從準備到擴散：顛覆性技術的組織引入

收稿日期：2023-09-11 "修回日期：2024-01-22

基金項目：國家社會科學基金重大項目（18ZDA103）；陜西省社會科學基金項目（2023R037）

作者簡介：張亞莉（1972—），女，河南鞏義人，博士，西北工業大學管理學院教授、博士生導師，研究方向為創新管理；李遼遼（1998—），女，陜西榆林人，西北工業大學管理學院博士研究生，研究方向為創新管理；常楠（1996—），女，河南靈寶人，西北工業大學管理學院碩士研究生，研究方向為顛覆性技術創新。本文通訊作者：張亞莉。

收稿日期：2023-09-11" 修回日期：2024-01-22

基金項目：國家社會科學基金重大項目（18ZDA103）；陜西省社會科學基金項目（2023R037）

作者簡介：張亞莉（1972—），女，河南鞏義人，博士，西北工業大學管理學院教授、博士生導師，研究方向為創新管理；李遼遼（1998—），女，陜西榆林人，西北工業大學管理學院博士研究生，研究方向為創新管理；常楠（1996—），女，河南靈寶人，西北工業大學管理學院碩士研究生，研究方向為顛覆性技術創新。本文通訊作者：張亞莉。

摘 要：顛覆性技術為中國企業實現跨越式發展提供了新機遇。然而，由于顛覆性技術具有高風險、高投入和高不確定性特征，盲目引入顛覆性技術可能無法達到預期收益甚至導致失敗。基于技術—組織—環境（TOE）理論框架，構建顛覆性技術準備度模型，探討企業如何做好顛覆性技術引入準備工作，以促進顛覆性技術在組織中的擴散。通過對231家企業數據進行分析，研究發現：①技術準備度、組織準備度和環境準備度對顛覆性技術擴散具有積極影響；②組織準備度能直接促進顛覆性技術擴散，技術準備度通過組織準備度的完全中介作用促進顛覆性技術擴散，環境準備度通過組織準備度的部分中介作用促進顛覆性技術擴散；③不同類型準備度對顛覆性技術不同擴散階段具有差異化影響。研究結論可為組織引入顛覆性技術決策和相關策略制定提供理論指導。

關鍵詞：顛覆性技術擴散；技術準備度；組織準備度；環境準備度；技術—組織—環境理論框架

DOI：10.6049/kjjbydc.2023090261

中圖分類號：F273.1

文獻標識碼：A

文章編號：1001-7348（2025）04-0001-11

0 引言

顛覆性技術如人工智能、區塊鏈、3D打印等從根本上改變了傳統企業業務運營方式和產業商業模式［1］，成為許多國家和企業搶占前沿科技制高點、獲取可持續競爭優勢的重要力量。推動顛覆性技術在企業中廣泛擴散是發揮顛覆性技術力量的必要途徑。中國擁有龐大的市場規模、多樣化消費需求以及強有力的政策支持，為技術應用領域帶來巨大優勢。此外，競爭日益激烈的市場環境和不斷變化的商業環境促使更多企業重視從顛覆性技術中獲取創新價值。然而，當前對顛覆性技術的應用尚處于起步階段，如何抓住顛覆性技術變革性價值創造機遇，更好地促進顛覆性技術在企業層面的成功擴散，是企業面臨的一個重大挑戰。

考慮到顛覆性技術具有高風險、高投入和高不確定性等特征，企業引入顛覆性技術并成功應對其帶來的挑戰并非易事。與易于部署和增強業務流程的技術不同，顛覆性技術的引入需要企業進行戰略決策和組織變革，涉及技術評估、資源配置、人員培訓等全方位改造，在技術、組織和環境層面帶來新挑戰。首先，顛覆性技術是新的、未經驗證的技術，存在一定技術風險。其次，顛覆性技術的實施不僅需要充足的資金和技術保障，同時還會對現有業務和盈利模式產生沖擊，迫使組織重新審視并調整商業策略和業務流程。此舉很有可能引發員工抵觸和不適應，從而產生內部阻力。最后，引入顛覆性技術可能面臨激烈的同行競爭、市場接受度以及政策限制等困難。加之中國多數企業仍處于“追趕”階段，這些企業往往在技術、資源和市場中處于劣勢地位，面臨領先企業敵對性和市場認知合法性等諸多壓力［2］。因此，貿然引入顛覆性技術非但不能獲得預期收益，反而容易“翻車”。

如何做好引入前的準備工作？如何促進顛覆性技術在組織中有效擴散？回答這些問題對企業成功引入顛覆性技術至關重要。然而，目前顛覆性技術領域研究仍處于早期階段，多聚焦概念探索，缺乏實證研究和復雜的理論構建［3］。本研究旨在剖析顛覆性技術從準備到擴散的完整過程，通過TOE框架構建顛覆性技術準備度模型，檢驗不同類型準備度對顛覆性技術在組織中擴散的影響，從而為已有準備度和創新擴散領域研究提供新見解。首先，從準備度視角看，已有研究主要集中在人工智能、大數據等單一技術引入上。在實踐中，企業有時會引入多種相互補充的顛覆性技術，以更好地發揮這些技術的價值。例如，企業可能同時采用大數據和人工智能技術，或在基于區塊鏈的智能應用中采用機器學習等技術［4］。這種多類型技術引入在幫助企業實現更高價值的同時，也受到許多關鍵因素的影響。因此，有必要構建系統準備度模型，揭示影響顛覆性技術引入的關鍵要素以及這些要素之間的相互依賴關系。其次，從創新擴散視角看，創新采用是已有研究關注重點。然而，顛覆性技術在組織中擴散是一個復雜的動態過程，涉及采用前評估、采用決策和采用后推廣等多個階段，有必要分階段對其進行系統分析。

本研究基于TOE理論框架，從準備度視角出發，構建一個綜合理論模型，深入探究影響顛覆性技術在組織中擴散的關鍵因素。通過系統分析技術準備度、組織準備度和環境準備度對顛覆性技術擴散不同階段（評估、采用和常規化）的影響，填補現有研究不足，推動顛覆性技術成功擴散，促進顛覆性技術成果在企業間共享與發展。

1 文獻綜述

1.1 顛覆性技術擴散

顛覆性技術是指發源于非主流低端市場，通過性能和功能的不斷改進與完善，具備改變原有市場規則或行業格局屬性，最終取代原有技術，形成新市場格局的創新技術（Christensen等， 1995）。面對全球創新競爭格局加速重構帶來的新機遇和新挑戰，通過顛覆性技術實現關鍵核心技術自主可控，把握創新和發展主動權，已成為國家占據技術制高點的關鍵途徑。盡管前景光明，但顛覆性技術在組織中快速推廣也面臨一系列挑戰，如技術成熟度和可靠性、市場接受度和法律法規等（Saberi等，2018；Rauschnabel，2021）。由于該領域研究處于起步階段，相關文獻多聚焦概念辨析、預測識別、顛覆過程等，重點關注早期創新者如何在復雜環境下優先開發顛覆性技術，以及如何實現對現有行業的顛覆［5-6］。鮮有研究從后期創新者角度出發，探究如何促進顛覆性技術在組織中的應用和擴散。

當前，創新擴散理論已被廣泛應用于創新技術應用研究（Laaraj等，2022）。該理論認為，創新特征對創新擴散速度和范圍具有重要影響。顛覆性技術具有變革性、前瞻性、顛覆性、發展性和不確定性五大特征［7］。本研究借鑒Wamba等［8］提出的三階段技術采納模型（評估、采用和常規化），按照技術采用前、采用決策和采用后的時間順序，系統分析顛覆性技術擴散過程。在評估階段，根據多方因素形成對顛覆性技術引入的基本認知。在采用階段，決定是否引入顛覆性技術，若引入則需要組織調動資源促進顛覆性技術與業務深度融合，包括獲取、整合、調配各種資源。在常規化階段，企業各部門之間以及企業與外部合作伙伴共同使用某項顛覆性技術，意味著該技術在企業內外部得到廣泛應用。

準備度對技術不同擴散階段可能具有差異化影響。Chan等（2013）通過探究移動供應鏈管理系統在制造企業的擴散發現，環境因素僅影響評估階段，技術和組織因素對創新擴散過程發揮重要作用；Frederico等（2019）對客戶關系管理系統進行研究發現，技術能力只影響采用階段，數據質量和集成以及高層管理支持對評估階段至關重要，而競爭壓力對每個階段都重要。因此，本研究將顛覆性技術不同擴散階段與不同類型準備度聯系在一起，探究它們之間的相互作用關系，以彌補顛覆性技術準備度和顛覆性技術擴散交叉領域研究的不足。

1.2 顛覆性技術采納影響因素

TOE框架提供了一種系統分析和評估企業是否采用新技術的理論模型，通過綜合考慮技術、組織和環境3方面要素，有助于深刻了解影響企業新技術采用的關鍵因素，該框架得到學者廣泛應用（見表1）。技術因素是指所需技術與組織的互動關系；組織因素是指與資源獲取和利用相關的組織特征，包括組織規模與范圍、組織管理結構特性及組織內部可利用資源等；環境因素是組織開展業務或活動所處的宏觀環境，主要關注企業面臨的外部激勵或限制。這三方面因素相互影響、相互制約，共同構成影響顛覆性技術采納的關鍵因素。

顛覆性技術的特殊性使得傳統技術準備度研究結論不再適用（Wang等，2022）。相關學者側重于探究影響單一技術采納的關鍵因素，對多種顛覆性技術影響組織準備度和變革過程的研究較少。此外，雖然很多研究將技術、組織和環境視為相互獨立的要素，但這些要素可能并不獨立。王宛秋等（2022）指出，技術融合與創新發展是技術、組織和環境相互影響、相互作用的復雜過程；Wong等（2020）研究發現，技術優勢會對組織高管支持產生重要影響，進而影響組織對區塊鏈的采用意愿。同時，外部環境對組織獲取、整合和分配資源具有一定影響。在有利的市場環境、競爭環境和法律法規的支持下，組織能夠更加順利地獲取所需資源，提高自身競爭力和準備度。因此，本研究重點考察技術、組織和環境準備度3個變量之間的相互作用關系。

2 研究假設

創新擴散理論認為，創新技術的采用取決于創新復雜性、組織兼容性、技術優勢、可觀察性和可試驗性，后兩個因素考慮較少［16］。因此，本研究將相對優勢、兼容性和復雜性作為技術準備度的3個子維度。其中，相對優勢是指新技術相對于現有技術的價值。這些價值可以是有形的，如成本降低、效率提高、質量改善等，也可以是無形的，如創新性、競爭優勢、用戶體驗等。顛覆性技術帶來的盈利能力和客戶體驗越高，企業推廣動力越強。兼容性是指創新被認為與現有價值、過去經驗以及潛在采用者需求相一致的程度，涉及技術與組織的互動關系［17］。兼容性與顛覆性技術采用相關［18］。顛覆性技術與組織現有流程、技術基礎設施匹配度及銜接程度越高，組織對現有流程和資源作出的改進越少，面臨的內部阻力和困難越小，就越有可能引入顛覆性技術。復雜性是指顛覆性技術應用過程和實施所需技術與管理的復雜程度。高復雜性可能會提高員工理解、掌握和適應顛覆性技術的門檻，同時提高管理復雜度。這就需要企業付出更多努力，如組織培訓、重構業務架構等。然而，并非所有企業都有意愿和能力承擔該成本。因此，復雜性會降低組織引入顛覆性技術的可能。據此，本文提出以下假設：

H1：技術準備度正向影響顛覆性技術擴散。

組織準備度對創新技術擴散具有重要影響。顛覆性技術具有不確定性，需要組織投入大量資源，并且具備靈活應對環境變化的能力。因此，本文將技術能力、高層管理者支持和動態能力作為組織準備度的3個子維度。其中，技術能力由引入顛覆性技術所需基礎設施以及擁有相關知識和技能的成員構成。基礎設施為應用程序提供平臺，專業人員則提供技術實施所需知識和技能。Queiroz等（2020）研究發現，便利條件（基礎設施與人員）對區塊鏈采用具有積極影響。因此，組織技術能力越強，越有利于顛覆性技術擴散。高層管理者支持是影響組織采用創新技術的關鍵因素。高層管理者對持有顛覆性技術的態度以及作出的承諾和行為不僅影響組織采用決策、推廣意愿、后續資源投入水平，還影響員工態度［19］。高層管理者對顛覆性技術引入的態度越積極，提供的資源和支持越多，企業引入意愿越強烈。動態能力是指組織有目的地創建、擴展自身資源應對環境變化的能力［20］。顛覆性技術的引入會帶來業務流程變革和調整，具備動態能力的企業更有可能根據市場環境變化不斷調整和重構企業內外部資源組合方式，進而實現對顛覆性技術的有效開發和實施。 據此，本文提出以下假設：

H2：組織準備度正向影響顛覆性技術擴散。

環境準備度是指組織對顛覆性技術擴散的準備程度。組織在由不同目標單位組成的社會系統中運作，這個系統包括客戶、供應商、競爭對手等。顛覆性技術的生成和演化離不開系統中各成員的相互配合與協調。因此，本研究將環境動態性、競爭強度和政府支持作為環境準備度的3個子維度。其中，環境動態性是指企業外部環境變化難以預測的程度。法律法規變動、技術更迭、客戶偏好變化以及產品需求或材料供應波動有可能導致環境不確定，在動蕩環境下，組織需要不斷優化自身資源，尋求新技術解決方案，以獲取持續競爭優勢。根據Walker［21］的研究，當外部環境動蕩時，企業傾向于采用大數據、區塊鏈等新興技術應對供應鏈挑戰。競爭壓力對于組織采用創新技術具有重要推動作用。當競爭對手在某一創新技術上取得成功時，為避免失去競爭優勢，企業可能會加速推動新興技術應用［22］。此外，面對激烈的市場競爭，企業會主動尋求并采用顛覆性技術，以達到彎道超車的目的。顛覆性技術具有周期長、風險高和不確定性等特征，需要政府提供持續的政策支持，以降低顛覆性技術引入成本和風險。政府通過提供適當的稅收減免或創新補貼，以及制定相應限制或支持政策影響企業和產品合法性，進而影響顛覆性創新選擇和應用［23］。此外，打破先行者技術壁壘也需要政府支持。據此，本文提出以下假設：

H3：環境準備度正向影響顛覆性技術擴散。

技術準備度、環境準備度和組織準備度存在密切聯系。技術復雜度、兼容性和相對優勢影響組織管理者對顛覆性技術的態度，進而影響顛覆性技術擴散。另外，當市場環境、競爭環境和法律法規等外部因素較為有利時，組織能夠更好地適應和利用這些外部條件，提高自身競爭力和準備度。例如，強有力的政策支持有利于相關基礎設施建設，降低組織引入顛覆性技術的成本。據此，本文提出以下假設：

H4：技術準備度正向影響組織準備度。

H5：環境準備度正向影響組織準備度。

綜上所述，本研究基于TOE理論框架，構建包含技術準備度、組織準備度、環境準備度在內的3個子維度準備度模型，并結合創新擴散理論，探究3種類型準備度對顛覆性技術擴散的作用機理，如圖1所示。

3 研究設計

3.1 樣本收集

調研樣本選擇引入顛覆性技術的企業。為避免由于管理者對顛覆性技術概念和范圍有不同理解而引起的數據偏誤，在調研問卷中增加對顛覆性技術的詳細描述。同時，按照Jia等［24］提出的顛覆性技術衡量指標（技術新穎性、突破性和影響力），確定9種被廣泛使用的顛覆性技術，分別為區塊鏈、工業互聯網、人工智能、柔性電子、量子技術、虛擬現實/增強現實、大數據、云計算和3D打印，作為樣本篩選標準。

問卷發放分為兩個階段。第一階段為預調研，邀請10名引入顛覆性技術的企業管理人員填寫問卷，以完善和調整問卷語言表達，使其更加通俗易懂，避免由于語句歧義引起的問卷質量問題。第二階段為正式調研，通過發放紙質問卷和網絡電子問卷兩種方式收集數據。調研對象為引入顛覆性技術的企業高管，調研區域分布在陜西、江蘇、廣東、北京、天津等多個省市。首先，通過關系網絡和其它途徑聯系到符合調研要求的管理者。其次，通過回答是否應用9項顛覆性技術或引入其它顛覆性技術判斷企業是否符合調研樣本要求。問卷發放時間為2021年3月15日—2021年4月15日，共回收285份問卷，剔除無效問卷后，得到231份有效問卷，問卷有效回收率為81.05%。由表2可知，被調研企業不同程度上都采用了顛覆性技術，其中大數據、人工智能、工業互聯網和云計算采用頻率較高。

樣本描述性統計結果如表3所示。從中可見，樣本企業主要分布在制造業、建筑業、服務業等行業。各年齡階段分布較為均勻；規模超過2 000人的企業占比41.6%，規模500～2 000人的企業占20.7%，500人以下企業占比接近40%；超過半數企業資產規模達到1億元。這說明，樣本具有一定代表性。

為控制數據同源帶來的共同方法偏差問題，對數據收集過程進行嚴格把控。首先，確保被調研者所在企業不同，避免同一企業對結果造成的不良影響。其次，采用信息隱匿和保密承諾等方式進行事前控制，減少被調查者的主觀傾向。最后，使用Harman單因素檢驗，結果發現未旋轉時首個公因子解釋了37.64%的方差，未達到40%的閾值。這表明，共同方法偏差問題不會對分析結果產生不良影響。

3.2 變量測量

采用Likert五點量表進行變量測量。參考國內外成熟量表，通過雙向翻譯確保量表在翻譯過程中不存在理解歧義。技術準備度包括相對優勢、復雜性和兼容性，其中相對優勢借鑒Wu等（2014）的研究，復雜性和兼容性借鑒Moore等（1991）開發的量表。組織準備度包括技術能力、高層管理支持和動態能力，其中技術能力借鑒Iacovou等（1995）的量表，高層管理者支持借鑒Wang等（2010）的量表，動態能力借鑒Pavlou等（2011）和West等（2013）的研究。環境準備度包括環境動態性、競爭強度和政府支持，其中環境動態性借鑒Jansen等（2006）的量表，競爭強度借鑒Sun等［25］使用的量表，政府支持借鑒Nam等［26］的量表。顛覆性技術擴散包括評估、采用和常規化階段，量表主要借鑒Júnior等［27］的研究。

4 實證結果分析

4.1 信效度檢驗

運用SPSS17.0和Smart PLS 3.0檢驗量表信效度。剔除部分不符合要求的題項，最終保留的各變量題項及信效度檢驗結果，如表4所示。由表4可知，除復雜性外，其它變量的Cronbach's α系數均大于0.7。盡管復雜性一致性系數稍低，但其組合信度（CR）系數值良好，因此認為各變量信度可接受。使用平均萃取方差（AVE）和組合信度（CR）評估效度。結果發現，所有變量的AVE值均大于0.5，CR值均大于0.8，說明各變量收斂效度較高。此外，由于模型中存在高階變量，在進行驗證性因子分析時借鑒Schmid等（1957）提出的SLS方法。該方法將高階因子分析得到的因子載荷矩陣轉換為所有層次變量對因子的獨立載荷，從而簡化了不同層次因素解釋。研究發現，各題項因子載荷均大于0.7。因此，所用量表具有較高的信效度，適用于后續數據分析。

使用方差膨脹因子（VIF）檢驗變量之間的共線性，參考Zhang等（2020）的研究，使用外部權重和外部載荷檢驗高階構成型變量維度設計的合理性，結果如表5所示。從中可見，VIF值低于閾值5，說明不存在嚴重的共線性問題。考慮到復雜性和采用的因子載荷顯著，而且在概念上可代表關注領域，故按照Rossiter（2002）的建議，將其視為合適的變量指標。

4.2 相關性分析結果

表6列出各變量均值、標準差和相關系數。結果表明，各變量之間顯著相關，復雜性與其它變量負相關，與理論預期一致；所有變量的AVE平方根均大于該變量與其它變量的相關系數，表明各變量之間具有較高的區分效度。此外，二階構念相關系數檢驗結果發現，各變量之間均在0.001水平上顯著。技術準備度與組織準備度、環境準備度、顛覆性技術擴散相關系數分別為0.724、0.576和0.562；組織準備度與環境準備度、顛覆性技術擴散相關系數分別為0.628和0.738；環境準備度與顛覆性技術擴散相關系數為0.763。

4.3 假設檢驗

由于模型中含有構成型變量和高階變量，故使用Smart PLS 3.0軟件，采用兩階段法對數據進行處理［28］。首先，計算一階變量標準潛變量分數；其次，將得到的潛變量分數作為二階變量衡量指標進行結構方程模型分析。結果顯示，NFI值為0.943，SRMR值為0.040，說明模型擬合度較高。技術準備度和環境準備度對組織準備度的解釋力為59.1%，技術準備度、組織準備度和環境準備度對顛覆性技術擴散的解釋力為70%，說明模型具有較強解釋力。

高階變量構成維度檢驗結果表明：在技術準備度中，相對優勢（β=0.201，plt;0.05）和兼容性（β=0.831，plt;0.001）是有效構成維度，復雜性（β=－0.078，pgt;0.05）影響效果不顯著；在組織準備度中，技術能力（β=0.380，plt;0.001）、高層管理者支持（β=0.244，plt;0.05）、動態能力（β=0.486，plt;0.001）是有效構成維度；在環境準備度中，環境動態性（β=0.214，plt;0.05）、競爭強度（β=0.454，plt;0.001）、政府支持（β=0.543，plt;0.001）是有效構成維度；在顛覆性技術擴散中，評估（β=0.553，plt;0.001）和常規化（β=0.393，plt;0.001）是有效構成維度，采用（β=0.145，pgt;0.05）的影響效果不顯著。

模型擬合結果如圖2所示。模型擬合度：χ2=113.000，NFI=0.943， SRMR=0.040， d_ULS=0.166， d_G=0.097。從圖2可知，技術準備度對顛覆性技術擴散的直接影響效果不顯著（β=－0.082，pgt;0.05），假設H1不成立；組織準備度（β=0.483，plt;0.001）和環境準備度（β=0.507，plt;0.001）顯著促進顛覆性技術擴散，假設H2和H3成立；技術準備度（β=0.543，plt;0.001）和環境準備度（β=0.315，plt;0.001）均正向影響組織準備度，假設H4和H5成立。企業年齡（β=－0.023，pgt;0.05）和企業規模（β=－0.053，pgt;0.05）對顛覆性技術擴散無顯著影響。

使用Bootstrapping檢驗中介效應，將抽樣次數設置為5 000次，結果如表7所示。從中可見，由于技術準備度對顛覆性技術擴散的直接作用路徑不顯著，而技術準備度通過組織準備度對顛覆性技術擴散的間接作用效果顯著，且95%置信區間不包含0，說明組織準備度在該路徑中起到完全中介作用。由于環境準備度對顛覆性技術擴散的直接影響效應顯著，而環境準備度通過組織準備度對顛覆性技術擴散的間接作用效果顯著，且95%置信區間不包含0，說明組織準備度在該路徑中起到部分中介作用。

4.4 拓展分析

進一步探究3種不同類型準備度對顛覆性技術不同擴散階段的影響，按照上述流程對數據進行分析。結果顯示，NFI值為0.800，SRMR值為0.073，說明模型擬合度高。組織準備度被解釋水平為56%，顛覆性技術擴散評估、采用、常規化階段被解釋水平分別為60.8%，57.5%和56.4%，說明模型解釋能力較強。路徑檢驗結果如圖3所示，說明技術準備度對顛覆性技術擴散3個階段均無顯著影響。組織準備度對顛覆性技術擴散3個階段具有顯著正向影響，其中對評估階段的促進作用最強，其次是常規化階段，對采用階段的影響作用最小。環境準備度對顛覆性技術擴散評估階段、采用階段和常規化階段具有顯著正向影響。技術準備度和環境準備度對組織準備度具有正向影響。模型擬合度：χ2=632.025，NFI=0.800，SRMR=0.073，d_ULS=1.235，d_G=0.573，表明模型具有較好的擬合效果。

5 結論與啟示

5.1 研究結論

本研究基于TOE理論和創新擴散理論，系統構建企業顛覆性技術引入準備度模型，探究3種類型準備度對顛覆性技術擴散的作用路徑，得出以下結論：

（1）技術準備度由相對優勢和兼容性構成，兼容性的影響作用更大，復雜性的影響作用不顯著，可能是因為顛覆性技術實施步驟和操作流程比較復雜，組織可采取有效途徑解決，不會成為阻礙企業引入顛覆性技術的關鍵因素。組織準備度由技術能力、高層管理者支持和動態能力構成，動態能力的影響作用更大，其次是技術能力和高層管理者支持。環境準備度由環境動態性、競爭強度和政府支持構成，政府支持的影響作用最大，其次是競爭強度，最后是環境動態性。技術準備度和環境準備度對組織準備度具有顯著促進作用，技術準備度的促進效果更明顯。

（2）技術準備度、組織準備度和環境準備度對顛覆性技術擴散具有促進作用，但作用路徑存在差異。顛覆性技術擴散由3個維度構成：評估、采用和常規化。其中，評估影響作用最大，其次是常規化，采用影響作用不顯著。對顛覆性技術而言，采用前評估和采用后與利益相關者的協作推廣更關鍵。這與顛覆性技術自身特征相關，相比傳統信息系統，區塊鏈、人工智能等顛覆性技術更強調主體之間的協作共享以及數據傳遞，而不僅僅局限于企業內部業務流程優化。研究發現：技術準備度對顛覆性技術擴散的影響作用不顯著，而是通過組織準備度的中介作用間接促進顛覆性技術擴散，這可能是因為顛覆性技術通常需要與現有技術進行競爭，甚至有可能破壞現有商業模式和市場結構。因此，組織采納顛覆性技術不僅需要考慮其可行性，還需要考慮其對組織內部運營和戰略的影響。組織準備度對顛覆性技術擴散起關鍵促進作用。環境準備度不僅能夠直接促進顛覆性技術擴散，還能通過提升組織準備度間接促進顛覆性技術擴散。

（3）不同準備度對顛覆性技術擴散不同階段具有差異化影響。技術準備度對評估、采用和常規化階段無直接促進作用；組織準備度和環境準備度對3個階段均具有顯著促進作用。其中，組織準備度對評估階段的影響作用最大，其次是常規化階段，最后是采用階段；環境準備度對采用階段的影響作用較大，其次是常規化階段和評估階段。

5.2 理論貢獻

（1）彌補了顛覆性技術與準備度交叉領域研究的不足。現有研究多聚焦于理論層面，主要關注顛覆性技術對在位企業的挑戰及應對策略，以及企業如何催生出顛覆性技術實現技術突襲（余維臻等，2022），忽視了企業作為技術采用方，通過成功引入顛覆性技術實現跨越式發展的可能。本文從準備度視角出發，基于TOE理論框架，結合顛覆性技術特征，構建顛覆性技術準備度模型，為企業管理者提供了一種評估和預測顛覆性技術準備度的有效工具。

（2）將顛覆性技術準備度研究從單一技術視角擴展到多技術綜合視角，有助于幫助管理者理解和應對多種顛覆性技術引入帶來的挑戰，改善顛覆性技術在新興經濟體發展相對緩慢的現狀（Dora等，2021）。與Awa等［29］的研究不同，本文發現顛覆性技術擴散更多受到環境因素和組織因素的影響，而非技術因素。本文強調非技術因素在推動顛覆性技術擴散方面的重要性，為顛覆性技術擴散研究提供了新方向。

（3）揭示影響顛覆性技術擴散的關鍵因素。與以往研究一致，本研究發現準備度是影響技術引入的重要因素（Johnk等， 2020）。首先，通過細化顛覆性技術擴散階段（評估、采用和常規化），超越了僅以采用決策為評估標準的局限性。其次，通過分析技術、組織和環境準備度對顛覆性技術擴散的影響，對于深入理解準備度對擴散過程的作用提供了新見解。最后，厘清不同準備度對顛覆性技術擴散3個階段的作用效果，指出每個準備度層面的關鍵核心要素，深化了已有研究對顛覆性技術擴散準備度的理解，為后續學者探究顛覆性技術擴散準備度影響機制提供了借鑒。

5.3 管理啟示

當前，中國企業面對西方發達國家技術遏制和封鎖已成為常態化挑戰，提前做好顛覆性技術引入準備工作，有助于避免技術資源相對匱乏的企業陷入困境，從而實現從追隨者到領先者的跨越。

（1）企業需要重視顛覆性技術應用帶來的潛在挑戰，結合自身實際，從技術、組織和環境3個層面做好適應性準備工作。在技術層面，尤其要重視顛覆性技術與企業價值觀、過去經驗以及已有技術體系和結構的兼容性，努力填補兩者之間的鴻溝，確保顛覆性技術能夠順利嵌入組織生產經營活動。同時，需要提前評估顛覆性技術相對優勢，對引入時機和方式作好戰略性規劃。在組織層面，企業應重視技術能力和動態能力培育，爭取高層管理者支持。通過獲取、整合、調配和重組內外部資源，加強顛覆性技術基礎設施及配套設施建設，結合高層管理人員提供的資源、情感和決策支持，為顛覆性技術的順利擴散提供良好的組織基礎。在環境層面，企業需要爭取政府支持，并關注市場競爭強度，通過深入調研和趨勢預判，了解政府對顛覆性技術應用的支持力度和方向。同時，還要充分了解和評估企業外部競爭形勢，根據具體實踐適當調整和匹配市場環境，為顛覆性技術擴散營造良好的外部生態環境。

（2）由于技術準備度、組織準備度和環境準備度對顛覆性技術擴散評估、采用、常規化3個階段的作用路徑和影響效果不同，因此管理者應根據實際需要，合理調整和精準提升這3種準備度。其中，組織準備度是促進顛覆性技術擴散的關鍵因素，尤其在評估階段起重要作用，因此企業應學習和掌握提升組織準備度的方法和途徑，確保顛覆性技術順利擴散；技術準備度不會直接促進擴散效果提升，需要將技術層面的準備內化為組織能力才能發揮效果；環境準備度對顛覆性技術擴散3個階段具有較大影響，這種促進效果通過提升組織能力體現。因此，企業管理者應根據組織各方面準備情況，及時查漏補缺。

參考文獻參考文獻：

［1］ CHOI T M， KUMAR S， YUE X， et al. Disruptive technologies and operations management in the Industry 4.0 era and beyond［J］. Production and Operations Management， 2022， 31（1）： 9-31.

［2］ 彭新敏， 劉電光. 基于技術追趕動態過程的后發企業市場認知演化機制研究［J］. 管理世界， 2021， 37（4）： 180-198.

［3］ FRIZZO-BARKER J， CHOW-WHITE P A， ADAMS P R， et al. Blockchain as a disruptive technology for business： a systematic review［J］. International Journal of Information Management，2020， 51： 102029.

［4］ TANWAR S，BHATIA Q，PATEL P，et al. Machine learning adoption in blockchain-based smart applications：the challenges， and a way forward［J］. IEEE Access， 2020， 8： 474-488.

［5］ 王超， 馬銘， 張偉然， 等. 顛覆性技術關注方向演化研究［J］. 科技進步與對策， 2022， 39（8）： 19-29.

［6］ 黃魯成， 蔣林杉， 吳菲菲. 萌芽期顛覆性技術識別研究［J］. 科技進步與對策， 2019， 36（1）： 10-17.

［7］ 儲節旺， 李佳軒， 安怡然. 基于專利分析的顛覆性技術演化與預測研究——以量子信息技術為例［J］. 科技進步與對策， 2023， 40（22）： 130-140.

［8］ WAMBA S F，QUEIROZ M M.Industry 4.0 and the supply chain digitalisation： a blockchain diffusion perspective［J］.Production Planning amp; Control，2022，33（2-3）：193-210.

［9］ YADEGARIDEHKORDI E，NILASHI M，SHUIB L，et al. The impact of big data on firm performance in hotel industry［J］. Electronic Commerce Research and Applications， 2020， 40： 100921.

［10］ SCHMITT G， MLADENOW A， STRAUSS C， et al. Smart contracts and Internet of Things： a qualitative content analysis using the technology-organization-environment framework to identify key-determinants［J］. Procedia Computer Science， 2019， 160： 189-196.

［11］ PRIKSHAT V， MALIK A， BUDHWAR P. AI-augmented HRM： antecedents， assimilation and multilevel consequences［J］. Human Resource Management Review， 2023， 33（1）： 100860.

［12］ CHATTERJEE S， RANA N P， DWIVEDI Y K， et al. Understanding AI adoption in manufacturing and production firms using an integrated TAM-TOE model［J］. Technological Forecasting and Social Change， 2021， 170（5）： 120880.

［13］ PAN Y， FROESE F， LIU N， et al. The adoption of artificial intelligence in employee recruitment： the influence of contextual factors［J］. The International Journal of Human Resource Management，2021，33（6）：1125-1147.

［14］ ORJI I J， KUSI-SARPONG S， HUANG S， et al. Evaluating the factors that influence blockchain adoption in the freight logistics industry［J］. Transportation Research Part E： Logistics and Transportation Review， 2020， 141（C）： 102025.

［15］ CHITTIPAKA V， KUMAR S， SIVARAJAH U， et al. Blockchain technology for supply chains operating in emerging markets： an empirical examination of technology-organization-environment （TOE） framework［J］. Annals of Operations Research， 2022， 327（1）： 465-492.

［16］ AGI M A N， JHA A K. Blockchain technology in the supply chain： an integrated theoretical perspective of organizational adoption［J］. International Journal of Production Economics， 2022， 247： 108458.

［17］ YOON S B，CHO E.Convergence adoption model （CAM） in the context of a smart car service［J］. Computers in Human Behavior， 2016， 60： 500-507.

［18］ MITRA T， KAPOOR R， GUPTA N. Studying key antecedents of disruptive technology adoption in the digital supply chain： an Indian perspective［J］. International Journal of Emerging Markets， 2022， 18（10）： 4669-4689.

［19］ BONNER J M，RUEKERT R W，WALKER JR O C.Upper management control of new product development projects and project performance［J］. Journal of Product Innovation Management， 2002， 19（3）： 233-245.

［20］ NAYAK A K， CHIA R C H， CANALES J I. Noncognitive microfoundations： understanding dynamic capabilities as idiosyncractically refined sensitivities and predispositions［J］. Academy of Management Review， 2019， 45（2）： 280-303.

［21］ WALKER R M.Internal and external antecedents of process innovation： a review and extension［J］. Public Management Review， 2014， 16： 21-44.

［22］ KWON W-S， WOO H， SADACHAR A， et al. External pressure or internal culture？ an innovation diffusion theory account of small retail businesses′ social media use［J］. Journal of Retailing and Consumer Services， 2021， 62： 102616.

［23］ 張帆， 伍晨. 政策選擇、企業創新模式與后發企業追趕［J］. 軟科學， 2023， 37（8）： 1-8.

［24］ JIA W F， WANG S， XIE Y P， et al. Disruptive technology identification of intelligent logistics robots in aiot industry： based on attributes and functions analysis［J］. Systems Research and Behavioral Science， 2022， 39（3）： 557-568.

［25］ SUN S， HALL D， CEGIELSKI C G. Organizational intention to adopt big data in the B2B context： an integrated view［J］. Industrial Marketing Management， 2020， 86： 109-121.

［26］ NAM D，LEE J，LEE H.Business analytics adoption process： an innovation diffusion perspective［J］. International Journal of Information Management， 2019， 49（3）： 411-423.

［27］ JUNIOR C H， OLIVEIRA T， YANAZE M H. The adoption stages （evaluation， adoption， and routinisation） of ERP systems with business analytics functionality in the context of farms［J］. Computers and Electronics in Agriculture， 2019， 156： 334-348.

［28］ SARSTEDT M， HAIR J F， CHEAH J-H， et al. How to specify， estimate， and validate higher-order constructs in PLS-SEM［J］. Australasian Marketing Journal， 2021， 27（3）： 197-211.

［29］ AWA H O， UKOHA O， EMECHETA B C， et al. Using T-O-E theoretical framework to study the adoption of ERP solution［J］. Cogent Business amp; Management， 2016， 3（1）： 1196571.

（責任編輯：王敬敏）

英文標題

From Preparation to Diffusion： The Introduction of Disruptive Technology Organizational

英文作者Zhang Yali， Li Liaoliao， Chang Nan

英文作者單位（School of Management， Northwestern Polytechnical University， Xi'an 710129， China）

英文摘要Abstract：Disruptive technologies have revolutionized the operational practices of traditional enterprises and the commercial paradigms of various industries， serving as a critical instrument for numerous nations and enterprises to secure a competitive edge in advanced technology. However， due to the characteristics of disruptive technologies， such as high risks， high investment requirements， and high uncertainty， the blind introduction of disruptive technologies may not achieve the expected returns， and could even lead to failure. How can enterprises ensure thorough preparation prior to the introduction of new technologies？ Additionally， what strategies can be implemented to facilitate the effective dissemination of disruptive technologies within the organization？ These questions are crucial for the successful introduction of disruptive technologies into enterprises. However， current academic research in the field of disruptive technology remains in its early stages， with a heavy emphasis on conceptual exploration， yet lacking in empirical research and the development of complex theoretical frameworks.

Drawing upon the TOE framework， this study has developed a disruptive technology readiness model containing three subdimensions： technical readiness， organizational readiness， and environmental readiness. The objective is to systematically investigate how enterprises can effectively undertake preparations for disruptive technology diffusion and facilitate the rapid dissemination of these technologies within the organization. The study employs an empirical research approach based on a questionnaire survey， utilizing Chinese enterprises that have implemented disruptive technologies as the focal point. Through a comprehensive exploration of these enterprises' management tiers， the study procures 231 robust questionnaire responses. Considering the existence of higher-order latent variables， the study employs the Partial Least Squares Structural Equation Model （PLS-SEM） to test the assumptions in the model. The model exhibits a satisfactory goodness of fit， with a robust explanatory power.

The measurement model results indicate that in the disruptive technology readiness model， technological readiness is composed of relative advantage and compatibility， among which compatibility has the greatest impact， followed by relative advantage， and complexity has no significant impact. Organizational readiness encompasses technical capability， top management support， and dynamic capability. Notably， dynamic capability holds the greatest significance in influencing organizational readiness， with technical capability and top management support playing secondary roles. Environmental readiness is composed of environmental dynamics， competition intensity， and government support， among which government support has the greatest impact， followed by competition intensity， and finally environmental dynamics.

The results of the hypothesis test indicate that technological readiness， organizational readiness， and environmental readiness have a positive impact on the diffusion of disruptive technologies in organizations; organizational readiness promotes the diffusion of disruptive technologies; technological readiness promotes the diffusion of disruptive technologies through the complete intermediary role of organizational readiness; and environmental readiness promotes the diffusion of disruptive technologies through the partial intermediary role of organizational readiness. Moreover， the study delves into the specific impacts of three distinct types of readiness on the various stages of disruptive technology diffusion， including evaluation， adoption， and normalization. The results show that organizational readiness has the greatest impact on the evaluation stage， followed by the normalization stage， and finally the adoption stage. Environmental readiness has a relatively greater impact on the adoption stage， followed by the normalization stage and the evaluation stage. The direct facilitating effect of technological readiness is not significant.

The contribution of this study mainly lies in three aspects. Firstly， starting from the perspective of readiness， this study constructs a readiness model for disruptive technologies based on the TOE framework and combined with the characteristics of disruptive technologies， thus filling the research gap in the intersection of disruptive technologies and readiness. Secondly， it extends the readiness research on disruptive technologies from a single-technology perspective to a comprehensive multi-technology perspective. The key influencing factors identified can assist managers in comprehensively and systematically understanding and coping with the challenges posed by the introduction of multiple disruptive technologies. This will contribute to improving the relatively slow development of disruptive technologies in emerging economies. Finally， the study further clarifies the specific effects of different readiness levels on the three stages of disruptive technology diffusion， and points out the critical core elements at each readiness level， providing guidance for subsequent scholars to further explore the impact mechanism and path of disruptive technology diffusion readiness.

英文關鍵詞Key Words：Disruptive Technology Diffusion; Technology Readiness; Organizational Readiness；Environmental Readiness; TOE Framework