社会技术时代的体验式学习与治理：通过可解释性和适应性来建模负责任的人工智能表现

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：Experiential learning and governance in the socio-technical era: Modeling responsible AI performance via explainability and adaptability

　　刘明 | 英塔尔·阿尔穆格伦 | 瓦伦·乔蒂亚 | 尼迪·萨霍雷 | 阿蒂拉·库鲁茨
中国长春吉林财经大学经济学院

**摘要**
人工智能（AI）的概念正在改变组织的运营方式。AI系统能够在更短的时间内提供更智能的结果，从决策制定到创新各个环节都能实现。然而，随着AI的广泛应用，公平性、透明度和问责制方面的问题也随之增多。大多数组织发现难以在创新与伦理责任之间找到平衡。本研究探讨了内部能力在帮助企业负责任地管理AI方面的作用，并提出了一种模型，该模型将四种关键组织能力联系起来，即可解释的AI能力、情境学习适应性、体验式学习导向以及组织伦理一致性，这些能力与负责任的AI绩效密切相关。研究还考察了这些能力对用户可解释性、信任度、负责任AI治理成熟度以及决策透明度的影晌。结果表明，可解释的AI能力和学习适应性能够增强用户信任，而体验式学习导向和组织伦理一致性则显著提升了治理成熟度。治理成熟度和决策透明度又进一步推动了负责任的AI表现。有趣的是，并非所有预期的路径都成立——用户可解释性和治理成熟度并不能直接预测决策透明度。研究结果表明，在企业内部建立技术和文化能力不仅对于有效部署AI至关重要，也是实现负责任AI运营的必要条件。对于领导者而言，这意味着需要超越简单的检查清单，转向基于学习、透明度和伦理一致性的实质性治理方式。

**引言**
人工智能（AI）技术的应用已在各个行业的组织中迅速普及，前所未有地推动了产品、服务和决策过程的创新（Dwivedi等，2021；Rai等，2019；Holmstr?m，2022）。企业越来越多地将AI作为获得竞争优势和运营效率的手段（Papagiannidis等，2025；Mikalef等，2021）。然而，这些机会的同时也伴随着挑战：AI系统可能存在 transparency（此处应译为“不透明性”或“缺乏透明度”等问题，或表现出偏见，或产生不良甚至意外的后果（Jobin等，2019；Sun等，2026）。这种担忧促使人们提出“负责任的AI”理念，即开发和使用符合伦理原则、透明度和社会福祉的AI系统（Floridi等，2018）。为应对这一需求，政府和专业组织发布了高级别伦理指南，如欧盟委员会的《可信AI原则》（European Commission，2019）和经合组织的AI原则（AI，2023）。尽管这些原则具有规范意义，但实际操作起来仍颇具难度（Morley等，2020；Raji等，2020）。

**先行研究**
现有研究表明，许多组织将负责任AI的合规视为辅助性或支持性活动，而非核心战略能力（Papagiannidis等，2025；Shrestha等，2019）。管理者经常面临在最大化AI性能与遵守伦理标准之间的艰难抉择（Akbarighatar等，2025；Martin等，2019；Kroll等，2015）。尽管关于AI伦理和治理的文献日益增多，但这些研究大多较为零散且以规范论述为主。现有理论提出了负责任AI的原则（如公平性、问责制和透明度），但缺乏关于组织机制如何实现这些原则的具体解释（Reyes-Menendez等，2023；Jobin等，2019；Fjeld等，2020）。因此，现有的模型无法充分解释为什么技术水平和管理结构相似的组织在负责任AI方面会表现出显著差异（Mohanty等，2025；La?áková等，2025；Benjamins等，2019）。此外，现有研究倾向于认为透明度和伦理AI实践是治理成熟度或合规性控制的自然结果（Wachter等，2017；Ransbotham等，2017），但忽视了内部组织能力和治理微观基础在AI设计、部署和监管中的作用（Leonardi等，2010；Orlikowski和Scott，2016；Xia等，2026）。此外，相关文献未探讨内部因素（如组织学习过程、伦理导向和解释能力）如何与治理机制相互作用以产生负责任的AI绩效（Chatterjee等，2021；Vakkuri等，2019）。因此，一个基本问题尚未得到充分解答：哪些因素使得某些组织能够以透明、可信和负责任的方式管理AI？

**本研究**
本研究通过构建并实证验证一个基于能力的框架，来解释内部组织能力如何转化为负责任的AI治理和绩效。具体而言，本研究认为负责任的AI结果并非治理系统或伦理动机的副产品，而是组织独特资源的体现，这些资源使企业能够将其伦理原则付诸实践（Papagiannidis等，2025；Goos和Savona，2024）。研究将负责任AI视为组织能力的产物，而非伦理意图或治理成熟度的自然结果。首先，我们将组织伦理一致性重新定义为一种元能力，它协调较低层次的学习和治理流程（Helfat和Peteraf，2015；Kaptein，2011；Schwartz，2013；Searcy等，2022）。其次，我们挑战了“透明度必然源于信任或治理成熟度”的主流观点，认为决策透明度是一种独立的、实践层面的组织成果（Ananny和Crawford，2018；Leichtmann等，2023；Cheong，2024）。第三，通过将动态能力理论（Teece，2007）与公司治理理论（Aguilera等，2008）相结合，我们解释了内部能力如何转化为可审计的治理结构，进而实现负责任的AI绩效（Ladu等，2024；Papagiannidis等，2025）。这些创新使负责任AI的理论研究从原则驱动转向了基于机制的组织能力视角（Floridi等，2018；Jobin等，2019；Morley等，2020）。

**研究问题**
基于信息系统和战略管理文献，我们确定了四个与AI相关的关键动态能力：可解释的AI能力（XAI-C）（Arrieta等，2020）、情境学习适应性（March，1991；Senge，1990）、体验式学习导向（Argote，2012）以及组织伦理一致性（Kaptein，2011；Schwartz，2013）。伦理一致性不仅是一种象征性的或规范性的承诺，更是一种复杂的治理能力，它指导决策过程、限制机会主义的AI使用，并使AI的后果合理化（Searcy等，2022；Ladu等，2024）。这些核心能力直接影响用户信任度、负责任AI的治理成熟度以及数据透明度，共同作用于负责任AI绩效的创造（Floridi等，2018）。

**研究贡献**
本研究为负责任AI、企业治理和社会技术系统领域做出了重要贡献。首先，它超越了基于原则和规范的框架，提供了关于负责任AI如何在组织中产生的机制性解释（Floridi等，2018；Jobin等，2019；Morley等，2020）。通过将可解释的AI能力、学习导向能力和伦理一致性视为动态组织能力，研究阐明了为什么技术水平和管理结构相似的企业在负责任AI绩效上存在差异（Teece，2007；Eisenhardt和Martin，2000；Mikalef等，2021）。其次，本研究提出了治理微观基础概念，如负责任AI治理成熟度、用户信任度和数据透明度，说明内部能力如何转化为负责任的AI绩效。这挑战了现有观点（Wachter等，2017；Ananny和Crawford，2018；Ransbotham等，2021），即透明度和伦理AI实践是治理成熟度或合规性控制的自然结果。此外，本研究呼吁更细致地解释AI治理在组织内的具体实现方式（Benjamins等，2019；Vakkuri等，2019）。最后，本研究将组织伦理一致性视为一种更复杂的治理能力，而不仅仅是象征性的或合规性的原则，表明伦理一致性如何积极影响AI相关决策、责任框架和系统设计（Kaptein，2011；Schwartz，2013；Searcy等，2022），从而明确了伦理在治理AI系统和减轻意外社会技术后果中的作用（Leonardi等，2010；Mittelstadt等，2016）。

**方法论**
本研究基于动态能力理论（DCV）和企业治理理论（CGT），为理解负责任AI在组织中的运作提供了坚实的社会技术基础（Teece，2007；Brown和Caylor，2006）。尽管之前的负责任AI研究侧重于规范原则和合规模型，但这些模型未能充分解释组织如何发展、维护和调整内部能力。

**数据分析**
研究汇集了来自美国多个行业的AI使用者的样本，包括医疗保健、金融、政府、IT服务、制造和教育领域。这种数据汇总基于动态能力理论（DCV）的视角，该理论认为负责任AI的结果源于组织层级的能力，而非特定行业的合规结构。动态能力（如学习能力、伦理一致性和解释能力）在AI系统的设计、部署和监管中起关键作用。

**结论**
研究表明，某些组织能力对负责任的AI成果有显著影响，同时揭示了一些常见假说的不成立之处。研究结果表明，负责任AI并非治理系统或伦理动机的简单产物，而是组织独特资源的体现。研究提出了负责任AI的微观基础，为理解其产生机制提供了实证依据。研究结果表明，XAI-C和情境学习适应性等能力在负责任AI绩效中发挥着重要作用。

**作者贡献**
刘明：撰写、审稿与编辑、项目管理、方法论、概念构建；
英塔尔·阿尔穆格伦：撰写、审稿与编辑、项目管理、监督、软件开发、正式分析、数据整理；
瓦伦·乔蒂亚：撰写初稿、项目管理、验证、监督、调查；
尼迪·萨霍雷：撰写、审稿与编辑、项目管理、可视化展示、验证、监督；
阿蒂拉·库鲁茨：撰写、审稿与编辑、项目协调。

**资金支持**
该研究得到了沙特阿拉伯利雅得Princess Nourah bint Abdulrahman大学（项目编号：PNURSP2026R429）的支持。

**作者简介**
刘明现任吉林财经大学经济学院副教授，拥有吉林大学经济学博士学位，研究方向包括产业组织、数字经济和企业创新，尤其关注技术变革与制度环境对企业和组织行为的影响。她已在享有盛誉的同行评审期刊上发表过文章。