人类与AI协作的空想境界可能是“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，就目前我们所理解的情形而言，人机协同中的组织管理可以归纳为三个紧张方面：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，组织管理办法的调度；三是人和AI在系统中的任务管理。
首先，用户的异质性会影响人机协作效果，不同任务的性子也会哀求不同的人机协作模式。因此，组织须要根据任务的属性来调度人和AI在详细任务中的比重。目前，大家普遍认可的任务匹配管理模式紧张有可打算性、主不雅观性及繁芜性三个维度。
可打算性维度：如果任务本身须要大量的打算，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，方案从地点A到地点B的路线时，只管人类可能有履历，但只能从几条已知路径中选择最优路线，而AI可以列举所有可能路径，从中找出最优解，因此效果更佳。
主不雅观性维度：如果任务具有较强的主不雅观性或须要灵巧应变，如医疗做事或餐饮做事，人类可能更适宜扮演主导角色。
繁芜性维度：繁芜的决策场景须要考虑更多成分，关系也更加繁芜。例如，在外卖快递调度系统或空间仿照打算等繁芜任务中，人类很随意马虎忽略干系成分，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。在这种情形下，企业须要面对新的管理寻衅，包括如何管理AI员工以及如何调度组织策略以适应AI员工的加入。
国际期刊《信息系统研究》最新揭橥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事情变革。研究创造，员工在与AI支持系统互助时，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，从而提高事情绩效；第二种是滋扰最小化机制，AI毁坏了员工原有的事情流程，导致员工感到角色冲突，进而使得他们的绩效受损。研究进一步剖析创造，采取效益最大化策略的新员工其绩效提升速率最快，而采取滋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，该当着力鼓励新员工更多地采取效益最大化的机制来应对AI系统。对付已经熟习了原有事情流程的老员工，组织该当帮助他们通过AI来调度自己的事情框架和流程，从而降落角色冲突，缓解AI带来的滋扰。
除上述话题之外，对企业而言，还有一个更大的寻衅，即如何对人和AI的任务进行认定。特殊是当做事失落败时，到底由谁来承担任务？换句话说，企业是否乐意主动对AI的失落败负叛逆务，将影响到人机协作系统的采纳和终极的绩效。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乐意为AI问诊做事承担任务，以及这种决定如何影响患者利用平台的意愿。我们的理论假设是，在其他条件相同的情形下，当AI乐意为问诊质量承担任务，并且患者认为AI问诊更加客不雅观中立时，患者更乐意利用互联网平台的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协作的空想境界可能是“各智其智，各尽其长”，从而提升人机协作的整体效能。
来源 | 《商学院》杂志6月刊
作者系复旦大学管理学院信息管理与商业智能系教授、博士生导师卢向华