How Artificial Intelligence (AI) Affects Sustainable Economic Growth in the Jordanian Industrial Sector

तकनीकी सारांश: जॉर्डन के औद्योगिक क्षेत्र में आर्टिफिशियल इंटेलिजेंस और सतत आर्थिक विकास

समस्या विवरण
यद्यपि आर्टिफिशियल इंटेलिजेंस (AI) को चौथी औद्योगिक क्रांति के लिए एक परिवर्तनकारी शक्ति के रूप में व्यापक रूप से मान्यता प्राप्त है, फिर भी उभरती अर्थव्यवस्थाओं के भीतर सतत आर्थिक विकास पर इसके प्रभाव के संबंध में एक महत्वपूर्ण अनुभवजन्य अंतराल (empirical gap) मौजूद है। मौजूदा साहित्य मुख्य रूप से विकसित राष्ट्रों पर केंद्रित है जिनकी तकनीकी संरचनाएँ परिपक्व हैं, जिससे उन संदर्भों में AI के कार्य करने के तरीके को समझने में एक रिक्तता रह जाती है जहाँ संस्थागत वातावरण और तकनीकी तत्परता भिन्न होती है। इसके अलावा, पूर्व शोध ने मुख्य रूप से AI अपनाने और संगठनात्मक प्रदर्शन के बीच सीधे संबंध का परीक्षण किया है, जिसमें अक्सर विशिष्ट संगठनात्मक तंत्रों—जैसे कि ज्ञान रूपांतरण प्रक्रियाओं—की उपेक्षा की गई है, जो AI निवेश को सतत आर्थिक परिणामों में बदलने के माध्यम के रूप में कार्य करते हैं। यह अध्ययन जॉर्डन के औद्योगिक क्षेत्र की जांच करके इन अंतरालों को संबोधित करता है, जिसका लक्ष्य यह निर्धारित करना है कि AI का अपनाना सतत आर्थिक विकास को कैसे प्रभावित करता है और इस संबंध में संगठनात्मक शिक्षण (organizational learning) की मध्यस्थ भूमिका की पहचान करना है।

कार्यप्रणाली
यह अध्ययन एक निगमनात्मक रणनीति (deductive strategy) पर आधारित एक मात्रात्मक, क्रॉस-सेक्शनल अनुसंधान डिजाइन का उपयोग करता है। सैद्धांतिक ढांचा तीन अलग-अलग सिद्धांतों को एकीकृत करता है:

1. संसाधन-आधारित दृष्टिकोण (RBV): AI को एक रणनीतिक, मूल्यवान, दुर्लभ और गैर-प्रतिस्थापनीय संसाधन के रूप में प्रस्तुत करता है।
2. डायनेमिक कैपेबिलिटीज थ्योरी (DC): सुझाव देती है कि संगठनों को बदलते परिवेश के अनुकूल होने के लिए संसाधनों को पुनर्गठित करना चाहिए।
3. एंडोजेनस ग्रोथ थ्योरी (EGT): दीर्घकालिक आर्थिक विकास को तकनीकी नवाचार और ज्ञान सृजन से जोड़ती है।

डेटा जॉर्डन के औद्योगिक संगठनों के 120 प्रबंधकों से संरचित प्रश्नावली के माध्यम से एकत्र किया गया था। नमूना चयन उद्देश्यपूर्ण नमूनाकरण (purposive sampling) का उपयोग करके किया गया था ताकि यह सुनिश्चित किया जा सके कि उत्तरदाताओं के पास AI और संगठनात्मक रणनीति से संबंधित प्रासंगिक अनुभव हो। सर्वेक्षण ने तीन अंतर्निहित निर्माणों (latent constructs) को मापने के लिए 5-पॉइंट लिकर्ट स्केल का उपयोग किया: आर्टिफिशियल इंटेलिजेंस एडॉप्शन (स्वतंत्र चर), संगठिकीय शिक्षण (मध्यस्थ चर), और सतत आर्थिक विकास (आश्रित चर)।

डेटा विश्लेषण SmartPLS संस्करण 4 के माध्यम से पार्शियल लीस्ट स्क्वायर्स स्ट्रक्चरल इक्वेशन मॉडलिंगिंग (PLS-SEM) का उपयोग करके किया गया था। यह विधि छोटे नमूना आकारों और मध्यस्थता वाले जटिल भविष्य कहनेवाला मॉडलों के लिए इसकी उपयुक्तता के कारण चुनी गई थी। विश्लेषण दो चरणों में किया गया:

1. मापन मॉडल मूल्यांकन: संकेतक विश्वसनीयता (फैक्टर लोडिंग > 0.7), आंतरिक निरंतरता (क्रोनबैक अल्फा और कंपोजिट रिलायबिलिटी > 0.7), अभिसरण वैधता (AVE > 0.5), और विभेदक वैधता (HTMT < 0.85) का मूल्यांकन किया गया।
2. संरचनात्मक मॉडल मूल्यांकन: परिकल्पनाओं और मध्यस्थता प्रभावों के परीक्षण के लिए पाथ गुणांक (path coefficients), $R^2$ (निर्धारण गुणांक), $Q^2$ (भविष्य कहनेवाला प्रासंगिकता), और बूटस्ट्रैप्ड कॉन्फिडेंस इंटरवल (5,000 रीसैंपल्स) की जांच की गई।

मुख्य परिणाम
अनुभवजन्य विश्लेषण से निम्नलिखित सांख्यिकीय रूप से महत्वपूर्ण निष्कर्ष प्राप्त हुए:

• H1 समर्थित: AI अपनाने का संगठनात्मक शिक्षण पर मजबूत सकारात्मक प्रभाव पड़ता है ($\beta = 0.612, p < 0.001$)। AI अपनाना संगठनात्मक शिक्षण की भिन्नता (variance) के 37.5% की व्याख्या करता है।
• H2 समर्थित: संगठनात्मक शिक्षण सतत आर्थिक विकास को सकारात्मक रूप से प्रभावित करता है ($\beta = 0.487, p < 0.001$)।
• H3 समर्थित: AI अपनाने का सतत आर्थिक विकास पर सीधा सकारात्मक प्रभाव पड़ता है ($\beta = 0.321, p < 0.001$)।
• H4 समर्थित: संगठनात्मक शिक्षण, AI अपनाने और सतत आर्थिक विकास के बीच संबंध में एक आंशिक मध्यस्थ (partial mediator) के रूप में कार्य करता है। अप्रत्यक्ष प्रभाव महत्वपूर्ण था ($\beta = 0.298, p < 0.001$)।

मॉडल ने मजबूत व्याख्यात्मक शक्ति प्रदर्शित की, जहाँ AI अपनाना और संगठनात्मक शिक्षण सामूहिक रूप से सतत आर्थिक विकास की भिन्नता के 58.1% की व्याख्या करते हैं ($R^2 = 0.581$)। दोनों एंडोजेनस निर्माणों के लिए भविष्य कहनेवाला प्रासंगिकता ($Q^2$) की पुष्टि की गई।

प्रमुख योगदान
यह शोध पत्र मौजूदा साहित्य में तीन प्राथमिक योगदान देता है:

1. संदर्भ विस्तार: यह एक उभरते बाजार (जॉर्डन) से अनुभवजन्य साक्ष्य प्रदान करता है, जो विकसित अर्थव्यवस्थाओं से परे AI अनुसंधान के भौगोलिक दायरे का विस्तार करता है और विशिष्ट संस्थागत वातावरण वाले विकासशील संदर्भों में अध्ययनों की कमी को संबोधित करता है।
2. तंत्र की पहचान: यह संगठनात्मक शिक्षण को एक महत्वपूर्ण मध्यस्थ तंत्र के रूप में पहचानता और मान्य करता है। अध्ययन यह प्रदर्शित करता है कि AI केवल स्वचालन (automation) के माध्यम से मूल्य उत्पन्न नहीं करता है; बल्कि, इसका आर्थिक प्रभाव तब महत्वपूर्ण रूप से बढ़ जाता है जब संगठनों के पास AI द्वारा उत्पन्न ज्ञान को प्राप्त करने, वितरित करने, व्याख्या करने और लागू करने की क्षमता होती है।
3. सैद्धांतिक एकीकरण: यह तकनीकी अपनाने से सतत आर्थिक विकास के मार्ग को समझाने के लिए RBV, डायनेमिक कैपेबिलिटीज और एंडोजेनस ग्रोथ थ्योरी को सफलतापूर्वक एकीकृत करता है, जो इस विचार को पुष्ट करता है कि रणनीतिक संसाधनों (AI) को बेहतर प्रदर्शन प्राप्त करने के लिए पूरक क्षमताओं (सीखने) की आवश्यकता होती है।

महत्व और दावे
लेखकों का दावा है कि यह अध्ययन डिजिटल परिवर्तन के संबंध में उभरती अर्थव्यवस्थाओं के प्रबंधकों और नीति निर्माताओं के लिए ठोस अंतर्दृष्टि प्रदान करता है। निष्कर्ष बताते हैं कि औद्योगिक संगठनों के लिए AI के उत्पादकता और नवाचार लाभों का पूर्ण लाभ उठाने के लिए, उन्हें इन तकनीकों को मजबूत संगठनात्मक शिक्षण प्रक्रियाओं के भीतर स्थापित करना चाहिए। अध्ययन का तर्क है कि सतत आर्थिक विकास केवल प्रौद्योगिकी निवेश का परिणाम नहीं है, बल्कि प्रौद्योगिकी और डेटा को कार्रवाई योग्य ज्ञान में बदलने की संगठन की क्षमता के बीच परस्पर क्रिया द्वारा संचालित होता है।

व्यावहारिक रूप से, यह पत्र तर्क देता है कि प्रबंधकों को AI निवेश को अधिकतम करने के लिए ज्ञान साझा करने और निरंतर सीखने की संस्कृति विकसित करनी चाहिए। नीति निर्माताओं के लिए, अध्ययन उन राष्ट्रीय रणनीतियों के विकास का समर्थन करता है जो डिजिटल बुनियादी ढांचे और संगठनात्मक शिक्षण एवं डिजिटल साक्षरता में कार्यबल के कौशल उन्नयन (upskilling) को एक साथ बढ़ावा देते हैं। शोध यह निष्कर्ष निकालता है कि यद्यपि AI विकास का एक शक्तिशाली चालक है, इसकी प्रभावशीलता संगठन की सीखने की क्षमताओं पर निर्भर करती है, जिससे जॉर्डन और समान उभरती अर्थव्यवस्थाओं में सतत औद्योगिक विकास के लिए इन क्षमताओं का विकास एक रणनीतिक अनिवार्यता बन जाता है।

सीमाएं
लेखक कई सीमाओं को स्वीकार करते हैं: डेटा की क्रॉस-सेक्शनल प्रकृति निश्चित कारण संबंधी निष्कर्षों (causal inferences) को रोकती; ध्यान जॉर्डन के औद्योगिक क्षेत्र तक सीमित है, जो अन्य क्षेत्रों या देशों के लिए सामान्यीकरण को सीमित करता है; स्व-रिपोर्ट किए गए सर्वेक्षण डेटा पर निर्भरता संभावित 'कॉमन मेथड बायस' (common method bias) पेश करती है; और अध्ययन केवल एक मध्यस्थ (संगठनात्मक शिक्षण) की जांच करता है, जो अन्य संभावित चरों जैसे नवाचार क्षमता या अवशोषण क्षमता (absorptive capacity) को बाहर करता है।