Ewa Chrzanowska
华沙斯特凡·维辛斯基红衣主教大学，波兰
ORCID iD: 0000-0003-4134-8217
Madej Chrzanowski
热舒夫理工大学，波兰
ORCID iD: 0000-0003-2791-8252
Piotr Zawada
华沙斯特凡·维辛斯基红衣主教大学，波兰
ORCID iD: 0000-0003-2817-9578
摘要
将新技术整合到公司所有领域的数字化转型，需要对传统的业务流程优化和人类对动荡的社会经济和科技环境的适应能力进行根本性转变。同时，人工智能（AI）作为一种颠覆性力量出现，具有以前所未有的规模和速度影响企业和个人的巨大潜力。本文的目的是从组织视角（同时考虑伦理方面）介绍人工智能驱动的数字化转型概念的理论基础。主要研究方法是基于Web of Science（ELSEVIER）数据库的系统文献综述。在文献综述的基础上，提出了人工智能驱动的数字化转型的核心支柱，作为进一步理论和实证研究的贡献。
关键词：人工智能驱动的数字化转型；流程自动化；流程优化；数字化转型；信息技术；人工智能；组织变革
当前的多视角格局，特别是从经济（如金融和货币危机）、技术（如生成式人工智能、元宇宙、区块链、物联网）、社会文化（如隐私限制、数字排斥）和生态需求的角度来看，正在经历前所未有的指数级变化。经济环境的这种非凡变化要求组织具备灵活性、创新性，并不断优化数字化所有流程的成本。特别是，由于互联网革命，创新的吸收和扩散不仅变得越来越复杂和相互关联，而且也变得开放（Chesbrough, 2007, p. 22），这可能有助于加速竞争优势，但也可能减少创新的一般障碍，从而出现具有超增长（超扩展性）特征的竞争对手。创新过程的开放性和生成式人工智能等技术的动态发展意味着，创新概念正成为研究人员越来越感兴趣的对象，也从创新过程的标准化和可扩展性的角度来看。然而，开放创新和创新过程标准化的基础是数字化公司，即要么是数字优先公司，要么是正在计划或正在进行数字化转型的公司。
值得注意的是，数字化转型的概念在研究人员中越来越受欢迎。根据上述准文献计量分析（特别是对以下年份出版物数量的分析），可以得出结论，数字化转型的概念仍处于该研究领域发展的初始阶段，并且可以得出结论，COVID-19大流行是这一兴趣的加速器，因为2018年至2021年间该领域的出版物数量增加了十倍。选择ScienceDirect数据库（Elsevier）进行文献计量分析是因为，根据专门研究此问题的研究人员，它提供了科学领域和学科的可靠覆盖范围，以及高质量科学期刊的历史概览。
如今，组织正在经历其组织结构和商业模式的重大变化。这些转变围绕数字技术和新颖的商业方法展开，由利用新兴技术的战略数字化转型驱动。因此，公司正在建立超越传统企业环境界限的新生态系统（Nguyen, Nguyen, Huy, 2021, p. 380–387）。这些努力涉及整合流程创新、文化变革以及跨开发、生产、销售和营销部门的有效管理，以促进成功的数字化转型计划（Heinze, Griffiths, Fenton, Fletcher, 2018, p. 6–13），（Lee, Oh, 2020, p. 71–90）。数字化转型（DT）包括企业利用数字技术改进其运营、产品和服务时所经历的变革和颠覆（Grądzki, 2023, p.458-477; Reis, Amorim, Melão, Matos, 2018, p. 411-421）。由于技术的快速发展，数字化转型（DT）已成为近年来的热门话题。研究人员和专家深入探讨技术进步如何影响组织战略和商业模式（Rogers, 2016; Mahmood, Khan, Khan, 2019）。在综述的开头值得提到的是，Dibbern和Hirschheim（Dibbern, Hirschheim, 2020, p. 1-20）提出，数字化转型不仅仅是技术转变；它是一个涉及人员、流程和治理的多方面过程。为了使数字化转型与组织目标保持一致，培养创新和拥抱风险的文化至关重要。根据作者的说法，数字化转型可以产生新的商业模式，使组织和客户都受益（Hess, Matt, Benlian, Wiesböck, 2020, p. 151-173; Matt, Hess, Benlian, 2015, p. 339-343），从而强调了技术变革视角中人的因素的重要性。他们强调了以客户为中心的战略、敏捷开发和与外部合作伙伴的协作作为成功商业模式创新的关键组成部分的重要性。组织必须认识到数字技术的潜力，并战略性地利用它们为利益相关者和客户创造价值。
研究人员和商业从业者（IBM. 2011）将数字化转型描述为一种战略方法，旨在通过无缝整合数字和物理元素来重塑商业模式，最终建立一个新的行业商业模式。另一方面，IDC（IDC., 2015）将数字化转型描述为一个持续的创新过程，使组织能够适应并主动引领客户期望和市场动态的变化，以技术作为其活动的基础。而技术的基础是数据，特别是来自硬件和软件的数据（人类生成和技术生成）在这一过程中至关重要。考虑到这一点，大数据和物联网（IoT）的快速扩展对数字化转型产生了重大影响。在一项综合研究中，Kaur（Kaur 2020, p. 19-22）探讨大数据对企业的影响，确定了它可以产生实质性影响的关键领域，包括决策、客户体验和运营效率。该研究还探讨了物联网的主题和趋势，强调了与这一快速发展的技术相关的潜在好处和挑战。虽然大数据为明智的决策和运营改进提供了宝贵的见解，但这些技术的采用也带来了诸如数据隐私、安全问题以及管理和分析大型数据集所需的专业技能等障碍。因此，企业必须制定一个整体战略，以有效整合大数据和物联网，同时应对这些复杂性（Kaur 2020, p. 19-22）。
数据是业务流程管理的基础，而业务流程管理又是迈向数字化转型的第一步。业务流程管理（BPM）是组织卓越的指挥者，利用人工智能的力量来简化、增强和革新业务流程（Watson III, Schwarz, 2023, p. 1385-1400）。BPM的核心是通过有效管理和优化公司的业务流程来提高企业绩效。它提供了一种结构化的方法来查看和控制组织内的流程，将其分解为各个组成部分。
业务流程管理（BPM）涉及识别、设计、执行、监控和持续改进业务流程。当与基于人工智能的技术结合时，它成为推动转型的动态催化剂：
流程识别： 在业务流程管理（BPM）中，第一步涉及识别现有流程，理解其复杂性，并创建结构化模型。
流程发现： 此阶段包括记录流程步骤、责任和其他相关细节。
流程分析： BPM旨在通过消除低效、瓶颈和冗余来优化流程。分析工具通常用于模拟和基准测试不同的流程（Dumas, La Rosa, Mendling, Reijers, 2018）。
流程实施： 人工智能驱动的自动化无缝集成到BPM中，自动化日常任务，加速工作流程，并确保一致性。这可能需要角色变更、新工具和业务规则的调整。
流程监控和控制： 人工智能技术从流程数据中提取见解，基于实时和历史信息指导优化工作。
流程优化： 实施后，持续监控确保流程达到预期的性能指标。仪表板和其他工具提供实时信息，允许进行持续评估和改进。
BPM（业务流程管理）成为统一基于人工智能的数字化转型的关键。随着组织拥抱BPM和人工智能的整体整合，他们踏上了一条自动化、优化和人类智慧融合的旅程。这一旅程推动组织走向一个未来，其中数字化转型不仅仅是一个目的地，而是卓越的持续演进。BPM旨在减少低效，保持质量标准，并增强流程的灵活性和敏捷性。它结合了方法论、技术和人力投入来实现这些结果。
BPM是流程自动化的第一步（使用代码、无代码甚至人工智能）。流程自动化通过消除人工输入简化系统，减少错误，加快交付速度，提高质量，降低成本，并优化业务流程（Moreira, Silvia, Henrique, Mamede, Santos, 2023, p. 244-254）。自动化的最吸引人的优势之一是其将日常和重复性任务从人类员工转移到人工智能系统的能力。自动化实现了可扩展性，允许企业顺利扩展其运营，而无需相应增加人力资源。在快速技术进步的现代时代，自动化和流程优化在人工智能驱动的数字化转型领域的研究已成为一个关键的调查领域（Golab-Andrzejak, 2023, p. 397-404）。这一研究领域探讨了自动化、人工智能和流程优化之间的协作关系，揭示了改变行业和增强组织能力的创新策略、模型和见解。对自动化和流程优化在人工智能驱动的数字化转型中的研究兴趣日益增长，是由一系列相互关联的因素驱动的：
技术进步： 人工智能技术、机器学习和自动化工具的快速发展开辟了新的可能性，促使研究人员探索创新的方法来利用其潜力（Masoodifar, Mahmood, Arslan, Nurdan, 2023）；
商业需求： 数字时代要求组织保持敏捷、高效和以客户为中心。研究人员寻求确定人工智能驱动的自动化如何催化这些需求（Petrillo, Antonella, De Felice, Achim, Mirza, 2022）；
竞争优势： 随着行业竞争日益激烈，研究重点在于揭示人工智能驱动的优化如何区分组织并推动市场领导地位（Candelon, François, Reeves, 2022）；
运营效率： 组织面临优化其运营流程以实现成本节约、减少错误和改进资源分配的压力。
人工智能驱动的自动化在执行任务时确保了无与伦比的精确度和准确性。人工智能系统可以完美地执行复杂流程，从而减少可能产生重大后果的人为错误的可能性。这种精确度在准确性至关重要的行业中尤为重要，如医疗保健、金融和制造业。人工智能与流程自动化和优化的融合超越了传统的运营模式，提供了多种好处，改变了组织的运作方式以及与利益相关者的互动方式。
人工智能和自动化的整合是现代商业研究中广泛讨论的主题。然而，关于企业如何系统地将人工智能驱动的自动化与流程增强相结合以实现人工智能主导的数字化转型，仍然存在相当多的知识空白。虽然自动化和人工智能的优势，如提高运营效率和卓越的客户体验，已被认可，但缺乏提供系统策略或方法的广泛研究，以帮助企业更有效地应对这一复杂领域。
人工智能通过提供敏捷性来增加自动化，而流程优化则利用人工智能来微调操作。这种共生关系提高了效率、灵活性和客户关注度。随着公司利用这些协同效应，他们从增量适应转向开创性创新，将自己置于数字化转型时代的前沿（Ughulu, Dr John, 2022）。因此，在组织中我们可以看到人工智能放大了自动化。人工智能通过赋予其曾经仅限于人类决策的认知能力来革新自动化。虽然传统自动化擅长执行预定义任务，但将其与人工智能结合使其能够在动态环境中学习、适应和进化。这种协同效应体现在人工智能驱动的机器人流程自动化中，其中配备人工智能的软件机器人可以理解非结构化数据，做出上下文感知决策，并自主导航复杂的工作流程（Martínez-Rojas, Antonio, Sánchez-Oliva, López-Carmicer, Jiménez-Ramírez, 2021, p. 38-48）。人工智能驱动的流程优化代表了与传统分析方法的重大背离。通过利用机器学习模型，组织吸收历史数据，使人工智能能够学习并生成预测性见解。这些见解推动明智的决策，并导致动态流程优化。工作流程根据不断变化的数据输入实时地进行优化。人工智能识别瓶颈，推荐变更，并预测结果，创造一个持续的改进循环。因此，组织可以消除浪费，减少资源消耗，并实现卓越运营。人工智能驱动的自动化与流程优化之间的协作预示着一个敏捷、响应迅速的运营时代。当由人工智能指挥时，自动化确保精确高效地执行日常任务，无论规模或复杂性如何。此外，人工智能的预测能力促进了主动决策，使组织能够预见挑战，适应不断变化的条件，并迅速进行战略调整。在流程优化领域，人工智能的实时洞察使组织能够根据条件的变化动态调整工作流程。这种敏捷性使企业能够以韧性应对市场中断、客户需求波动和意外事件。
考虑到所有这些因素，人工智能驱动的数字化转型的主要支柱（基于相关文献）可能是：
数据驱动的洞察： 这一基础支柱强调了收集、分析和利用数据以指导决策和行动的重要性。通过利用数据驱动的洞察，组织推动流程优化，确保改进基于事实证据而非假设。
无缝自动化： 这一基础支柱强调了将人工智能驱动的自动化无缝整合到现有流程中。它涉及无缝整合技术、流程和人员。通过实现这种和谐融合，组织确保新技术成为其日常运营的组成部分，在技术进步和组织适应之间取得微妙平衡。
以人为本的协作： 这一基础支柱强调了人工智能系统与人类员工之间的协作。它强调以用户为中心的设计，确保人工智能驱动的界面直观、用户友好，并促进人机之间的有效互动。
伦理和负责任的人工智能： 这一基础支柱强调了在人工智能决策过程中明确指导方针、治理框架和透明度的重要性。通过解决伦理问题——如数据隐私和算法公平性——组织与利益相关者建立信任，并维护人工智能驱动运营的完整性。
战略一致性： 战略一致性支柱强调将自动化和流程优化与组织的总体目标和战略相结合。它不仅仅是采用人工智能作为技术工具；而是涉及一种深刻的整合，这种整合在组织运营的每个方面产生共鸣。通过将人工智能技术与组织的愿景保持一致，企业可以实现超越单个组件的整体转型，并推动整体成功。
可扩展性和创新： 可扩展性和创新支柱强调了人工智能推动变革的能力。组织应设计可扩展的流程，使人工智能能够处理更大的数据量并适应不断变化的业务需求。除了可扩展性，这一支柱还鼓励探索创新的人工智能应用，发现新的机会。通过优先考虑可扩展性和创新，组织可以实现效率改进、市场差异化，并挖掘未开发的潜力。
这些方法利用人工智能技术提高效率、准确性和创新，在人工智能驱动的数字化转型的背景下应用于各个行业。提出的支柱解决了影响自动化和流程优化成功的关键方面。这些支柱作为一个指导框架，为组织提供了一种结构化的方法来应对整合自动化和优化流程的复杂领域。通过拥抱这些支柱，企业可以创建一个结合技术、人类协作、战略愿景和伦理考虑的整体方法。这种融合带来了一个以效率、创新和可持续增长为特征的数字时代未来。
人工智能的扩展和发展正在引领新一轮的创新、自动化和数据隐私与安全问题。虽然人工智能在促进日常任务和提供救生服务方面的潜力不可否认，但缺乏透明度和收集的大量数据引发了政府和组织需要紧急解决的严重问题。政府、组织和个人都有责任保护数据隐私和安全。政府应制定法规和条款，保护个人数据免受未经授权的访问，使其仅对经过验证和可信的实体可用。组织必须遵守政府制定的法规和最佳实践，以确保数据安全和隐私的最高水平。他们还应确保收集的数据仅用于收集目的，并且不会暴露于未经授权的访问。人们应了解其数据的使用方式，并保护关键信息，如社会安全号码和信用卡信息，免受未经授权的披露。用于处理和解释数据的算法是人工智能中与数据隐私和安全相关的主要挑战之一（Bini, 2018, p.2358–2361）。它们可以识别趋势并做出关于人们行为和特征的决策，这威胁到个人数据的隐私。这些算法应经过仔细研究并符合法律，以确保未经个人同意不得使用其数据。人工智能研究的一个关键主题是创建既可解释又可理解的系统（Sultan, Elgharib, Tavares, Jessri, Basile, 2020, p. 849–856）。为了实现这一点，人工智能研究人员必须使用计算机可理解的表示和方法，如符号和统计人工智能、自然语言处理（NLP）和机器学习（ML）。虽然人工智能为社会带来了许多好处，但政府、组织和个人必须采取必要措施，确保数据隐私和安全不受损害。政府必须制定适当的法规，组织应采取积极措施，确保收集的信息得到负责任和安全的使用。最后，个人应了解其数据的使用情况，并对恶意行为者的潜在威胁保持警惕。
本研究的目的是探讨人工智能驱动的数字化转型的概念，并探讨该过程的主要伦理方面。虽然现有文献主要集中在定义和实施数字化转型上，但很少有研究彻底探讨其潜在影响并对其进行分类。数字革命和机器学习对风险管理和供需评估产生了重大影响。这些技术实现了跨多个供应渠道的有效网络，并有助于建立稳定的供应链。最终，它们的整合为利润优化和竞争优势提供了机会。自动化与流程优化与人工智能驱动的数字化转型的融合标志着各行业组织的新时代。由人工智能算法驱动的智能自动化不仅简化了日常任务，还增强了复杂决策能力。它和谐地融合了人类专业知识与机器能力。认识到自动化和流程优化不仅仅是工具——它们推动整体变革——至关重要。向协作、持续学习和数据驱动思维的文化转变对于成功整合至关重要。通过利用自动化、流程优化和人工智能，企业可以重新构想运营，增强决策能力，并提供前所未有的价值。挑战存在，但回报包括一个技术放大人类潜力、创新蓬勃发展、组织在人工智能驱动的世界中领先的未来。
Bini (2018) Bini, S. A. (2018). 人工智能、机器学习、深度学习和认知计算：这些术语的含义及其对医疗保健的影响？, p. 2358-2361. The Journal of Arthroplasty.
Candelon (2022) Candelon, F. Reeves M. (2022). 人工智能驱动公司的崛起. Walter de Gruyter GmbH & Co KG.
Chesbrough (2007) Chesbrough, H. (2007). 为什么公司应该拥有开放的商业模式, p.22. MIT Sloan Management Review.
Dibbern and Hirschheim (2020) Dibbern, J. Hirschheim, R. (2020). _引言：在数字化转型时代驾驭外包变革的浪潮. 信息系统外包：数字化转型时代》, p. 1-20.
Dumas et al. (2018) Dumas, M. La Rosa, M. Mendling, J. Reijers, H.A. (2018). 业务流程管理基础 Springer.
Dumas et al. (2018) Dumas, M., La Rosa, M. Mendling, J. Reijers, H.A. (2018). 业务流程管理基础
Golab-Andrzejak (2023) Golab-Andrzejak, E. (2023). 人工智能驱动的数字化转型：营销人员的工具、好处和挑战——LPP案例研究, p. 397-404. Procedia Computer Science 219.
Gratzki (2023) Gratzki, W. (2023). 信息社会的现代挑战. Journal of Modern Science, 52(3), 458-477. https://doi.org/10.13166/jms/174419
Heinze et al. (2018) Heinze, A. Griffiths, M. Fenton, A. Fletcher, G. (2018). 知识交流伙伴关系导致Hydro-X水处理公司的数字化转型, p. 6-13. Ltd. Glob. Bus. Organ. Excell.
Hess et al. (2020) Hess, T. Matt, C. Benlian, A. Wiesböck, F. (2020). 制定数字化转型战略的选项. 在战略信息管理中, p. 151-173. Routledge.
IBM (2011) IBM. (2011). _数字化转型：在数字与物理交汇处创建新的商业模式》; IBM: Armonk.
IDC (2015) IDC. (2015). 数字化转型（DX）：机遇与必然. IDC.
Kaur (2020) Kaur, C. (2020). _云计算和物联网（IoT）. 国际科学与研究杂志》, p. 19-22. 工程与技术.
Lee (2020) Lee, J. W. Oh, S. J. (2020). _基于人工智能技术的保险科技和数字保险平台成功案例分析：以中国平安保险集团为例》, p. 71-90. Korea Intell. Inf. Syst. Soc.
Mahmood et al. (2019) Mahmood, F., Khan, A. Z., Khan, M. B. (2019) 数字组织转型问题、挑战和影响：十年系统文献综述. Abasyn University Journal of social sciences.
Martinez-Rojas et al. (2021) Martinez-Rojas, A. Sánchez-Oliva J. López-Carnicer J. M. Jiménez-Ramírez A. (2021). Airpa: 支持人工智能驱动的RPA机器人执行和维护的架构, p. 38-48. Springer International Publishing.
Masoodifar et al. (2023) Masoodifar, M. Arslan, I. K. Nurdan, A. (2023). 人工智能在全球商业及其沟通中的应用. Journal of International Trade.
Matt et al. (2015) Matt, C. Hess, T. Benlian, A. (2015). _数字化转型战略. 商业与信息系统工程》, p. 339-343.
Moreira, Silvia, H. Mamede, S. Santos, A. (2023). 使用RPA进行流程自动化——文献综述, p. 244-254. Procedia Computer Science 219.
Nguyen et al. (2021) Nguyen, T. H. Nguyen, V. H. Huy, D. T. N. (2021). _在数字化转型概念中转变大学管理模式》, p. 380-387. Rev. GeintecGest. Inov. E Tecnol.
Petrillo et al. (2022) Petrillo, A. De Felice, F. Achim M. V. Mirza, N. (2022). 数字化转型：迈向新前沿和商业机会. BoD-Books on Demand.
Reis et al. (2018) Reis, J., Amorim, M., Melao, N., Matos, P. (2018) _数字化转型：文献综述和未来研究指南. 信息系统与技术趋势和进展》, p. 411-421.
Rogers (2016) Rogers, D. L. (2016) 数字化转型剧本：为数字时代重新思考您的业务. Columbia University Press.
Sultan et al. (2020) Sultan, A. S. Elgharib, M. A. Tavares, T. Jeseri, M. Basile, J. R. (2020). 人工智能、机器学习和深度学习在肿瘤病理学中的应用, p. 849-856. Journal of Oral Pathology and Medicine.
Ughulu (2022) Ughulu, J. (2022). 人工智能（AI）在创业、自动化和扩展业务中的作用. ScienceOpen Preprints.
Watson III et al. (2023) Watson III, Edward, F. Andrew, H. (2023). _企业和业务流程自动化》, p. 1385-1400. Springer International Publishing.
【睿观：人工智能（AI）将驱动组织的数字化转型，这一过程也涉及到伦理问题。我们不仅仅关注技术本身，更着重于如何通过AI优化业务流程、实现组织变革，以及如何负责任地应用AI技术。
主要观点：
数字化转型不仅仅是技术转变： 数字化转型是一个涉及人员、流程、治理和文化变革的多方面过程，而AI是这一过程中的关键驱动力。
AI驱动的数字化转型核心支柱： AI驱动的数字化转型的六大支柱，作为进一步研究的贡献：
1.数据驱动的洞察
2.无缝自动化
3.以人为本的协作
4.伦理和负责任的人工智能
5.战略一致性
6.可扩展性和创新
BPM与AI的结合： 论文阐述了业务流程管理（BPM）在数字化转型中的重要性，并强调了AI如何增强BPM的各个阶段，例如流程识别、分析、实施、监控和优化。AI使得流程自动化更加智能和灵活。
自动化与流程优化的协同作用： 论文强调了自动化和流程优化之间的协同作用，以及AI如何放大这种作用。AI不仅使自动化更加高效，还能通过数据分析和预测性见解实现流程的动态优化。
伦理问题： 论文强调了在AI驱动的数字化转型中需要重视伦理问题，特别是数据隐私、安全和算法公平性。它呼吁政府、组织和个人共同努力，确保AI的负责任使用。
研究方法：
论文采用了基于Web of Science数据库的系统文献综述方法，对相关文献进行了梳理和分析。
主要贡献：
论文的主要贡献在于提出了人工智能驱动的数字化转型的核心支柱，为进一步的理论和实证研究提供了框架。它也强调了在数字化转型过程中需要全面考虑伦理因素。
总结：
本文提供了关于人工智能驱动的数字化转型的全面视角，强调了AI在优化业务流程、推动组织变革中的关键作用，并强调了伦理考量的重要性。它不仅对学术研究有价值，也对希望利用AI进行数字化转型的企业具有指导意义。】
