《Sustainable Futures》：The mediating role of supply chain resilience in the relationship between AI capabilities and sustainability performance: evidence from manufacturing SMEs
编辑推荐：
本文针对制造业中小企业如何在资源约束下通过人工智能技术构建供应链韧性并实现可持续发展的核心问题，研究了人工智能能力通过增强供应链韧性进而影响环境与社会可持续绩效的作用机制。研究发现AI能力显著提升供应链韧性（R2 = 0.542），并通过"韧性网关"效应完全中介对社会可持续性的影响（VAF=69.7%），为数字化时代的可持续供应链管理提供了理论框架与实践启示。
在全球供应链面临疫情、地缘政治冲突和气候事件等多重冲击的背景下，制造业企业尤其是中小企业如何构建韧性供应链同时实现可持续发展目标，成为亟待解决的重要课题。泰国作为新兴制造业基地，其11万余家制造企业中近九成为中小企业，这些企业在维持成本竞争力的同时还需满足国际可持续发展标准，数字化转型压力尤为显著。尽管泰国政府推行"工业4.0"计划，但仅有约1847家制造业中小企业成功实施了人工智能技术，折射出资源受限背景下技术应用的现实挑战。
在此背景下，研究者深入探索了人工智能能力如何通过增强供应链韧性促进可持续发展这一机制。研究以动态能力理论（DCT）和资源基础观（RBV）为理论基础，提出了一个整合性分析框架，考察人工智能赋能的感知（sensing）、捕捉（seizing）和重构（reconfiguring）能力对供应链韧性的影响，以及韧性在人工智能与可持续绩效关系中的中介作用。
研究团队对327家泰国制造业中小企业进行了问卷调查，采用偏最小二乘结构方程模型（PLS-SEM）和5000次Bootstrap抽样进行数据分析。测量模型评估显示所有构念的信度和效度指标均达到可接受水平，判别效度、共同方法偏差和内生性检验结果支持数据质量。
关键研究方法
研究采用横断面调查设计，通过两阶段数据收集降低共同方法偏差。样本选自泰国工业企业联合会数据库中有AI实施记录的制造业中小企业，使用智能PLS 4.0软件进行测量模型和结构模型评估。关键分析技术包括验证性四元组分析（CTA-PLS）检验反射性测量模型、高斯copula方法评估内生性、多群组分析（MGA）考察调节效应，以及方差 accounted for（VAF）计算中介效应强度。
研究结果分析
AI能力与供应链韧性的关系
研究发现三种AI赋能能力均显著增强供应链韧性。AI赋能捕捉能力影响最大（β = 0.342, p < 0.001），说明基于数据的快速决策对韧性构建最为关键。AI赋能感知能力次之（β = 0.287, p < 0.001），体现环境扫描和模式识别对风险预警的重要性。AI赋能重构能力影响相对较小但仍显著（β = 0.218, p = 0.003），表明组织结构调整的挑战性更高。
AI能力对可持续性的差异化影响
AI能力对环境可持续性有直接显著影响（β = 0.426, p < 0.001），主要通过优化资源利用和减少浪费实现。然而，AI能力对社会可持续性的直接效应不显著（β = 0.073, p = 0.276），表明技术本身不足以解决社会维度挑战。
供应链韧性的中介作用
中介分析揭示重要机制：供应链韧性在AI能力与环境可持续性间起部分中介作用（VAF = 29.9%），在社会可持续性方面则发挥完全中介作用（VAF = 69.7%）。这形成了"韧性网关"效应——企业需先建立运营稳定性，才能实现社会效益。
情境因素的调节效应
多群组分析显示，企业规模、AI实施成熟度和行业类型显著调节研究关系。小型企业从AI中获得更强韧性收益，中型企业则更易实现环境可持续性。高级实施者（18-24个月经验）开始显现社会可持续效益，而初期实施者该效应不显著。
研究结论与讨论
本研究通过理论拓展和实证验证，揭示了人工智能通过增强供应链韧性促进可持续发展的作用机制。主要理论贡献包括：扩展动态能力理论，将AI定位为能力增强器而非独立能力形式；提出"韧性网关"概念，阐明韧性作为实现可持续性前提条件的关键作用；发现环境与社会可持续性不同的影响路径，挑战了三重底线框架的平衡发展假设。
实践启示方面，研究为制造业中小企业提供了AI实施的优先指南：应首先投资AI赋能的捕捉能力，建立数据驱动决策系统；采取分阶段实施方法，先夯实运营韧性基础，再追求可持续性目标；认识AI效益的时滞性，社会可持续收益需较长时间积累。对政策制定者，研究支持设计阶段性AI成熟度计划，建立共享技术基础设施，并制定行业特异性实施指南。
研究的局限性主要为横断面设计限制因果推断，泰国单一国家背景可能影响结论普适性。未来研究可采用纵向追踪设计，考察不同国家背景下的差异化模式，并探索AI实施的潜在负面效应。总体而言，本研究为资源受限企业通过人工智能实现韧性与可持续性协同发展提供了理论框架和实践路径。
