工人的流动性会影响新技术的采用

研究人员发现，增加工人流动性会对企业采用人工智能（AI）等新技术的能力产生负面影响。

研究小组认为，当工人具有更大的流动性时，企业面临更高的风险，即失去拥有实施新技术（包括机器学习）所需专业知识的熟练员工。

康奈尔庄臣商学院戴森应用经济与管理学院的彼得和斯蒂芬妮·诺兰教授克里斯·福尔曼（Chris Forman）是《工人流动如何影响企业采用新技术？机器学习的案例“，该文章于3月10日发表在《战略管理杂志》上。

合著者是斯坦福大学博士后研究员Ruyu Chen博士，21岁，以及雪城大学惠特曼管理学院教授Natarajan Balasubramanian。

机器学习对于寻求创新和改进流程的企业来说越来越重要，但这些先进技术的采用在很大程度上依赖于能够有效实施和利用它们的熟练工人。

在这项研究中，该团队使用了一个自然实验条件——州一级竞业禁止协议可执行性的变化——作为了解工人流动性如何影响技术采用的一种方式。竞业禁止协议限制员工在离开当前雇主后加入或创办竞争企业。通过对2010年至2018年间超过153,000个组织的调查，研究人员发现了重要的见解。

他们的研究结果表明，促进工人流动的变化与企业采用机器学习的可能性显着下降有关。这种下降取决于企业规模、全行业对预测分析的采用以及同一行业和地点存在大型竞争对手等因素。

福尔曼说：“在同一行业地点存在大型竞争对手的情况下，更强劲的结果表明，当工人有许多外部选择时，潜在采用者的流动性风险将更大。

在技术采用的早期阶段，员工通常通过采用企业资助的在职学习来获得这些技能。因此，技术工人离职的风险会削弱企业投资和采用新技术的动力。

该研究的框架和数据分析揭示了工人流动性在影响技术采用决策和业务创新方面的关键作用。它增加了先前研究的深度，这些研究探讨了人力资本与采用人工智能和机器学习技术之间的联系。

虽然该研究的重点是机器学习的采用，但它也指出了未来研究的途径。福尔曼说：“在其他技术传播的早期，公司需要进行针对特定技术的投资，以增加工人的人力资本，可能会出现类似的发现。

Sarah Magnus-Sharpe 是康奈尔庄臣商学院的公关和媒体关系总监。