盧向華/文 數(shù)字經(jīng)濟(jì)時(shí)代，人的角色正在發(fā)生變化。當(dāng)AI成為企業(yè)的新員工，人與AI的協(xié)同合作將逐漸成為生產(chǎn)過(guò)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(lèi)和AI之間又如何界定責(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，組織管理可以做些什么？

該領(lǐng)域的研究尚處于初步階段，大多數(shù)企業(yè)也仍在探索，成熟的相關(guān)研究較少。就目前筆者所了解的情況而言，人機(jī)協(xié)同中的組織管理可以歸納為三個(gè)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(hù)的異質(zhì)性會(huì)影響人機(jī)協(xié)作的效果。而不同任務(wù)的性質(zhì)也會(huì)對(duì)不同的人機(jī)協(xié)作模式，提出不同的要求。因此，組織需要根據(jù)任務(wù)的屬性，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，主要包含可計(jì)算性、主觀(guān)性及復(fù)雜性三個(gè)維度。

從可計(jì)算性維度看，如果任務(wù)本身需要大量計(jì)算，超出了人腦的處理能力，那么讓AI來(lái)主導(dǎo)可能會(huì)更有效。舉例來(lái)說(shuō)，規(guī)劃從地點(diǎn)A到地點(diǎn)B的路線(xiàn)時(shí)，人類(lèi)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(xiàn)；AI則可以枚舉所有可能路徑，并從中找出最優(yōu)解，效果更佳。

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

從復(fù)雜性維度看，復(fù)雜的決策場(chǎng)景需要考慮更多因素，關(guān)系也更加復(fù)雜。例如，在外賣(mài)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(lèi)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(huì)更有利。

舉例來(lái)說(shuō)，最近的一項(xiàng)研究發(fā)現(xiàn)，創(chuàng)意評(píng)價(jià)類(lèi)任務(wù)，相對(duì)模糊和主觀(guān)性更強(qiáng)，即使使用了具有理論支持的可解釋性人工智能，機(jī)器也無(wú)法模仿人類(lèi)專(zhuān)家的判斷，特別是在篩選出特別優(yōu)秀的創(chuàng)意方面。這樣的任務(wù)更需要由人類(lèi)來(lái)主導(dǎo)。

然而，如果所有的創(chuàng)意評(píng)價(jià)都由人類(lèi)專(zhuān)家完成，可能會(huì)導(dǎo)致案例過(guò)多，使專(zhuān)家感到枯燥和疲倦，從而影響他們的客觀(guān)判斷能力。

因此，這項(xiàng)研究提出了一個(gè)解決方案：可以先讓AI篩除那些低質(zhì)量的創(chuàng)意，減少專(zhuān)家的工作負(fù)擔(dān)和乏味感。這樣，專(zhuān)家就可以將更多精力集中在評(píng)估和篩選優(yōu)秀創(chuàng)意上。

復(fù)旦大學(xué)管理學(xué)院一位年輕老師也進(jìn)行過(guò)一個(gè)有趣的相關(guān)研究。他發(fā)現(xiàn)，在任務(wù)結(jié)果主要依賴(lài)于運(yùn)氣時(shí)，比如選課、抽卡娛樂(lè)、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?yàn)槿藗冋J(rèn)為，AI的運(yùn)氣比人類(lèi)更好，更有可能帶來(lái)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，人們更傾向于選擇由人類(lèi)主導(dǎo)的系統(tǒng)來(lái)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(lèi)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，從傳統(tǒng)僅有社會(huì)人轉(zhuǎn)變?yōu)樯鐣?huì)人與AI機(jī)器人的組合。這種情況下，企業(yè)將面對(duì)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。目前已有不少研究發(fā)現(xiàn)，在與AI合作之后，員工對(duì)公平性的感知和情緒都會(huì)發(fā)生很大變化。

例如，智能審計(jì)的引入可能會(huì)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(jī)效。在這種背景下，許多組織行為學(xué)領(lǐng)域的學(xué)者開(kāi)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(guò)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(shí)管理系統(tǒng)后，如何適應(yīng)工作的變化。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。

第一種是效益最大化機(jī)制，員工會(huì)最大程度地利用AI來(lái)提高自己的認(rèn)知能力，從而提高工作績(jī)效。第二種是干擾最小化機(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(jī)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(jī)效提升速度最快；采用干擾最小化策略的老員工，其績(jī)效相對(duì)也表現(xiàn)不錯(cuò)。

因此，前述建議企業(yè)在引入這樣的AI系統(tǒng)之后，應(yīng)該著力鼓勵(lì)新員工更多地采用效益最大化的機(jī)制來(lái)應(yīng)對(duì)AI系統(tǒng)。換言之，鼓勵(lì)他們利用AI學(xué)習(xí)新知識(shí)，以提高工作績(jī)效。對(duì)于那些已經(jīng)熟悉原有工作流程的老員工，組織應(yīng)該幫助他們通過(guò)AI來(lái)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(lái)的干擾。

與此相關(guān)的另一個(gè)話(huà)題是，在人機(jī)合作過(guò)程中，員工工作技能的變化管理問(wèn)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)，理論上的人類(lèi)就可以轉(zhuǎn)而從事一些更具有意義、更需要?jiǎng)?chuàng)造性的工作，以促進(jìn)員工技能的提升。我們將這個(gè)現(xiàn)象稱(chēng)為“AI導(dǎo)致的技能提升”。

舉例來(lái)說(shuō)，對(duì)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(cuò)誤上。然而，對(duì)于某些知識(shí)型員工來(lái)說(shuō)，AI并不一定會(huì)促進(jìn)技能的提升，反而可能導(dǎo)致一種“去技能化”的趨勢(shì)。

2023年一項(xiàng)研究顯示，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(dòng)手能力。

現(xiàn)在住院醫(yī)生需要采取不同于以往的方式，來(lái)提高自己的動(dòng)手能力。某位醫(yī)生學(xué)者就提出過(guò)一個(gè)影子學(xué)習(xí)的方法，通過(guò)盡早專(zhuān)業(yè)化、抽象演練和監(jiān)督實(shí)踐的方法來(lái)培養(yǎng)醫(yī)師的動(dòng)手能力。

任務(wù)失敗時(shí)，人與AI誰(shuí)來(lái)負(fù)責(zé)

除了激勵(lì)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(duì)企業(yè)而言一個(gè)更大的挑戰(zhàn)是，如何對(duì)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)，到底誰(shuí)來(lái)承擔(dān)責(zé)任。

此前關(guān)于無(wú)人駕駛車(chē)出車(chē)禍之后的責(zé)任問(wèn)題，就曾引發(fā)廣泛的討論。主流觀(guān)點(diǎn)認(rèn)為，AI系統(tǒng)本質(zhì)上是機(jī)器，無(wú)法承擔(dān)法律責(zé)任，因此問(wèn)責(zé)對(duì)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(lái)越高后，AI在一定程度上可對(duì)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)任就成為一個(gè)備受關(guān)注的問(wèn)題。換句話(huà)說(shuō)，企業(yè)是否愿意主動(dòng)對(duì)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(jī)效。

不過(guò)，這一問(wèn)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(jiàn)。我們團(tuán)隊(duì)目前試圖在這方面展開(kāi)一項(xiàng)探索性的研究，研究的場(chǎng)景是互聯(lián)網(wǎng)醫(yī)療平臺(tái)。

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

我們希望通過(guò)這項(xiàng)研究，探索互聯(lián)網(wǎng)醫(yī)療平臺(tái)是否愿意為AI問(wèn)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(tái)的意愿。

我們計(jì)劃在兩個(gè)不同的場(chǎng)景下進(jìn)行研究，分別是純粹的AI問(wèn)診和AI與醫(yī)生混合問(wèn)診。我們將通過(guò)一定方式來(lái)調(diào)控患者對(duì)平臺(tái)承擔(dān)責(zé)任的感知，并檢驗(yàn)患者對(duì)平臺(tái)的信任度和使用意愿。在研究過(guò)程中，我們還會(huì)引入AI問(wèn)診和醫(yī)生問(wèn)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(wèn)診質(zhì)量承擔(dān)責(zé)任，并且患者認(rèn)為AI問(wèn)診更加客觀(guān)中立時(shí)，患者更愿意使用互聯(lián)網(wǎng)平臺(tái)的AI問(wèn)診功能。這項(xiàng)研究仍在進(jìn)行中，我們期待未來(lái)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(lèi)員工合作下的激勵(lì)和培養(yǎng)問(wèn)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(huà)，人類(lèi)與AI協(xié)作的理想境界可能是“各智其智、各盡其長(zhǎng)”，即充分發(fā)揮人類(lèi)與AI各自的優(yōu)勢(shì)，互相學(xué)習(xí)，從而提升人機(jī)協(xié)作的整體效能。

（作者系復(fù)旦大學(xué)管理學(xué)院信息管理與商業(yè)智能系教授、博士生導(dǎo)師）