本文从买方—供应商关系出发，考察双方分别侧重人工智能自动化或智能决策时，不同导向组合与买方企业韧性之间的关系。研究发现，买方自动化与供应商智能决策、买方智能决策与供应商自动化两种交叉组合均呈正向匹配效应；双方共同强调自动化也与更高韧性相关，而双方共同强调智能决策的交互效应为负。进一步分析显示，在技术相似性较高或买方议价能力较强时，后一种负向关联较弱。文章把企业韧性的解释从单一企业的人工智能投入推进到买卖双方的能力组合，并区分自动化与智能决策两种功能导向，揭示相似性何时形成协调基础、何时可能带来协作摩擦。
【研究问题】
既有研究多从单一企业出发讨论人工智能投入，或分别考察买方与供应商的人工智能能力，较少分析双方能力如何组合。自动化侧重规则化执行，智能决策侧重预测和判断；两种导向的相似或互补，可能对应不同的协作方式。基于此，论文提出以下核心研究问题：
RQ：买方与供应商的人工智能自动化导向和智能决策导向如何匹配，不同组合与买方企业韧性有何关系？
【研究设计】
研究以2018—2022年中国A股上市企业形成的买方—供应商关系为对象，最终得到3,279条关系年度观测，涉及1,329家买方企业和1,195家供应商。买卖关系主要来自天眼查，并使用CSMAR和CNRDS数据交叉核对；企业年报的管理层讨论与分析文本来自Wind数据库，构造韧性指标所需的财务及经营数据来自CSMAR。
该研究的核心变量测量如下：
自变量：买卖双方的人工智能导向及其匹配。论文区分自动化导向与智能决策导向：前者强调以规则化系统替代重复任务、执行标准流程，后者强调利用数据学习、预测和实时感知辅助决策。研究从年报中筛选同时涉及人工智能与供应链的语句，形成170,992句候选文本；在人工标注3,000句并补充200句少数类别文本后，微调中文BERT模型识别两种导向。企业年度指标依据被识别的相关语句数量构造，并按论文所示公式取“1加语句数”的自然对数。研究分别测量买方和供应商的两种导向，再构造四种买卖双方导向交互项。
因变量：买方企业韧性。论文以营业收入、总资产、员工人数及材料等投入估计生产函数，从残差得到企业全要素生产率，并用相邻年度全要素生产率的变化衡量韧性。指标为正表示生产效率改善，为负表示生产效率恶化。
调节变量：技术相似性与买方议价能力。在扩展分析中，技术相似性依据买卖双方专利在国际专利分类类别上的重叠程度构造；买方议价能力以该买方销售额占对应供应商销售额的比重衡量，数值越高表示供应商对买方的依赖越强。
【研究发现】
（1）两种交叉导向组合均与买方韧性呈正向关联：买方侧重自动化、供应商侧重智能决策，以及买方侧重智能决策、供应商侧重自动化，其交互项在完整模型中均为正。按照论文的理论解释，前一种组合有助于将上游风险识别与下游标准化执行衔接，后一种组合则有助于把买方的预测判断转化为供应商的及时执行。
（2）当买方与供应商都侧重自动化时，双方导向的交互项也为正。共同依赖标准化流程和可衔接的执行规则，可能降低跨企业协调成本。不过，这一交互项在同时纳入四种组合的完整模型中仅达到10%的统计显著水平，证据强度需要审慎看待。
（3）当双方都侧重智能决策时，交互项为负；供应商智能决策导向较高时，买方智能决策导向与韧性之间的正向关系明显减弱。论文据此提出，双方各自依赖企业内部数据和目标进行分析，可能产生难以协调的建议，使相似的智能决策能力未能自动转化为协同收益。
【理论贡献】
本文的理论贡献主要体现在以下几个方面：
（1）既有企业韧性研究主要关注企业自身的人工智能投入，或将供应商能力视为独立的外部影响。本文将买方与供应商置于同一分析框架，说明企业韧性还取决于跨企业能力如何组合，从而为人工智能赋能的供应链韧性提供关系层面的解释。
（2）既有供应链人工智能研究常把人工智能能力作为单一概念。本文区分负责稳定执行的自动化导向与负责预测判断的智能决策导向，说明人工智能能力的价值受到双方功能分工的影响，细化了“技术对齐有利于绩效”的一般性认识。
（3）本文将匹配理论中的互补性与兼容性用于解释跨企业人工智能配置，并进一步区分两类相似性：共同强调自动化可能形成有利于协作的相似性，共同强调智能决策则可能加剧目标和判断上的冲突。这为理解伙伴相似性何时有益、何时不利提供了更明确的理论边界。
【研究启示】
本文的研究启示主要体现在以下几个方面：
（1）企业在选择供应商或推进数字系统对接前，应同时识别双方主要将人工智能用于何种功能。自动化可关注订单处理、补货排程与系统互通；智能决策可关注需求预测、扰动识别与决策支持。
（2）买方应结合自身导向评估供应商。自动化导向较强的买方可关注能够稳定配合流程执行、或提供适应性信息支持的供应商；智能决策导向较强的买方则应关注供应商能否及时、可靠地执行预测和决策所形成的业务信号。
（3）当买卖双方都高度依赖智能决策系统时，不宜只比较各自模型的分析能力。论文建议通过共享数据标准、可互操作的平台、明确的模型输入规则，以及清晰的数据共享和共同决策权责，减少系统输出不一致带来的协调困难。
【Abstract】
Purpose – Drawing on matching theory, this study examines how configurations of artificial intelligence (AI) capability orientations – automation and smartness – within buyer–supplier dyads influence buyer firm resilience.
Design/methodology/approach – We employ Bidirectional Encoder Representations from Transformers (BERT), a deep learning approach, to measure firms’ AI automation orientation and AI smartness orientation based on annual report disclosures. Using a sample of 3,279 buyer–supplier dyads from Chinese A-share listed firms between 2018 and 2022, we test our hypotheses with ordinary least squares (OLS) regression models.
Findings – The results show that complementarity-based configurations, specifically buyer automation combined with supplier smartness and buyer smartness combined with supplier automation, significantly enhance buyer resilience. A compatibility-based configuration in which both buyer and supplier emphasise automation also strengthens resilience. In contrast, the matching between buyer smartness and supplier smartness is negatively associated with firm resilience.
Originality/value – This research distinguishes between AI automation and smartness orientation and demonstrates how their configurations across buyer–supplier dyads generate compatibility, complementarity, or friction. By moving beyond firm-centred and monolithic views of AI, the study offers a novel framework for understanding when dyadic AI alignment enhances resilience and when it undermines it, providing actionable insights for AI-enabled supply chain management in disruption-prone environments.
【引用格式】
Liu, Y., Wang, Q. and Wu, Z. (2026), “Configurations of buyer–supplier AI orientations and firm resilience: a matching perspective”, International Journal of Operations & Production Management.
【原文链接】
https://doi.org/10.1108/IJOPM-01-2026-0024
声明：本文仅用于学术交流，原文版权归原作者和原发刊所有，转载请注明出处。
研究团队录制的《供应链金融》课程慕课在“学堂在线”正式上线
（点击图片即可获取课堂链接）
