人类与AI协作的理想境界可能是“各智其智，各尽其长”，从而提升人机协作的整体效能。
如果要人机协作的系统变得更好，组织管理上可以做什么？这一领域的研究尚处于初步阶段，就目前我们所了解的情况而言，人机协同中的组织管理可以归纳为三个主要方面：一是企业任务与人机系统的匹配管理；二是AI员工融入组织后，组织管理方式的调整；三是人和AI在系统中的责任管理。
首先，用户的异质性会影响人机协作效果，不同任务的性质也会要求不同的人机协作模式。因此，组织需要根据任务的属性来调整人和AI在具体任务中的比重。目前，大家普遍认可的任务匹配管理模式主要有可计算性、主观性及复杂性三个维度。
可计算性维度：如果任务本身需要大量的计算，超出了人脑的处理能力，那么让AI来主导可能会更有效。举例来说，规划从地点A到地点B的路线时，尽管人类可能有经验，但只能从几条已知路径中选择最优路线，而AI可以枚举所有可能路径，从中找出最优解，因此效果更佳。
主观性维度：如果任务具有较强的主观性或需要灵活应变，如医疗服务或餐饮服务，人类可能更适合扮演主导角色。
复杂性维度：复杂的决策场景需要考虑更多因素，关系也更加复杂。例如，在外卖快递调度系统或空间模拟计算等复杂任务中，人类很容易忽视相关因素，从而影响决策质量，这时增加AI的比重可能会更有利。
随着AI的加入，企业员工的组成也从传统的仅有社会人，转变为社会人与AI机器人的组合。在这种情况下，企业需要面对新的管理挑战，包括如何管理AI员工以及如何调整组织策略以适应AI员工的加入。
国际期刊《信息系统研究》最新发表的一篇研究探索了员工在企业引入智能知识管理系统后如何适应工作变化。研究发现，员工在与AI支持系统合作时，存在两种适应机制。第一种是效益最大化机制，员工会最大程度地利用AI来提高自己的认知能力，从而提高工作绩效；第二种是干扰最小化机制，AI破坏了员工原有的工作流程，导致员工感到角色冲突，进而使得他们的绩效受损。研究进一步分析发现，采用效益最大化策略的新员工其绩效提升速度最快，而采用干扰最小化策略的老员工，其绩效相对也表现不错。
因此，该论文建议企业在引入这样的AI系统之后，应该着力鼓励新员工更多地采用效益最大化的机制来应对AI系统。对于已经熟悉了原有工作流程的老员工，组织应该帮助他们通过AI来调整自己的工作框架和流程，从而降低角色冲突，缓解AI带来的干扰。
除上述话题之外，对企业而言，还有一个更大的挑战，即如何对人和AI的责任进行认定。特别是当服务失败时，到底由谁来承担责任？换句话说，企业是否愿意主动对AI的失败负起责任，将影响到人机协作系统的采纳和最终的绩效。我们团队目前试图在这方面展开一项探索性研究，探索互联网医疗平台是否愿意为AI问诊服务承担责任，以及这种决定如何影响患者使用平台的意愿。我们的理论假设是，在其他条件相同的情况下，当AI愿意为问诊质量承担责任，并且患者认为AI问诊更加客观中立时，患者更愿意使用互联网平台的AI问诊功能。这项研究仍在进行中，我们期待未来能够分享更多的成果。
借用“各美其美，美美与共”这句话，人类与AI协作的理想境界可能是“各智其智，各尽其长”，从而提升人机协作的整体效能。
在线咨询