议演讲稿、知名媒体对企业的新闻访谈稿以及权威出版物等。具体如表2所示。
表2 案例数据收集
Tab.2 Case data collection
数据类型数据来源资料数量(万字)半结构化访谈研发人员、项目负责人、中层管理人员16.1实地调研与观察课题组成员1.2内部资料企业内部刊物、会议记录等5.3外部资料新闻访谈稿、学术论文等4.9
在研究过程中本文结合多种来源并进行数据分析,将所得数据形成证据三角形,并基于复制法则建立清晰的研究框架,同时,与所得数据进行匹配。为了保证编码的准确性,编码人员独立编码,定期召开会议讨论进展并与受访者进行核实。通过上述措施,保证了本案例研究信度与效度。
借鉴Gioia等[24]的编码建议与实施策略,对收集的数据进行编码与分析,具体步骤如下:第一步,案例分析,按照“条件-行动/互动策略-结果”的分析逻辑,逐字逐句地进行初始编码并定期召开会议进行讨论,识别出与研究问题相关的理论构念及关系;第二步,通过复制逻辑进行跨案例分析,当初步理论关系涌现后,通过跨案例对比分析,对其进行验证与完善,形成更准确的理论构念和逻辑关系;第三步,将上述理论构念、逻辑关系与现有文献发现反复比对,完善研究发现并与现有理论建立联系,最终将研究对象背后的因果脉络以理论框架形式呈现。
3.1.1 数智化使能作用下的跨界搜索模式
由于搜索行为会受到环境影响,进而带来限制或机会,因此在当前高度复杂的环境中企业搜寻行为具备多样性、动态性等特征[25],并且智能化技术与数字化变革改变了传统商业模式,为企业获取外部信息和创新资源创造了良好条件,进一步影响企业搜索策略选择[26]。因此,在探讨如何将获取的异质性知识转化为企业创新绩效时,应首先分析数智化使能作用下企业如何进行跨界搜索,即企业跨界搜索模式的先导作用,才能更贴近企业通过数智化跨界搜索提升创新绩效的要求。
通过案例分析,本文发现在数智技术使能作用下,企业存在网络拓扑模式与全景互动模式两种跨界搜索模式,具体如表3和图1所示。其中,网络拓扑模式主要体现为数智化情境下不同数智产品、数智设备以及网络平台等互联互通的复杂网络基本物理布局;全景互动模式主要体现为企业认知与数智技术共同推动下的 “全景式”搜索主体与搜索对象的关系行为框架,其中,“全景式”的主要特征为全方位、全过程、全主体。
图1 数智化使能企业跨界搜索过程
Fig.1 Boundary-spanning search process enabled by digitalization and intellectualization
表3 数智化使能企业跨界搜索过程典型证据
Tab.3 Typical evidence of boundary-spanning search process enabled by digitalization and intellectualization
典型例证跨界搜索模式网络拓扑模式全景互动模式过程风险技术内生风险知识基础风险京东方[星型拓扑搜索]近百家智能数字艺术商业机构已经和我们建立合作[分布式拓扑搜索] 智慧端口全面升级、人工智能技术不断突破,细分应用场景、持续融合[先动式搜索]基于机器人医学助理合作研发人造角膜[交互式搜索]京东方等42家企业联合成立中国超高清视频产业联盟[AI模型风险]人们有时难以接受AI健康风险预测以及数据算法连接的合作关系[数据场域风险]在进行数据服务合作时,合作方的数据挖掘成果可能会夹带敏感信息[知识配置风险]作为中心的龙头领导企业,怎么匹配集成平台资源是京东方面对的难题[知识占有风险]多场景融合情况下,不少智慧端口合作者在信息、技术方面只顾自身利益小米[星型拓扑搜索]小米AIOT平台模式已连接300家企业近4亿设备,实现高柔性、高智能信息一体化建设[环型拓扑搜索]利用IOT作为串联,紧密联系四大物联网场景,打造场景链[先动式搜索] 基于物联网技术的产品敲开消费市场大门,小米公司掌门人雷军的想法是拓展智能手机外延[交互式搜索]小米智能家居的“落地”,促使小米与银城地产展开战略合作,推出首套智能楼盘[数据场域风险]我们当时由于数据缺陷,导致超范围输出,对合作伙伴产生误会[知识配置风险]众多连接平台如何分配任务,精炼信息是个难事[知识占有风险]资源、知识的丰富带来很多机会和利益,众多连接者互为竞争对手,难免出现冲突格力[环型拓扑搜索]基于5G、工业互联网等新型技术,打造智慧工厂示范区,多方协同发展,实现跨行业合作开发[追随式搜索] 互联网经济浪潮、智能制造引领的消费升级,格力希望通过与中国联通紧密合作……打造5G工业园区[AI模型风险]智能装备系统的跨行业研发大部分基于AI自主决策,出现问题难以维权[数据场域风险]智能制造发展倚靠数据推动,深度学习算法的结构性缺陷对输入数据添加“扰动”[知识配置风险]海量的数据分析提供给我们太多的决策选择,如何寻得最优解,选择最适合格力的创新任务是管理层最头疼的事华为[星型拓扑搜索]华为NFV开放实验室致力于开放合作,与全球合作伙伴联合创新[分布式拓扑搜索]在5.5G建网理念下,遍布各地的智慧端口互联互通,奠定元宇宙基石[先动式搜索] 华为与百度联合宣布将在边缘云平台技术等方面展开合作……这是互联网公司与电信设备厂商在5G边缘云领域的第一次合作[数据场域风险]在涉及数据对外开放场景时,云计算的深度伪造及数据的细微干扰扰乱了华为平台的合作秩序[知识配置风险]平台开放性很强,进来的组织、企业也更复杂,很难分配其自由度[知识占有风险]在知识拥有方面存在监管问题
(1)网络拓扑模式。数智化扩大了企业可获资源范围,推动了企业间、企业与虚拟系统之间的实时连接,形成复杂的网络连接结构[27]。本文通过案例数据分析发现,根据主节点性质以及地理位置,企业跨界搜索的网络拓扑模式可分为星型拓扑搜索、分布式拓扑搜索以及环型拓扑搜索。具体而言,星型拓扑搜索是指以搜索主体的数智设备为中央节点,其它节点(搜索对象)都与其直接相连而形成的集中式网络搜索模式,如华为以NFV创新实验平台为中心,不断吸引新创新者融入其中,进行跨界联合创新、知识共享与转移,构成星型拓扑结构;分布式拓扑搜索是指搜索主体借助数智技术将分布在不同地点的搜索对象互连起来的网络搜索模式,其着重强调企业跨越地理空间的跨界搜索行为,如京东方通过全面升级的智慧端口连接各大细分应用场景,实现信息、知识跨地理空间的互联互通;环型拓扑搜索是指以搜索主体的数智产品为主节点,通过与其它节点(搜索对象)首尾相连形成的环状网络搜索模式,如小米以IOT平台为基础凭借智能生态链产品,与富含搜索对象的个人物联网、家庭物联网、卫星互联网、车联网首尾相接,构成闭环搜索结构。由案例数据及上述分析可知,在数智产品、数智设备以及网络平台的共同作用下,企业能够与搜索对象之间形成复杂的网络基本结构,从而提高跨界搜索效率与效果,然而企业在选择跨界搜索的网络拓扑模式时,应充分考虑到企业当前的技术基础及业务类型,以达到事半功倍的效果。
(2)全景互动模式。以人工智能为代表的ABCD(A代表人工智能,B代表区块链,C代表云计算,D代表大数据,简称ABCD)技术所带来的数据穿透,改变了企业竞合关系,有助于加强企业联系并提高搜索效率(戚聿东, 肖旭,2020),使得搜索主体与搜索对象关系更具动态化和复杂化。通过进一步案例分析,本文发现在机器学习等核心算法作用下,搜索主体与搜索对象关系呈现出“全景式”行为框架,其内容包括先动式搜索、追随式搜索以及交互式搜索。具体而言,先动式搜索是指企业根据平台计算等分析技术先于市场中其它主体突破现有技术轨迹,搜索尚未被普遍接受且具有价值的异质性知识的主动搜索行为。如京东方突破行业边界,运用机器人智能化技术搜索人工角膜研发技术与知识,并与自身半导体生产技术相结合,将人工角膜生产由医学院转移到车间。追随式搜索是指企业借助数据融合、采集感知等分析技术,通过追随其它市场主体沿着现有技术轨迹搜索异质性知识的被动搜索行为。如格力通过物联网大数据采集技术探寻到圈层化的市场需求后,“模仿”其它在位企业与中国联通共同打造5G工业园区,致力于双方技术优势的互助、互利、共赢。交互式搜索是指企业凭借关系动态等分析技术先于市场中其它主体但沿着原有技术轨迹而进行的尝试。如小米以智能家居技术为基础进军房地产,与银城地产开展战略合作,搜索学习相关产业知识,进而推出首套智能楼盘。由案例数据及上述分析可知,在数智技术的推动下,企业与搜索对象的关系行为呈现出“全景式”特征,促进了知识资源的交流、共享,此时企业应注意的是在选择互动模式时利用相应的数智分析技术,在跨界搜索过程中与其它市场主体结成不同关系,以及与原有技术轨迹呈现出不同。
3.1.2 数智化使能作用下的跨界搜索过程风险
数字智能技术应用虽然为企业跨界搜索创新知识提供了便利,但更加分散化、多元化搜索对象的加入以及数智使能系统的决策性应用进一步扩大了企业搜索、获得异质性知识资源的转化应用风险。本文通过对现有文献与案例数据的反复迭代,发现在数智化使能企业跨界搜索过程中存在技术内生风险与知识基础风险两种过程风险,具体如表3和图1所示。其中,技术内生风险主要表现为在知识交易过程中数智技术的大范围介入,企业产生的“不适应”问题以及技术本身存在的漏洞及偏见;知识基础风险主要体现在数智化使能企业跨界搜索过程中由于过于庞大的陌生知识量以及更具复杂性搜索对象的加入,在知识流入与流出过程中所引发的组织风险。具体案例分析如下:
(1)技术内生风险。数智技术应用已日渐渗透到企业生产经营活动的各个领域并产生重大影响,但由于搜索服务的演化速度以及与企业搜索过程的深度融合,导致其在数据安全、隐私问题、算法歧视等方面存在风险,同时,也易引发搜索主体与搜索对象对数智使能系统的信任危机[28]。通过案例素材分析,本文发现在数智化使能企业跨界搜索过程中产生的技术内生风险包括AI模型风险与数据场域风险。具体而言,AI模型风险是指智能化技术在为企业提供搜索服务时所出现的不可解释风险与不可问责风险,表现为AI模型的“黑箱”特性以及监管与问责问题。如格力在智能装备领域基于AI自主决策进行跨行业合作研发时,就出现了因AI运行失误造成损失且难以维权的问题;数据场域风险是指由于数据缺陷、数据“投毒”等引发的歧视性风险与失信风险,表现为跨界搜索过程中更细粒度数据导致的决策偏见、安全风险以及隐私问题,如京东方相关负责人曾表示在开展大数据服务合作时可能会对敏感信号判断不正确,未能完成数据脱敏或脱敏不完全,并由此造成合作方数据挖掘等技术成果携带敏感隐私问题。
(2)知识基础风险。在企业跨界搜索过程中,由于数智技术的使能作用,更加分散化、多元化的搜索对象加入进来,知识要素在企业内部、企业之间加速共享与流动,虽然获取了更多的异质性知识,但也造成企业无法在创新活动及资源分配方面达成最优状态[29]。通过数据涌现与分析,本文发现在数智化使能企业跨界搜索过程中产生的知识基础风险包括知识配置风险与知识占有风险。具体而言,知识配置风险是指随着搜索范围扩大,不同搜索对象之间的知识差异性进一步突显,从而出现自组织行为,表现为知识资源与创新任务无法有效匹配,导致企业创新进程受阻。如京东方作为搜索结构的中心控制者,一直难以平衡平台资源分配与创新任务设计关系。知识占有风险是指由于庞大的陌生知识量出现以及知识具有的公共品性质,导致搜索主体与搜索对象无法保证创新收益合理分配而出现机会主义行为,表现为在创新收益分配过程中爆发利益冲突。如小米运营经理表示“知识资源增多表明机会、利益增多,与我们相连的不仅是合作伙伴,也是竞争对手,因此不免滋生搭便车、恶意攫取等负面行为”。
由此可得,在数智化使能企业跨界搜索过程中,由于技术内生风险与知识基础风险的存在,使得企业跨界搜索进程受阻,甚至有可能与搜索对象爆发冲突,从而不利于企业创新绩效提高。因此,需要差异化的知识治理机制对不同类型的过程风险予以防范与化解,以进一步实现跨界搜索价值。
由上述分析可知,在数智化使能企业跨界搜索过程中,技术内生风险与知识基础风险扩大会对企业创新产生阻碍作用,因此企业若想通过数智化跨界搜索提升创新绩效,就需要通过特定的知识治理机制对上述过程风险进行有效化解,从而为当前大规模、分布式的创新活动提供制度性保障[30]。通过案例素材分析,本文发现知识治理机制中的正式知识治理与非正式知识治理可以有效防范数智技术大规模应用所引致的过程风险,并且企业能够根据自身知识治理机制的不同,选择与之匹配的跨界搜索模式,以提高创新效率与效果、进行价值创造,具体如表4所示。
表4 知识治理机制下数智化跨界搜索与创新绩效提升的典型证据
Tab.4 Typical evidence of digital-intelligence boundary-spanning search and innovation performance in knowledge governance mechanism
企业知识治理机制风险防范典型例证跨界搜索模式匹配创新绩效提升典型例证京东方正式知识治理程度较高•京东方等42家企业联合成立了中国超高清视频产业联盟•京东方与国内多所著名高校建立产学研互补机制,减少利益冲突高拓扑—低互动跨界搜索模式•打破以往的医疗理念和交流模式,为消费者提供最好的整合健康医疗服务•这款产品在外观、规格、功能上颠覆创新,重新定义了车载显示小米非正式知识治理程度较高•双方承诺将发挥各自领域优势,进一步拓展智能家居生态系统版图•雷军坦言,他正在授权给其他人,并创造机会让不同部门互相交流,让技术运行逻辑更加透明低拓扑—高互动跨界搜索模式•通过这个项目,小米进一步展示智能家居产品,把产品嫁接到房地产,进一步拓展市场•小米澎湃C1与苹果、华为等系列芯片不同……突破了现有影像技术格力正式知识治理程度较高•双方围绕关键数智技术全产业链协同发展……构建跨行业融合生态体系,弥补数据偏差与缺陷•壹金会向格力强调了开诚布公、坦诚相见的必要性,构建紧密关系高拓扑—低互动跨界搜索模式•邱智铭则表示,合作的最大体会是将公司想到但没做到的一些事情通过智能化制造把它串联起来•格力D-CTFP质量技术创新循环,是对企业质量管理局限性的一种突破华为正式知识治理与非正式知识治理程度都较高•在NFV开放实验室,华为针对各典型业务场景构建了多厂商集成验证平台•华为致力于形成能适应全球化市场竞争的运营制度高拓扑—高互动跨界搜索模式•华为云同用友共同研发出首个云ERP本地化部署解决方案•华为与欧普照明合作产生华为鸿蒙生态系统新作—华为全屋智能解决方案
(1)当正式知识治理程度较高时,数智化使能企业在跨界搜索过程中更加强调采取目标设定、工作设计等正式的组织安排来防范过程风险。为将获取的异质性知识融入企业创新流程,提高创新绩效,企业主要采取具有明晰规划与协调制度的高拓扑—低互动跨界搜索模式。以京东方为例,军工企业的历史背景使其在利用数智技术跨越边界获取内外部知识时,更关注目标设定、权利配置以及构建正式的合作平台,并且凭借强大的技术优势与资金优势深深嵌入外部复杂网络中,但是与市场中其它主体的互动程度较低。在这种知识治理机制以及跨界搜索模式下,京东方通过打造数字平台、建立创新研究院,与搜索对象形成互补机制,有效防范了过程风险并成功将获取的陌生知识转化为创新绩效。例如,京东方建立产业联盟,明确责任主体与监管问题,减少了利益冲突,成功将自身生产半导体的环境工程技术、液晶面板修复技术与人造角膜研发技术有效结合,实现了微创手术领域的突破,颠覆了传统健康服务产业的医疗模式与健康理念。
(2)当非正式知识治理程度较高时,数智化使能企业在跨界搜索过程中更加注重利用搜索对象的身份认同、沟通与信任等非正式组织设计要素来防范过程风险。为将获取的异质性知识融入企业创新流程,提高创新绩效,企业主要采取相对灵活多变的低拓扑—高互动跨界搜索模式。以小米为例,由于管理开放、沟通分享的文化氛围浓厚,在小米生态链战略布局背景下,企业与搜索对象更加强调紧密合作、开诚布公以及形成非正式的组织联盟,与市场中其它主体互动程度较高但嵌入程度较低。在这种知识治理机制以及跨界搜索模式下,小米创造机会让不同部门相互交流,进行扁平化的分权管理并构建非正式组织联盟,有效防范了过程风险并成功将获取的陌生知识转化为创新绩效。例如,小米一直创造机会让不同部门相互交流,建立联结机制,形成相互依赖的合作关系,让模型运行逻辑、数据更加透明,助力其联合打造出专业的影像芯片ISP—澎湃C1芯片,突破了现有影像技术瓶颈。
(3)当正式知识治理与非正式知识治理程度都较高时,数智化使能企业在跨界搜索过程中均较为关注正式的组织安排与非正式的组织设计要素,此时实现正式知识治理与非正式知识治理的平衡对于防范过程风险、提升创新绩效至关重要。在这种情况下,需要发挥网络拓扑模式与全景互动模式的互补效应,采取高拓扑—高互动跨界搜索模式。以华为为例,一方面,华为强调与搜索对象构建正式合作平台、实验室以及明晰的权利配置协议;另一方面,华为追求与搜索对象建立亲密的“战友”关系并不断提高沟通效率。此时华为嵌入外部复杂网络的程度以及与其它主体的互动程度都较高,在这种知识治理机制以及跨界搜索模式下,华为有效防范了过程风险并成功将获取的陌生知识转化为创新绩效。例如,在NFV创新实验室构建了多厂商集成验证平台,有效阻止了搜索过程中的机会主义行为,华为云与用友联合打造出业界首个云ERP本地化部署解决方案,有效支撑了数智化转型与商业模式创新。
本文围绕“数智化使能作用下企业如何通过跨界搜索提升创新绩效”问题,基于知识治理机制视角,对4家中国典型企业进行多案例比较分析,对数智化使能企业跨界搜索过程及提升创新绩效的模式匹配与选择展开深入研究,构建了数智化使能企业跨界搜索提升创新绩效的整合模型,具体如图2所示。
图2 数智化使能企业跨界搜索提升创新绩效的整合模型
Fig.2 Integrated model of how boundary-spanning search improves firm innovation performance enabled by digitalization and intellectualization
注:由于正式知识治理与非正式知识治理程度都较低的情况(图中阴影部分)不利于风险防范及创新绩效提高,故不对该情况作相关探讨
(1)在数智化使能企业跨界搜索过程中,企业存在网络拓扑模式、全景互动模式两种跨界搜索模式以及技术内生风险、知识基础风险两种过程风险。首先,在跨界搜索模式方面,由于数字智能技术的引入,企业在数智产品、数智设备以及网络平台的共同作用下,可与搜索对象形成互联互通的复杂网络结构以及全景式关系行为框架。具体而言,跨界搜索的网络拓扑模式可分为星型拓扑搜索、分布式拓扑搜索以及环型拓扑搜索,跨界搜索的全景互动模式可分为先动式搜索、追随式搜索以及交互式搜索。通过上述新型搜索模式,企业知识得以加速在大范围内交流共享,提高了跨界搜索效率与效果。此外,在过程风险方面,由于数智技术的大规模介入以及过于庞大的陌生知识量涌入,企业在通过跨界搜索实现高频创新的过程中将面临更大程度的过程风险。其中,技术内生风险包括AI模型风险和数据场域风险,知识基础风险包括知识配置风险和知识占有风险。此时企业应利用特定的知识治理机制防范与化解不同类型的过程风险,从而将数智化跨界搜索有效转化为创新绩效。
(2)知识治理机制中的正式知识治理与非正式知识治理可以有效防范数智技术大规模应用所带来的过程风险,因此在将数智化跨界搜索转化为创新绩效的过程中,需要对不同程度的正式知识治理与非正式知识治理进行权衡。通过案例分析,本文发现在数智化使能企业跨界搜索过程中,为防范化解过程风险,不同企业的知识治理机制呈现出差异化特征:当正式知识治理程度较高时,企业更强调目标设定、机制体制、工作设计等正式的组织安排,与搜索对象构建规范的合作关系;当非正式知识治理程度较高时,企业更注重搜索对象的身份认同、沟通与信任等非正式组织设计要素,主要强调开放氛围以及紧密关系建立;当正式知识治理与非正式知识治理程度都较高时,企业则认为正式的组织安排与非正式组织设计要素同等重要,此时应注意两者的平衡。因此,企业应根据自身特质及主营领域特点,在3种知识治理机制中进行选择,从而达到防范化解过程风险的目的。
(3)在数智化使能作用下,企业能够基于自身知识治理机制的不同,创造性地匹配高拓扑—低互动、高拓扑—高互动、低拓扑—高互动跨界搜索模式,以提高企业创新绩效。具体而言,当正式知识治理程度较高时,企业应选择具有明晰规划与协调制度的高拓扑—低互动跨界搜索模式,借助物联网技术以及自身优势深度嵌入外部复杂网络,此时企业跨界搜索的全景互动模式程度较低,更强调与搜索对象形成正式的互补机制,从而提高创新绩效转化效率;当非正式知识治理程度较高时,企业应选择相对灵活多变的低拓扑—高互动跨界搜索模式,倾向于借助与搜索对象的关系构建进行模式调整,此时企业跨界搜索的网络拓扑模式程度较低,更强调提高与搜索对象的信任程度与合作意愿,成功将异质性知识融入创新流程;当正式知识治理与非正式知识治理程度都较高时,企业采取的是高拓扑—高互动跨界搜索模式,较为看重与搜索对象规范的合作关系以及开放亲密的合作氛围,通过协调网络拓扑模式与全景互动模式的耦合程度,在实现正式与非正式知识治理平衡的同时,提升企业创新绩效。
(1)本文识别出数智化使能企业在跨界搜索过程中存在的跨界搜索模式及过程风险,并探讨了企业创新绩效转化过程中跨界搜索模式的先导作用。现有的跨界搜索研究更倾向于对搜索边界与搜索内容的划分[12,14],缺乏对外部技术环境的探讨。本文以数字化与智能化融合为背景,赋予了新的研究情境,在一定程度上延伸并拓展了组织搜索理论的情境化研究。
(2)本文通过解构企业跨界搜索影响创新绩效的过程,探究了数智技术在其中扮演的关键角色,基于过程观视角,突破以往文献从相对静态、因果关系等角度展开研究的局限[13,17],深化了企业跨界搜索影响创新绩效过程的研究结果。
(3)本文探寻了知识治理机制在数智化使能企业跨界搜索提升创新绩效过程中的重要作用。现有文献更强调知识治理机制在促进知识活动和防范组织风险方面的关键作用[5,19],本文除了对以上两个方面进行研究外,还发现基于不同程度的正式知识治理与非正式知识治理背景,不同跨界搜索模式在影响企业创新过程中具有差异化特征,进一步延伸了知识治理理论的解释边界,为后续跨界搜索与企业创新绩效关系的研究提供了新的理论视角。
(1)在当前高度不确定的环境下,企业若想通过跨界搜索提高创新能力并获取竞争优势,不能再简单沿用传统逻辑及路径去开展跨边界的知识搜索活动,而应高度重视数智技术的使能作用,充分应用新型跨界搜索模式(网络拓扑模式和全景互动模式),以提高跨界搜索效率与效果。但是,在选择跨界搜索模式时,应充分考虑到企业业务类型与技术基础,借助数智分析技术与搜索对象形成符合自身的网络基本结构和关系行为框架。
(2)为将数智化跨界搜索有效转化为创新绩效,企业还应注意防范数智化使能企业跨界搜索过程中存在的风险。此时企业应根据自身特质及主营领域特点选择合理的正式知识治理与非正式知识治理制度,如建立产业联盟,明确责任主体与监管问题或创造机会让不同部门相互交流,使数据更加透明等,从而为数智化跨界搜索转化为企业创新绩效提供制度性保障。
(3)日益激烈的竞争环境要求企业根据自身知识治理机制灵活匹配跨界搜索模式,结合不同程度的正式知识治理与非正式知识治理,充分审时度势,在认真反思企业治理体系与管理背景的基础上,选择高拓扑—低互动、高拓扑—高互动、低拓扑—高互动跨界搜索模式,将搜索到的异质性知识与企业内部资源有机融合,进一步提高创新能力。
尽管本文对数智化使能作用下企业跨界搜索提升创新绩效的动态过程进行了有益探索,但仍存在一些不足之处,有待完善:一方面,本文虽然有相互印证的多重数据来源,并严格遵循了案例分析范式,保证了一定信度和效度,但由于研究数据存在一定局限性,未来研究可对涉及的范畴开发出可操作性量表,对研究结论进行大样本实证检验;另一方面,本文选取4家中国典型企业进行了多案例分析,但是在企业发展的不同阶段,数智化使能企业跨界搜索对创新绩效的作用模式可能存在差异,未来可对经典案例进行纵向对比分析,从而对本文结论进行补充。
[1] HAENLEIN M, KAPLAN A. A brief history of artificial intelligence: on the past, present, and future of artificial intelligence[J]. California Management Review, 2019, 61(4): 5-14.
[2] SCHWEISFURTH T G, RAASCH C. Absorptive capacity for need knowledge: antecedents and effects for employee innovativeness[J].Research Policy, 2018, 47(4): 687-699.
[3] FLOR M L, COOPER S Y, OLTRA M J. External knowledge search, absorptive capacity and radical innovation in high-technology firms[J].European Management Journal, 2018, 36(2): 183-194.
[4] FORRADELLAS R, GALLASTEGUI G. Digital transformation and artificial intelligence applied to business: legal regulations, economic impact and perspective[J].Laws, 2021, 10(3): 70-70.
[5] FOSS N J. The emerging knowledge governance approach: challenges and characteristics[J].Organization, 2007, 14(1): 29-52.
[6] NELSON R R, WINTER S C G. An evolutionary theory of economic change[M].Cambridge: Harvard University Press, 1982.
[7] STUART T E, PODOLNY J M. Local search and the evolution of technological capabilities[J].Strategic Management Journal, 1996, S1 (17): 21-38.
[8] KATILA R A , AHUJA G. Something old something new:a longitudinal studly of search behavior and new product introduction[J].Academy of Management Journal, 2002, 45(6): 1183-1194.
[9] ROSENKOPF L,NERKAR A.Beyond local search:boundary-spanning,exploration,and impact in the optical disk industry[J].Strategic Management Journal, 2001,22(4): 287-306.
[10] 白景坤, 查逸凡, 梁秋燕. 跨界搜寻对新创企业创新成长影响研究——资源拼凑和学习导向的视角[J].中国软科学, 2021,36(3): 166-174.
[11] LAURSEN K, SALTER K. Open for innovation: the role of openness in explaining innovation performance among U.K. manufacturing firms[J].Strategic Management Journal, 2006, 27(2): 131-150.
[12] LOPEZ-VEGA H,TELL F, VANHAVERBEKE W.Where and how to search?search paths in open innovation[J].Research Policy,2016,45(1):125-136.
[13] LIN C J, LI C R. The effect of boundary-spanning search on breakthrough innovations of new technology ventures[J].Industry and Innovation, 2013, 20(2): 93-113.
[14] 张文红, 赵亚普, 陈爱玲.外部研发机构联系能否提升企业创新——跨界搜索的中介作用[J].科学学研究, 2014, 32(2): 289-296.
[15] BRISCOE F, ROGAN M. Coordinating complex work: knowledge networks, partner departures, and client relationship performance in a law firm[J].Management Science, 2016, 62(8): 2392-2411.
[16] 贯君, 徐建中, 林艳. 跨界搜寻、网络惯例、双元能力与创新绩效的关系研究[J].管理评论, 2019, 31(12): 61-72.
[17] NOOTEBOOM B, HAVERBEKE W V, DUYSTERS G, et al. Optimal cognitive distance and absorptive capacity[J].Research Policy, 2007, 36(7): 1016-1034.
[18] GRANDORI A. Neither hierarchy nor identity: knowledge-governance mechanisms and the theory of the firm[J].Journal of Management and Governance, 2001, 5(3-4): 381-399.
[19] GOODERHAM P,MINBAEVA D B,PEDERSEN T.Governance mechanisms for the promotion of social capital for knowledge transfer in multinational corporations[J].Journal of Management Studies, 2011, 48(1): 123-150.
[20] HUSTED K, MICHAILOVA S, MINBAEVA D B, et al. Knowledge-sharing hostility and governance mechanisms: an empirical test[J].Journal of Knowledge Management, 2012, 16(5): 754-773.
[21] 任志安. 超越知识管理:知识治理理论的概念、框架及应用[J].科研管理, 2007,28(1):20-26,52.
[22] YINR K. Case study research and applications: design and methods[M].London: Sage Publications, 2017.
[23] EISENHARDT K M. What is the Eisenhardt method, really[J].Strategic Organization, 2021, 19(1): 147-160.
[24] GIOIA D A, CORLEY K G, HAMILTON A L. Seeking qualitative rigor in inductive research: notes on the gioia methodology[J].Organizational Research Methods, 2013, 16(1): 15-31.
[25] ZHONG W G, MA Z M, TONG T W, et al. Customer concentration, executive attention, and firm search behavior[J].Academy of Management Journal,2021,64(5):1625-1647.
[26] CHENG C C J, HUIZINGH E K R E. When is open innovation beneficial? the role of strategic orientation[J].Journal of Product Innovation Management, 2014, 31(6): 1235-1253.
[27] 陈剑, 刘运辉. 数智化使能运营管理变革: 从供应链到供应链生态系统[J].管理世界, 2021, 37(11): 227-240.
[28] JOBIN A, IENCA M, VAYENA E. The global landscape of AI ethics guidelines[J].Nature Machine Intelligence, 2019, 1(2): 389-399.
[29] 涂心语, 严晓玲. 数字化转型、知识溢出与企业全要素生产率——来自制造业上市公司的经验证据[J].产业经济研究, 2022,21(2): 43-56.
[30] 王雎. 开放式创新下的知识治理——基于认知视角的跨案例研究[J].南开管理评论, 2009, 12(3): 45-53.