earticle

영어

Purpose : This study investigates how AI-based demand forecasting affects firm performance in Chinese SMEs, focusing on the parallel mediating roles of inventory management efficiency and decision-making quality. Research design, data, methodology : A cross-sectional survey of 206 SMEs was conducted between June and July 2025. The research model was estimated using Structural Equation Modeling (SEM) and the PROCESS macro (Model 4) with 5,000 bootstrap resamples. Overall model fit was acceptable (χ²/df = 2.013, CFI = .971, TLI = .961, SRMR = .041, RMSEA = .070). Results : AI-based demand forecasting had significant positive effects on inventory management efficiency (β = .563, p < .001) and decision-making quality (β = .454, p < .001), but its direct effect on firm performance was not significant (β = .150, p = .101). Indirect effects were significant via both mediators—inventory management (B = 0.0935, 95% CI [0.0056, 0.1978]) and decision-making quality (B = 0.1716, 95% CI [0.0796, 0.2784])—indicating full mediation; the path through decision-making quality was approximately 1.8 times stronger. The model explained 32.4% of the variance in firm performance (R² = .324). Conclusions : Performance gains from AI-based demand forecasting arise primarily through organizational capabilities, particularly enhanced decision-making quality, rather than from technology adoption alone. Managers should complement AI deployment with processes that institutionalize data-driven decisions and disciplined inventory practices. Caution is warranted regarding generalizability due to the manufacturing-heavy, early-adopter sample; future research should broaden industry coverage and employ longitudinal designs.

한국어

본 연구는 중국 중소기업을 대상으로 AI 기반 수요예측이 경영성과에 미치는 영향을, 재고관 리 효율성과 의사결정 품질의 병렬 매개효과에 초점을 맞추어 실증적으로 분석하였다. 2025년 6–7월에 206개 기업을 대상으로 횡단면 설문을 실시하였으며, 구조방정식모형(SEM)과 PROCESS 매크로(Model 4, 부트스트랩 5,000회)를 활용해 모형을 추정하였다. 전체 모형 적합 도는 χ²/df=2.013, CFI=.971, TLI=.961, SRMR=.041, RMSEA=.070으로 수용 가능한 수준을 보였 다. 분석 결과, AI 기반 수요예측은 재고관리 효율성(β=.563, p<.001)과 의사결정 품질(β=.454, p<.001)에 유의한 정(+)의 영향을 미쳤으나, 경영성과에 대한 직접효과는 유의하지 않았다(β =.150, p=.101). 간접효과는 두 매개경로에서 모두 유의하였는데, 재고관리 경로의 효과는 B=0.0935(95% CI [0.0056, 0.1978]), 의사결정 품질 경로의 효과는 B=0.1716(95% CI [0.0796, 0.2784])로 확인되어 완전 매개가 성립하였고, 의사결정 품질 경로의 효과가 약 1.8배 더 강했 다. 본 모형은 경영성과 변동의 32.4%를 설명하였다(R²=.324). 이러한 결과는 기술 도입 그 자 체보다는, 특히 의사결정 품질의 고도화와 같은 조직 역량을 통해 AI 기반 수요예측의 성과 개선 효과가 주로 발생함을 시사한다. 따라서 관리자들은 AI 도입을 데이터 기반 의사결정의 제도화와 엄정한 재고관리 프로세스와 결합할 필요가 있다.