AI‑Powered Capabilities and Green New Product Development: The Dual and Asymmetric Mediating Roles of Green Exploratory and Exploitative

तकनीकी सारांश: AI-संचालित क्षमताएं और हरित नवीन उत्पाद विकास (Green New Product Development)

समस्या विवरण और अनुसंधान अंतराल (Research Gaps)
आर्टिफिशियल इंटेलिजेंस (AI) और पर्यावरणीय स्थिरता का अभिसरण नवाचार प्रबंधन में एक महत्वपूर्ण सीमा का प्रतिनिधित्व करता है, फिर भी वे तंत्र जिनके माध्यम से AI क्षमताएं हरित नवीन उत्पाद विकास (Green NPD) में परिवर्तित होती हैं, सैद्धांतिक रूप से अल्पविकसित हैं। जबकि पूर्व शोध मुख्य रूप से प्रत्यक्ष प्रदर्शन परिणामों (जैसे, लागत बचत, दक्षता) पर केंद्रित रहा है, यह अक्सर AI को एक अलग तकनीकी इनपुट के रूप में देखता है, जो उन आंतरिक संगठनात्मक दिनचर्या की अनदेखी करता है जो AI-जनित अंतर्दृष्टि को मूर्त उत्पाद परिणामों में परिवर्तित करती हैं। यह अध्ययन साहित्य में तीन विशिष्ट अंतरालों की पहचान करता है:

1. मध्यस्थता का ब्लैक बॉक्स (The Mediation Black Box): मौजूदा अध्ययन शायद ही कभी उन प्रक्रिया संरचनाओं का विश्लेषण करते हैं जिनके माध्यम से AI, ग्रीन NPD को प्रभावित करता है, और यह मान लेते हैं कि लाभ बिना किसी संगठनात्मक मध्यस्थता के स्वतः ही प्रकट होते हैं।
2. नवाचार मोड का अविभेदित उपचार: शोध अक्सर हरित खोजपूर्ण (green exploratory - खोज, अन्वेषण, मौलिक नवीनता) और हरित शोषणकारी (green exploitative - परिशोधन, दक्षता, क्रमिक सुधार) नवाचार गतिविधियों के बीच अंतर करने में विफल रहता है, जबकि उनकी परिचालन आवश्यकताएं भिन्न होती हैं।
3. अनपेक्षित विषमता (Unexamined Asymmetry): भले ही कई मध्यवर्तियों पर विचार किया गया हो, अध्ययन आमतौर पर सममित प्रभावों (symmetric effects) को मानते हैं। यह शोध प्रश्न उठाता है कि क्या AI की विशिष्ट क्षमताएं (पैटर्न पहचान, अनिश्चितता में कमी) एक मध्यस्थता पथ को दूसरे की तुलना में काफी अधिक मजबूत बना सकती हैं।

सैद्धांतिक ढांचा और परिकल्पनाएं (Theoretical Framework and Hypotheses)
डायनेमिक कैपेबिलिटीज थ्योरी (DCT) पर आधारित, यह अध्ययन यह प्रतिपादget करता है कि AI-संचालित क्षमताएं सीधे ग्रीन NPD को संचालित नहीं करती हैं, बल्कि विशिष्ट अनुकूलन प्रक्रियाओं के लिए एक उत्प्रेरक के रूप में कार्य करती हैं। ढांचा इनके बीच अंतर करता है:

• हरित खोजपूर्ण (Green Exploratory): एक सेंसिंग-संचालित प्रक्रिया जहाँ AI अवसर की पहचान और नवीन निम्न-कार्बन प्रक्षेपवक्रों (low-carbon trajectories) की खोज को बढ़ाता है।
• हरित शोषणकारी (Green Exploitative): एक सीजिंग/ट्रांसफॉर्मिंग-संचालित प्रक्रिया जहाँ AI निष्पादन को अनुकूलित करता है, मौजूदा हरित प्रौद्योगिकियों को परिष्कृत करता है, और प्रक्रिया दक्षता में सुधार करता है।

अध्ययन एक दोहरी मध्यस्थता मॉडल और एक विषम (asymmetric) परिकल्पना प्रस्तावित करता है:

• H1a और H1b: हरित खोजपूर्ण और हरित शोषणकारी दोनों, AI-संचालित क्षमताओं और ग्रीन NPD के बीच सकारात्मक संबंध को मध्यस्थ करते हैं।
• H1c (विषमता): हरित खोजपूर्ण का मध्यस्थता प्रभाव, हरित शोषणकारी की तुलना में काफी अधिक मजबूत है। यह AI के सेंसिंग संवर्धन (sensing augmentation) में तुलनात्मक लाभ, मौलिक नवाचार से जुड़ी उच्च अनिश्चितता को कम करने की इसकी विषम क्षमता, और अस्थिर निम्न-कार्बन बाजारों में प्रथम-प्रस्तावक (first-mover) लाभ के रणनीतिक मूल्य के आधार पर सिद्धांतित है।

कार्यप्रणाली (Methodology)

• डेटा संग्रह: अध्ययन ने चीन के पांच उच्च-प्राथमिकता वाले क्षेत्रों: इलेक्ट्रॉनिक्स/सेमीकंडक्टर, ऑटोमोटिव, मशीनरी, फार्मास्युटिकल्स/मेडिकल डिवाइस, और होम अप्लायंसेज/कंज्यूमर इलेक्ट्रॉनिक्स के 333 विनिर्माण फर्मों से क्रॉस-सेक्शनल सर्वेक्षण डेटा का उपयोग किया।
• नमूना मानदंड: फर्मों का चयन उनके द्वारा ग्रीन NPD प्रथाओं के कार्यान्वयन और निम्न-कार्बन संचालन या निर्णय लेने के लिए AI प्रौद्योगिकियों को अपनाने के आधार पर किया गया था।
• मापन: निर्माणों (constructs) को स्थापित साहित्य (जैसे, गुप्ता एट अल., 2023; सिंह एट अल., 2024) से अनुकूलित मल्टी-आइटम स्केल का उपयोग करके 7-पॉइंट लिकर्ट स्केल पर मापा गया। प्रमुख चरों में AI-संचालित क्षमताएं, हरित खोजपूर्ण, हरित शोषणकारी, और ग्रीन NPD प्रदर्शन शामिल थे। नियंत्रण चरों में उद्योग क्षेत्र, फर्म की आयु, आकार, AI निवेश, और ISO 14001 प्रमाणन शामिल थे।
• विश्लेषण: अध्ययन ने परिकल्पनाओं का परीक्षण करने के लिए पदानुक्रमित प्रतिगमन (hierarchical regression) और बूटस्ट्रैप्ड मध्यस्थता विश्लेषण (PROCESS Model 4, 5,000 पुनरावृत्तियों के साथ) का उपयोग किया। हारमन के सिंगल-फैक्टर टेस्ट और CFA तुलनाओं के माध्यम से कॉमन मेथड बायस का आकलन किया गया, जबकि शुरुआती और देर से उत्तर देने वालों की तुलना करके नॉन-रिस्पॉन्स बायस की जांच की गई।

प्रमुख परिणाम (Key Results)

1. दोहरी मध्यस्थता की पुष्टि: हरित खोजपूर्ण और हरित शोषणकारी दोनों, AI-संचालित क्षमताओं और ग्रीन NPD के बीच के संबंध को महत्वपूर्ण रूप से मध्यस्थ करते हैं।
   • AI क्षमताएं हरित खोजपूर्ण ($\beta = 0.624, p < 0.001$) और हरित शोषणकारी ($\beta = 0.578, p < 0.001$) की सकारात्मक भविष्यवाणी करती हैं।
   • दोनों मध्यवर्ती ग्रीन NPD की सकारात्मक भविष्यवाणी करते हैं ($\beta_{exploratory} = 0.375, p < 0.001$; $\beta_{exploitative} = 0.289, p < 0.001$)।
2. विषम मध्यस्थता (Asymmetric Mediation): हरित खोजपूर्ण के माध्यम से अप्रत्यक्ष प्रभाव, हरित शोषणकारी के माध्यम से होने वाले प्रभाव की तुलना में काफी अधिक मजबूत है।
   • अप्रत्यक्ष प्रभाव (खोजपूर्ण): $\beta = 0.234$, 95% CI [0.139, 0.354]।
   • अप्रत्यक्ष प्रभाव (शोषणकारी): $\beta = 0.167$, 95% CI [0.093, 0.258]।
   • कॉन्फिडेंस इंटरवल आंशिक रूप से ओवरलैप नहीं होते हैं, जो विषमता की परिकल्पना का समर्थन करते हैं।
3. मॉडल फिट: पूर्ण मॉडल ग्रीन NPD की भिन्नता का 54% स्पष्ट करता है ($R^2 = 0.540$)।

प्रमुख योगदान और महत्व (Key Contributions and Significance)
यह शोध तीन प्राथमिक योगदान का दावा करता है:

1. ब्लैक बॉक्स को खोलना: दो अलग-अलग प्रक्रिया संरचनाओं (खोज और शोषण) को निर्दिष्ट करके, यह अध्ययन स्पष्ट करता है कि AI, ग्रीन NPD में मूल्य कैसे उत्पन्न करता है, जो प्रत्यक्ष-प्रभाव मॉडलों से आगे बढ़कर DCT पर आधारित एक प्रक्रिया-उन्मुख दृष्टिकोण की ओर ले जाता है।
2. "संतुलन धारणा" को चुनौती देना: निष्कर्ष पारंपरिक एम्बिडेक्सटेरिटी (ambidexterity) धारणा को चुनौती देते हैं कि फर्मों को खोज (exploration) और शोषण (exploitation) को समान रूप से संतुलित करना चाहिए। इसके बजाय, अध्ययन खोजपूर्ण मध्यस्थता की प्रधानता को प्रदर्शित करता है, जो यह सुझाव देता है कि AI की अनूठी क्षमताएं क्रमिक परिशोधन की तुलना में सेंसिंग और खोज में अधिक शक्तिशाली हैं।
3. कार्यप्रणाली टेम्पलेट: यह अध्ययन बूटस्ट्रैप्ड कॉन्फिडेंस इंटरवल तुलना का उपयोग करके दोहरे और विषम मध्यस्थता परीक्षण के लिए एक कठोर टेम्पलेट प्रदान करता है, जो प्रतिस्पर्धी मध्यस्थता मार्गों की तुलना करने वाले भविष्य के शोध के लिए एक प्रतिलिपि योग्य विधि प्रदान करता है।

व्यावहारिक निहितार्थ (Practical Implications)

• प्रबंधकों के लिए: फर्मों को उन AI निवेशों को प्राथमिकता देनी चाहिए जो सेंसिंग और खोजपूर्ण क्षमताओं (जैसे, उभरते बाजारों के लिए प्रेडिक्टिव एनालिटिक्स, जेनेरेटिव डिजाइन) को बढ़ाते हैं, न कि केवल अनुकूलन-केंद्रित उपकरणों को, हालांकि एक संतुलित लेकिन खोज-झुकाव वाला दृष्टिकोण (जैसे, खोज के लिए 60-70%) अनुशंसित है।
• AI विक्रेताओं के लिए: उत्पाद विकास को खोज-उन्मुख उपकरणों (जेनेरेटिव डिजाइन, कमजोर सिग्नल डिटेक्शन) और शोषण-उन्मुख उपकरणों (प्रक्रिया अनुकूलन, प्रेडिक्टिव मेंटेनेंस) के बीच अंतर करना चाहिए।
• नीति निर्माताओं के लिए: सब्सिडी और नियामक ढांचे को उच्च-जोखिम, AI-सक्षम खोजपूर्ण हरित नवाचार का समर्थन करने के लिए पुनर्गठित किया जाना चाहिए, क्योंकि यह क्रमिक शोषण की तुलना में प्रति इकाई निवेश पर अधिक प्रदर्शन लाभ प्रदान करता है।

सीमाएं और भविष्य की दिशाएं (Limitations and Future Directions)
लेखक क्रॉस-सेक्शनल डिजाइन (जो कारण संबंधी अनुमान को सीमित करता है), एकल-उत्तरदाता डेटा पर निर्भरता, और विशेष रूप से चीनी विनिर्माण संदर्भ सहित सीमाओं को स्वीकार करते हैं। भविष्य के शोध के लिए अनुदैर्ध्य (longitudinal) डिजाइनों का उपयोग करने, व्यवहारिक सूक्ष्म-आधारों (behavioral micro-foundations) की जांच करने, और अन्य इंडस्ट्री 4.0 प्रौद्योगिकियों (IoT, ब्लॉकचेन) के साथ AI के परस्पर प्रभाव की जांच करने का सुझाव दिया गया है। इसके अतिरिक्त, अध्ययन नोट करता है कि प्रस्तावित तकनीकी अनिश्चितता के मॉडरेशन प्रभाव का इस पांडुलिपि में पूरी तरह से परीक्षण नहीं किया गया है और यह भविष्य के विश्लेषण के लिए एक मार्ग बना हुआ है।