Жасанды интеллект өнімділіктің жаңа сапалы өсуінің катализаторы ретінде: Қытай компанияларының деректері негізінде

Целью данного исследования является выявление механизмов воздействия искусственного интеллекта (далее – ИИ) на формирование и рост новой качественной производительности на основе анализа данных китайских публичных компаний. Анализ охватывает панельные данные 12 880 наблюдений за период 2013–2022 гг., за исключением предприятий финансового и строительного секторов. На основе данных китайских компаний, зарегистрированных на рынке A-акций, в исследовании проводится системный анализ  механизмов и практических траекторий влияния технологий искусственного интеллекта на формирование новой качественной производительности предприятий. На основе использования методов машинного обучения и текстового анализа были построены индикаторы применения ИИ, которые затем использовались в эмпирической проверке с учётом неоднородности по атрибутам предприятий, отраслевым особенностям и региональной политике. Полученные результаты свидетельствуют о значительном эффекте ИИ на новую качественную продуктивность предприятий (коэффициент = 1,18; p < 0,01). Кроме того, эмпирический анализ выявил, что ключевыми каналами влияния технологий искусственного интеллекта на производительность нового качества являются развитие цифровых инноваций (эффект = 0,121; p < 0,01), повышение эффективности цифровых инноваций (эффект = 0,465; p < 0,01), а также снижение информационной асимметрии (эффект = –0,053; p < 0,01). Анализ неоднородности демонстрирует, что усиливающий эффект ИИ особенно выражен в компаниях с государственной формой собственности, в трудоемких и высокотехнологичных отраслях, а также в регионах с высокой степенью бюджетной поддержки. Представленное исследование вносит вклад в развитие теоретических и прикладных основ формирования политики технологического развития, подчеркивая необходимость учета организационных характеристик и институциональной среды при внедрении ИИ для стимулирования устойчивого роста производительности нового качества.

1. Aghion, P., & Howitt, P. (1992). A model of growth through creative destruction. Econometrica, 60(2), 323351. https://doi.org/10.2307/2951599

2. Chai, Z., Zhang, P., & Han, X. (2024). Can industrial intelligence become a new driver for industrial structure upgrading? Science & Technology Progress and Policy. Advance online publication. http://kns.cnki.net/kcms/detail/42.1224.G3.20240116.1138.002.html

3. Chen, Y., Lin, C., & Chen, X. (2019). Artificial intelligence, aging population, and economic growth. Economic Research Journal, 54(7), 47-63.

4. Dai, X., & Wang, R. (2023). The impact of population aging on global value chain upgrading under artificial intelligence conditions. Business Management Journal, 45(3), 28-43. https://doi.org/10.19616/j.cnki.bmj.2023.03.002

5. Dou, R., Zhuang, G., Liu, X., Hou, Y., & Sun, J. (2024). Potential of AI for service performance of manufacturers: Analytical and empirical insights. Advanced Engineering Informatics, 60(1), 102383. https://doi.org/10.1016/j.aei.2024.102383

6. Feng, W. (2024). Artificial intelligence and corporate financial asset allocation: Empirical evidence from China’s national AI innovation application pilot zones. Contemporary Finance & Economics, 45(4), 141-152. https://doi.org/10.13676/j.cnki.cn361030/f.20240219.001

7. Huang, B., Li, H., & Liu, J. (2023). Digital technology innovation and high-quality development of Chinese enterprises: Evidence from corporate digital patents. Economic Research Journal, 58(3), 97-115.

8. Huang, D., Wang, L., Zhou, C., et al. (2022). How does AI innovation in manufacturing enterprises empower high-quality development? Evidence from Chinese listed companies. Science & Technology Progress and Policy, 39(8), 110-120.

9. Jiang, T. (2022). Mediating and moderating effects in empirical causal inference research. China Industrial Economics, 40(5), 100-120. https://doi.org/10.19581/j.cnki.ciejournal.2022.05.005

10. Jiang, Y., & Qiao, Z. (2024). New quality productivity: Logic, connotation and pathways. Social Sciences Academic Research, 46(1), 10-18, 211.

11. Li, G., & Branstetter, L. G. (2024). Does “Made in China 2025” work for China? Evidence from Chinese listed firms. Research Policy, 53(6), 105009. https://doi.org/10.1016/j.respol.2024.105009

12. Manser Payne, E. H., Dahl, A. J., & Peltier, J. (2021). Digital servitization value co-creation framework for AI services: A research agenda for digital transformation in financial service ecosystems. Journal of Research in Interactive Marketing, 15(2), 200-222. https://doi.org/10.1108/JRIM-12-2020-0252

13. Peng, H., & Mao, X. (2017). Government innovation subsidies, corporate executive background, and R&D investment: Empirical evidence from China’s high-tech industry. Finance & Trade Economics, 38(3), 147-161.

14. Ren, B., & Dou, Y. (2024). New quality productive forces: Literature review and research prospects. Review of Economy and Management, 40(3), 5-16. https://doi.org/10.13962/j.cnki.37-1486/f.2024.03.001

15. Shen, K., Qiao, G., & Lin, J. (2024). Intelligent manufacturing policy and high-quality development of Chinese enterprises. The Journal of Quantitative & Technical Economics, 41(2), 5-25. https://doi.org/10.13653/j.cnki.jqte.20231214.008

16. Song, J., Zhang, J., & Pan, Y. (2024). The impact of ESG development on enterprise new quality productive forces: Empirical evidence from China’s A-share listed companies. Contemporary Economic Management, 46(6), 1-11. https://doi.org/10.13253/j.cnki.ddjjgl.2024.06.001

17. Tan, Y. (2024). Research on digital empowerment boosting the construction of modern industrial systems. Macroeconomics, 46(1), 75-86. https://doi.org/10.16304/j.cnki.11-3952/f.2024.01.001

18. Wan, J., Li, X., Dai, H. N., Kusiak, A., MartínezGarcía, M., & Li, D. (2020). Artificial-intelligence-driven customized manufacturing factory: Key technologies, applications, and challenges. Proceedings of the IEEE, 109(4), 377-398. https://doi.org/10.1109/JPROC.2020.3034808

19. Wang, L., Xiao, Q., & Deng, F. (2023). The impact of artificial intelligence on innovation in China’s manufacturing industry: Evidence from industrial robot applications. Collected Essays on Finance and Economics, 39(9), 14-24. https://doi.org/10.13762/j.cnki.cjlc.20230227.001

20. Wang, Y., & Dong, W. (2020). How the rise of robots affects China’s labor market: Evidence from manufacturing listed companies. Economic Research Journal, 55(10), 159-175.

21. Wu, Q., & Chen, Q. (2024). Research on the formation logic and transition path of new quality productive forces based on intelligent manufacturing. Contemporary Finance & Economics, 45(9), 3-12. https://doi.org/10.13676/j.cnki.cn36-1030/f.20240730.001

22. Wu, X., Su, J., Yang, D., & Zhang, Y. (2024). Research on the organizational inertia construction mechanism of digital transformation enterprises under the realization of digital technology affordance. Science Research Management, 45(5), 34-42. https://doi.org/10.19571/j.cnki.1000-2995.2024.05.004

23. Xin, D., & Qiu, Y. (2023). The impact of artificial intelligence on import expansion: Evidence from Chinese micro-enterprises. World Economy Studies, 39(11), 11- 25, 135. https://doi.org/10.13516/j.cnki.wes.2023.11.002

24. Yao, J., Zhang, K., Guo, L., et al. (2024). How artificial intelligence enhances enterprise productivity: From the perspective of labor skill structure adjustment. Management World, 40(2), 101-116, 133. https://doi.org/10.19744/j.cnki.11-1235/f.2024.0018

25. Yin, H., & Li, C. (2022). Does intelligent manufacturing empower enterprise innovation? A quasi-natural experiment based on China’s intelligent manufacturing pilot projects. Journal of Financial Research, 65(10), 98116.

26. Yu, W., Wang, S., & Jin, X. (2012). Political connections and financing constraints: Information effect and resource effect. Economic Research Journal, 47(9), 125139.

27. Zhang, Q., & Duan, Y. (2023). Digital empowerment, industrial chain integration, and total factor productivity. Business Management Journal, 45(4), 5-21. https://doi.org/10.19616/j.cnki.bmj.2023.04.001

28. Zhang, X., & Xiao, L. (2024). Digital transformation empowers the emergence of new quality productivity: Logical framework, existing problems, and optimization strategies. Academics, 39(1), 73-85.

29. Zhao, R., & Gao, M. (2024). How does industrial intelligence affect labor skill structure? Finance & Economics, 68(2), 107-118.

30. Zhou, W., & Xu, L. (2024). Revisiting new quality productivity: Cognitive misconceptions, formation conditions, and realization pathways. Reform, 41(3), 26-37.