重新思考组织决策制定：生成式人工智能的新兴角色与任务

《Management Review Quarterly》：Rethinking organizational decision-making: The emerging roles and tasks of generative artificial intelligence

　　

生成式人工智能(GenAI)的快速扩散引发了组织进行决策制定的变革性转变。尽管各行业的热情日益高涨且应用广泛，但GenAI的具体任务和角色，以及它们如何在组织决策制定中塑造人类认知与算法增强之间的相互作用，仍未得到充分理解。针对这一空白，本研究进行了系统性文献综述，确定了68篇相关出版物，以综合并推进关于GenAI整合到决策制定中的现有知识。该研究识别了生成式应用程序执行的53项任务，将其聚合为18个任务类别，并将这些任务和类别映射到六个递归的决策制定组件上：关注(Attention)、情报(Intelligence)、设计(Design)、选择(Choice)、实施(Implementation)和反馈(Feedback)。在这些任务的协调与转化基础上，研究人员提出了一种包含六个主动GenAI角色和一个协作式人机角色的分类法。随后，研究人员开发了一个过程框架，明确了GenAI如何以及何时嵌入组织决策制定过程中，界定了生成式应用程序如何支持、增强或共同执行决策制定活动。研究结果揭示了碎片化的应用格局，并强调了GenAI在组织决策制定的选择阶段整合有限。通过提供结构化的分类法和过程概念框架，本研究阐明了人类决策者与生成技术之间不断演变的相互作用。在此过程中，它为理论推进研究和更明确、可操作的管理实践奠定了基础。

研究背景与意义

随着ChatGPT于2022年11月的发布，生成式人工智能(Generative Artificial Intelligence, GenAI)迅速进入组织一线，重塑了工作执行方式。尽管GenAI在提升组织效率、创造力和敏捷性方面展现出巨大潜力，但目前关于其在组织决策中的具体任务和角色，以及其如何重塑人类认知与算法增强的交互机制仍缺乏深入理解。现有的决策支持系统(Decision Support Systems, DSS)研究多集中于预测性AI，而GenAI凭借其生成新颖内容的能力，正在挑战传统的系统1（直觉、快速）和系统2（分析、缓慢）推理二分法。因此，厘清GenAI在组织决策中的定位对于理论研究和管理实践均具有重要紧迫性。该论文发表于《Management Review Quarterly》。

关键技术方法

研究人员采用了遵循PRISMA声明的系统性文献综述(Systematic Literature Review, SLR)方法。检索时间段设定为2022年11月1日至2025年3月17日，旨在捕捉ChatGPT发布后的主流应用期。经过去重、基于影响因子的期刊排名筛选（AJG≥2或IF≥1.5），以及针对教育、医疗和政府组织的排除标准后，最终纳入68篇相关文献。研究团队采用归纳式内容分析法，遵循Gioia方法论，对文献进行编码，将53个初始概念归纳为18个二阶主题，最终聚合为七个维度（即GenAI的角色）。

研究结果

描述性结果

综述显示，自2024年4月起相关出版物显著增加。应用主要集中在供应链管理、人力资源管理、金融和旅游等领域。从地域上看，约73.5%的研究采用全球视角，仅有13.2%聚焦于中国、印度或美国。在分析层面，45.6%的文献同时考虑了个体和组织层面的影响。

主题结果

通过对文献的分析，研究人员识别了GenAI在组织决策中的六种主动角色：

1. 1.
   战略分析师(Strategic Analyst)：负责数据分析、识别风险与机遇以及生成替代解决方案。
2. 2.
   自动化专家(Automation Specialist)：专注于自动化重复性任务、内容生成、支持知识管理系统及自主执行流程。
3. 3.
   未来学家(Futurist)：进行市场情感分析和需求预测，支持创新探索。
4. 4.
   流程优化器(Process Optimizer)：致力于优化组织流程并提高组织敏捷性。
5. 5.
   人力资源经理(Human Resource Manager)：提供绩效评估反馈，支持资源分配和技能发展。
6. 6.
   沟通者(Communicator)：减少信息不对称，促进内外部沟通。

此外，研究还确立了一个关键的协作角色——具备AI意识的战略家(AI-aware Strategist)，强调人类在GenAI支持下的监督、治理和最终决策权。

讨论与框架开发

研究人员构建了一个概念过程模型，探讨GenAI如何介入六个递归的决策组件：

• •
  关注(Attention)：GenAI作为积极的中介，通过改变显著性来重塑管理者的注意力分配。
• •
  情报(Intelligence)：通过降低数据处理成本，扩展了决策者的有限理性(Bounded Rationality)。
• •
  设计(Design)：支持方案生成和跨领域翻译，但也存在向高概率模式趋同的风险。
• •
  选择(Choice)：GenAI在此阶段的整合最为有限。由于涉及责任归属和不可逆的承诺，人类保留最终控制权。
• •
  实施(Implementation)：作为编排层，加速决策向具体任务的转化，但需警惕品牌合规风险。
• •
  反馈(Feedback)：压缩感知意义建构的时间，加速组织学习，但也可能成为组织意义的守门人。

结论

研究表明，GenAI具有颠覆个人和企业层面决策制定的潜力。通过将53项任务映射至六个决策组件，研究阐明了GenAI加速和增强决策的潜力，同时强调了人类干预的必要性。特别是，选择(Choice)阶段构成了结构性责任阈值，GenAI在此阶段的应用受到严格限制。研究人员提出了一种分阶段、有条件的人机协作治理原则，以确保决策质量并共享责任。