Artificial Intelligence and Digital Transformation in Indian Supply Chain Management: A Systematic Review and Meta-Analysis of Applications, Performance Outcomes, and Challenges

テクニカル・サマリー：インドのサプライチェーン・マネジメントにおける人工知能とデジタルトランスフォーメーション

問題提起
人工知能（AI）とデジタルトランスフォーメーションは、予測的な意思決定、オペレーショナル・エフィシエンシー（運用効率）、およびレジリエンスを通じて、世界のサプライチェーン・マネジメント（SCM）を再構築しつつあるが、一方で、インドのエコシステムにおける具体的な影響に関する集約された定量的エビデンスが不足している。インドのサプライチェーンは、多様なセクター（製造、物流、海運、MSME［中小零細企業］）、異なるデジタル成熟度、および特有のインフラストラクチャ上の制約を特徴としている。インドにおけるAI導入に関する従来の経験的研究は、技術の種類（例：産業用ロボット、チャットボット、デジタル・トレーサビリティ）やアウトカム領域（効率性、持続可能性、レジリエンス）によって散発的、不一致、かつ断片化されている。その結果、AIを活用したプラクティスと組織パフォーマンスとの間の関係の大きさ、一貫性、または堅牢性について、統一された理解が得られていない。本研究は、経験的エビデンスを体系的に統合することで、AIおよびデジタル技術がインドのサプライチェーンにおいてプラスの結果をもたらすかどうかを評価し、文脈依存的な変動の程度を特定することにより、このギャップに対処するものである。

方法論
本研究は、PRISMA 2020フレームワークに従い、系統的レビューおよび定量的メタ分析を採用している。

• データソース： 文献は、2026年までの出版物を対象として、Scopus、Web of Science、ScienceDirect、SpringerLink、IEEE Xploreから取得し、手動による参考文献検索によって補完した。
• 選択基準： レビューには、インド国内で実施された、サプライチェーンの文脈におけるAIまたはデジタル技術（例：機械学習、AIチャットボット、産業用ロボット、デジタル・トレーサビリティ）に焦点を当てた主要な定量的研究を含めた。研究は、技術的予測因子と組織またはサプライチェーンのアウトカムとの間の抽出可能な統計的関係（係数、標準誤差、検定統計量）を報告していなければならない。
• サンプル： 当初の200件のレコードから、系統的レビューのために2,633人の参加者を伴う8つの適格な研究が保持された。そのうち7つの研究が、主要なメタ分析に適した確定済みの標準化係数（N = 2,333）を提供した。
• 分析アプローチ： 統合された効果サイズを算出するために、制限付き最大尤度（REML）推定量を用いたランダム効果メタ分析を実施した。分析では、CochranのQ、$I^2$、および$\tau^2$統計量を用いて異質性を考慮した。将来の同様の研究における効果の範囲を推定するために、95%予測区間を算出した。
• 頑健性チェック： 感度分析には、全8研究モデル、Leave-one-out分析、およびデータ品質フィルター（派生標準誤差または非有意な結果を含む研究を除外）が含まれた。出版バイアスは、ファンネルプロット、Eggerの回帰テスト、およびBeggのランク相関テストを用いて評価されたが、著者らは（研究数が少ないことによる）限定的な統計的検定力について言及している。バイアスリスク評価は、選択、交絡、測定、および無回答バイアスの4つのドメインにわたって実施された。

主な貢献

1. 定量的統合： 本研究は、インドの文脈に特化したAI/デジタル・サプライチェーン・プラクティスとパフォーマンス・アウトカムとの関係を定量的に統合した、初のメタ分析研究である。
2. 異質性の定量化： 本研究は、「導入か非導入か」という二元的な物語を超えて、異なるインドのセクターや技術間におけるAIの影響の相当な変動を明示的に定量化し、文脈依存的な効果に関する微細な理解を提供している。
3. 方法論的厳密性： REMLランダム効果モデリングと広範な感度分析を適用することにより、本研究は、多様なインドの産業間に単一の効果サイズを一般化することの限界を認めつつ、平均的な関連性を理解するための強固な統計的基盤を提供している。
4. 理論的統合： 知見は、技術・組織・環境（TOE）フレームワーク、リソース・ベースド・ビュー（RBV）、ダイナミック・ケイパビリティ理論、および新興のサプライチェーン5.0の視点を含む複数の理論的レンズを通じて解釈され、技術の採用を組織の準備態勢や人間中心のレジリエンスへと結びつけている。

結果

• 統合された関連性： 主要なREMLランダム効果メタ分析（7研究）は、AI/デジタル・サプライチェーン・プラクティスと組織またはサプライチェーンのアウトカムとの間に、統計的に有意な正の統合された関連性を示した（$\beta = 0.3166$, 95% CI: 0.2039–0.4293, $Z = 5.507$, $p < .0001$）。
• 異質性： 相当な異質性が観察された（$I^2 = 80.76\%$, $\tau^2 = 0.01819$）。95%予測区間は$-0.0603$から$0.6935$の範囲にあり、ゼロを跨いでいる。これは、平均的な関連性は正であるものの、効果の大きさと潜在的な方向性は、異なる組織的、技術的、およびセクター的な設定によって大きく変わり得ることを示している。
• 感度： Leave-one-outおよびデータ品質感度分析は、正の統合された関連性の安定性を確認した。個別の研究または派生標準誤差を含む研究を除外しても、統計的有意性や結果の正の方向性は変化しなかった。
• 出版バイアス： EggerのテストおよびBeggのテストは、統計的に有意な小規模研究の非対称性を検出できなかったが、著者らは（$k < 10$であるため）これらのテストの検定力が低いことを指摘しており、出版バイアスを決定的に排除することはできないとしている。
• 具体的な知見：
  • 採用と実装： AIの採用は、実装能力に関して最も強い正の係数を示した。
    に対し、デジタル・トレーサビリティは製造業のSMEにおけるサプライチェーン効率性と正の関連があった。
  • レジリエンス： AIの採用は、海運サプライチェーンのレジリエンスおよびAI支援型レジリエンス・フレームワークの有効性と関連していた。
  • 持続可能性： AIチャットボットの採用は持続可能なパフォーマンスへの正の傾向を示したが、検討された特定の研究においては統計的に有意な関係ではなかった。
  • 労働力と収益： AIを活用した労働力管理は、MSMEにおける収益成長と正の関連があったが、その効果サイズは緩やかであった。

意義と主張
本論文は、その知見が、インドにおけるAIによるデジタルトランスフォーメーションとサプライチェーン・アウトカムとの間の正の平均的な関連性を裏付ける経験的エビデンスを提供すると主張している。しかし、著者らは、これらの知見の一般化可能性に関して、慎重かつ厳格な姿勢を維持している。

• 文脈依存性： 本研究は、関係性が一様ではないことを強調している。高い異質性とゼロを跨ぐ予測区間は、AIがすべての文脈においてプラスの結果を保証するわけではないことを示唆している。成功は、組織の準備態勢、データの質、デジタル・インフラ、労働力の能力、および責任あるガバナンスといった要因に依存する。
• ケイパビリティ主導の視点： 結果は、技術的リソースが単なる「採用」を通じてではなく、効果的に運用および管理プロセスに統合されて初めて価値を生み出すという、ケイパビリティ主導の視点を支持している。
• 今後の方向性： 本論文は、現在のエビデンスベースは肯定的ではあるものの、研究数の少なさと横断的設計の普及によって制限されていると結論づけている。そして、特定のAI技術の効果をより明確に分離し、インドの文脈における生成AI、大規模言語モデル（LLM）、およびデジタルツインといった新興ツールの役割を検証するために、縦断的かつマルチセクターの研究を求めている。

要約すると、本論文は、AIおよびデジタルトランスフォーメーションが平均的にはインドのサプライチェーンに有益であるが、その影響は極めて変動的であり、展開される特定のエコシステムに依存していることを確立している。