张广胜 杨春荻

(辽宁大学 商学院，辽宁 沈阳 110036)

自20世纪计算机问世以来，技术对企业组织和管理产生的影响越来越大，组织的设计、情报、管理方式和决策方式也都发生了相应的改变：视频会议等现代组织管理技术减少了面对面会议的频率，使得组织的决策效率得到了显著的提高并为组织决策节约了大量的成本；信息化系统提升了企业的管理能力，使企业可以运用信息化技术开展组织管理。因而，有建设性的技术会对组织和个人产生积极的影响。(1)Bravo, E. R., & Ostos, J. (2017).“ Performance in computer-mediated work: the moderating role of level of automation”. Cognition, Technology & Work, 19(2-3), 529-541.

人类技术活动的一个重要特点，就是技术活动具有明确而具体的目标，从计算机、互联网到今天的大数据再到机器学习、人工智能和机器人，技术对组织影响的深刻程度是前所未有的。人工智能(AI)，特别是以数据为引领的机器学习技术，已经嵌入到组织的各个角落并成为组织运行不可或缺的一部分。谷歌深度思维的首席执行官曾表示：开发人工智能的终极目标就是让其应对大挑战，解决更多的社会问题，并且把这项技术应用在各类工作中，使这个世界变得更加美好。特斯拉汽车创始人埃隆·马斯克开发成立的非盈利人工智能公司的目标也在于提升人工智能技术，使其造福于全人类。

为了深入探讨人工智能对组织决策的影响，我们在《World of Science》(《科学世界》)上检索“Artificial Intelligence”“Machine Iearning”“Decision-making”“Organization”等关键词，检索到1993-2020年期间“Artificial Intelligence in Human Resources Management: Challenges and a Path Forward”“Attributions of Ethical Responsibility by Artificial Intelligence”等文献共计80篇。在此基础上，我们拟从九个方面对人工智能与组织决策的关系展开研究。

一、人工智能的定义、分类、技术发展现状

人工智能是能够正确解读外部数据、能从数据中学习并通过灵活的适应性以达到特定目标和任务的系统；它是可以扮演认知角色的机器，这些认知包括了感知、推理、学习和互动。(2)Rai, A., Constantinides, P., and Sarker, S.2019 “Editor’s Comments: Next-Generation Digital Platforms: Toward Human-AI Hybrids,” MIS Quarterly (43:1) pp. iii-ix.

人工智能的发展涉及计算机科学、语言学、心理学等诸多学科，其目标是发展智能机器，而这项技术涵盖一系列子领域：机器学习，其功能是使人工智能能从数据中学习；强化学习，使人工智能能在试错中提升；深度学习，其主旨在于模拟人脑，从海量的数据中进行探索，并从中获益。

基于科学技术理论的角度，人工智能可以分为两大流派：一派是主流的认知主义者，支持这派观点的学者和技术人员试图使计算机模拟人类思维，令其具备从一种算法过渡到另外一种算法的能力；另一派是非主流的新连接主义者，这派学者和研究人员认为人类大脑的思考方式并非是线性的，这也是他们反对主流认知流派的主要缘由，同时新连接主义者希望能够运用“神经网络”来解决“并行处理”这一技术局限，并通过试错来提高机器的学习能力。

技术演进的历史大致可分为三阶段：第一阶段，人类对机器的使用主要是利用人类的智力、技巧和体能等人类自有的能力；第二阶段，人的技艺已经在机器中展现了对象化的效果；第三阶段，类似人类的智慧力量转移到机器中，诸多人类的目标凭借智能化的机器得到了实现。现阶段，人工智能对人类社会的影响已经发展到了技术历史的第三阶段。

人工智能技术的蓬勃发展主要基于三大原因：其一，宏观经济的蓬勃发展推动了当代以智能制造为特征的技术进步，具体表现在企业等组织为了提升其核心竞争力，运用人工智能技术为其生产、服务、销售等活动服务；其二，来自于社会需求方面，人工智能替代了工业生产、服务等诸多领域中的重复性工作，给人类带来了诸多便利，这进一步促进了人类对人工智能技术的开发；其三，来自于技术本身的发展，任何技术发展总会伴随若干附加的技术发明或技术改造，人工智能技术在浓度和广度上的不断发展，也解锁了其应用的诸多领域，组织决策领域便是其运用于实践的好例子。

二、人工智能与组织决策

(一)人工智能与组织的联系

每一轮技术的进步都会对组织产生深远影响，如从蒸汽技术、电气技术再到信息技术，都对组织结构、组织文化、组织绩效等方面产生了深远影响。技术目的反映的是一段时期内，人类在技术领域的发展方向，反映出作为技术主体的人对客体技术的影响的范围和方向；技术的目的与社会需求联系紧密，而社会的需求，是人类研发技术、提升技术能力、开展技术发明与革新的原动力。在人工智能与组织的研究中，具体表现为人类社会的需求促使人工智能与组织联系的递进式和跨越式发展。

人工智能会改变组织决策的方法和组织与内部、外部利益相关者(如顾客、员工)的关系。Turing(2009)的研究指出，人工智能可以模仿人类进行思考，其成功应用需要特定的组织能力，因为组织只有与新技术相匹配才能获得最佳的应用效果。Jürgen(2019)通过大规模的调研，对比了应用人工智能水平高的企业和应用人工智能水平低的企业间管理效果的差异，探讨了企业应在多大程度上采用人工智能技术，以及强调人工智能技术嵌入组织对组织灵活性和高层管理者承诺的重要意义。目前，人工智能系统已广泛地应用在组织的智能服务、办公自动化、管理支持领域、生产自动化、决策支持和知识管理领域中。

(二)人工智能与组织决策的联系

直到上世纪末，人工智能与决策领域才开始有了关联，在此之前，人工智能和决策是毫不相关的。在人工智能萌芽阶段，这个领域的研究和应用大体上局限在实验室中。20世纪80年代，以知识为基础的智能系统得到了快速发展和应用，人工智能孤立在实验室中的研究状况才被打破。Izhar Matzkevich(1995)的研究发现，用人工智能进行决策的流程是人类把某一个领域中的特定信息进行编码，录入到特定系统里，用系统生成的结果去解决实际的问题，这就是人工智能用于决策领域的雏形。与此同时，决策理论也开始影响人工智能的技术发展。从人工智能技术与决策的关系来看，技术目的能否得到重新设定并得到新应用，主要依靠社会需求，而新技术量变是科学技术原理、科学经验和传统技术共同作用下的结果。想要推动新技术的发展，还要根据社会的现实需要不断革新，使得新技术不断地进入量变和质变的交替阶段。

技术是人类从事生产生活实践的手段，更是人类从事技术认知与实践的结果。在这一过程中，技术作为一种手段，服务于技术的目的，但技术的目的又受限于技术的发展阶段。当一项新的技术被实验室研发成功之后，这些技术将根据现实社会的需要开始服务生产生活，同时人类社会实践也会为技术的发展创造出更多的发展方向和前进动力。人工智能和组织决策在技术发展的最初阶段无甚关联，这是因为人类的需求总是从简单到复杂、从低级到高级，是人类在组织中的需求促使了人工智能技术与组织融合，更是组织决策对技术要求的不断提高促进了人工智能技术的突飞猛进，这体现出技术目的和手段的对立统一。

(三)人工智能是否适合进行组织决策分析

围绕人类和人工智能的各自专长和能力优势，学者们在上世纪中期即已展开过研究。1951年，费兹(Fitts)就针对机器和人类各自的优势进行过比较研究，他认为人类在探测、感知、即兴创作、长期存储信息、检索信息、归纳推理和判断能力等方面超越了当时的机器，而机器在行动的速度和效率、复制信息能力、短期存储和推断以及同时操作两件或多件不同的工作等方面都超过了人类。

近几十年，围绕人工智能与人类的关系学者们有了更加系统的研究。Sonnentag等(2005)认为，很多人类社会的任务都与机器技术紧密相连；Frohm等(2008)则从分工的角度论述了人类和技术之间的关系，指出很多任务可以由人类全权负责完成，有些任务则可以由机器全权负责；Brock等(2019)的研究则指出，人工智能只有在可以把信息整合、智能团队、组织灵敏度和领导力结合起来的情境下才适合进行组织决策。

围绕人工智能决策优势学者们也取得了许多研究成果。如Chamorro(2016)指出，人工智能决策的原理是神经网络和深度学习的算法，支撑算法运作的条件是海量的数据；Parry(2016)认为，人工智能技术的发展水平已经可以将其应用到组织决策领域了。人工智能技术在决策过程中具有决策速度快、准确性高、决策成本低廉、具备无偏处理零散数据的能力、无倦怠感、决策不出于一己私利、做决策不情绪化的优点。与此形成对比的是，人类在决策的时候易受到认知能力的限制，也容易被个人利益、地位等主观因素所影响。神经科学研究表明，当人类面临复杂的状况，思维捷径会让人类采纳迅速而有效的决定，而人类情感中的恐慌、喜悦等情感会影响人类决策的正确性。也就是说，当人类面临决策选择的时候，情感会对决策产生重大影响。对比之下，人工智能或许更适合广泛地应用于组织决策领域。

也有研究认为，人工智能并不适合组织决策。如Kleinberg等(2006)从算法本身对决策的缺陷展开了研究，研究表明由于人工智能根据已经生成的数据通过算法进行决策，因而决策结果在未提供数据更新的情况下是一成不变的，这就降低了组织对动态环境的适应性；Premuzic(2003)从创新的视角反对应用人工智能进行组织决策，他认为由于人工智能是基于现有的数据展开相关的分析，因而其做出的决策缺乏创造性；Fischer等(2018)利用访谈法进行的研究发现，79%的受访者认为机器不能考虑到个性化因素，因而对智能机器做出的决策会感到不信任；Weizenbaum等(2010)从人工智能和人类能力角度进行的研究发现，由于决策需要利用的核心能力是判断力，而判断能力是人类的特质，因而决策这类工作人工智能是不能胜任的；Kaczmarek等(2017)认为，由于组织的目标有长期目标和短期目标等分类，而人工智能没有办法像人类一样兼顾长期和短期目标，并且算法中的闭环会强化一旦做出的错误决策；Thomas Bolander等(2019)发现，在社会技能和语言技能两方面，人工智能的能力水平远远落后于人类，而这两种技能是组织决策中必备的关键能力，因而决策不能完全依赖人工智能。

(四)人工智能和人类在决策中扮演的角色和分工

Berente等(2019)的研究发现，人工智能承担了一些管理者的角色，这些角色有些是人工智能独立承担的，有些是与人类管理者共同承担的。在科技哲学理论中，技术工具理论是一种被广泛接受的技术观，因而人与技术的关系应该是技术只是人类从事生产生活活动中的工具。Daniel等(2019)认为，人工智能的角色仅仅是人类的工具：由于人工智能没有社会权力，更多地会被当成工具而不是团队中的成员，即技术应是以人类为中心的，操控者(人类)应自始自终处于主导地位。也有研究者认为，人工智能可以被赋予一些社会角色。Wesche等(2019)的研究发现，机器可以代替人类做很多工作，如人机交互(HCI)理论应用在组织中，机器的角色就从“工具”演变成了人类的“伙伴”。Jamieson等(2018)的研究则认为，机器被当作“工具”的时代，在当今人机交互工作越来越盛行的情况下，已经变得不合时宜了，应当倡导把机器当作“队友”，将人工智能贴上富有情感的标签，而这类情感可以让人工智能扮演特定的角色并参与近似人类的社会活动。由此可见，随着人类和人工智能角色和地位的不断转变，人类与人工智能如何在组织中分享信息和参与组织学习是人类需要考虑的问题。埃隆·马斯克从人工智能的功能角度进一步梳理了人工智能与人类的关系，即人工智能的功能应该应用于如何协助人类工作，而不是与人类展开对抗。

还有研究者对人工智能和人类在组织决策中的分工问题展开研究。如Andreas等(2019)的研究就专注于人工智能在什么情境下可以做相应的决策，什么情境下只能由人类单独做出决策，人工智能和人类在什么情境下需要共同决策，是当今全球组织需要考虑的问题。Hancock等(2014)的研究提出，人类和智能机器分工的原则是一切能被自动智能化的都应该被自动智能化，人类应该承担那些不能被自动化、智能化的工作，而且终有一天，人工智能会跟人类一样聪明，但人工智能和人类的智力各有各的优势，因而不能就智力水平把人类和人工智能作简单的比较。Thomas Bolander等(2019)的研究则指出，人工智能擅长解决边界清晰、具有良好结构性的问题，因而其提出的解决方案也具有标准化的特征，尽管各类研究机构都在从技术角度提升人工智能的能力，但其抽象思维和界定问题的能力依然不如人类，因而应适当的要求人工智能和人类在决策中进行分工。

(五)人工智能在组织决策中的具体应用

从科技哲学的角度看，技术结构与技术功能的关系是技术结构决定技术功能，技术结构和技术功能处于对立统一的关系中。随着人类对技术结构提出了新需求，技术功能也会相应地跟着发生变化，这一过程交替进行，技术结构由简单到复杂、由低级向高级发展，相应的，技术功能也越来越复杂，从而不断地满足人类的生产生活，人工智能技术结构的变化同样会赋予人工智能更多功能。

目前，人工智能在组织决策的具体应用较多体现在人工智能的组织招聘。Burke等(2006)的研究指出，技术在组织中扮演着越来越多的角色，组织中的许多工作与技术结合的越来越紧密了。如技术改变了招聘员工的方式，以人工智能为代表的技术改变了组织选拔人才的方式，其主要的招聘技术手段是依靠算法自动识别组织内和组织外多个求职者的信息，针对求职者技能、人格属性与岗位要求进行匹配。人工智能在组织招聘中的优势主要体现在招聘决策公正性、隐私以及人工智能和人类在招聘决策中的分工等三个方面。尽管人工智能系统本身是客观且不存在偏见的，但由于算法工作要依赖人类所提供的数据。因此，如果数据本身对特定群体存在偏见，那么就很难保证招聘结果是绝对公正的。Prasanna Tambe(2019)认为，应用人工智能对应聘者的信息进行筛选将面临个人隐私问题。不过，Keller等(2019)的研究却发现，多方参与信息保护、相关法律法规的实施以及分配给人工智能决策权的权重或可能缓解人工智能在招聘决策领域带来的隐私隐患。

(六)人工智能和人类决策顺序

研究表明人工智能的决策顺序可分为三步：一是全权由人工智能进行决策；二是先人类后人工智能或者先人工智能再人类的决策顺序；三是聚合的人类人工智能决策方案。对此，Yash Raj(2019)分别对决策领域的特殊性、决策过程和结果的可解释性、可备选的决策范围、决策速度和决策结果的可复制性等五个方面进行了决策效果分析。他发现这三步决策顺序各有各的优势：先人工智能再人类决策为顺序的决策方案会涉及到可行的替代方案被遗弃的风险，因为这种决策方法降低了决策的速度和方案对于其它情境的可复制性；先人类决策再用人工智能筛选评估的决策方法可以充分利用人工智能系统中算法的预测功能，从而在人类备选出的小范围预选方案中选出最优的决策方案，因而这类方案要求决策事项具有较高的特殊性；聚合的人类人工智能决策方案是分别发挥人类和人工智能在决策领域的各自优势，再以加权等方法对两者的决策方案进行分析，这类决策方法常因决策结果的解释性欠佳等因素，使组织的透明度和可靠性受到挑战。(3)Shrestha, Y. R., Ben-Menahem, S. M., & Von Krogh, G. (2019). “Organizational Decision-Making Structures in the Age of Artificial Intelligence”. California Management Review, 61(4), 66-83.Davenport等(2010)研究认为，决策情境也是选择决策顺序需要考虑的因素，对情境比较稳定的决策环境，人工智能可以进行重复性决策，当有意外情况发生的时候，人类再进行决策。

(七)人类和人工智能谁应该承担决策责任

人工智能越加智能化，其使用者就越难以明白其得出决策结论的过程。对于强AI来说，算法本身就是“黑箱”。当人工智能越来越多地参与组织决策时，人工智能当然也应该对自己的所作所为(包括决策)负责，其中伦理道德问题与机器自动化密切相关，而在人工智能决策过程中，这种“黑箱”又表现出“道德伦理黑箱”。因而清楚这种黑箱的工作过程，有利于判断出人工智能做出特定决策的原因。(4)Winfield, A. F., & Jirotka, M. (2017, July). “The case for an ethical black box”. In Annual Conference Towards Autonomous Robotic Systems (pp. 262-273).但是，也有研究者反对让人工智能承担决策责任。如Malle等(2016)从道德应用的适宜度角度认为，人类决策所遵守的道德准则不适合拓展到机器人等人工智能上；Bertram等(2019)通过实验发现，30%-50%参与实验的受访者质疑人工智能是否有资格成为决策失误道德谴责的对象；Shank等(2019)则从人工智能和人类在社会生活中的角色展开研究并强调，由于人类还没有把人工智能纳入到社会结构中去，因而出现决策过失，人工智能不应该承担和人类相同的责任。

Renda等(2019)认为，为了更好地让人工智能融入组织决策领域，规范人工智能的规章制度和道德标准应该在其参与组织决策之前被制定出来，以防止有偏见的算法和数据妨碍了正常的决策程序和决策结果，让组织承受高昂的代价。Anderson等(2004)认为，在人工智能将给组织带来诸多益处的同时，相应的人工智能使用规范需要提前介入，以确保组织从以人类智力为核心的决策主体，顺利过渡到以人工智能为决策核心的组织中。同时，基于伦理道德的文化性特征，人工智能的伦理道德标准要优于人类。首先，机器倾向于基于数据做出精确的决策方案，而人类的决策只是基于人类的判断，相比数据的决策，人类的决策不够客观；其次，人类做决策不会考虑所有的备选方案，可能会对某些特定备选方案有所偏袒，而机器会基于数据对所有备选方案进行评估，因而做出的决策是相对客观的；再次，机器是没有情感的，而人类的情感在某些情况下，是做出错误决策的重要原因。Daniel等(2019)采用实验法，研究了运用人工智能决策的道德问题，他们分别对完全由人工智能或是人类来决策，人类和人工智能联合决策(人类监督人工智能或是人工智能监督人类)的四个决策情境进行分析，得出决策结构对人工智能决策的道德没有显著影响的结论。但是，比起全权由人类决策，或是人类接受人工智能的建议，再进行决策的两种情况，人类监督人工智能决策这种情境，在面临决策道德问题时，受到的指责会相对较小；比起单独由人类做出的决策、人类和人工智能联合所做出的决策等三种情境，全权依靠人工智能做决策，当决策有失误时，会得到更多的道德宽恕。Young等(2019)实施的三组实验结果显示，人类和人工智能到底谁对决策负责任应取决于具体的情境。除此之外，让人工智能在决策时遵循人类伦理道德的难点在于道德标准本身是随着社会发展而不断变化的。Bostrom等(2014)的研究发现，在同一时期，不同的国家和地区的道德标准也不同，因而很难找到让人工智能遵循的统一道德标准。以上研究表明，随着人工智能技术的不断进步，人工智能已渐渐地能与人类开展交流和思考。对此，人类应尽可能多的理解人工智能的思想与意图，与人工智能建立情感联系并赋予其一定的责任。

(八)人工智能决策质量的影响因素

1.数据质量。Thomas Bolander等(2019)的研究表明，人工智能决策和人类决策同样存在质量问题，通过对人工智能和人类决策质量的比较，发现人工智能决策依然存在许多缺点和不足，现有的人工智能技术条件还不能够保证决策的正确和可解释性。因而，找到现阶段影响组织决策质量的主要因素是保证组织最终得到优质决策的关键。尽管人类针对人工智能的技术研究，已经在最大努力地提升人工智能的决策能力，但这个提升过程还是略显缓慢。短期内提升人工智能的决策质量还是要从数据质量入手。(5)M. Janssen, H. van der Voort, A. Wahyudi,“ Factors influencing big data decision-making quality”, J. Bus. Res. 70 (2017) 338-345.Kitchin等(2014)列出了数据管理的具体方法，即剔除错误信息数据、把数据录入机器可以识别的数据类型、把相关的数据整合起来。案例法被用于研究人工智能决策面临的数据问题，数据中可能存在着少量的缺失数据、大量的缺失数据、有偏误的数据。因为，数据的质量直接决定了人工智能进行决策的质量，而有问题的数据不能保证决策的透明性、公平性和解释性。(6)Bolander, T. (2020).“ Correction to: What do we lose when machines take the decisions?”. Journal of Management and Governance, 1-1.最新针对数据与决策质量的研究发现，进一步提高数据的质量，对于现阶段人工智能的组织决策质量具有决定性的影响。(7)Shamim, S., Zeng, J., Shariq, S. M., & Khan, Z. (2019). “Role of big data management in enhancing big data decision-making capability and quality among Chinese firms: A dynamic capabilities view”. Information & Management, 56(6), 103135.在人工智能和人类共同决策的情境下，通过计算人工智能和人类在决策意见所占权重并提高数据的质量，是提高整体人工智能决策质量上的有效方法。(8)Luis Alessandri PérezArellano·Ernesto León-Castro·Ezequiel Avilés-Ochoa·José M. Merigó “Prioritized induced probabilistic operator and its application in group decision making” Int. J. Mach. Learn. & Cyber. (2019) 10:451-462Perri(2001)对人工智能和人类决策质量进行了比较，指出尽管人工智能具有更理性、更智能、信息存储量比人类大等诸多优势，但依然不能得出人工智能做出的决策比人类要好的结论。人工智能在数据量不足的情境下，其决策质量必然差于人类的决策质量。

2.算法。组织可以在数据不丰富的时候，研发算法以提升决策能力。(9)Masegosa ASR, Feelders AJ, Van der Gaag LC (2016) “Learning from scarce data in bayesian networks with qualitative influences“Int J Approx Reason 69(C):18-34.特定的某种算法是某一决策情境下对组织决策有积极作用的方法，算法本身确实会影响人工智能对组织的决策质量。(10)Zhan, J., Malik, H. M., & Akram, M. (2019). “Novel decision-making algorithms based on intuitionistic fuzzy rough environment“. International Journal of Machine Learning and Cybernetics, 10(6), 1459-1485.当算法过度简单(忽视了决策环境的复杂性)、算法的模型存在维度的缺失(这些维度是做出正确决策所需要的)、把两个或者多个因素的相关关系识别成了因果关系；算法能否识别组织本身环境和周围环境，在决策环境复杂或不确定、信息缺乏或质量低的情况下，通过提高算法本身能力来提高组织的决策，同样是提升组织决策质量的有利途径。(11)Yao You· Jie Li·Lincheng Shen “An effective Bayesian network parameters learning algorithm for autonomous mission decision-making under scarce data“Int. J. Mach. Learn. & Cyber. (2019) 10:549-561.与人类的学习速度相比，人工智能的学习速度相对缓慢，在这种受限的情况下，人工智能很难做出比人类更准确的决策，因而通过开发与人脑的工作原理相似的算法来提高决策质量，即当可供算法学习的数据较少，人工智能与环境的交互作用又很有限的情况下，应把神经科学与人工智能的算法研究结合起来。(12)Sang Wan Lee and Ben “Seymour Decision-making in brains and robots — the case for an interdisciplinary approach“Current Opinion in Behavioral Sciences 2019, 26:137-14533、Sverchkov等(2017)的研究则认为，通过提高人工智能在新情境环境中的决策能力，降低人工智能在决策中对受限制环境的依赖，会相应的提高决策质量。

(九)不同观点对人工智能决策的看法

技术具有二重性，乐观主义认为人工智能可以替代人类去做乏味、枯燥、重复性的工作，解放人类。因而，技术乐观主义对技术实践的社会价值发展持肯定或乐观态度。技术乐观主义者认为，人类只要掌握了人工智能技术，就可以把握自己命运并决定人类自身的发展，解决社会问题并创造美好的未来。技术悲观主义认为，人工智能会造成人类社会的失业，并造成对人类隐私的侵害，造成过渡监管、控制等问题。Perri(2010)的研究发现，等级制度担心技术会超出管理系统的控制，并要求更多的监管来约束它们。个人主义担心大规模的新技术，例如人工智能对劳动力有一定的替代作用，因而人工智能技术的发展会破坏个人的创业能力，并呼吁放松管制和以市场为基础的手段来控制风险；平等主义担心冷技术将主导或破坏温暖的道德社区，使原本由于组织团队协作而温馨的氛围被打破，并呼吁从技术发展中解放出神圣空间。相比之下，宿命论者则认为人工智能技术会随机失效，从而只会加剧已经是流浪汉式社会生活的任意性、随机性和噪音，而技术失效的时段可能恰恰是组织做出决策的决定性时期。机器人、神经网络和数字代理在这个永恒的社会恐惧系统中占据了它们的位置，在这个系统中，社会组织的竞争形式试图让人、技术和系统对它们的各种基本价值观负责。

三、研究展望

科技本身是协调当前对未来展望的一个过程，也是“科技管理”的重要任务。技术发展的一个显著的特点是其动态性，技术发展的另一个特征则是其优化性，这些特性会让特定的技术在其技术体系中的不同层次、级别、类型的技术产生包容、关联和连锁的反应。Suzuki(2020)的研究认为，人工智能仍有许多悬而未决的问题亟待解决，随着人工智能技术在量变和质变中的不断发展进步，这项技术可能还会与其它技术相结合，终究会为组织决策领域，甚至为整个组织系统造福。基于人工智能对组织决策的现实影响，我们的思考：人工智能协助甚至替代决策者进行决策，那么决策者应该在组织中扮演一个什么类型的角色?人工智能一定会做出超乎人类意料的决策，如何管理由于人工智能引起的意想之外的决策?社会对技术具有一定的建构作用，特定的技术是否适用于特定的组织是由技术能否适应组织结构决定的，应用人工智能技术进行有效组织决策需要什么类型的组织结构?技术进步对组织氛围、组织结构的变化和组织内部成员关系有显著的影响，人工智能已经以一种特殊身份介入了组织的管理决策领域，人工智能对组织中人与人以及人与人工智能的关系会产生什么样的影响？随着人工智能技术的不断进步并广泛应用到组织的各个方面，有一种观点认为，终将有一天，人工智能的智慧会超越人类。(22)Spatola, N., & Normand, A. (2020). “Human vs. machine: the psychological and behavioral consequences of being compared to an outperforming artificial agent“. PsychologicalResearch, 1-11.因而，人工智能终将会对组织中部分的决策角色产生互补甚至完全替代，对此，未来的相关研究应关注人工智能参与决策对组织领导者和员工心理层面的影响研究，此其一。人工智能的不合理使用可能会引发公共危机，(23)Scherer, M. U. (2015). “Regulating artificial intelligence systems: Risks, challenges, competencies, and strategies“. Harv. JL & Tech., 29, 353.对此，未来的相关研究应当聚焦于适合人工智能决策的法律情境，此其二。另外，现有人工智能对组织决策的影响研究多集中于用案例分析、访谈交流等，未来的相关研究应更多的关注应用研究，并借助科技哲学、认知学等相关理论展开更深入的研究。