XiaoMi-AI文件搜索系统
World File Search SystemZenger
PCEF 2024为气候合作
我们愿景是在2019年11月在Zenger Farm的办公室谷仓上层房间中建立波特兰地区食品的协调努力。Zenger联合指导者Rob Cato和Colleen Dixon会见了不断发展的花园的Jason Skipton，饥饿的饥饿量不佳的Adam Kohl，以及其他致力于粮食正义的领导人，以集思广益的方式来集思广益，基于食品的社区组织可以共同努力，以便现在可以为边缘化社区更加有效，同时还可以为他们提供良好的良好状态。每个组织在社区食品体系内创造能力方面都在大量投资，但意识到每个组织都单独缺乏满足全面需求范围的能力。出现的愿景是作为一项合作而联合起来，共同努力，以增强的生态和气候服务来释放再生农业的丰富生产力，以使气候变化更加有弹性，增长更好的粮食，增加社会资本，创造新的经济机会，并减少社区粮食不安全。然后在几个月内，大流行就发生了，每个组织都被抛弃了，紧急填补了社区的直接需求。
陪审团指示 高级刑事诉讼程序 北卡罗来纳司法学院
关于陪审团作用的开场白 刊登于 2012 年 1 月 1 日的《纽约时报》 陪审团无效裁决 致编辑：关于“陪审员需要知道他们可以说不”，保罗·巴特勒（12 月 21 日专栏）： 具有讽刺意味的是，联邦检察官起诉了美国公民朱利安·P·海克伦，原因是他在曼哈顿美国法院外散发小册子，称陪审员如果不同意法律可以无视法律，并鼓励他们根据良心作出裁决。 对于发动美国革命的那一代人来说，陪审团审判之所以受到重视，正是因为陪审团可以保护被告免受政府的越权行为的侵害。 1735 年，在殖民地纽约对约翰·彼得·曾格 (John Peter Zenger) 的审判中，辩护律师提醒陪审团，他们“有权毫无争议地裁定法律和事实”。他们确实这么做了，宣判曾格因刊登有关政府的真相而被控煽动诽谤，法庭上挤满了人，他们为此欢呼不绝。我从未想过，向我的学生讲授这一争取新闻自由的里程碑式案件可能会被视为犯罪。约翰·V·奥思，北卡罗来纳州教堂山，2011 年 12 月 29 日 作者是北卡罗来纳大学的法学教授。
对Gibbons，Siegel和Weber的回应
1我们感谢战略科学主编Dan Levinthal，不仅要拥抱我们对本期特刊的愿景，而且还耐心地指导我们完成其发展的所有阶段。鉴于其跨学科的性质，这个特刊需要一个知识渊博且开放的客座编辑团队，他们可以从自己的纪律角度进行批判性评估手稿，但也寻求将不同的观点整合在文化上。我们感谢Bob Gibbons，Amir Goldberg，Mandy O'Neill，Lauren Rivera，Jordan Siegel，Roberto Weber和Todd Zenger与我们一起担任此特刊的客座编辑。
在数字世界中制定战略决策
本文建立了一个概念框架来分析数字化对企业的影响。它对战略管理，特别是所有权、治理、资本结构、创新管理和高层管理团队的人员配置具有广泛的影响。它还为各种有趣的趋势提供了理论依据，包括所有权集中度（Bebchuk & Hirst，2019 年）、所有权能力和代理权（Foss、Klein、Lien、Zellweger & Zenger，2021 年）、超级明星公司的出现（Autor、Dorn、Katz、Patterson & Van Reenen，2020 年）、超大规模（Adner、Puranam & Zhu，2019 年）、商业实验（Luca & Bazerman，2021 年）、收购招聘（Chatterji & Patro，2014 年）、战略招聘（Elfenbein & Sterling，2018 年）和多元化资本结构（Lemmon、Roberts & Zender，2008 年）。它提出了未来战略研究应集中精力研究学术研究和实践都感兴趣的问题的方法。
人工智能、人类认知和决策
† 与本文相关的论证已在博科尼大学、哈佛商学院、阿尔托大学和伊利诺伊大学香槟分校举办的战略科学“基于理论的观点”会议上提出。我们非常感谢众多参与者和听众的反馈，这些反馈帮助我们改进了论证。我们非常感谢 Gopesh Anand、Arnaldo Camuffo、George Ellis、Alfonso Gambardella、Pranav Gupta、Jared Hansen、Rosco Hunter、Sharad Jones、Stuart Kauffman、Jan Koenderink、Matt Kraatz、Karim Lakhani、Natalia Levina、Hila Lifshitz-Assaf、Jeff Loewenstein、Geoff Love、Jukka Luoma、Frank Martela、Mariano Mastrogiorgio、Joe Mahoney、Willie Ocasio、Samuli Reijula、Chris Rytting、Mari Sako、Jens Schmidt、Cirrus Shakeri、Olivier Sibony、Deepak Somaya 和 Todd Zenger 的反馈（或相关对话）。由于编辑和同行评审的反馈，本文也得到了很大的改进。
执行滥用市场支配地位条款的经济原则
1 本文基于为欧盟委员会竞争总司撰写的两份文件。此处列出的信息和观点均为作者的观点，并不一定反映委员会的官方意见。在没有牵连他们的情况下（在某些问题上，我们“同意不同意”），我们从与 Giulio Federico、David Kovo、Thomas Buettner、Lluis Saurí、Hans Zenger 以及竞争总司竞争政策经济咨询小组 (EAGCP) 成员（特别是 Giacomo Calzolari、Patrick Rey 和 Emanuele Tarantino）的讨论中受益匪浅。2 委员会的通报。委员会通报修正案——关于委员会在将《欧共体条约》第 82 条应用于占主导地位的企业滥用排他行为时的执法优先事项的指导。3 委员会通报 - 关于委员会在适用《欧共体条约》第 82 条对占主导地位的企业滥用排他性行为的执法优先事项的指导，OJ C 45，2009 年 2 月 24 日，第 7 页。
战略承诺、不确定性和经济绩效
战略制定从根本上讲就是做出选择（Ghemawat & Levinthal，2008；Porter，1986；Van Den Steen，2018）。因此，该领域的一个关键问题是，企业做出这些选择的决策方法是否会影响绩效（Gans 等人，2019）。这个问题在创业环境中尤其重要，因为战略制定者面临着多个领域的不确定性，从技术（Folta，1998；Gans＆Stern，2003；McGrath，1997）到市场偏好（Foss＆Klein，2012；Kirtley＆O'Mahony，2023；Sarasvathy，2009），并且不确定性的解决往往是行动的内生性（Agarwal et al.，2007；Moeen et al.，2020；Ott＆Eisenhardt，2020）。在此背景下，最近的研究强调了“科学决策方法”的重要性（Agarwal、Bacco 等人，2024 年；Camuffo 等人，2020 年；Camuffo、Gambardella、Messinese 等人，2024 年；Coali 等人，2024 年；Spina & Battaglia，2024 年；Valentine 等人，2024 年），这与科学家在开发新知识时遵循的方法类似（Zellweger & Zenger，2022 年）。这种方法提出了一个基本观点，即企业家为企业制定“价值理论”并用证据验证它（Agarwal、Bacco 等人，2024 年；Camuffo、Gambardella 和 Pignataro，2024 年）时，无论是在短期还是在长期（Coali 等人，2024 年），他们都会受益匪浅。然而，先前的研究忽略了一个基本方面：这种方法是否在企业商业模式发展的所有阶段都有效。在本文中，我们通过探索以下研究问题来解决这一重要差距：企业的商业模式发展程度是否会缓和科学决策方法对绩效的影响？我们将企业的商业模式发展程度定义为
人工智能和竞争优势的变化来源
人工智能（AI）使机器能够执行以前仅与人类思想相关的认知功能（Rai，Constantinides和Sarker，2019年）。管理学者认为AI改变了竞争优势的来源（Daugherty＆Wilson，2018年，第214页； Davenport＆Kirby，2016年，第204页），但就这种变化的发生方式提供了对比的观点。有人假设AI替代了人类的认知能力（Balasubramanian，Ye和＆Xu，2021年），例如，当机器取代了股票投资中的银行家（Noonan，2017年），代替人才招聘的管理人员（Noonan，2017年）（Chamorro-Premuzic，Polli，Polli，Polli和Dattner，2019年），并受到治疗的治疗。其他人认为，当银行家，经理和医生与机器合作进行公平投资（Marraion，2017年），人才招聘（Hook，2017年）和医疗治疗（Topol，2019年）时，AI的补充而不是替代人类的认知能力（Murray，Rhymer和Sirmon，2021），2021年）。基于资源的视图（RBV）描述了资源与竞争优势相关联的理论机制（Barney，1991）。它将人类的认知能力描述为重要的优势来源，因为这些功能是异质分布，供应量有限且难以模仿的。因此，当管理者将它们用于战略决策和解决问题时，这种功能会导致绩效差异（Helfat＆Peteraf，2015； Kunc＆Morecroft，2010）。RBV对AI采用如何影响决策的竞争优势的预测尚无定论。因此，AI有可能替代当AI替代人类的认知能力时，RBV期望这些能力提供给侵蚀的优势（Peteraf＆Bergen，2003年）。这是因为作为一种技术资源，AI的边际繁殖成本接近零，几乎没有模仿障碍（Brynjolfsson＆McAfee，2014年，第31页）。Conversely, if AI complements humans' cognitive capabilities, the RBV expects it to generate advantages (Argyres & Zenger, 2012), because, as a widely applicable technology, AI enables the creation of unique bundles of previously unrelated resources — such as physicians' expertise and AI's machine prediction (Agrawal, Gans, & Goldfarb, 2018, p. 108).这些不确定的预测来自AI的独特特征。与先前的技术相反，AI使机器能够自主学习和行动（Balasubramanian等，2021），这反过来允许这些机器在决策和解决问题中与人类相互作用（Murray等，2021年）。
在多层供应链中的直接和间接交易的理论理论
供应商。在这种情况下，买方对下层供应商的选择和管理的采购决策保持了一定程度的控制（Choi＆Linton，2011; Kay大，2013年）。在这种方法中，考虑到对低层供应商的控制，买方将需要在材料清单中分别分析每个外包产品的组件，并确定其需要保留哪种组件的采购来保留控制。有关多层供应链管理的文献强调了管理较低层供应链的重要性，产品质量，供应风险，创新和可持续性（Choi＆Linton，2011; Mena等，2013; Wilhelm et al。，2016）。这种不断增长的文献还提出了在多个供应链中发挥影响的不同机制（Choi，2023; Koberg＆Longoni，2019; Tachizawa＆Wong＆Wong，2014; Villena，2019）。尽管如此，就存在开发一个更简单，更具凝聚力的框架的机会。我们通过建立交易成本经济学（TCE）及其扩展，这是通过功能观点所构成的（例如Argyres＆Zenger，2012; Jain＆Thietart，2014; Ketokivi＆Mahoney，2020年）。但是，现有的TCE工作并未明确考虑交易的多层性质以及直接交易和间接交易之间的固有相互依赖性（Chae等，2019）。Williamson（1985）对交易的认同 - 作为“基本分析的基本单位”，交易 - 商品，服务或资产之间的交换激发了关于公司层面外包决策的大型和有见地的文献。尽管如此，由于任何给定的转移仅在长长的交易链中仅是一个链接（Yan等，2015），因此我们通过垂直分解沿供应链的传输来沿另一个方向发展该理论。通过断言TCE核心的交易包括一系列交织在一起的直接和间接交易，每个交易都需要一个单独但不是独立的治理决策，本研究旨在将有关供应链级交易的治理决策理论化。这项研究的理论框架在直接和间接交易的结论中区分了资产特异性和绩效歧义。因此，在这篇概念上的文章中，我们将TCE和多层供应链管理文献中的见解整合在一起，以回答以下研究问题：如何将TCE的关键前提扩展和修改为多层供应链的背景？将TCE扩展到多层供应链的上下文可以通过使他们能够应用结构化的决策过程来剖析和浏览多层供应链，从而为买家提供独特的实际利益。