文丨卢向华（复旦大学管理学院教授）
数字经济时代，“人”的角色正在发生新的变化。当AI成为了企业的“新员工”，人与AI的协同合作将逐渐成为生产过程中的常态。当碳基与硅基两种智慧碰撞，如何摸索出新的协作模式以提升整体效率？如果人机协同的工作任务“搞砸”了，人类和AI之间如何界定责任？
与AI一起工作，需要最优匹配模式
如果要让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，因为大多数企业仍在探索中，成熟的研究较少。
就目前我们所了解的情况而言，人机协同中的组织管理可以归纳为三个主要方面：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，组织管理方式的调整；三是人和AI在系统中的责任管理。
首先，需要考虑的是工作任务与人机合作模式之间的匹配管理。
用户的异质性会影响人机协作效果，不同任务的性质也会要求不同的人机协作模式。因此，组织需要根据任务的属性来调整人和AI在具体任务中的比重。目前，大家普遍认可的任务匹配管理模式主要有可计算性、主观性及复杂性三个维度。
第一，可计算性维度。如果任务本身需要大量的计算，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，规划从地点A到地点B的路线时，尽管人类可能有经验，但只能从几条已知路径中选择最优路线，而AI可以枚举所有可能路径，从中找出最优解，因此效果更佳。
第二，主观性维度。如果任务具有较强的主观性或需要灵活应变，如医疗服务或餐饮服务，人类可能更适合扮演主导角色。
举例来说，最近的一项研究中发现，对于创意评价这类任务，由于其相对模糊和主观性强，即使使用了具有理论支持的可解释性人工智能，也无法模仿人类专家的判断，特别是在筛选出特别优秀的创意方面。因此，像这样的任务更需要由人类来主导。
然而，如果所有的创意评价都由人类专家来完成，可能会导致案例过多，使专家感到枯燥和疲倦，从而影响他们的客观判断能力。因此，在这项研究中提出了一个解决方案：针对那些低质量的创意，可以先让AI进行筛除，减少专家的工作负担和乏味感。这样，专家就可以将更多精力集中在评估和筛选优秀创意上。
然而，在理财、医疗等需要一定能力完成的任务上，我们更倾向于选择由人类主导的系统来完成。这一发现在一定程度上证实了，企业需要为不同类型的任务匹配不同的人机协作系统。
AI让工作技能提升还是丧失？
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。在这种情况下，企业需要面对新的管理挑战，包括如何管理AI员工以及如何调整组织策略以适应AI员工的加入。目前已有大量研究发现，在与AI合作之后，员工对公平性的感知和情绪都会发生很大的变化。
例如，智能审计的引入可能会导致员工感到焦虑和不安全，从而抑制其自主创新的意愿，进而影响员工的绩效。在这种背景下，许多组织行为学领域的学者开始研究，AI员工的引入如何影响员工的心理状态、团队协作、领导力，以及人力资源的计划、招聘、培养和管理过程。
第一种：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，从而提高工作绩效。
第二种：干扰最小化机制，AI破坏了员工原有的工作流程，导致员工感到角色冲突，进而使得他们的绩效受损。
研究进一步分析发现，采用效益最大化策略的新员工其绩效提升速度最快，而采用干扰最小化策略的老员工，其绩效相对也表现不错。
因此，论文建议企业在引入这样的AI系统之后，应该着力鼓励新员工更多地采用效益最大化的机制来应对AI系统。换言之，鼓励他们利用AI学习新知识，以提高工作绩效。对于那些已经熟悉了原有工作流程的老员工，组织应该帮助他们通过AI来调整自己的工作框架和流程，从而降低角色冲突，缓解AI所带来的干扰。
然而，对于某些知识型员工来说，AI并不一定会促进技能的提升，反而可能导致一种“去技能化”的趋势。
根据一项2023年的研究，医生在使用诊断辅助系统后，其独立诊断的准确性明显下降，因此AI辅助诊断系统的使用实际上导致了医生的“去技能化”。
另一项研究也发现，手术机器人的引入大大减少了住院医师实际操作训练的需求，从而降低了医生的动手能力。
因此，现在住院医生需要采取不同于以往的方式来提高自己的动手能力，某位医生学者就提出过一个影子学习的方法，通过尽早专业化、抽象演练和监督实践的方法来培养医师的动手能力。
任务失败时，人与AI谁来负责？
除了激励和培养员工以更好地适应人机协同工作的环境之外，对企业而言，还有一个更大的挑战，即如何对人和AI的责任进行认定。特别是当服务失败时，到底由谁来承担责任？
之前关于无人驾驶车出了车祸之后的责任问题，引发了广泛的讨论。主流观点认为，AI系统本质上是机器，无法承担法律责任，因此问责对象应该是系统背后的人或机构。然而，也有研究认为，当算法透明度越来越高后，AI在一定程度上可对其所做的事情负责。
我们团队目前试图在这方面展开一项探索性研究，研究的场景是互联网医疗平台。
随着越来越多的互联网医疗平台采用生成式人工智能提供AI问诊服务，平台是否需要为AI问诊的责任提供支持，成为一个非常有趣的研究话题。
我们希望通过这项研究探索互联网医疗平台是否愿意为AI问诊服务承担责任，以及这种决定如何影响患者使用平台的意愿。我们计划在两个不同的场景下进行研究，分别是纯粹的AI问诊和AI与医生混合问诊。我们将通过一定方式来调控患者对平台承担责任的感知，并检验患者对平台的信任度和使用意愿。在研究过程中，我们还会引入AI问诊和医生问诊的感知中立性作为调节变量。
综上所述，我们建议企业根据不同任务匹配不同的协作模式，并重新思考AI员工和人类员工合作下的激励和培养问题，以及做好AI系统的责任管理。
最后，借用“各美其美，美美与共”这句话，人类与AI协作的理想境界可能是“各智其智、各尽其长”，即充分发挥人类与AI各自的优势，互相学习，从而提升人机协作的整体效能。