论文标题：Artificial Intelligence-Enabled Digital Transformation in Circular Logistics: A Structural Equation Model of Organizational, Technological, and Environmental Drivers

论文链接：https://www.mdpi.com/2305-6290/9/3/102

期刊名：Logistics

期刊主页：https://www.mdpi.com/journal/logistics

一、引言

在循环物流领域，数字化转型和人工智能的应用正深刻改变组织的决策与运营模式。尽管人工智能已被用于动态预测、资源分配、路径优化等，但现有研究多聚焦技术性能，忽略了组织战略、文化、外部压力等对人工智能成功整合的影响。为填补这一空白，本文提出一个结构方程模型（SEM: structural equation modelling），探讨技术变革、战略准备度、转型环境如何通过人工智能辅助决策支持（AIDS: AI-assisted decision support）影响运营转型。研究提出五个核心构念：技术变革（TC: technological change）、战略准备度（SR:Strategic Readiness）、转型环境（TE: Transformation Environment）、AI辅助决策支持（AIDS）和运营转型（OT: Operational Transformation），并构建了七个假设。

二、文献综述与假设发展

文献指出，多数研究将AI(Artificial Intelligence)与循环物流割裂开来，缺乏对AI作为组织决策系统中介机制的理论化。现有理论如TAM(Technology Acceptance Model)、TOE(Technology-Organization-Environment)、UTAUT(Unified Theory of Acceptance and Use of Technology)等过于一般化，未针对循环物流进行调整。本研究基于TOE框架并拓展，将AI定位为转化战略意图与外部压力为运营变革的“结构整合器”。

基于文献，提出以下假设：

• H1：技术变革对AI辅助决策支持有正向影响。

• H2：战略准备度对AI辅助决策支持有正向影响。

• H3：战略准备度对运营转型有直接正向影响。

• H4：转型环境对运营转型有正向影响。

• H5：AI辅助决策支持对运营转型有正向影响。

• H6：技术变革对运营转型有直接正向影响。

• H7：转型环境对AI辅助决策支持有正向影响。

三、研究方法

采用基于PLS-SEM的定量方法。数据收集自欧洲四国（德国、罗马尼亚、波兰、意大利）的217名物流与数字化专业人士，受访者来自迪卡侬、利多、家乐福、三星等先进企业，担任物流经理、数字化专员、ESG(Environmental, Social, and Governance)经理等。问卷采用7点李克特量表，经过预测试（22名专家）修订。使用SmartPLS 4分析，评估测量模型（信度、收敛效度、区分效度）和结构模型（路径系数、R²、Q²、bootstrap显著性）。共同方法偏差通过Harman单因子检验排除，VIF(Variance Inflation Factor)均低于3.3。

四、结果

测量模型显示：Cronbachs α介于0.707–0.860，复合信度介于0.711–0.867，AVE(convergent validity)除AIDS(AI-enabled decision support)（0.471）略低外均高于0.5。区分效度：HTMT(Heterotrait–Monotrait)比值中，AIDS与OT的HTMT为0.940（略高于0.85阈值），表明两构念存在较强相关性，但Fornell-Larcker准则仍支持区分性。结构模型结果（所有p<0.001）：

• H1：TC → AIDS，β=0.322

• H2：SR → AIDS，β=0.281

• H3：SR → OT，β=0.374

• H4：TE → OT，β=0.195（显著但效应较小）

• H5：AIDS → OT，β=0.459（最强）

• H6：TC → OT，β=0.215

• H7：TE → AIDS，β=0.457

R²(OT)=0.572，R²(AIDS)=0.426，Q²分别为0.362和0.408，模型具有良好的预测相关性。

五、讨论

研究发现，AI并非自动带来运营转型，而是需要与战略准备度和外部压力相结合。转型环境（法规、可持续性要求、市场动态）通过AIDS间接影响运营转型，而非直接强作用，这挑战了传统TOE模型的线性假设。AIDS作为中介变量，将战略意图和环境信号转化为具体的运营调整。与先前研究相比，本文强调了AI作为“结构整合器”的角色——它不仅是效率工具，更重构了决策逻辑和组织适应能力。实践启示：企业在投资AI前需评估战略准备度，并匹配外部监管要求；政策制定者应提供培训与资金支持；技术提供商需根据客户数字化成熟度提供差异化方案。

六、结论

6.1 实践意义

研究提供了一个综合框架，表明数字化转型是技术、战略、环境三者的交汇结果。AI系统只有在战略清晰、组织开放、外部压力明确时，才能实现可持续的运营转型。决策者应将AI投资与内部能力建设（如数据素养、跨部门协作）同步推进。

6.2 理论贡献

• 拓展了TOE框架，实证验证了AI辅助决策的中介路径。

• 区分了数字基础设施（如ERP：Enterprise Resource Planning、IoT：Internet of Things）与AI能力（高级分析、预测、自适应），明确AI作为“结构整合器”。

• 将AI重新定义为影响组织认知与决策架构的主动力量，而非被动工具。

6.3 局限与未来研究

• 局限：横截面数据无法捕捉动态变化；未包含组织气候、决策自主性等软性因素；未控制公司规模、行业、IT基础设施等变量。

• 未来方向：引入组织文化、数字治理等调节变量；跨行业验证（如食品、医药）；纵向研究观察AI角色随成熟度变化；探索AI与循环经济指标的深层关联。

Decarbonization of Maritime Logistics and Global Supply Chains

投稿截止日期：2026年11月30日

客座编辑：Prof. Dr. Amir Alizadeh-Masoodian and Prof. Dr. Jay Golden

https://www.mdpi.com/journal/logistics/special_issues/45NI81FZPL

期刊介绍

主编：Prof. Dr. Robert Handfield

Logistics（ISSN 2305-6290）是一个为物流和供应链管理领域的研究人员及具有学术倾向的从业者设立的原创性期刊。期刊主要发表与物流和供应链相关的原创文章和高质量综述。主题涵盖领域包括但不限于：人工智能、物流分析和自动化；可持续发展与逆向物流；人道主义和医疗保健物流；最后一公里，电子商务与销售物流；海运物流；供应商，政府和采购物流等。

2024 Impact Factor：3.6

2024 CiteScore：8.0

Time to First Decision：19.6 Days

Acceptance to Publication：4.6 Days