文丨盧向華（復(fù)旦大學(xué)管理學(xué)院教授）

數(shù)字經(jīng)濟(jì)時(shí)代，“人”的角色正在發(fā)生新的變化。當(dāng)AI成為了企業(yè)的“新員工”，人與AI的協(xié)同合作將逐漸成為生產(chǎn)過程中的常態(tài)。當(dāng)碳基與硅基兩種智慧碰撞，如何摸索出新的協(xié)作模式以提升整體效率？如果人機(jī)協(xié)同的工作任務(wù)“搞砸”了，人類和AI之間如何界定責(zé)任？

與AI一起工作，需要最優(yōu)匹配模式

如果要讓人機(jī)協(xié)作的系統(tǒng)變得更好，組織管理上可以做什么？這一領(lǐng)域的研究尚處于初步階段，因?yàn)榇蠖鄶?shù)企業(yè)仍在探索中，成熟的研究較少。

就目前我們所了解的情況而言，人機(jī)協(xié)同中的組織管理可以歸納為三個主要方面：一是企業(yè)任務(wù)與人機(jī)系統(tǒng)的匹配管理；二是AI員工融入組織后，組織管理方式的調(diào)整；三是人和AI在系統(tǒng)中的責(zé)任管理。

首先，需要考慮的是工作任務(wù)與人機(jī)合作模式之間的匹配管理。

用戶的異質(zhì)性會影響人機(jī)協(xié)作效果，不同任務(wù)的性質(zhì)也會要求不同的人機(jī)協(xié)作模式。因此，組織需要根據(jù)任務(wù)的屬性來調(diào)整人和AI在具體任務(wù)中的比重。目前，大家普遍認(rèn)可的任務(wù)匹配管理模式主要有可計(jì)算性、主觀性及復(fù)雜性三個維度。

第一，可計(jì)算性維度。如果任務(wù)本身需要大量的計(jì)算，超出了人腦的處理能力，那么讓AI來主導(dǎo)可能會更有效。舉例來說，規(guī)劃從地點(diǎn)A到地點(diǎn)B的路線時(shí)，盡管人類可能有經(jīng)驗(yàn)，但只能從幾條已知路徑中選擇最優(yōu)路線，而AI可以枚舉所有可能路徑，從中找出最優(yōu)解，因此效果更佳。

第二，主觀性維度。如果任務(wù)具有較強(qiáng)的主觀性或需要靈活應(yīng)變，如醫(yī)療服務(wù)或餐飲服務(wù)，人類可能更適合扮演主導(dǎo)角色。

第三，復(fù)雜性維度。復(fù)雜的決策場景需要考慮更多因素，關(guān)系也更加復(fù)雜。例如，在外賣快遞調(diào)度系統(tǒng)或空間模擬計(jì)算等復(fù)雜任務(wù)中，人類很容易忽視相關(guān)因素，從而影響決策質(zhì)量，這時(shí)增加AI的比重可能會更有利。

舉例來說，最近的一項(xiàng)研究中發(fā)現(xiàn)，對于創(chuàng)意評價(jià)這類任務(wù)，由于其相對模糊和主觀性強(qiáng)，即使使用了具有理論支持的可解釋性人工智能，也無法模仿人類專家的判斷，特別是在篩選出特別優(yōu)秀的創(chuàng)意方面。因此，像這樣的任務(wù)更需要由人類來主導(dǎo)。

然而，如果所有的創(chuàng)意評價(jià)都由人類專家來完成，可能會導(dǎo)致案例過多，使專家感到枯燥和疲倦，從而影響他們的客觀判斷能力。因此，在這項(xiàng)研究中提出了一個解決方案：針對那些低質(zhì)量的創(chuàng)意，可以先讓AI進(jìn)行篩除，減少專家的工作負(fù)擔(dān)和乏味感。這樣，專家就可以將更多精力集中在評估和篩選優(yōu)秀創(chuàng)意上。

我們學(xué)院的一位年輕老師也進(jìn)行過一個相關(guān)的有趣的研究。他們發(fā)現(xiàn)，在任務(wù)結(jié)果主要依賴于運(yùn)氣時(shí)，比如選課、抽卡娛樂、盲盒消費(fèi)等，人們更傾向于選擇由人工智能提供服務(wù)。因為人們認(rèn)為，AI的運(yùn)氣比人類更好，更有可能帶來理想的結(jié)果。

然而，在理財(cái)、醫(yī)療等需要一定能力完成的任務(wù)上，我們更傾向于選擇由人類主導(dǎo)的系統(tǒng)來完成。這一發(fā)現(xiàn)在一定程度上證實(shí)了，企業(yè)需要為不同類型的任務(wù)匹配不同的人機(jī)協(xié)作系統(tǒng)。

AI讓工作技能提升還是喪失？

隨著AI的加入，企業(yè)員工的組成也從傳統(tǒng)的僅有社會人，轉(zhuǎn)變?yōu)樯鐣伺cAI機(jī)器人的組合。在這種情況下，企業(yè)需要面對新的管理挑戰(zhàn)，包括如何管理AI員工以及如何調(diào)整組織策略以適應(yīng)AI員工的加入。目前已有大量研究發(fā)現(xiàn)，在與AI合作之后，員工對公平性的感知和情緒都會發(fā)生很大的變化。

例如，智能審計(jì)的引入可能會導(dǎo)致員工感到焦慮和不安全，從而抑制其自主創(chuàng)新的意愿，進(jìn)而影響員工的績效。在這種背景下，許多組織行為學(xué)領(lǐng)域的學(xué)者開始研究，AI員工的引入如何影響員工的心理狀態(tài)、團(tuán)隊(duì)協(xié)作、領(lǐng)導(dǎo)力，以及人力資源的計(jì)劃、招聘、培養(yǎng)和管理過程。

在這里，我分享兩項(xiàng)最新的研究成果：這篇最新發(fā)表的研究，探索了員工在企業(yè)引入智能知識管理系統(tǒng)后如何適應(yīng)工作變化。研究發(fā)現(xiàn)，員工在與AI支持系統(tǒng)合作時(shí)，存在兩種適應(yīng)機(jī)制。

第一種：效益最大化機(jī)制，員工會最大程度地利用AI來提高自己的認(rèn)知能力，從而提高工作績效。

第二種：干擾最小化機(jī)制，AI破壞了員工原有的工作流程，導(dǎo)致員工感到角色沖突，進(jìn)而使得他們的績效受損。

研究進(jìn)一步分析發(fā)現(xiàn)，采用效益最大化策略的新員工其績效提升速度最快，而采用干擾最小化策略的老員工，其績效相對也表現(xiàn)不錯。

因此，論文建議企業(yè)在引入這樣的AI系統(tǒng)之后，應(yīng)該著力鼓勵新員工更多地采用效益最大化的機(jī)制來應(yīng)對AI系統(tǒng)。換言之，鼓勵他們利用AI學(xué)習(xí)新知識，以提高工作績效。對于那些已經(jīng)熟悉了原有工作流程的老員工，組織應(yīng)該幫助他們通過AI來調(diào)整自己的工作框架和流程，從而降低角色沖突，緩解AI所帶來的干擾。

與此相關(guān)的另一個話題是人機(jī)合作過程中員工工作技能的變化管理問題。一旦AI接管了計(jì)算性強(qiáng)、重復(fù)性、結(jié)構(gòu)化的任務(wù)，理論上我們?nèi)祟惥涂梢赞D(zhuǎn)而從事一些更具有意義、更需要創(chuàng)造性的工作，以促進(jìn)員工技能的提升。我們將這個現(xiàn)象稱為“AI導(dǎo)致的技能提升”。

舉例來說，對于程序員而言，在AI的輔助下，他們可以將更多時(shí)間用于思考程序的業(yè)務(wù)邏輯，而不是花費(fèi)大部分時(shí)間在修復(fù)程序中的錯誤上。

然而，對于某些知識型員工來說，AI并不一定會促進(jìn)技能的提升，反而可能導(dǎo)致一種“去技能化”的趨勢。

根據(jù)一項(xiàng)2023年的研究，醫(yī)生在使用診斷輔助系統(tǒng)后，其獨(dú)立診斷的準(zhǔn)確性明顯下降，因此AI輔助診斷系統(tǒng)的使用實(shí)際上導(dǎo)致了醫(yī)生的“去技能化”。

另一項(xiàng)研究也發(fā)現(xiàn)，手術(shù)機(jī)器人的引入大大減少了住院醫(yī)師實(shí)際操作訓(xùn)練的需求，從而降低了醫(yī)生的動手能力。

因此，現(xiàn)在住院醫(yī)生需要采取不同于以往的方式來提高自己的動手能力，某位醫(yī)生學(xué)者就提出過一個影子學(xué)習(xí)的方法，通過盡早專業(yè)化、抽象演練和監(jiān)督實(shí)踐的方法來培養(yǎng)醫(yī)師的動手能力。

任務(wù)失敗時(shí)，人與AI誰來負(fù)責(zé)？

除了激勵和培養(yǎng)員工以更好地適應(yīng)人機(jī)協(xié)同工作的環(huán)境之外，對企業(yè)而言，還有一個更大的挑戰(zhàn)，即如何對人和AI的責(zé)任進(jìn)行認(rèn)定。特別是當(dāng)服務(wù)失敗時(shí)，到底由誰來承擔(dān)責(zé)任？

之前關(guān)于無人駕駛車出了車禍之后的責(zé)任問題，引發(fā)了廣泛的討論。主流觀點(diǎn)認(rèn)為，AI系統(tǒng)本質(zhì)上是機(jī)器，無法承擔(dān)法律責(zé)任，因此問責(zé)對象應(yīng)該是系統(tǒng)背后的人或機(jī)構(gòu)。然而，也有研究認(rèn)為，當(dāng)算法透明度越來越高后，AI在一定程度上可對其所做的事情負(fù)責(zé)。

因此，當(dāng)人和AI共同完成任務(wù)時(shí)，企業(yè)如何分配相應(yīng)的責(zé)任就成了一個備受關(guān)注的問題。換句話說，企業(yè)是否愿意主動對AI的失敗負(fù)起責(zé)任，將影響到人機(jī)協(xié)作系統(tǒng)的采納和最終的績效。

不過，這一問題涉及法律、政策、技術(shù)以及相關(guān)管理研究，盡管有很多討論，但成熟可靠的研究實(shí)際上并不多見。

我們團(tuán)隊(duì)目前試圖在這方面展開一項(xiàng)探索性研究，研究的場景是互聯(lián)網(wǎng)醫(yī)療平臺。

隨著越來越多的互聯(lián)網(wǎng)醫(yī)療平臺采用生成式人工智能提供AI問診服務(wù)，平臺是否需要為AI問診的責(zé)任提供支持，成為一個非常有趣的研究話題。

我們希望通過這項(xiàng)研究探索互聯(lián)網(wǎng)醫(yī)療平臺是否愿意為AI問診服務(wù)承擔(dān)責(zé)任，以及這種決定如何影響患者使用平臺的意愿。我們計(jì)劃在兩個不同的場景下進(jìn)行研究，分別是純粹的AI問診和AI與醫(yī)生混合問診。我們將通過一定方式來調(diào)控患者對平臺承擔(dān)責(zé)任的感知，并檢驗(yàn)患者對平臺的信任度和使用意愿。在研究過程中，我們還會引入AI問診和醫(yī)生問診的感知中立性作為調(diào)節(jié)變量。

我們的理論假設(shè)是，在其他條件相同的情況下，當(dāng)AI愿意為問診質(zhì)量承擔(dān)責(zé)任，并且患者認(rèn)為AI問診更加客觀中立時(shí)，患者更愿意使用互聯(lián)網(wǎng)平臺的AI問診功能。這項(xiàng)研究仍在進(jìn)行中，我們期待未來能夠分享更多的成果。

綜上所述，我們建議企業(yè)根據(jù)不同任務(wù)匹配不同的協(xié)作模式，并重新思考AI員工和人類員工合作下的激勵和培養(yǎng)問題，以及做好AI系統(tǒng)的責(zé)任管理。

最后，借用“各美其美，美美與共”這句話，人類與AI協(xié)作的理想境界可能是“各智其智、各盡其長”，即充分發(fā)揮人類與AI各自的優(yōu)勢，互相學(xué)習(xí)，從而提升人機(jī)協(xié)作的整體效能。

（文章僅代表作者觀點(diǎn)。責(zé)編郵箱：yanguihua@jiemian.com。）