目的 本研究分析了在制造质量控制中，技术发展和组织适应在人工智能（AI）整合过程中的协调情况。设计/方法论/方法 本研究进行了为期九个月的案例研究，跟踪了一家重型车辆制造商的基于人工智能的异常检测整合。通过访谈、研讨会、观察和来自1,658个传动轴测试的传感器数据收集数据。发现 AI模型的异常检测效果比传统方法提高了12-37%。然而，核心发现是，AI不能作为局部附加。不成功的整合需要系统级协调，这通过双重计划-执行-检查-行动（PDCA）框架作为并行迭代学习周期得以实现。该结构同步了技术发展与组织适应。它确保了基于物理的验证、以用户为中心的界面设计和持续的跨职能合作。研究的局限性/启示 本研究分析了在开发和初步部署阶段，跨职能协调如何影响技术设计和组织准备。尽管AI整合文献通常将技术发展和组织因素分开处理，但本研究表明在开发过程中必须通过明确的协调机制同时管理它们。未来的研究应考察不同AI应用和组织环境下的系统协调要求如何变化，并应调查长期运营可持续性。实践启示 成功的AI整合依赖于系统协调，这通过双周期框架促进了并行的技术和组织发展。公司应优先考虑弥合数据科学与制造工程之间差距的协调机制。独创性/价值 本研究将“系统协调”确定为一个独特特征，其中技术和组织变革不能顺序进行，而是需要在开发过程中进行并行管理。双重PDCA周期框架为管理这种协调提供了机制。研究还展示了在人机协作中保持人类自主权益的设计原则，同时利用人工智能能力。
Leberruyer等（Mon，）研究了这个问题。