📈 经济学

Beyond CSR Commitments: The Mediating Role of AI-Enabled Big Data Analytics in Unlocking Green Innovation

本研究表明，虽然企业社会责任（CSR）承诺本身并不能直接驱动绿色创新，但它们通过赋能人工智能驱动的大数据分析显著促进了绿色创新，而大数据分析作为关键的全中介变量，将负责任的实践转化为不同企业特征下的切实可持续成果。

原作者： Sara Adam, Dina Mohsen, Ahmed Rashed, Ola Tarek

发布于 2026-10-05

📖 1 分钟阅读☕ 轻松阅读

原作者： Sara Adam, Dina Mohsen, Ahmed Rashed, Ola Tarek

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在现代商业世界中，企业面临着双重压力：它们既必须保持盈利，又必须作为负责任的公民来保护环境。这种平衡通常通过企业社会责任来实现，这是一种企业自愿采取措施改善社会和地球，超越法律要求的实践。与此同时，创造新型环保产品和更清洁制造方法（即绿色创新）的驱动力已成为生存的关键。几十年来，专家们一直在争论仅仅关注社会责任是否自然会导致这些绿色突破。普遍的希望是，一家公司的良好意愿会自动转化为更好的环境技术。然而，从道德承诺到切实创新的解决方案之间的路径很少是一条直线。它需要一种机制将抽象的价值观转化为具体的行动，这是一座许多组织一直难以搭建的桥梁。

开罗大学的一个研究小组最近致力于在埃及制造业中寻找这座缺失的桥梁。他们将目光集中在中小企业上，这些企业构成了埃及经济的支柱，雇佣了绝大多数劳动力并为国家价值做出了显著贡献。研究人员特别关注了一种特定的数字工具：利用人工智能分析海量信息的能力，即大数据分析。他们的目标是确定这种数字能力是否充当了关键的纽带，使企业的社会责任努力能够真正转化为绿色创新。他们调查了来自开罗和吉萨地区制造业的 300 名经理和高管，就其社会实践、先进数据工具的使用以及在创造可持续产品和流程方面的成功进行了详细提问。

这项调查的结果揭示了关于现代公司运作方式的一个令人惊讶的事实。研究发现，虽然强烈的社会责任感确实具有价值，但它本身并不能直接导致绿色创新。当研究人员观察企业善行与其创造环保产品或更清洁生产方法的能力之间的直接联系时，发现这种联系在统计学上是不存在的。一家公司可能深切致力于社会事业，但仅凭这种承诺并不能保证它会在绿色方向上进行创新。这一发现挑战了“做好事会自动带来更好的环境表现”这一简单假设。

然而，当引入数据的角色时，故事发生了彻底的变化。研究人员发现，具有强烈社会责任感承诺的公司更有可能投资并有效使用人工智能驱动的大数据分析。这些公司利用其数据能力来收集洞察、预测趋势并做出更明智的决策。至关重要的是，研究表明，这种对先进数据分析的使用与绿色创新有着强烈的联系。那些利用这些数字工具的公司，正是那些成功开发可持续产品并改进其制造流程以减少对环境危害的企业。

最显著的发现是，从社会责任到绿色创新的整个旅程都是通过这个数字渠道完成的。数据分析证实，社会责任感与绿色创新之间的关系完全由大数据的应用所中介。在实际操作层面，这意味着企业的社会责任感起到了催化剂的作用，鼓励其采用先进的数据工具，而正是这些工具驱动了实际的创新。研究计算出，社会责任对绿色创新的几乎所有积极影响都通过这一数字路径流动。如果缺乏利用人工智能分析大型数据集的能力，企业的良好意愿将与实现可持续未来所需的各种技术突破脱节。

研究人员还考察了公司规模或财务状况是否会改变这一动态。他们发现，虽然某些特定联系的强度在中小企业之间略有不同，但核心机制保持不变。无论是一家规模较小的公司还是较大的公司，或者是在盈利丰厚还是盈利较低的情况下，模式依然成立：社会责任导致数据工具的采用，而这些工具又导致绿色创新。这种一致性表明，对于旨在将伦理承诺转化为环境进步的企业来说，具备数字能力的需求是普遍存在的。

对于埃及及其他地区的商业领袖和政策制定者来说，这些发现提供了一份清晰的路线图。研究表明，仅仅鼓励企业承担更多的社会责任并不足以引发绿色创新的浪潮。相反，重点必须转向帮助这些组织建立其使用人工智能和大数据分析的能力。通过投资培训、基础设施以及解释复杂数据所需的技能，企业可以释放其社会责任努力的潜力。研究表明，可持续制造业的未来不仅在于做好事的愿望，更在于利用信息将这种愿望变为现实的技术能力。

技术摘要：超越 CSR 承诺：人工智能赋能的大数据分析在解锁绿色创新中的中介作用

问题陈述
尽管企业社会责任（CSR）已被广泛认为是应对环境挑战的一种战略方法，但 CSR 转化为绿色创新（GI）的具体组织机制仍未得到充分理解。这一差距在发展中经济体中小企业（SMEs）的人工智能（AI）赋能数字能力背景下尤为显著。以往的研究对于 CSR 与创新绩效之间的直接关系往往得出不一致的结论，许多研究侧重于理论构建而非实证验证。此外，缺乏研究探讨人工智能驱动的大数据分析（BDA）如何作为一种动态能力，将 CSR 承诺转化为切实的绿色成果，特别是在像埃及这样的新兴市场制造业背景下。

研究方法
本研究采用定量研究设计，其理论基础为利益相关者理论（Stakeholder Theory）和资源基础观（RBV），并由动态能力观（DCV）进行了扩展。

背景与样本： 研究聚焦于埃及的制造型中小企业，该行业对国家 GDP 和就业做出了显著贡献。研究采用了非概率配额抽样法，样本来源于社会发展基金（SFD）提供的名单。
数据收集： 数据通过调查问卷收集，受访者为来自开罗和吉萨制造业的 300 名有效从业人员。响应率为 86%。
测量工具： 各构念均使用改编自既有文献的验证量表进行测量：
- CSR： 包含 6 个项目，涵盖环境、工作场所、社区、市场和正式工具维度。
- BDAI（人工智能驱动的大数据分析）： 包含 10 个项目，评估为实现可持续发展目标而分析大型数据集的能力。
- 绿色创新 (GI)： 包含 8 个项目，分为可持续产品创新和绿色流程创新。
分析方法： 本研究利用偏最小二乘结构方程模型（PLS-SEM）来测试假设的关系。分析过程包括测量模型评估（信度、效度、区分效度）、结构模型路径系数、中介效应分析、基于企业规模、盈利能力（ROA）和研发（R&D）支出的多组分析（MGA），以及预测相关性测试（PLS-Predict）。

主要结果
实证分析得出以下结果：

直接关系：
- CSR $\rightarrow$ 绿色创新： 研究发现两者之间的直接关系在统计上并不显著 ( $\beta = 0.018, p = 0.794$ )。这表明仅靠 CSR 承诺本身并不能直接产生绿色创新。
- CSR $\rightarrow$ BDAI： 两者之间存在强正向且显著的关系 ( $\beta = 0.729, p < 0.001$ )。
- BDAI $\rightarrow$ 绿色创新： 两者之间存在强正向且显著的关系 ( $\beta = 0.572, p < 0.001$ )。
中介效应：
- 研究证实 BDAI 在 CSR 与绿色创新之间起到了完全中介作用。
- 间接效应显著 ( $\beta = 0.417, p < 0.001$ )。
- CSR 对绿色创新的总效应中，约有 96% 通过 BDAI 机制进行传递。
多组分析 (MGA)：
- 企业规模： 显著区分了 BDAI $\rightarrow$ GI 的关系（在小企业中更强）以及 CSR $\rightarrow$ BDAI 的关系。然而，整体的中介路径在不同规模组别之间并无显著差异。
- 盈利能力 (ROA)： 显著区分了 CSR $\rightarrow$ BDAI 的关系，但并未改变整体的中介机制。
- 研发 (R&D) 支出： 显著区分了 CSR $\rightarrow$ GI 的直接关系，尽管间接的中介路径在各组别中依然稳健。
模型拟合度： 模型表现出令人满意的拟合度 (SRMR = 0.056) 以及预测相关性（所有内生变量的 $Q^2_{predict}$ 值均为正值）。

核心贡献

理论贡献： 本研究通过实证证明了 CSR 对绿色创新的影响取决于数字能力，从而扩展了利益相关者理论。通过识别 AI 赋能的 BDA 是将 CSR 资源转化为创新成果的关键机制，本研究对动态能力理论做出了贡献。同时，它填补了关于 BDAI 在新兴经济体制造业背景下作用的研究空白。
情境贡献： 通过聚焦埃及制造型中小企业，本研究提供了来自发展中经济体背景的实证证据，这些国家的数字化转型和可持续发展挑战与发达市场截然不同。
机制识别： 研究明确了 CSR 与 GI 之间的联系并非直接联系，而是完全由企业利用人工智能和大数据分析的能力所中介。

意义与主张
本文主张，仅凭 CSR 承诺不足以产生绿色创新。相反，企业必须开发人工智能驱动的大数据分析能力，才能将社会责任实践转化为切实的创新成果。研究假设 BDAI 是解锁 CSR 潜力的关键“桥梁”或组织机制。

在实践层面，研究结果建议中小企业的管理者应优先提升大数据分析技能，并整合人工智能以支持可持续制造实践。对于政策制定者而言，研究提倡通过支持中小企业的数字化转型计划（特别是 BDA-AI）来实现可持续发展目标。作者总结认为，该机制（CSR $\rightarrow$ BDAI $\rightarrow$ GI）在不同企业特征下保持广泛的一致性，表明该路径在所研究的情境下具有普遍适用性。

局限性
作者承认存在以下局限性：依赖于横截面调查数据（可能存在共同方法偏差以及缺乏随时间变化的因果推断问题）、研究仅限于单一行业（制造业）及单一国家（埃及），并且排除了其他潜在的中介变量。他们建议未来的研究应采用纵向设计、定性研究方法，并将范围扩大到其他行业和国家。

技术摘要：超越 CSR 承诺：人工智能赋能的大数据分析在解锁绿色创新中的中介作用

类似论文