达科他州立大学2026年博士论文：供应链管理中AI集成能力成熟度模型
撰写者：Becklines, Lordt
类别：2026年博士学位论文
院校：Dakota State University（美国达科他州立大学）
请收录第133篇博士学位论文
前言
背景概述
供应链管理（SCM）构成了当代全球商业运作的核心，保障了从原材料源头至终端消费者的商品、服务、资讯及资金流的顺畅流转。现代供应链愈发表现出错综复杂、难以预测、波动剧烈以及全球网络间高度相互依赖的特质。当前，企业不仅需提升运营效能，更需打造具备韧性、灵活性、适应性及可持续性的供应链体系，以抵御持续的冲击与干扰（Ivanov，2022）。
在瞬息万变的环境下，人工智能（AI）已演变为一种变革性的驱动力，正重塑着供应链管理的实践模式。AI驱动的功能范畴包括预测性分析、需求预估、智能自动化、优化算法及增强型决策支持，这为改善供应链绩效及增强战略响应力带来了关键契机（Abeysekara et al., 2019; Um & Kim, 2019; Yadav, Sachdeva, et al., 2024）。
尽管人工智能（AI）拥有变革性的潜力，其在供应链管理（SCM）领域的应用却仍显零散、缺乏一致性，且缺失用于评估与指导的结构化框架。现有的AI成熟度模型多聚焦于企业层级或特定行业的应用，未能充分应对SCM内生的独特运营、技术及战略复杂性（H. Guo et al., 2025; Seyedghorban et al., 2020; Turner et al., 2018）。再者，诸多此类模型缺乏严谨的实证检验，往往仅作为概念性框架提出，缺乏在真实供应链场景中应用的充分依据。
现行的AI成熟度模型虽为组织内部AI应用阶段提供了基础认知，但往往缺乏SCM应用所需的针对性。譬如，“AI蓝图：企业五阶段成熟度模型”虽展示了从基础到转型的演进路径，却忽视了SCM独特的运营与战略复杂性。Schuster等人（2021）虽提出了一种标准化路径，却未能全面覆盖SCM的细致需求。某些特定行业的模型，如健康管理学院、微软与Nuance联合开发的医疗保健行业AI成熟度路线图，可能并不契合SCM更广泛的需求（Guan等人，2025）。Ferraro等人（2023）亦指出，以工业4.0为核心的模型同样忽略了SCM的全面诉求。
众多模型因缺乏实证支撑，引发了人们对其在供应链管理（SCM）中适用性的疑虑（Patil & Gudivada，2024；Ponnambalam 等，2014）。Correia 等（2023）强调了这些模型利用率低及缺乏科学验证的问题，并对其实用性提出质疑。此外，Correia 等（2023）还指出，目前尚缺详尽的SCM发展指南。AI模型的复杂性可能阻碍SCM的实施，且其静态属性难以反映技术与市场的动态演变，故亟需开发能适应SCM发展格局的自适应模型（Sonntag 等，2024）。部分模型侧重于逐步引入AI或流程优化，而另一些则致力于提升韧性、敏捷性或可持续性。这些模型的共通之处在于，数据处理、分析及决策支持构成了其基础要素。
然而，在将技术与环境动态及组织架构相衔接，以及促进创新与学习方面，仍存在明显缺口。组织究竟该如何有效弥合AI准备度与AI优化之间的鸿沟，确保无缝集成并最大化其效益？这一缺口亟待进一步探索与验证，以推动AI在构建稳健、高效及创新型供应链中发挥关键效能。
问题阐述
尽管机器学习、自然语言处理及预测分析等AI技术在供应链中的应用日趋广泛，企业却依然缺乏经证实的模型来评估其AI应用准备度与成熟度。现有的成熟度模型要么未能充分考量SCM的独特需求，如互操作性、韧性及全球监管的复杂性；要么缺乏实证检验。这种缺失致使学术研究与实践应用均存在显著差距，导致管理者缺乏可靠工具以衡量其AI在SCM中的应用准备度，也使研究人员缺乏经证实的工具来探究AI对SCM绩效的影响。故而，亟需一种经验证的、专门针对SCM的AI成熟度模型（CMM），以弥合理论与实践之间的裂痕。
论文架构
本论文架构安排如下。第2章对AI在供应链领域的应用、SCM环境的复杂性及所提出的AI-SCM能力成熟度模型（AI-SCM CMM）的概念基础进行了全面的文献梳理。第3章阐述了模型构建与成熟度逻辑的理论基础及指导视角（如组织信息处理理论（OIPT）、资源基础观（RBV）、动态能力及相关能力框架）。第4章详述了研究方法，该方法基于设计科学研究（DSR），并通过德尔菲专家验证法执行，涵盖参与者甄选、迭代轮次及数据收集流程。第5章报告了AI-SCM CMM的设计与开发，包括维度、成熟度级别及指标的定义，以及将这些要素转化为评估工具的过程。第6章描述了AI-SCM CMM评估工具及其测量结构的开发与配置。第7章在组织场景中演示并评估了所提出的模型与工具，包括对由此产生的成熟度概况及实用决策支持见解的分析。第8章探讨并阐释了评估结果及其意义，包含对模型贡献与局限性的反思。第9章对论文进行了总结，综合了研究发现，阐述了贡献，指出了局限性，并提出了未来研究展望。
在第1章确立了研究议题、目标及论文范畴后，第2章综合了关于SCM中AI、成熟度模型以及论证和定位所提出的能力成熟度模型所需的理论基础的现有文献。