盧向華/文 數(shù)字經(jīng)濟時代，人的角色正在發(fā)生變化。當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過程中的常態(tài)。當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？如果人機協(xié)同的工作任務“搞砸”了，人類和AI之間又如何界定責任？

與AI一起工作，需要最優(yōu)匹配模式

如果要讓人機協(xié)作的系統(tǒng)變得更好，組織管理可以做些什么？

該領域的研究尚處于初步階段，大多數(shù)企業(yè)也仍在探索，成熟的相關研究較少。就目前筆者所了解的情況而言，人機協(xié)同中的組織管理可以歸納為三個主要方面：一是企業(yè)任務與人機系統(tǒng)的匹配管理；二是AI員工融入組織后，組織管理方式的調整；三是人和AI在系統(tǒng)中的責任管理。

首先需要考慮的是工作任務與人機合作模式之間的匹配管理。用戶的異質性會影響人機協(xié)作的效果。而不同任務的性質也會對不同的人機協(xié)作模式，提出不同的要求。因此，組織需要根據(jù)任務的屬性，調整人和AI在具體任務中的比重。

目前，大家普遍認可的任務匹配管理模式，主要包含可計算性、主觀性及復雜性三個維度。

從可計算性維度看，如果任務本身需要大量計算，超出了人腦的處理能力，那么讓AI來主導可能會更有效。舉例來說，規(guī)劃從地點A到地點B的路線時，人類可能有經(jīng)驗，但只能從幾條已知路徑中選擇最優(yōu)路線；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。

從主觀性維度看，如果任務具有較強的主觀性或需要靈活應變，如醫(yī)療服務或餐飲服務，人類可能更適合扮演主導角色。

從復雜性維度看，復雜的決策場景需要考慮更多因素，關系也更加復雜。例如，在外賣快遞調度系統(tǒng)或空間模擬計算等復雜任務中，人類很容易忽視相關因素，從而影響決策質量，這時增加AI的比重可能會更有利。

舉例來說，最近的一項研究發(fā)現(xiàn)，創(chuàng)意評價類任務，相對模糊和主觀性更強，即使使用了具有理論支持的可解釋性人工智能，機器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。這樣的任務更需要由人類來主導。

然而，如果所有的創(chuàng)意評價都由人類專家完成，可能會導致案例過多，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，這項研究提出了一個解決方案：可以先讓AI篩除那些低質量的創(chuàng)意，減少專家的工作負擔和乏味感。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。

復旦大學管理學院一位年輕老師也進行過一個有趣的相關研究。他發(fā)現(xiàn)，在任務結果主要依賴于運氣時，比如選課、抽卡娛樂、盲盒消費等，人們更傾向于選擇由人工智能提供服務。因為人們認為，AI的運氣比人類更好，更有可能帶來理想的結果。然而，在理財、醫(yī)療等需要一定能力完成的任務上，人們更傾向于選擇由人類主導的系統(tǒng)來完成。

這一發(fā)現(xiàn)在一定程度上證實了，企業(yè)需要為不同類型的任務匹配不同的人機協(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)僅有社會人轉變?yōu)樯鐣伺cAI機器人的組合。這種情況下，企業(yè)將面對新的管理挑戰(zhàn)，包括如何管理AI員工，以及如何調整組織策略以適應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，員工對公平性的感知和情緒都會發(fā)生很大變化。

例如，智能審計的引入可能會導致員工感到焦慮和不安全，從而抑制其自主創(chuàng)新的意愿，進而影響員工的績效。在這種背景下，許多組織行為學領域的學者開始研究，AI員工的引入如何影響員工的心理狀態(tài)、團隊協(xié)作、領導力，以及人力資源的計劃、招聘、培養(yǎng)和管理過程。

在這里，我分享兩項最新的研究成果。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，如何適應工作的變化。研究發(fā)現(xiàn)，員工在與AI支持系統(tǒng)合作時，存在兩種適應機制。

第一種是效益最大化機制，員工會最大程度地利用AI來提高自己的認知能力，從而提高工作績效。第二種是干擾最小化機制，AI破壞了員工原有的工作流程，導致員工感到角色沖突，進而使得他們的績效受損。

研究進一步分析發(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；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，前述建議企業(yè)在引入這樣的AI系統(tǒng)之后，應該著力鼓勵新員工更多地采用效益最大化的機制來應對AI系統(tǒng)。換言之，鼓勵他們利用AI學習新知識，以提高工作績效。對于那些已經(jīng)熟悉原有工作流程的老員工，組織應該幫助他們通過AI來調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。

與此相關的另一個話題是，在人機合作過程中，員工工作技能的變化管理問題。一旦AI接管了計算性強、重復性、結構化的任務，理論上的人類就可以轉而從事一些更具有意義、更需要創(chuàng)造性的工作，以促進員工技能的提升。我們將這個現(xiàn)象稱為“AI導致的技能提升”。

舉例來說，對于程序員而言，在AI的輔助下，他們可以將更多時間用于思考程序的業(yè)務邏輯，而不是花費大部分時間在修復程序中的錯誤上。然而，對于某些知識型員工來說，AI并不一定會促進技能的提升，反而可能導致一種“去技能化”的趨勢。

2023年一項研究顯示，醫(yī)生在使用診斷輔助系統(tǒng)后，其獨立診斷的準確性明顯下降，因此AI輔助診斷系統(tǒng)的使用，實際上導致了醫(yī)生的“去技能化”。另一項研究也發(fā)現(xiàn)，手術機器人的引入大大減少了住院醫(yī)師實際操作訓練的需求，從而降低了醫(yī)生的動手能力。

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)生學者就提出過一個影子學習的方法，通過盡早專業(yè)化、抽象演練和監(jiān)督實踐的方法來培養(yǎng)醫(yī)師的動手能力。

任務失敗時，人與AI誰來負責

除了激勵和培養(yǎng)員工以更好地適應人機協(xié)同工作的環(huán)境之外，對企業(yè)而言一個更大的挑戰(zhàn)是，如何對人和AI的責任進行認定。特別是當服務失敗時，到底誰來承擔責任。

此前關于無人駕駛車出車禍之后的責任問題，就曾引發(fā)廣泛的討論。主流觀點認為，AI系統(tǒng)本質上是機器，無法承擔法律責任，因此問責對象應該是系統(tǒng)背后的人或機構。然而，也有研究認為，當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責。

因此，當人和AI共同完成任務時，企業(yè)如何分配相應的責任就成為一個備受關注的問題。換句話說，企業(yè)是否愿意主動對AI的失敗負起責任，將影響到人機協(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、技術以及相關管理研究，盡管有很多討論，但成熟可靠的研究實際上并不多見。我們團隊目前試圖在這方面展開一項探索性的研究，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，平臺是否需要為AI問診的責任提供支持，成為一個非常有趣的研究話題。

我們希望通過這項研究，探索互聯(lián)網(wǎng)醫(yī)療平臺是否愿意為AI問診服務承擔責任，以及這種決定如何影響患者使用平臺的意愿。

我們計劃在兩個不同的場景下進行研究，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控患者對平臺承擔責任的感知，并檢驗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節(jié)變量。

我們的理論假設是，在其他條件相同的情況下，當AI愿意為問診質量承擔責任，并且患者認為AI問診更加客觀中立時，患者更愿意使用互聯(lián)網(wǎng)平臺的AI問診功能。這項研究仍在進行中，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，互相學習，從而提升人機協(xié)作的整體效能。

（作者系復旦大學管理學院信息管理與商業(yè)智能系教授、博士生導師）