1、2023 年 4 月第 45 卷第 4 期CONTEMPOAYECONOMICMANAGEMENTApr 2023Vol 45No4收稿日期:20220915基金项目:国家自然科学基金重点项目 中国企业创新链产业链融合发展模式与机制研究(72232004);陕西省社会科学基金项目 创新平台驱动陕西省“卡脖子”关键技术攻关的实现路径研究(2022018)。作者简介:李晓华(1989)，女，山西临汾人，博士，西北大学经济管理学院讲师，主要研究方向为技术创业与科技成果转化;李纪珍(1974)，男，湖北黄冈人，清华大学经济管理学院教授，研究方向为创新创业管理、中小企业成长、创新政策、项目管理。DOI:
2、10.13253/jcnkiddjjgl2023.04.003人工智能在组织管理中的应用:基于赋能与增益视角的分析李晓华1，李纪珍2(1.西北大学经济管理学院，陕西西安710127;2.清华大学经济管理学院，北京100084)摘要 作为一项对人类社会发展产生深远影响的技术体系，人工智能技术的商业化应用为企业实践和管理学理论带来了机遇与挑战。文章系统回顾了 AI 系统的特征，并阐明了这些特征对当前管理学理论边界、假设条件的影响。具体而言，分别从 AI 增益在位企业和 AI 赋能创业企业两个维度综述了现有研究的主要观点，发现已有研究主要采用由外向内的分析视角，即企业如何利用外部的技术、知识和海量数
3、据等产生有价值的洞见并赋能企业，但对于企业如何采用 AI 技术更好地执行组织内部职能、向用户传递价值的研究相对较少。结合现有文献和实地调研，提出了 AI 与企业管理的未来研究方向，有助于推动研究者从更加全面的视角审视技术对企业管理理论带来的机遇与挑战，促进新理论的提出和理论与实践的融合。关键词 人工智能;组织管理;赋能;增益;文献综述 中图分类号F272.3 文献标识码A 文章编号16730461(2023)04002011一、引言人工智能(Artificial Intelligence，AI)是指一种能够正确地解释外部数据并从这些数据中学习，通过灵活性适应实现特定目标和任务的“系统”能力1。
4、它覆盖了各种活动和概念，包括使用多种软件和算法支持或执行以前需要人类认知能力才能实现的任务2。AI 作为人类历史上的一项重要技术变革，对个体、企业和国家等不同参与主体的行为产生了深远的影响。从 AI 对企业的影响来看，截止到 2018 年，80%的大公司在核心业务的运营上已经采用了机器学习和其他形式的人工智能技术3。为了在技术变革中赢得一席之地，很多拥有 AI 技术的初创企业也纷纷涌入各个行业，试图通过先进的技术与大企业展开竞争。这些初创企业通常依赖高校、科研院所的基础科研技术，并以产学研合作的方式完成技术商业化，比如:科大讯飞、旷视科技、思必驰等都是致力于实现 AI 技术商业化的知名初创企业
5、。同时，为了在新技术的变革中不被淘汰，很多在位企业也尝试通过 AI 技术实现组织变革，以企业数字化转型的方式重塑行业格局45。与其他技术相比，AI 对经济和社会的影响比以往任何技术变革的影响都要大6，这些实践上的改变为组织管理研究带来了新的机遇与挑战。人工智能不仅给企业实践带来了挑战，也对管理学理论的发展产生深远的影响。LVESQUE等(2022)认为 AI 改变了创业理论对不确定性的假设，即 AI 的使用会降低企业决策过程的不确定性，进而提高了研究的相关性，即理论与实践结合的紧密程度7。比如，通过 AI 算法对消费者的消费习惯进行分析有助于提升客户需求预测的准确率，降低了营销管理的不确定性。
6、实践的改变也将对现有的营销理论提出挑战，并带来管理学理论的变革。然而，现有研究大多关注人工智能作为一项技术，如何赋能或增益传统产业，并聚焦于分析决策效率的提升8、人机交互与协同9、管理伦理10 的讨论。但是为企业管理的理论和实践带来了哪些挑战，哪些有意义的研究值得进一步探讨目前尚不明晰。基于此，本文系统地综述人工智能与企业管理方面的研究，提出 AI对组织管理带来的挑战，并在此基础上指出未来的研究方向。02李晓华，李纪珍:人工智能在组织管理中的应用:基于赋能与增益视角的分析二、人工智能系统人工智能是指一种能够正确地解释外部数据并从这些数据中学习，通过灵活性实现特定目标和任务的“系统”能力1。AI
7、 代表的是一种系统智能，它通过机器阅读和计算机视觉消化吸收人类的知识，并利用这些信息对人类所执行的任务实现自动化和加速化11。这个系统中包括三个核心要素:场景结构、数据生成和通用机器学习(如图 1 所示)。也有人将其归纳为更广义的三要素:数据、算法和算力。AI 系统的三个要素决定了这个行业的基本特征以及使用 AI 系统进行创业的企业所面临的挑战和难题。图 1AI 系统的构成资料来源:TADDY M，The technological elements of artificial intelligence，2018，National Bureau of Economic esearch。首先，A
8、I 需要嵌入在特定的场景结构当中。场景结构是指在工程化任务方面的专业知识。目前 AI 只能在棋盘、视频游戏等场景结构相对明确的领域实现商业化，对场景的要求决定了企业需要拥有技术应用领域内的专业知识，并通过结构计量经济学的方式将这些知识进行总结提炼11，形成能够被 AI 系统处理的数据结构，之后才可以使用松弛法和探试法对数据进行处理。对创业企业而言，如果想要使用 AI 赋能某个细分场景，首先需要对场景内的知识有系统的理解，并将这些知识整合到产品开发当中。这使得基于 AI 的产品开发流程与传统的信息技术行业相比更加复杂，在定义产品之前先要对细分领域内的知识进行“结构化”处理，造成产品开发流程的向前
9、延伸。其次，AI 需要数据生成的支持。数据生成是指用以训练 AI 系统的海量数据和用以生成支持算法学习所用数据的工具。数据的数量和质量决定了算法训练和算法优化的程度，它们也被认为是AI 企业获得竞争优势的关键。以传统互联网为主的在位企业拥有大量的数据资产，与初创小企业相比，拥有天然的优势。为弥补初创企业的数据缺失，AI 行业甚至出现了专门做数据标注的公司，比如 Testin 云测、数据堂等。他们通过大量的人力投入搜索静态和动态的数据，并进行筛选和清理，提供给初创企业使用。然而，初始数据的获得并不能保证企业获得持续竞争优势，企业还需要获得更多的动态数据进行算法迭代。为此，在发展路径上，企业一方面
10、要考虑产品需求的满足，另一方面还要生成内部云端系统支持数据的存储和生成。CHALMES 等(2021)将这种现象称为“技术利用劣势”，用以描述在行业主流技术不成熟的情况下，初创企业进入该行业时所面临的劣势12。最后，AI 行业的规模化“生产”需要通用算法。机器学习是 AI 系统的“发动机”，从无结构的数据中寻找规律并做预测。通用算法意味着算法能够适应更复杂的场景，无需过多地调整就能将企业在一个细分领域内积累的算法迁移到另一个细分领域。当前 AI 行业的繁荣主要得益于深层神经网络的发展，它能够快速的从文本、音频和视频数据中发现规律，自动处理效率，相比之前的算法也有大幅提升。但一项 AI 产品开发
11、的过程还包括配套的硬件设施的完备，大量数据和新算法工具的使用产生了并行计算需求。GPUs(Graph-ical Processing Units，GPUs)作为为并行计算提供支撑的硬件基础，为 AI 大规模的商业化提供了支撑，AI 的繁荣也促进了以生产 GPUs 为主的企业市值的提升。虽然 GPUs 芯片的成本在不断下降，但该领域的技术创新仍有进步的空间。比如，基于深度学习算法的人工智能就像是一个“黑箱子”，人们以一定的输入得到输出结果的中间过程是不可控的。孙效华等(2020)也提出，现在大部分的 AI仍然是弱人工智能的，即 AI 能力只局限于特定的领域，与理想状况下的通用人工智能仍有很大的差
12、距。因此，单纯依靠人工智能技术的进步难以解决复杂社会中的复杂问题。未来通过设计的引导和协调能力驱动人工智能产品的研究是重要趋势。其中，如何通过应用场景需求提炼产品形态，反推人工智能技术的完善是其中的重要方向之一13。三、人工智能系统对在位企业和创业企业的影响从企业层面来看，目前对 AI 的研究主要集中122023 年第 4 期在新技术如何影响企业的决策过程和活动的开展方式2。现有关于 AI 的研究多以实践为导向，重点关注 AI 在各个领域内的应用探索，以及 AI 如何与企业发生关联1415。其中，数字化技术是 AI技术背景下的一个热点研究话题，他们共同作为宏观经济和政治变革的一部分存在12，并
13、通过自动化和增益性提升管理效率，重塑行业生态。接下来，我们将从 AI 如何增益在位企业和 AI 如何赋能创业企业两个视角对已有文献进行回顾。(一)AI 增益在位企业对于在位企业而言，AI 是一项新兴的技术，是企业所面对的诸多外部环境变化中的一种变化。然而，以人工智能、大数据、区块链和物联网等为主的通用技术的发展正在引发第四次产业革命，并重塑产业格局和在位企业的竞争地位16。一方面，AI 技术的扩散带来了机器学习技术和相关应用类产品、商业模式的创新;另一方面，AI 技术对劳动力的替代造成劳动力成本投入与经济收益不成正比17，改变了企业之间竞争的基本规则。在这样的背景下，以“降本增效”为主的在位企
14、业的数字化转型成为各大企业竞相追捧的发展模式，并影响企业管理中的员工、组织、客户等核心主体的决策行为与合作模 式(如图 2 所示)。图 2AI 增益在位企业的作用机制1.AI 与员工互动依据大数据和算法，AI 辅助员工完成与认知相关的任务。多数研究表明 AI 技术在企业管理中的应用大大缓解了员工的压力，以银行业为例，AI 技术框架下的虚拟机器人能够在封闭的场景中解答客户的问题，辅助甚至替代了部分冗杂、重复的工作，让员工有更多的时间与精力从事创造性的工作。然而，AI 技术介入到人类工作中除了带来效率的提升之外也产生了诸多矛盾，主要体现在人与机器的互动活动中。比如，在进行算法决策之前，人类会对算法
15、应该做什么，可以做什么和如何做有预期，这种预期来自人们长期在某一领域内工作的经验。带着这种预期，员工在与机器互动过程中，会对根据同一算法的相同结果给出不同的决策18。很多企业投入了大量时间、人力、资源等促进人力资源管理的数字化转型，并没有获得预期收益19。这说明 AI 技术并没有想象中的那样成熟，也无法解决企业场景中的各类问题。但考虑到 AI 可以主动接受人类的知识并自我学习和适应的特征，改善 AI 与员工的互动机制成为提高 AI 实用性的重要内容20。为了进一步探索提升 AI 与员工的合作效率，促进 AI 对企业绩效提升的赋能作用，GLIKSON和 WOOLEY(2020)提出信任机制的重要
16、性9。他们认为改变 AI 在企业内的表现形式(机器、虚拟和嵌入)和“机器”的智能化程度(即它的能力)，是增进人与机器之间认知信任的有效方式。员工与 AI 之间信任的增加能够提升合作效率，进而提高组织效率20。对于什么样的工作应该由人来完 成，而 什 么 样 的 工 作 应 该 由 机 器 完 成，HUANG、UST 和 MAKSIMOVIC(2019)认为，未来人类将在感知类的任务中发挥更大的作用，比如通过与客户接触开发高附加值的服务2;而在类似于机械类的任务中将会被 AI 替代，并将未来的经济发展成为“感知经济”。与之类似的是，AMPESAD(2020)提出，尽管机器可以替代部分人类工作，但批判性思维、问题解决、沟通和团队合作等创造性较强的活动在人工智能时代22李晓华，李纪珍:人工智能在组织管理中的应用:基于赋能与增益视角的分析依然是决定创新的关键要素21。这些研究结果表明，人与机器协作过程中可能产生人类决策的自主性问题，解决该问题的一种有效方案是人类以监管的角色分布在不同的决策点上，并在适当的时候进行干预、提供必要输入，提高决策结果的可控性22。2.AI 与组织决策在组织与管理学研
