SMJ：员工流动性如何影响企业对新技术的采用？以机器学习为例

本期推荐一篇最新发表在SMJ上的论文《员工流动性如何影响企业对新技术的采用？以机器学习为例》。随着技术的快速发展，机器学习已成为众多企业提升竞争力的关键工具。然而，技术采纳往往需要大量的企业投入，包括员工培训和业务流程的创新。这就引出了一个重要问题：如果企业培养的技术员工容易流动，尤其是离职后可能带着关键技能加入竞争对手，企业还会愿意进行这些技术投资吗？该研究旨在探索这种员工流动性对企业技术采纳决策的影响。

为了解答这一问题，研究利用了美国各州非竞争协议（NCA）执行力度的变化作为外生冲击。NCA是一种限制员工离职后加入竞争对手企业的协议，不同州的NCA执行力差异为研究提供了一个自然实验的机会。具体来说，研究通过分析2010年至2018年间NCA执行力度的变化，观察员工流动性变化对企业是否采纳机器学习技术的影响。研究使用了美国153,000多家企业的面板数据，构建了两阶段差分模型，分析了NCA的执行变化与机器学习采纳之间的因果关系。企业的技术采纳情况通过其是否使用了包含机器学习功能的商业分析软件来衡量，并控制了企业规模、行业特征、地区经济等多个因素。

研究发现，随着NCA执行力度的减弱（即员工流动性增加），企业采纳机器学习的可能性显著下降。尤其是在需要大量技术人员支持的大型企业中，这一影响更加显著。研究表明，当员工流动性增加时，企业可能担心所培养的技术员工流失至竞争对手，从而减少对新技术的投资。这一现象在那些高度依赖机器学习的行业以及大城市尤为突出，因为这些环境下企业更容易受到竞争对手的威胁。总的来说，员工流动性对企业技术采纳决策产生了负面影响，特别是在新兴技术的早期应用阶段。

这项研究为理解技术采纳过程中的人力资本因素提供了新的视角，并为企业管理者在制定技术投资和人才管理策略时提供了实证依据。

论文原文：

SMJ，Volume 45 Issue 8，

How does worker mobility affect business adoption of a new technology? The case of machine learning

Ruyu Chen, Natarajan Balasubramanian, Chris Forman

唧唧堂学院推荐订阅

以下专栏及课程，安卓手机用户可通过下方小程序链接订阅，苹果手机用户请通过文末“阅读原文”链接访问唧唧堂学院H5页面订阅。

论文导读