基于最新研究的DX·IT投资执行和撤退判断方法 - IS Success Model·IT Business Value·Real Options·J-Curve·RBV/VRIO的综合方法 -

1. 前言

我平时与许多企业和政府相关人士进行沟通，最近我切身感受到越来越多的人对AI导入产生了浓厚兴趣。人们似乎对AI发展的速度感到了危机感。
然而，在推进这类DX项目时，不同企业和组织在如何进行投资判断、推进内部审批方面存在很大差异。
有些企业会设定KPI，通过反复进行POC来谨慎地验证导入效果，但另一方面，也有很多企业的导入决策是由高管直觉决定的。
虽然DX投资无法以100%的概率确保成功，但自Adam Smith在250多年前发表投资理论以来，到目前为止已积累了能够尽可能实现成功的思想和方法，然而我感到许多人并未充分活用这些知见。
在此，我想基于最新研究，整理DX投资的基本思想、投资判断框架以及实务性的方法。

2. 许多DX投资以失败告终

失败的数据和事例

DX和IT投资对现代企业来说是不可或缺的战略，但各种调查和研究表明，其中许多未能取得预期成果，以失败告终，这是严峻的现实。

• 仅有16%的企业取得完全成功 能够将DX举措与可持续业绩提升相结联的企业极其稀少，某项调查显示，数字变革"改善了业绩，并能长期维持这种变化"的企业占比仅为16%。此外，即使在高科技和电信行业，成功率也不超过26%，而在石油天然气、汽车、基础设施、制药等传统产业中，成功率甚至降至4～11%的严峻水平 (McKinsey & Company, 2018)。
• 约70%的变革未能实现目标，大量投资付诸东流 其他调查数据也指出，约70%的数字变革未能实现最初的目标。细看其构成，44%虽然创造了一定价值但未能达到目标、长期变化乏力，被列为"风险区"，而26%甚至只产生了目标50%以下的价值，完全未能带来可持续变化，被列为"危险区"。这导致所投入的资金、时间和组织努力蒙受巨大损失 (Boston Consulting Group, 2020)。
• "组织惯性"与"现有优势"阻碍变革的案例（柯达公司等） 企业过去成功的商业模式和核心能力（中核竞争力）往往反过来成为"核心僵化"，阻碍DX。最典型的例子就是柯达公司。面对数字摄影这一破坏性技术的浪潮，该公司被既有的优化生产流程和客户关系等结构性惯性所束缚，失去了进行根本变革的机会（2012年经营破产）。即使管理层理解数字的价值，根深蒂固于组织中的有形和无形资产也会成为绊脚石，导致投资无法取得成效，这是典型的失败案例 (Vial, 2019)。
• 技术偏重与"人的因素（员工抵触）"导致的中断 DX失败往往不是源于技术本身的问题，而是由于忽视了组织文化和人的因素（运营模式、流程、员工意识）。在引入新数字工具时，往往会遭遇员工想要维护现有业务流程的强烈阻力或"创新疲劳"。当变革的益处未能充分向一线部门展现，只沦为自上而下的技术导入时，就会招致现场反弹，新的工作方式无法得到推行，最终导致DX投资失败。许多文献都指出了这一点 (Boston Consulting Group, 2020; Vial, 2019)。

由此可见，DX和IT投资的失败并非源于技术本身的不成熟，而是组织文化、员工和中层管理者的心理抵触、对现有业务的执着等复杂的人力和结构因素产生的巨大影响。

失败的原因

虽然许多企业都在推进DX（数字变革）和IT投资，但其中大多数未能取得预期成果而告失败。失败的原因不仅涉及技术问题，而是深深植根于组织、心理和经济等方面。

• 对无形资产"互补投资"的缺失 在导入AI或新IT系统等通用技术时，仅投入购买硬件和软件等看得见的投资是无法创造真正价值的。新的业务流程构建、员工再教育、组织结构重设等"对无形资产的互补投资"是必不可少的。如果轻视这种互补投资及其必需的学习期间，就会陷入导入初期生产率反而下降的"生产率J曲线效应"，在取得成果之前就被判定为投资失败 (Brynjolfsson et al., 2021)。
• 不恰当的"治理"和项目管理松散 IT项目失败的大多数源于技术本身的缺陷，而是工数估算不足、有效的利益相关者管理缺乏、风险管理不充分等信息系统(IS)治理功能失效 (Schryen, 2013)。此外，经营管理层缺乏敏捷治理思维（灵活应对形势变化、迅速排除现场障碍的态度），无法恰当应对风险，这也是变革陷入困境的决定性因素 (Boston Consulting Group, 2020)。
• 组织惯性和"变革管理（变更管理）"失败 企业在过去成功中培养的优势，在环境变化时会成为"核心僵化"，产生阻碍变革的"组织惯性"。此外，在导入新数字技术时，试图维护既有权益的中层管理者（冻结的中间层）和因反复变化而产生创新疲劳的基层员工会产生强烈抵触。当应对这些心理和结构性壁垒的变革管理不足时，数字化无法在组织中扎根，最终以失败告终 (Boston Consulting Group, 2020; Vial, 2019)。
• 行为经济学揭示的"认知偏差"与投资判断的扭曲 在DX、IT投资的事前评估（如成本效益分析）中，人的认知偏差会扭曲判断、导致失败，这一点已被行为经济学研究所证实。例如，"可得性偏差"（只想起突出的事例）、"现状维持偏差"（偏好维持现状）、"乐观偏差"（对项目成果的预测过度乐观）等都会产生影响。此外，项目推进者为获得内部批准而有意低估成本、高估收益的"战略性偏差"也容易出现，导致非现实的计划下过度投资频繁进行 (Boardman et al., 2018)。

可见，DX和IT投资的失败并非源于技术不成熟，而是由投资评估时的心理偏差、缺乏互补性组织变革投资、现场抵触和治理缺失等复杂因素相互作用而引起。
下面，我们将整理为了避免这些失败所需的知见和方法。

3. 投资究竟是什么

首先，让我们从经济、金融、人力资本、公共政策等多个角度整理投资有哪些类型和方法。

• 微观经济学观点：异时间资源配置与消费优化 微观经济学中的投资被定义为牺牲当前消费、投入资源以提升未来收入或效用（满足度）的"异时间资源配置（何时、进行何种投资）"。奠定该领域基础的最优投资理论表明，投资者在"净现值（NPV）"最大化的点进行有生产力的实物投资，之后通过金融市场的资金借贷来优化自身消费时机，这就是"分离定理（可以分别考虑'投资决策'和'消费时机决定'）" (Hirshleifer, 1958)（但该理论以完全资本市场为前提，实际应用中需要进行调整）。
• 宏观经济学观点：物理资本积累与市场价值 在宏观经济学中，投资被视为为提升整个国家生产能力而进行的物理资本（机器、工厂、基础设施等）积累。凯恩斯论述了当新资本资产（机器、IT系统或不动产等）的预期收益（资本的边际效率、IRR）超过市场利率（从银行借入等额资金的利率）时，投资就会被执行 (Keynes, 1936)。此外，托宾(Tobin, 1969)的"q理论"解释了当企业市场价值（股票市值＋债务市场价值）超过既有资本再调达成本（重新建造相同企业的成本）的比率（q > 1）时，企业有强烈动机进行新的实物投资来扩大资本存量（当q > 1时企业投资自身，当q < 1时不进行新投资而收购现有企业。超级明星企业如Apple、NVIDIA、Microsoft等的q值达到5～10以上，因此积极进行自我投资）。
• 经营战略观点：不确定性下的灵活性与"实物期权" 在经营战略领域，投资旨在构建竞争优势或应对环境不确定性。特别是在IT和新业务投资中，一旦实施就难以收回的沉没成本（埋没费用）容易发生，因此"实物期权"的思想――即根据未来形势变化灵活地做出投资扩大或撤退决策的权利――变得极其重要 (Trigeorgis & Reuer, 2017)。此外，IT投资不仅仅是系统购买，而是被定位为提升组织的动态能力和灵活性、帮助适应环境变化的战略性资源配置 (Drnevich & Croson, 2013)。
• 金融观点：市场中"风险与收益"的追求 金融中的投资主要指对股票、债券等金融资产的资金配置。这里将投资定义为通过承担不确定性（风险）来追求相应收益（回报）的行为。市场参与者持有独特的"投资哲学（市场效率程度如何、股价错误定价为何发生、自身如何胜过他人、重视哪些风险）"，并基于此展开投资战略（价值投资、增长投资、套利交易等），以实现投资组合的优化 (Damodaran, n.d.)。
• 人力资本和无形资产的视角：「动态互补性」和生产率的「J曲线效应」 在现代经济中，投资对象已大幅转向物理设备之外的知识、技能和组织文化等「无形资产」。通过教育和培训进行的「人力资本」投资具有「动态互补性（早期投资提高后期投资的生产率本身。例如，基础更牢固的人员在追加投资中增长幅度更大。）」，即投资越早进行，后续学习效率和投资生产率就越高。这已被证实 (Heckman & Mosso, 2014)。此外，对IT和人工智能(AI)等新型通用技术的投资，必须伴随业务流程再设计和人才再教育等无形资产的补充性投资，才能发挥真实价值。因此，尽管导入初期会因学习和调整成本而导致生产率暂时下降，但长期来看会带来飞跃式增长，这被称为「生产率J曲线效应」(Brynjolfsson et al., 2021)。
• 公共投资视角：纠正「市场失灵」和最大化社会净效益 政府等实施的公共投资，不是为了追求私营企业的财务利润，而是为了最大化社会整体利益（社会剩余）。这是为了纠正环境问题或公共产品供应不足等「市场失灵」而实施的。投资评估采用「成本效益分析(Cost-Benefit Analysis: CBA)」，选择社会效益（人们的支付意愿金额）减去社会成本（机会成本）后「社会净效益(Net Social Benefit)」为正的项目作为社会上期望的投资进行实施 (Boardman et al., 2018)。

由此可见，投资不是单纯的资金支出，而是「为了创造未来价值或应对不确定性而进行的跨期资源配置」。从上述分析可以看出，DX和IT投资涉及微观经济、宏观经济、经营战略、人力资本等多个观点的投资。

4. 如何评估DX投资 

单纯的DX投资ROI评估存在局限性

在评估企业的DX和IT投资时，许多文献指出采用传统的单纯ROI（投资回报率）等静态财务指标进行评估存在很多局限性。

• 无形资产补充性投资和「J曲线效应」导致的初期低估 构成DX核心的AI、IT等通用技术(GPT)，仅通过实施系统无法产生价值，必须伴随业务流程重设和员工技能开发等「无形资产补充性投资」才能发挥真实效果。但由于无形资产的积累和学习需要时间，导入初期会出现成本先行、生产率暂时下降的「J曲线效应」。因此，短期ROI会导致未来飞跃式增长价值被严重低估 (Brynjolfsson et al., 2021)。
• 成果显现前的时间滞后（延迟效应）的存在 信息系统(IS)或数字投资实际作为财务成果或性能改进出现，到期间往往存在以组织适应和学习为伴的数年级的时间滞后(Lag effects)。这已被许多实证研究所证实。因此，在投资后的短期内测量ROI可能导致做出投资失败的错误判断 (Schryen, 2013)。
• 高不确定性下「实物期权（灵活性价值）」的缺失 传统的ROI或净现值(NPV)计算基于确定性的未来现金流预测。但在不确定性较高的DX投资中，初期进行小规模投资，能够根据形势变化灵活扩大、改变或撤回投资的权利（实物期权）本身就具有重大价值。这种「保留未来选择权」的战略灵活性价值，用单纯的ROI框架无法完全把握 (Drnevich & Croson, 2013; Trigeorgis & Reuer, 2017)。
• 多维度「净影响」和内部能力测量的困难性 DX投资的成功不仅限于直接的销售增加或成本削减等财务回报。决策质量的提升、敏捷组织文化的培养、客户和员工满意度的提高等定量困难的非财务性、无形性内部能力强化也是重要的成果。忽视这些因素的ROI评估会严重低估系统为组织和社会整体带来的综合净效益（净影响）(DeLone & McLean, 2016; Schryen, 2013)。
• 网络效应和生态系统价值创造基础的不适配 现代数字商业战略不仅追求自身业务效率提升，还致力于通过平台实现网络效应，以及与外部伙伴协作构建商业生态系统。这种超越企业边界、动态和指数级扩大的新价值创造机制，超出了仅衡量企业内投入资本对线性短期回报的传统ROI框架 (Bharadwaj et al., 2013)。

因此，由于DX投资涉及无形资产的长期积累、对环境变化的战略灵活性保护，以及通过网络构建新商业模式，单用ROI这一财务指标来准确衡量其价值存在本质限制。

DX投资成功的定义

企业DX和IT投资的成功不是仅凭新系统是否按计划导入这一单一维度来定义，而是用多维度、多层次的指标来定义。

• 财务和市场绩效的提升（获得经济价值） IT投资成功最具代表性和客观性的定义是企业ROI（投资回报率）、ROA（总资产回报率）、销售增长等财务指标的改善，以及股价和企业价值等市场绩效的提升。特别是在DX背景下，成功的数字领先企业相比落后企业的利润增长率要高1.8倍，企业价值增长率要高2倍以上，能否根据具体目标创造经济价值(Value)成为成功的重要标准 (BCG, 2020; Liang et al., 2010; Schryen, 2013)。
• 业务流程效率化和生产率提升（创造内部价值） 通过高质量系统和信息被用户适当利用而产生的内部价值也是成功的重要定义。具体包括成本削减、业务流程效率化和自动化、客户应对和决策快速化等。IT投资提升员工「生产率(Productivity)」，提高业务运营效率是运营层面的核心成功指标 (DeLone & McLean, 2016; Schryen, 2013; Vial, 2019)。
• 组织能力强化和「可持续变革」的定着 IT资源导入不仅仅是工具替换，还包括强化组织内部能力（流程协调和知识管理）和外部能力（与客户和供应商的关系构建）的成功。特别是在DX中，不是短期业绩提升，而是敏捷工作方式和数字心态在组织文化中定着，能够持续适应环境变化的「可持续变革(Sustainable change)」才被视为真正的成功 (BCG, 2020; Liang et al., 2010)。
• 通过新商业模式确立竞争优势 数字时代的成功由破坏现有框架的「新价值创造和获取」来定义。具体来说，通过产品/服务数字化、多边平台构建、海量数据和信息洞察的活用等，创新客户体验，建立独有的竞争优势或战略差异化是数字商业战略成功的重要标准 (Bharadwaj et al., 2013; Vial, 2019)。
• 创造从个人到整个社会「净影响（净效益）」 信息系统的成功始于个人用户满意度或职务绩效的提升，但其影响逐步扩大。最终成功的定义是IT投资不仅为个人、工作组、组织带来利益，还对消费者福利提升、市场效率化、新就业创造等产业乃至整个社会带来积极的「净影响(净效益：Net Impacts / Net Benefits)」，这是最广义的定义 (DeLone & McLean, 2016)。

因此，DX和IT投资的成功不仅限于短期财务回报，还包括业务效率改善、组织变革能力、新商业模式构建，以及对社会的积极影响等综合价值（净影响）的创造来定义。

适当的DX投资评估方法

为了适当评估企业的DX和IT投资，需要使用多维度、长期的框架，而不仅依赖短期财务指标（如ROI）。

• 基于「IS成功模型」的多维度评估 用「按预算完成导入」等单一标准来衡量信息系统成功是不恰当的。在DeLone和McLean的「IS Success Model」中，系统评估应该涵盖技术性「系统品质」、产出的「信息品质」、IT部门等的「服务品质」这三个品质维度，以及用户「使用」、「用户满意度」和最终「净效益(Net Impacts)」这六个相互关联的维度进行综合评估。不依赖单一指标，而是将这些多个观点结合起来进行多角度评估是重要的。(DeLone & McLean, 2016; Petter et al., 2008)
• 「IT业务价值」中的分层和情景化评估 在评估IT投资如何产生业务价值（IT Business Value）时，假设投资立即带来企业财务成果是危险的。许多研究支持的流程导向评估模型表明，IT投资首先改善「流程绩效」如业务快速化和客户服务改善，其次作为媒介波及最终的「企业组织绩效（财务和市场成果）」，要求进行分层评估。此外，由于这些成果受企业、行业、国家等环境因素影响很大，需要进行考虑情景的评估设计。(Schryen, 2013)
• 基于RBV（资源基础观）的"组织能力"评估 从资源基础观（RBV）的角度看，IT资源本身并不能直接产生财务回报，而是通过IT提升组织的"能力"才能改善绩效。因此，在评估时，不仅要评估系统实施本身，更要衡量组织内部知识共享等"内部能力"以及市场适应能力等"外部能力"得到了多大程度的强化。（Liang et al., 2010）
• "J曲线效应"与时间差（滞后期）基础上的长期评估 为了评估DX投资的真实价值，必须考虑从投资到成果显现的"时间差（Lag effects）"。在实施AI等新型通用技术（GPT）时，由于需要进行业务流程重设和员工培训等无形资产的补充投资，导入初期生产率会暂时下降，随后会飞跃式提升，出现"生产率的J曲线效应"。短期测量存在低估投资价值的风险，因此应在评估中纳入长期价值创造的视角。（Brynjolfsson et al., 2021; Schryen, 2013）
• 不确定性下通过"实际期权"进行灵活性评估 在变化快速、不确定性高的环境下进行DX投资时，从小规模投资开始，根据情况学习灵活调整投资扩大或撤出决策权（实际期权）本身就具有重大价值。除了基于传统确定性现金流预测的NPV（净现值）和ROI评估外，还应加入"保留未来选择权、在抑制下行风险的同时把握上升机会的战略灵活性价值"的考量。（Trigeorgis & Reuer, 2017）

因此，恰当的DX投资评估不能仅限于短期财务回报的测定，而需要从"多个角度"——系统质量、流程改善、组织能力强化和战略灵活性确保——以长期视角进行综合评估。

5. DX投资判断与实施框架的活用方法

DX投资的决策应设计为阶段门槛式（满足条件即进行下一步）依次通过5个模板，这在学术和实务上最为一致。按RBV/VRIO→IT Business Value→Real Options→J-Curve→IS Success Model的顺序展开检讨。
利用Excel等检查表推进判断，可在互联网上搜索模板，或用AI生成。

A. 战略层级筛选：RBV/VRIO

目的

• 检讨投资理由和战略意义

执行步骤

1. 明确目标DX投资培养和强化的能力
2. 用VRIO框架对V/R/I/O各项以1～5分评估
3. 根据VRIO分析结果判定竞争优势状态（劣势/均衡/暂时优势/潜在优势/可持续优势）
4. 在"动态能力"表中确认Sensing/Seizing/Transforming得分
5. 掌握战略重要性与VRIO当前差距，确认推荐行动

通过条件

• 被分类为"可持续竞争优势"或"未开发潜在优势"，或虽处竞争劣势但"战略重要性4分以上"被判定为必须建设
• 对动态能力3个维度中的任何一个有明确贡献

不通过情况

• "竞争均衡"——作为效率投资（成本削减目的）而非战略投资，单独列支预算
• "劣势+战略重要性低"——不实施投资

B. 因果机制设计：IT Business Value

目的：检讨价值产生的因果路径和前提条件
执行步骤：

1. 对3个层级（自身/竞争/宏观）的促进和阻碍要素以1～5分评估
2. 诊断IT资源（技术+人员）和补充性组织资源的准备度
3. 为受流程改善影响的业务流程设定改善目标
4. 使资源→流程→组织成果的因果链可视化
5. 定义流程成果和组织成果KPI

通过条件：

• 自身文脉平均分3.5以上（无强阻碍因素）
• IT资源和补充资源准备度均3分以上
• 投资集中在业务流程改善重要度总计高的领域
• 加权综合得分3.0以上

不通过的典型情况：

• 补充性组织资源（流程、文化、KPI）准备度低——重新设计为包含补充投资的方案包
• 文脉评估自身得分低——优先进行经营承诺和治理整备
• 因果路径表述为"装了IT就会有事"的水平，缺乏具体性——企划重新提交

C. 不确定性下的评估与投资形式决定：Real Options

目的：检讨不确定性下投资实施的时期
执行步骤：

1. 选择投资类型（延期/阶段投资/扩大/撤出/转换）
2. 估算参数：S（成功时CF的PV）、K（投资额）、T（决策猶豫期）、σ（不确定性）
3. 简单评估用Black-Scholes模型；PoC→正式展开等复杂多阶段决策用二项模型
4. 通过敏感性分析确认对σ和T的敏感度

判断规则：

• 期权溢价 > 0且扩展NPV > 静态NPV——延期或阶段投资更优
• 阶段投资ROV的期权溢价 > PoC投资额——建议实施PoC
• σ高 × T长——等待的价值大

D. 长期效果模拟：J-Curve

目的：掌握效果显现的时期和谷底的深度
执行步骤：

1. 设定投资期间（5～10年）、滞后期（无形1～3年、计测1年）、衰减率（约15%）和效果倍数
2. 输入计测投资和无形投资（流程、人才、组织、数据）的年度计划
3. 确认累积净额、折现现金流和NPV
4. 可视化J曲线的谷底深度和恢复时期
5. 设定通过中间KPI监测来计量无形资产积累的KPI（流程标准化率、DX人才数、数据量等）

向经营层解释的示例用法：

• "第3年底累积净额为负。但这正是Brynjolfsson-Rock-Syverson (2021) AEJ:Macro所示的J曲线，无形资产积累后第4年起转为正值"
• "如果中间KPI按计划积累，财务效果延迟显现在学术上是有根据的"

E. 实施监测与改善：IS Success Model

目的：掌握实施进展状况
执行步骤：

1. 在基准期（投资前）、导入直后（3个月）、定着期（6～12个月）三个时点实施调查
2. 从现场用户10～30名、IT及责任部门负责人处收集回答（①系统质量、②信息质量、③服务质量、④使用、⑤用户满意度、⑥净效益的5段评级）
3. 用6维雷达图可视化偏差
4. 继续追踪净效益KPI

短期评估与长期评估的维度区分：

• 短期（3～6个月）：查看①系统质量、②信息质量、③服务质量、④使用
• 长期（12～24个月）：查看⑤用户满意度、⑥净效益

6. 结语

通过这种方式，DX和IT导入项目往往凭主观判断或简单ROI做决策，而采用多角度评估推进则能提高成功概率。

本稿的课题在于，五个框架的整合内容虽然具有全面观点，但作为框架来说分析耗时较多。为了让更多人易于使用，可考虑开发简化版，这可作为今后的课题来推进。

参考文献

1. Acemoglu, D., & Johnson, S. (2023). Power and progress: Our thousand-year struggle over technology and prosperity. 概要：从历史和政治经济学角度论述技术发展和自动化对劳动力市场和不平等的影响的著作。
2. Aghion, P., Akcigit, U., & Howitt, P. (2014). What do we learn from Schumpeterian growth theory? Handbook of Economic Growth. 概要：系统总结了以创造性破坏为核心的熊彼特型经济增长理论的基础到实证的知见的论文。
3. Agrawal, A., Gans, J., & Goldfarb, A. (Eds.). (2019). The economics of artificial intelligence: An agenda. University of Chicago Press. 概要：将AI定位为通用技术（GPT），多角度探讨其对经济增长、就业、不平等和规制的影响的研究议程。
4. Akerlof, G. A., & Shiller, R. J. (2009). Animal spirits: How human psychology drives the economy, and why it matters for global capitalism. Princeton University Press. 概要：从行为经济学视角解释人类心理因素（动物精神）如何引发宏观经济波动和金融危机的著作。
5. Boston Consulting Group. (2020). Flipping the odds of digital transformation success. 概要：分析提高企业DX投资成功率的实践因素和失败根本原因的实务报告。
6. Bharadwaj, A., El Sawy, O. A., Pavlou, P. A., & Venkatraman, N. (2013). Digital business strategy: Toward a next generation of insights. MIS Quarterly, 37(2), 471-482. 概要：提出IT与商业战略融合的"数字商业战略"概念，并从规模和速度等角度整理的论文。
7. Bloom, N., Floetotto, M., Jaimovich, N., Saporta-Eksten, I., & Terry, S. J. (2018). Really uncertain business cycles. Econometrica, 86(3), 1031-1065. 概要：分析宏观微观层面不确定性对景气循环的影响，揭示不确定性上升导致生产率下降的机制的论文。
8. Boardman, A. E., Greenberg, D. H., Vining, A. R., & Weimer, D. L. (2018). Cost-benefit analysis: Concepts and practice (5th ed.). Cambridge University Press. 概要：全面涵盖用于公共投资和项目评估的"成本效益分析（CBA）"理论、概念和实践方法的综合教科书。
9. Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. 概要：生成AI的引入对员工生产率的影响（特别是低技能劳动力的业绩提升）进行了实证研究的论文。
10. Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333-372. 概要：AI等通用技术的引入需要对无形资产进行补充投资，实证了导致初期生产率下降和长期改善的"J曲线效应"的论文。
11. Damodaran, A. (n.d.). Investment philosophies. 概要：基于市场低效性和投资者行为特性，解释了各种投资哲学和战略（价值、增长、时机等）的机制的资料。
12. DeLone, W. H., & McLean, E. R. (2016). Information systems success measurement. Foundations and Trends in Information Systems, 2(1), 1-116. 概要：讨论了广为人知的IS成功模型（D&M模型）的演进，以及信息系统的质量、利用、净效益等多维度测量的专著。
13. Drnevich, P. L., & Croson, D. C. (2013). Information technology and business-level strategy: Toward an integrated theoretical perspective. MIS Quarterly, 37(2), 483-509. 概要：从多个理论视角（RBV、实物期权等）综合构建了IT投资与业务战略的关系的论文。
14. Enholm, I. M., Papagiannidis, E., Mikalef, P., & Krogstie, J. (2022). Artificial intelligence and business value: A literature review. Information Systems Frontiers, 24(5), 1709-1734. 概要：系统地评述了现有文献，关于组织中AI导入如何创造业务价值，并提出了研究议程的论文。
15. Fisher, I. (1930). The theory of interest. 概要：为现代投资及利率理论奠定基础，论述了异时点间资源配置、时间偏好和基于投资机会的"分离定理"等的经典名著。
16. Hassler, J., Krusell, P., & Olovsson, C. (2016). Environmental macroeconomics. In Handbook of Macroeconomics (Vol. 2). 概要：运用综合评估模型（IAM）等方法分析气候变化与宏观经济的关系，汇总了环保问题的经济学评估方法的文献。
17. Heckman, J. J., & Mosso, S. (2014). The economics of human development and social mobility. Annual Review of Economics, 6, 689-733. 概要：阐明了幼少期环境和人力资本早期投资对其后学习和技能形成所产生的"动态互补性"机制的劳动经济学论文。
18. Hirshleifer, J. (1958). On the theory of optimal investment decision. Journal of Political Economy, 66(4), 329-352. 概要：在最优投资决策中，精准化了展现净现值（NPV）最大化与消费偏好分离的Fisher分离定理的经典论文。
19. Keynes, J. M. (1936). The general theory of employment, interest and money. 概要：奠定宏观经济学基础，论述了基于未来不确定性和资本边际效率的投资决策及动物精神作用的历史性著作。
20. Kundisch, D., & Meier, C. (2011). IT/IS project portfolio selection in the presence of project interactions: Review and synthesis of the literature. Wirtschaftsinformatik Proceedings 2011. 概要：系统化了多个IT项目之间的相互作用（技术性、效益性、资源性等）对组合选择的影响文献的论文。
21. Liang, T. P., You, J. J., & Liu, C. C. (2010). A resource-based perspective on IT and firm performance: A meta analysis. Industrial Management & Data Systems, 110(8), 1150-1177. 概要：从基于资源的观点（RBV）出发，对IT资源如何提升组织能力并影响企业业绩进行元分析的实证论文。
22. Challapally, A., Pease, C., Raskar, R., & Chari, P. (2025). The GenAI divide: State of AI in business 2025. MIT NANDA. 概要：分析了企业生成AI导入中许多组织未能实现生产运行或规模扩展的"GenAI分化"现状及其原因的报告。
23. McKinsey & Company. (2018). Unlocking success in digital transformations. 概要：分析了DX成功率低的原因，以及成功企业所共有的组织文化、领导力和敏捷变革管理因素的报告。
24. Petter, S., DeLone, W. H., & McLean, E. R. (2008). Measuring information systems success: Models, dimensions, measures, and interrelationships. European Journal of Information Systems, 17(3), 236-263. 概要：基于D&M的IS成功模型，对180多项实证研究进行定性评述，验证了系统质量和净效益等构成概念间的关系性的论文。
25. Schryen, G. (2013). Revisiting IS business value research: What we already know, what we still need to know, and how we can get there. European Journal of Information Systems, 22(2), 139-169. 概要：总结了关于IT业务价值的既往研究，提示了无形资产评估、滞后效应、组织能力等今后研究方向的论文。
26. Schumpeter, J. A. (1934). Theorie der wirtschaftlichen entwicklung [The theory of economic development]. 概要：论述了新组合、创新和企业家角色如何推动经济发展和景气循环的"经济发展理论"古典著作。
27. Tobin, J. (1969). A general equilibrium approach to monetary theory. Journal of Money, Credit and Banking, 1(1), 15-29. 概要：运用企业市场价值与既有资本重置成本比率的"托宾q"来解释宏观经济中实物投资决策机制的论文。
28. Trigeorgis, L., & Reuer, J. J. (2017). Real options theory in strategic management. Strategic Management Journal, 38(1), 42-63. 概要：运用强调灵活性价值的"实物期权理论"论述了高不确定性环境下企业战略决策的评述论文。
29. Vial, G. (2019). Understanding digital transformation: A review and a research agenda. Journal of Strategic Information Systems, 28(2), 118-144. 概要：评述了数字化转型（DX）相关文献，模型化了数字技术对组织结构和价值创造流程影响的论文。