人工智能如何增强企业组织韧性

王竞达; 肖阳田; 徐士博

人工智能如何增强企业组织韧性

1.
中央财经大学财政税务学院，北京 102206
2.
首都经济贸易大学财政税务学院，北京 100070
3.
浙江工商大学统计与数据科学学院，浙江杭州 310018

基金项目:

北京市教委-北京市自然科学基金联合资助项目 KZ202110038047

详细信息

作者简介:
王竞达(1972-)，女，吉林榆树人，中央财经大学财政税务学院教授，博士生导师

肖阳田(2000-)，男，河南南阳人，首都经济贸易大学财政税务学院博士研究生

通讯作者:
徐士博(1999-)(通讯作者)，男，河南周口人，浙江工商大学统计与数据科学学院博士研究生

中图分类号: F270
计量
- 文章访问数: 41
- HTML全文浏览量: 33
- PDF下载量: 1
- 被引次数: 0
出版历程
- 收稿日期: 2025-12-09
- 网络出版日期: 2026-06-26
- 刊出日期: 2026-05-28

How Does Artificial Intelligence Enhance Corporate Organizational Resilience

1.
School of Public Finance and Taxation, Central University of Finance and Economics, Beijing 102206
2.
School of Public Finance and Taxation, Capital University of Economics and Business, Beijing 100070
3.
School of Statistics and Data Science, Zhejiang Gongshang University, Hangzhou 310018, China

摘要

摘要: 在数字技术加速演进与全球不确定性外部冲击交织叠加的背景下，大力发展人工智能是推动科技创新，提升中国经济韧性的关键路径。基于2010—2023年中国沪深A股上市公司数据，考察人工智能对企业组织韧性的影响机制。研究发现，人工智能应用对企业组织韧性的提升有显著促进作用。机制分析表明，人工智能通过决策赋能、营运赋能与创新赋能的多维路径，推动企业组织韧性能力的系统性跃升。异质性分析表明，促进作用在技术密集型、中小型与非国有企业以及竞争性行业的样本中更强。进一步分析显示，人工智能依托供应链关联实现上下游韧性溢出，企业组织韧性的提升能够显著改善供应链整体韧性。未来应积极推进人工智能政策，发挥数字技术的放大、叠加和倍增作用，释放人工智能红利。
- 人工智能 /
- 组织韧性 /
- 外部冲击 /
- 供应链溢出
Abstract: Against the backdrop of the accelerated evolution of digital technologies intertwined with external shocks from global uncertainties, the vigorous development of artificial intelligence has become a core way to drive technological innovation and strengthen the resilience of China's economy. Based on the sample of Shanghai and Shenzhen A-share listed firms from 2010 to 2023, this paper explores the influence of artificial intelligence on corporate organizational resilience as well as its internal mechanism. The empirical results reveal that the application of artificial intelligence can significantly boost the level of enterprise organizational resilience. Mechanism tests further indicate that artificial intelligence can realize the systematic improvement of organizational resilience through three multidimensional paths, namely decision empowerment, operational empowerment and innovation empowerment. Heterogeneity analysis shows that such promotional effect is more pronounced among technology-intensive enterprises, small and medium-sized firms, non-state-owned enterprises, and enterprises operating in competitive industries. Further research also indicates that artificial intelligence could generate resilience spillover effects on upstream and downstream enterprises via supply chain linkages. Meanwhile, the improvement of individual organizational resilience can greatly enhance the overall resilience of the whole supply chain. Accordingly, relevant policies on artificial intelligence development should be steadily advanced in the future, so as to give full play to the amplification, superposition and multiplication effects of digital technology and fully release the development dividends brought by artificial intelligence.
- artificial intelligence /
- organizational resilience /
- external shocks /
- supply chain spillover

HTML全文

表 1 企业组织韧性指标体系

维度	指标	指标定义
反弹韧性	速动比率	速动资产/流动负债
	沉淀性冗余资源	(管理费用+销售费用)/营业收入
	非沉淀性冗余资源	(流动比率+资产负债率)/2
	净资产收益率	净利润/所有者权益
反超韧性	总资产同比增长率	(总资产-上期总资产)/上期总资产
	营业收入同比增长率	(营业收入-上期营业收入)/上期营业收入
	净利润同比增长率	(净利润-上期净利润)/上期净利润

下载: 导出CSV

表 2 描述性统计结果

变量	样本量	均值	标准差	最小值	最大值
Res	39 619	0.870	0.116	0.020	0.998
AI	39 619	0.928	1.256	0.000	6.250
Size	39 619	22.109	1.237	19.525	26.452
Lev	39 619	0.398	0.200	0.028	0.908
Board	39 619	2.115	0.198	1.609	2.708
Indep	39 619	0.376	0.053	0.286	0.600
Fixed	39 619	0.212	0.153	0.001	0.734
CashFlow	39 619	0.048	0.068	-0.222	0.267
Roa	39 619	0.039	0.069	-0.556	0.313
Age	39 619	2.927	0.347	0.000	4.290
Inv	39 619	0.123	0.099	0.000	0.773

下载: 导出CSV

表 3 基准回归结果

变量	Res	Res	Res
变量	(1)	(2)	(3)
AI	0.008^***	0.004^***	0.003^***
	(0.001)	(0.001)	(0.001)
Size			0.014^***
			(0.001)
Lev			-0.003
			(0.006)
Board			-0.014^***
			(0.005)
Indep			0.010
			(0.015)
Fixed			0.084^***
			(0.008)
CashFlow			-0.036^***
			(0.009)
Roa			-0.028^***
			(0.008)
Age			0.094^***
			(0.014)
Inv			0.073^***
			(0.010)
常数项	0.863^***	0.866^***	0.290^***
	(0.001)	(0.001)	(0.051)
企业固定	是	是	是
年份固定	否	是	是
样本量	39 619	39 619	39 619
R²	0.195	0.325	0.333
注：* * 、、分别表示1%、5%和10%的显著性水平，括号内为企业层面聚类稳健标准误。下表同。

下载: 导出CSV

表 4 内生性检验结果

变量	第一阶段	第二阶段
	AI	Res
	(1)	(2)
Robot	5.318^***
	(1.441)
AI		0.112^***
		(0.040)
Kleibergen-Paap rk LM	12.370^***
Cragg-Donald Wald F	56.870
Kleibergen-Paap Wald F	13.610
控制变量	是	是
企业固定	是	是
年份固定	是	是
样本量	39 619	39 619
注：受限于篇幅，控制变量与常数项估计结果未予列示，留存备索。下表同。

下载: 导出CSV

表 5 稳健性检验结果

变量	PSM	Res	Res	Res	Res
变量	(1)	(2)	(3)	(4)	(5)
AI	0.003^***	0.003^**	0.346^***	0.004^***
	(0.001)	(0.001)	(0.127)	(0.001)
L.AI					0.004^***
					(0.001)
控制变量	是	是	是	是	是
企业固定	是	是	是	是	是
年份固定	是	是	是	是	是
样本量	23 228	39 619	34 737	22 507	33 459
R²	0.357	0.340	0.337	0.411	0.338

下载: 导出CSV

表 6 机制检验结果

变量	Agi	Ineff	Ato	Ote	InnoEff	Scope
变量	(1)	(2)	(3)	(4)	(5)	(6)
AI	0.008^**	-0.003^***	0.009^***	-0.020^**	0.005^**	0.003^***
	(0.003)	(0.001)	(0.003)	(0.009)	(0.002)	(0.001)
控制变量	是	是	是	是	是	是
企业固定	是	是	是	是	是	是
年份固定	是	是	是	是	是	是
样本量	38 123	33 432	39 619	37 688	39 619	39 619
R²	0.493	0.564	0.812	0.859	0.721	0.731

下载: 导出CSV

表 7 异质性检验结果

变量	技术密集型 (1)	资产密集型 (2)	劳动密集型 (3)	中小型企业 (4)	大型企业 (5)	非国有企业 (6)	国有企业 (7)	竞争行业 (8)	管制行业 (9)
AI	0.004^***	0.001	0.000	0.005^**	0.000	0.004^***	0.001	0.003^***	-0.001
	(0.002)	(0.002)	(0.001)	(0.002)	(0.001)	(0.001)	(0.001)	(0.001)	(0.002)
控制变量	是	是	是	是	是	是	是	是	是
企业固定	是	是	是	是	是	是	是	是	是
年份固定	是	是	是	是	是	是	是	是	是
样本量	17 322	7 297	13 999	19 226	19 941	24 220	15 244	31 919	7 586
R²	0.321	0.340	0.365	0.322	0.485	0.311	0.407	0.329	0.402
组间差异性P值	P=0.010^**			P=0.000^***		P=0.090^*		P=0.090^*

下载: 导出CSV

表 8 供应链溢出与供应链韧性提升效应检验结果

变量	Res (1)	Res (2)	Scr (3)	Scr (4)
Res			0.128^***	0.085^***
			(0.018)	(0.015)
AI	0.009^***	0.008^**	-0.000	-0.088^***
	(0.003)	(0.003)	(0.001)	(0.002)
AI ×Res				0.277^***
				(0.004)
控制变量	是	是	是	是
企业对固定	是	是	否	否
企业固定	否	否	是	是
年份固定	是	是	是	是
样本量	4 438	4 486	38 174	38 174
R²	0.614	0.632	0.695	0.773

下载: 导出CSV

参考文献(38)

[1]	Prayag G, Chowdhury M, Spector S, et al. Organizational resilience and financial performance[J]. Annals of Tourism Research, 2018(73): 193-196.
[2]	陈东, 秦子洋. 人工智能与包容性增长——来自全球工业机器人使用的证据[J]. 经济研究, 2022, 57(4): 85-102.
[3]	陈彦斌, 林晨, 陈小亮. 人工智能、老龄化与经济增长[J]. 经济研究, 2019, 54(7): 47-63.
[4]	潘珊, 李剑培, 顾乃华. 人工智能、产业融合与产业结构转型升级[J]. 中国工业经济, 2025(2): 23-41.
[5]	林晨, 陈小亮, 陈伟泽, 等. 人工智能、经济增长与居民消费改善: 资本结构优化的视角[J]. 中国工业经济, 2020(2): 61-83.
[6]	黄旭, 闫雪凌, 朱启飏. 生成式人工智能技术应用与劳动收入差距[J]. 经济学动态, 2025(5): 70-88.
[7]	Belhadi A, Mani V, Kamble S S, et al. Artificial intelligence-driven innovation for enhancing supply chain resilience and performance under the effect of supply chain dynamism: an empirical investigation[J]. Ann Oper Res, 2024(333): 627-652.
[8]	姚加权, 张锟澎, 郭李鹏, 等. 人工智能如何提升企业生产效率?——基于劳动力技能结构调整的视角[J]. 管理世界, 2024, 40(2): 101-116.
[9]	杨伟, 李福玲, 张晓泉. 创新网络内生因素对结构韧性的影响研究——以上海人工智能产业为例[J]. 科研管理, 2025, 46(7): 13-23.
[10]	李玉花, 林雨昕, 李丹丹. 人工智能技术应用如何影响企业创新[J]. 中国工业经济, 2024(10): 155-173.
[11]	张广胜, 杨春荻. 人工智能对组织决策的影响、挑战与展望[J]. 山东社会科学, 2020(9): 100-105.
[12]	崔圣君, 武装, 于丽娜. 产业合作复杂网络结构演化与资源配置研究: 来自中国人工智能企业大数据的实证分析[J]. 中国软科学, 2025(1): 193-207.
[13]	王强, 王哲璇, 刘玉奇. 数字化转型提升企业组织韧性的实现机理研究[J]. 管理科学学报, 2023, 26(11): 58-80.
[14]	赵云辉, 孙源, 冯泰文, 等. 供应商ESG评级分歧何以影响企业运营韧性[J]. 中国工业经济, 2024(11): 174-192.
[15]	张杰, 范雨婷. 创新投入与企业韧性: 内在机制与产业链协同[J]. 经济管理, 2024, 46(5): 51-71.
[16]	陈冲, 杨自伟, 王贝贝, 等. 坚韧型领导: 多维度结构、测量与组织韧性影响验证[J]. 管理科学, 2023, 36(3): 51-65.
[17]	侯曼, 王倩楠, 弓嘉悦. 企业家精神、组织韧性与中小企业可持续发展——环境不确定性的调节作用[J]. 华东经济管理, 2022, 36(12): 120-128.
[18]	任广乾, 赵梦洁, 李俊超. 逆向混改何以影响民营企业韧性——基于董事关系网络的视角[J]. 财经科学, 2023(5): 92-110.
[19]	宋华, 陶铮, 杨雨东. 供应链金融增强企业组织韧性的影响机制[J]. 中国流通经济, 2024, 38(6): 103-114.
[20]	刘鑫鑫, 韩先锋. 人工智能与制造业韧性: 内在机制与实证检验[J]. 经济管理, 2023, 45(11): 48-67.
[21]	王鹏, 陈蝶欣. 人工智能技术应用与企业韧性——来自机器学习构建AI词典的经验证据[J]. 经济学动态, 2025(9): 98-117.
[22]	阳旸, 刘姝雯, 邓湘颖.危与机: 人工智能对企业韧性的双重效应研究[J/OL].南开管理评论.https://link.cnki.net/urlid/12.1288.F.20251124.1701.010.
[23]	Linnenluecke M K. Resilience in business and management research: a review of influential publications and a research agenda[J]. International Journal of Management Reviews, 2017, 19(1): 4-30. doi: 10.1111/ijmr.12076
[24]	Wang Y, Sun H, Zhao Y, et al. A heterogeneous graph embedding framework for location-based social network analysis in smart cities[J]. IEEE Transactions on Industrial Informatics, 2020, 16(4): 2747-2755.
[25]	Tversky A, Kahneman D. Prospect theory: an analysis of decision under risk[J]. Econometrica, 1979, 47(2): 263-292. doi: 10.2307/1914185
[26]	陈红川, 魏璐璐, 李云健, 等. 管理创新如何影响企业竞争优势——新冠疫情冲击下组织韧性与政府支持的作用[J]. 广东财经大学学报, 2021, 36(5): 90-102.
[27]	谢潇, 罗世杰. 人工智能大模型训练数据供给的激励性法律规制[J]. 广东财经大学学报, 2025, 40(6): 110-119.
[28]	史丹, 李少林. 新冠肺炎疫情冲击下企业生存韧性研究——来自中国上市公司的证据[J]. 经济管理, 2022, 44(1): 5-26.
[29]	冯峥, 钟坚. 数实融合与企业韧性——来自中国上市公司的证据[J]. 华东经济管理, 2025, 39(7): 74-83.
[30]	王永钦, 董雯. 机器人的兴起如何影响中国劳动力市场?——来自制造业上市公司的证据[J]. 经济研究, 2020, 55(10): 159-175.
[31]	Ho J L Y, Wu A, Xu S X. Corporate governance and returns on information technology investment: evidence from an emerging market[J]. Strategic Management Journal, 2011, 32(6): 595-623. doi: 10.1002/smj.886
[32]	范合君, 潘宁宁. 数字化转型、敏捷响应度与企业韧性[J]. 经济管理, 2024, 46(7): 36-54.
[33]	倪婷婷, 王跃堂. 区域行政整合、要素市场化与企业资源配置效率[J]. 数量经济技术经济研究, 2022, 39(11): 136-156.
[34]	Qamara T, Wulandari A, Sukoco A, et al. The influence of current ratio, debt to equity ratio, and total asset turnover ratio on profitability of transportation companies listed on the Indonesia stock exchange 2014-2018[J]. International Journal of Integrated Education, Engineering and Business, 2020, 3(2): 81-93.
[35]	Akcigit U, Baslandze S, Stanteceva S. Taxation and the international mobility of inventors[J]. American Economic Review, 2016, 106(10): 2930-2981. doi: 10.1257/aer.20150237
[36]	鲁桐, 党印. 公司治理与技术创新: 分行业比较[J]. 经济研究, 2014, 49(6): 115-128.
[37]	袁淳, 肖土盛, 耿春晓, 等. 数字化转型与企业分工: 专业化还是纵向一体化[J]. 中国工业经济, 2021(9): 137-155.
[38]	张超, 胡宗光. 数字基础设施建设与供应链韧性——来自"宽带中国"试点政策的证据[J]. 系统工程理论与实践, 2025, 45(12): 4117-4132.