当效用遇上伦理：利益相关者视角下的自主信息系统委托研究

针对组织日益依赖自主信息系统(agentic IS)却忽视伦理考量的问题，本研究通过混合道义论-目的论伦理框架，揭示利益相关者如何权衡AI效用与伦理规范。实验证明伦理内嵌设计能显著提升系统道德评价，而人类监督机制是获得伦理认可的关键，为负责任AI实施提供了理论依据和实践路径。

　　

在数字化转型浪潮中，自主信息系统(agentic IS)凭借其自适应、自主决策等特性被广泛应用于招聘、信贷评估等关键领域。然而这种技术赋能背后潜藏着深刻的伦理困境——当某银行房贷系统CORE被指控存在种族偏见，当求职者因算法筛选莫名落选，人们开始质疑：在追求效率最大化的过程中，我们是否过度让渡了伦理责任？这正是Kashif Saeed和Victor R. Prybutok在《Annual Review of Fluid Mechanics》发表的研究试图解答的核心命题。

传统研究多将AI伦理问题孤立讨论，而本研究创新性地构建了技术伦理评估模型(TEAM)，首次将利益相关者理论融入委托框架，通过双实验设计揭示出：利益相关者实际采用混合道义论(deontological)与目的论(teleological)的评估体系，既看重AI的效用提升，又坚持公平、隐私等伦理底线。这种认知二元性通过双加工理论(dual-process theory)得到完美诠释——效率评估依赖快速的类型1认知，而伦理判断需要深度的类型2思考。

研究采用严谨的混合方法：实验1通过2×2组间设计（伦理内嵌×委托层级）验证核心假设，209名国际职场人士参与情景测试；实验2采用组内设计使299名受试者对比5级委托差异。借助协方差结构方程模型(CB-SEM)和重复测量方差分析，研究团队捕捉到微妙的评估动态。

关键发现呈现三重突破：首先，伦理信号传递机制具有决定性作用。当系统展示隐私保护等伦理内嵌(ethics-driven endowments)时，道德评价提升38%（β=0.616，p<0.001），这验证了信号理论在AI伦理场景的适用性。其次，委托层级呈现非线性效应——完全自主的系统在道义论评估中得分比人工决策低27.6%（F=570.67），印证了"道德代理缺口"理论。最后，目的论评估显示独特的分层：仅当AI获得完全决策权时，效用评价才显著下降，说明利益相关者能接受有限自动化带来的效率增益。

这项研究为AI治理提供了范式转换：通过将Hunt-Vitell伦理模型与Baird委托框架融合，证明伦理与效率并非零和博弈。实践中，组织应建立"风险适配"的监督机制——在高风险领域保留人类终审权，同时通过可解释AI(XAI)技术可视化伦理内嵌特征。正如医疗AI领域SHAP框架的成功应用所示，将抽象伦理原则转化为可感知的系统特征，方能实现技术创新与社会信任的协同发展。

研究启示超越学术范畴：在法律滞后的现状下，主动构建伦理AI不仅规避合规风险，更可能成为企业的竞争优势。当某招聘系统因偏见被停用时，损失的不仅是开发投入，更是难以修复的公信力。因此，这项研究为正处于AI转型十字路口的组织提供了关键路标——唯有将伦理考量深度植入系统生命周期，才能真正释放自主信息系统的变革潜力。