ISR报告：数字创新研究的下一个前沿

文献信息

The Next Frontiers of Digital Innovation Research

数字创新研究的下一个前沿

文献来源：Information Systems Researh

发布时间：2024年11月

作者：Youngjin Yoo , Ola Henfridsson, Jannis Kallinikos, Robert Gregory, Gordon Burtch, Sutirtha Chatterjee , Suprateek Sarker

新世纪伊始，数字创新作为一种变革性的承诺而出现，数字技术的不可预见的力量和无处不在的存在催生出了一种令人信服的愿景：全社会的个人都是潜在的创造者，他们不仅会在日常生活中享受自己的数字体验，还会创造新颖的产品。Yoo等人（2010）将这一承诺与一种新的技术架构——分层模块化架构（LMA）的出现联系起来，该架构创造了条件，使价值创造的重点从不透明墙后的企业控制转移到普通但精明的个人和企业家手中。此外，他们设想这种新的技术架构将带来一种新的组织逻辑，必将挑战统治工业经济的传统逻辑。数字技术不再隐藏在大型企业后台的米色盒子里。相反，它掌握在人们的手中。数字基础设施的普及以及智能手机作为交付机制的可用性从根本上降低了企业家通过数字创新寻求前所未有的市场机会的进入门槛。

Yoo 等人 (2010)的研究评论可以说激发了信息系统学者对数字创新的兴趣。1 他们将数字创新定义为“将数字和物理组件进行新的组合以生产新产品”（Yoo 等人，2010 年），提出了两个关键思想，使学者们能够构建和研究数字创新的独特性质和后果。首先，它描述了一种技术架构的规范，通过该架构可以实现创新并改造市场。特别是，LMA 提出了四个不同层次的概念——硬件、软件、内容和网络——作为创新的独立价值空间（参见Henfridsson 等人，2018 年）。其次，它提出不断的重组是数字创新的驱动力。结合数字技术作为数字创新主要手段的可访问性以及历史性的低资本成本，这两股力量——四层分离与重组——使研究人员能够探索远远超出传统垂直行业和产品界限的价值创造新形式。

大约 15 年后，数字创新已经成熟。想想数字创新如何改变行业、重塑经济并改变我们的生活和工作。我们使用 Google 地图导航、在 Instagram 上分享回忆、通过 Zoom 远程工作、在亚马逊上无休止购物并通过 Facebook 保持联系。从用于专业交流的 LinkedIn 到用于实时更新的 X（以前称为 Twitter），从用于文件存储的 Dropbox 到用于无缝交易的 Venmo，从用于健身的 Fitbit 到用于正念的 Headspace，数字工具渗透到我们生活的方方面面，重塑了我们联系、学习和成长的方式。苹果、谷歌、亚马逊、微软和 Meta 是世界上最有价值的公司之一，拥有数万亿美元的市值。由 Uber、Airbnb 和 Etsy 等公司推动的零工经济的出现颠覆了传统的就业模式，并为全球数百万人创造了新的机会。最近，Nvidia 等硬件公司通过提供支持并行计算的技术，使其他公司能够进一步加速数字创新。在很大程度上，IS 社区一直处于研究这场数字创新革命的前沿。

然而，很明显，我们当前的社会并不容易映射到Yoo 等人 (2010)所设想的积极形象。尽管过去 15 年确实掀起了一波生成性创新浪潮，但所创造的价值中大部分被少数掌握和利用数字基础设施内部运作的大型科技平台所占据。虽然我们人们在日常生活中享受着免费、便捷且几乎丰富的数字服务，但我们用“通过我们的注意力和行动创造的数据”来支付这些“免费”服务的费用。通过数字技术无限的生成性来实现创新民主化的早期承诺已经被少数几家公司的铁腕所遏制。最近对谷歌垄断案的法院判决只是冰山一角（美国等诉谷歌有限责任公司， 2024 年）。此外，随着这些技术的扩展，人们开始担心它们会给社会带来意想不到的负面影响，从不可持续的电力需求水平到为数据中心和生成人工智能 (AI) 供电（Watson 等人，2010 年），再到假新闻的扩增（Muchnik 等人，2013 年，Kitchens 等人，2020 年）以及与使用 Instagram 和 TikTok 等社交媒体平台相关的青少年心理健康下降（Krasnova 等人，2015 年）。

解决早期对数字创新无节制价值创造的愿景与 15 年后数字创新负面影响的现实之间的明显差距是全球信息系统研究界必须面对的巨大挑战。数字创新的力量无处不在，其影响范围太广，其影响太深远，以至于我们的无法袖手旁观，被动地记录发生的事情。

数字创新：向前迈进

回顾过去 15 年，我们发现一个核心矛盾，即分布式、生成性和重组式创新所创造的巨大价值与各参与者所创造的价值分配不均衡之间存在着不可调和的鸿沟。因此，我们这个领域必须面对的一个引人注目的智力挑战是积极探索如何有效、公平和可持续地解决这一矛盾。我们的分析强调了数字创新的三个方面，作为应对这一挑战的互补切入点：(a) 对数字架构的控制集中化，(b) 导致市场集中的负面外部性的影响，以及 (c) 数据成为价值和组织变革的关键驱动力（本篇公众号内容主要聚焦数据成为价值和组织变革的关键驱动力）。这三个维度代表了数字创新的架构、经济和认知维度之间的复杂矛盾。

数据、知识和组织变革

迄今为止提出的观点表明，数据与创新之间的联系在数字创新文献中基本上仍是隐含的。直到最近，数据和数据管理仍被视为支持顺利执行任务所必需的后台操作。只是在过去的 10 到 15 年里，数据才被广泛理解为重要的价值来源以及组织和经济转型的驱动力。这种数据观念的转变无疑与本世纪第二个十年大数据产业的形成、数据分析的传播以及最终数据科学作为一门独特的科学和实践技能的进步有关（Swanson 2021、Vaast 和 Pinsonneault 2021 ）。虽然这些发展标志着数据的巨大变化，但早期的信息系统和管理学术研究（ Chandler 1977、Zuboff 1988、Kallinikos 1999、Swanson 2020 ）中再次反映了数据在组织中发挥的各种功能。

近期文献中的几个主题都围绕着数据在组织中发挥的作用。首先，强大的数字传感器和无处不在的数字连接的进步使组织能够数字化任务和流程，跟踪组织对资源的使用情况，并大规模监控多个操作的绩效。可以依靠数字数据来建立跨任务组、产品、设置和时期的比较。至关重要的是，数字数据可用于预测未来事件，并可能规定理想的行动方案。此外，丰富的数据使得探索组织内部和周围更广泛的条件成为可能，而这在以前由于缺乏数据而几乎是不可能的（Chen 等人，2012 年；Brynjolfsson 和 McAfee，2014 年；Baesens 等人，2016 年）。因此，数据的可用性扩大了组织可以关注的事件范围，并提供了映射并最终重新思考与产品/市场、价值链网络和竞争对手的关系的手段。从这个角度来看，数据成为制定战略的关键媒介。内部数据与各种外部数据源相结合，获得了新的价值，可用于发现市场趋势、建立行业内和跨行业的比较以及分析竞争条件（Markus 2017 年、Grover 等人 2018 年、Kitchens 等人 2020 年）。此外，数据还可用于开发新的数据产品或服务（例如，推荐、声誉评分、受众定位），从而创造新的或扩大现有市场（Lehrer 等人 2018 年、Aaltonen 等人 2021 年）或锁定现有客户（Baskerville 等人 2020 年）。

将数据理解为管理和经济重组的驱动因素，与此相伴的是有关数据对组织学习、专家知识以及最终重塑专业知识的影响的研究（Abbasi 等人 2016 年、Jarvenpaa 和 Markus 2018 年、Parmiggiani 和 Monteiro 2019 年、Aaltonen 等人 2021 年）。尽管关注点各异，但这些新兴文献表明，数据的传播提供了新的证据来源，将注意力转移到新的工作对象上，并重新定义了产生知识和运用专业知识的模式。例如，可以利用来自社交媒体和其他在线环境的数据来塑造各种专业领域，如法律实践（Ashley 2017 年）、警务或刑事侦查（Waardenburg 等人 2022 年）、医疗保健（Kallinikos 和 Tempini 2014 年）或金融（Begenau 等人 2018 年）。多样化和海量数据源提供的证据不仅仅是优化内部运营、开发新产品、重新思考企业战略甚至扩大网络效应的重要因素。最重要的是，它是深远变革的驱动力，重新定义了行使代理和专业知识的方式，重塑了跨环境和组织的知识和学习过程（Dourish 和 Gómez Cruz 2018、Swanson 2021、Alaimo 和 Kallinikos 2022）。

综合起来，这些观察结果表明，数据是深远的组织和经济变革的推动者，与我们在本篇中概述的一些关键问题相关。正如前文所言，数据的传播以及数据作为组织和经济变革的资源和载体所发挥的功能与模块化和重组创新的理念格格不入。尽管不同的数据集经常相互影响，以帮助理解正在发生的事情并开发新产品/服务，但这样组合起来的不仅仅是产品或现有技术基础设施的组成部分。例如，Facebook 的“喜欢”可以与用户的人口统计属性及其消费习惯相结合，以推荐相关的广告受众。从这个例子中可以明显看出，数据具有认知或表示功能，并用于推导有关世界的叙述（Zuboff 1988）。与产品或功能组件不同，数据在更精细的层面上运行，它们的贡献很少能从架构角度来解释。数据被生成、定期堆积、汇总和计算，以支持感知或叙述世界、发展知识以及计划和执行干预措施的符号功能（Dourish 和 Gómez Cruz 2018）。再举一个例子，这些发展的影响在使用各种类型的数据（例如交通、燃料排放、运输服务和位置数据）来管理大都市空间时清晰可见。

在此背景下，我们可以说，我们在前面几节中反复提到的技术突破已经逐步释放了 LMA 其他层的数据/内容生成和管理，并赋予它们独立的地位，既是价值来源（基于数据的产品或服务），也是数字创新的驱动力。当然，这种独立性是相对于目前所有数据都是通过技术生成或介导的程度而言的。然而，我们认为，就像软件与硬件的分离一样，随着数据越来越多地与底层技术基础设施分离并服务于多种通常基于知识的功能和任务，同样值得思考由此产生的动态。尽管关于这些问题的研究文献不断涌现（Parmiggiani 和 Monteiro 2019、Aaltonen 等人 2021、Alaimo 和 Kallinikos 2022、2024 ），但数据层与其数字底层日益分离的性质，以及数据参与数字创新的方式，需要进一步研究，随着新技术突破（最显著的是人工智能）重塑经济和社会结构并重新定义知识和专业知识，这项任务变得迫在眉睫。

我们认为，这些发展与结构性变化、基于平台的生态系统的传播以及前面几节中提到的网络效应的重要性有关。大型、通常是全球性的、可互操作的数据源的生成、管理和使用很少能够通过现代商业企业（Chandler 1977）来实现，现代商业企业主要关注内部关系的管理和产品开发，而产品被理解为受规模经济甚至范围经济影响的相对稳定的物理或数字资源包（Parker 等人 2017 年，Lyytinen 2022 年）。我们需要新的结构安排，以评估和应对前所未有的数据传播，并至关重要的是，设计、实施和管理在全球范围内生成数据的交互形式。我们所说的交互形式是指需要与外部用户或买家（社交媒体、零售平台、搜索引擎平台）进行稳定交互模式的数据，而这些数据很少能够由系统或组织内部的操作生成。

可以从这个角度来解释平台和基于平台的生态系统的扩散（Alaimo 和 Kallinikos 2022 , 2024）。本质上，平台是处理分散性和多样性的安排，是操作上分散但组织上集中的系统的独特组合，它们使用数据来获取检查，并最终控制比原本大得多的操作和细节。这解释了平台的守门权力、其经济盛行以及它们可以设置的进入壁垒，正如本社论前面所述。除了少数例外（Gerlitz 和 Helmond 2013、Gregory 等人 2021、Alaimo 和 Kallinikos 2022 , 2024），数据与这种结构变化之间的联系在平台和生态系统文献中很少探讨。平台的多面性及其全球分布很难脱离数据而得以维持，平台通过数据来设计和监控其运营、维持和扩展与外部其他方的互动以及评估其结果。在这方面，数据不仅仅是代表预先存在的现实和执行预先制定的战略意图的中立手段。从这个角度来看，数据是建立和执行这一现实以及发现战略意图的核心要素。战略选择往往不是存在于决策者的独立头脑中，而是在事件的过程中出现，因为数据使行动的协调和对可能的、往往遥远的替代方案的探索成为可能（2006 年 3 月）。元数据的设计定义了将现实编码成数字数据的内容和方式，最终决定了数字现实中包含和排除的内容，而这些决定通常是在没有太多公众监督的情况下做出的。这些变革的前沿构成了未来信息系统研究及其与管理领域和社会科学领域更广泛的关系所面临的一些关键挑战。

数据与创新、专业知识和结构变化之间的联系最近因人工智能的发展、深度学习的进步以及最近大型语言模型 (LLM) 的传播而被重塑。随着人工智能在整个经济和社会中的普及，数据的重要性日益增加。人们大量利用数据来建立和训练基于人工智能的系统和技术。所有人工智能训练本质上都依赖于数据，人工智能的神经网络学会将数据组装成可识别的对象（例如，物体或人脸识别）和文化输出，就像 LLM 一样（Mitchell 2019、Smith 2019）。尽管如此，机器理解现实的迫切需要使得人工智能系统执行的任务必须经过对生活领域（图像、音频、文本、触觉信息）的无情分析分解，将其分解为大量的亚概念或亚永久数据场，人工智能系统学会借助统计和数据管理技术对其进行重新组合。尽管人工神经网络模拟了大脑的神经网络（Mitchell 2019），但它们不会也不能（由于缺乏生物体和文化参考）直接对社会对象和文化输出（如图像或文本）做出反应。相反，各种形式的数据（图像、声音和文本）的编码和解码来自大量数据点的精心组合，图像、声音或文本对象首先被分解成这些数据点，然后由经过适当训练的基于计算机的神经网络重新征服。这些观察结果表明，无论何时使用深度学习和法学硕士，它们都倾向于建立一个无形的、计算锚定的认知系统，这与普遍存在的认知、知识发展、学习和专业知识的社会实践有着本质的不同（Yoo 2024）。当然，这些多年来一直受到各种物质制品和技术的影响，但目前人工智能的传播标志着一个划时代的变化。大量早期实证研究引发了人们的担忧，即人工智能技术在创造性、评估性和决策导向型任务中的应用可能会导致行为和结果的同质化（Kleinberg 和 Raghavan 2021、Anderson 等人 2022、Doshi 和 Hauser 2024、Zhou 和 Lee 2024）。另一组文献研究了基于人工智能的系统的传播对专家和专业知识的影响（Alaimo 和 Kallinikos 2021、Lebovitz 等人 2022、Waardenburg 等人 2022、Dell"Acqua 等人 2023、Burtch 等人 2024、Ritala 等人 2024）然而，我们目前对这些发展对社会实践的影响知之甚少，对于这些发展持续传播可能导致的更广泛的制度或结构变化就更少了（Yoo 2024）。

将数据作为专家实践中无处不在的元素，引发了关于数据如何生成、收集、共享、验证、汇总和使用的严重伦理问题（Chatterjee 和 Sarker 2013）。这些问题影响到决策的责任，从定义数据字典和本体、制定数据标准到汇总和使用数据训练人工智能模型的模式。重要的是不要将这些伦理问题归结为特定的角色、个人甚至机构，而是要仔细研究这些严重的伦理后果是如何随着时间的推移通过看似无辜、有时是善意的行为的复杂模式而出现的。

来源：Information Systems Research

编辑：卢思锦

声明：本文来自图灵财经，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。