人工智能對組織決策的影響、挑戰與展望

張廣勝 楊春荻

(遼寧大學 商學院，遼寧 沈陽 110036)

自20世紀計算機問世以來，技術對企業組織和管理產生的影響越來越大，組織的設計、情報、管理方式和決策方式也都發生了相應的改變：視頻會議等現代組織管理技術減少了面對面會議的頻率，使得組織的決策效率得到了顯著的提高并為組織決策節約了大量的成本；信息化系統提升了企業的管理能力，使企業可以運用信息化技術開展組織管理。因而，有建設性的技術會對組織和個人產生積極的影響。(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.

人類技術活動的一個重要特點，就是技術活動具有明確而具體的目標，從計算機、互聯網到今天的大數據再到機器學習、人工智能和機器人，技術對組織影響的深刻程度是前所未有的。人工智能(AI)，特別是以數據為引領的機器學習技術，已經嵌入到組織的各個角落并成為組織運行不可或缺的一部分。谷歌深度思維的首席執行官曾表示：開發人工智能的終極目標就是讓其應對大挑戰，解決更多的社會問題，并且把這項技術應用在各類工作中，使這個世界變得更加美好。特斯拉汽車創始人埃隆·馬斯克開發成立的非盈利人工智能公司的目標也在于提升人工智能技術，使其造福于全人類。

為了深入探討人工智能對組織決策的影響，我們在《World of Science》(《科學世界》)上檢索“Artificial Intelligence”“Machine Iearning”“Decision-making”“Organization”等關鍵詞，檢索到1993-2020年期間“Artificial Intelligence in Human Resources Management: Challenges and a Path Forward”“Attributions of Ethical Responsibility by Artificial Intelligence”等文獻共計80篇。在此基礎上，我們擬從九個方面對人工智能與組織決策的關系展開研究。

一、人工智能的定義、分類、技術發展現狀

人工智能是能夠正確解讀外部數據、能從數據中學習并通過靈活的適應性以達到特定目標和任務的系統；它是可以扮演認知角色的機器，這些認知包括了感知、推理、學習和互動。(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.

人工智能的發展涉及計算機科學、語言學、心理學等諸多學科，其目標是發展智能機器，而這項技術涵蓋一系列子領域：機器學習，其功能是使人工智能能從數據中學習；強化學習，使人工智能能在試錯中提升；深度學習，其主旨在于模擬人腦，從海量的數據中進行探索，并從中獲益。

基于科學技術理論的角度，人工智能可以分為兩大流派：一派是主流的認知主義者，支持這派觀點的學者和技術人員試圖使計算機模擬人類思維，令其具備從一種算法過渡到另外一種算法的能力；另一派是非主流的新連接主義者，這派學者和研究人員認為人類大腦的思考方式并非是線性的，這也是他們反對主流認知流派的主要緣由，同時新連接主義者希望能夠運用“神經網絡”來解決“并行處理”這一技術局限，并通過試錯來提高機器的學習能力。

技術演進的歷史大致可分為三階段：第一階段，人類對機器的使用主要是利用人類的智力、技巧和體能等人類自有的能力；第二階段，人的技藝已經在機器中展現了對象化的效果；第三階段，類似人類的智慧力量轉移到機器中，諸多人類的目標憑借智能化的機器得到了實現。現階段，人工智能對人類社會的影響已經發展到了技術歷史的第三階段。

人工智能技術的蓬勃發展主要基于三大原因：其一，宏觀經濟的蓬勃發展推動了當代以智能制造為特征的技術進步，具體表現在企業等組織為了提升其核心競爭力，運用人工智能技術為其生產、服務、銷售等活動服務；其二，來自于社會需求方面，人工智能替代了工業生產、服務等諸多領域中的重復性工作，給人類帶來了諸多便利，這進一步促進了人類對人工智能技術的開發；其三，來自于技術本身的發展，任何技術發展總會伴隨若干附加的技術發明或技術改造，人工智能技術在濃度和廣度上的不斷發展，也解鎖了其應用的諸多領域，組織決策領域便是其運用于實踐的好例子。

二、人工智能與組織決策

(一)人工智能與組織的聯系

每一輪技術的進步都會對組織產生深遠影響，如從蒸汽技術、電氣技術再到信息技術，都對組織結構、組織文化、組織績效等方面產生了深遠影響。技術目的反映的是一段時期內，人類在技術領域的發展方向，反映出作為技術主體的人對客體技術的影響的范圍和方向；技術的目的與社會需求聯系緊密，而社會的需求，是人類研發技術、提升技術能力、開展技術發明與革新的原動力。在人工智能與組織的研究中，具體表現為人類社會的需求促使人工智能與組織聯系的遞進式和跨越式發展。

人工智能會改變組織決策的方法和組織與內部、外部利益相關者(如顧客、員工)的關系。Turing(2009)的研究指出，人工智能可以模仿人類進行思考，其成功應用需要特定的組織能力，因為組織只有與新技術相匹配才能獲得最佳的應用效果。Jürgen(2019)通過大規模的調研，對比了應用人工智能水平高的企業和應用人工智能水平低的企業間管理效果的差異，探討了企業應在多大程度上采用人工智能技術，以及強調人工智能技術嵌入組織對組織靈活性和高層管理者承諾的重要意義。目前，人工智能系統已廣泛地應用在組織的智能服務、辦公自動化、管理支持領域、生產自動化、決策支持和知識管理領域中。

(二)人工智能與組織決策的聯系

直到上世紀末，人工智能與決策領域才開始有了關聯，在此之前，人工智能和決策是毫不相關的。在人工智能萌芽階段，這個領域的研究和應用大體上局限在實驗室中。20世紀80年代，以知識為基礎的智能系統得到了快速發展和應用，人工智能孤立在實驗室中的研究狀況才被打破。Izhar Matzkevich(1995)的研究發現，用人工智能進行決策的流程是人類把某一個領域中的特定信息進行編碼，錄入到特定系統里，用系統生成的結果去解決實際的問題，這就是人工智能用于決策領域的雛形。與此同時，決策理論也開始影響人工智能的技術發展。從人工智能技術與決策的關系來看，技術目的能否得到重新設定并得到新應用，主要依靠社會需求，而新技術量變是科學技術原理、科學經驗和傳統技術共同作用下的結果。想要推動新技術的發展，還要根據社會的現實需要不斷革新，使得新技術不斷地進入量變和質變的交替階段。

技術是人類從事生產生活實踐的手段，更是人類從事技術認知與實踐的結果。在這一過程中，技術作為一種手段，服務于技術的目的，但技術的目的又受限于技術的發展階段。當一項新的技術被實驗室研發成功之后，這些技術將根據現實社會的需要開始服務生產生活，同時人類社會實踐也會為技術的發展創造出更多的發展方向和前進動力。人工智能和組織決策在技術發展的最初階段無甚關聯，這是因為人類的需求總是從簡單到復雜、從低級到高級，是人類在組織中的需求促使了人工智能技術與組織融合，更是組織決策對技術要求的不斷提高促進了人工智能技術的突飛猛進，這體現出技術目的和手段的對立統一。

(三)人工智能是否適合進行組織決策分析

圍繞人類和人工智能的各自專長和能力優勢，學者們在上世紀中期即已展開過研究。1951年，費茲(Fitts)就針對機器和人類各自的優勢進行過比較研究，他認為人類在探測、感知、即興創作、長期存儲信息、檢索信息、歸納推理和判斷能力等方面超越了當時的機器，而機器在行動的速度和效率、復制信息能力、短期存儲和推斷以及同時操作兩件或多件不同的工作等方面都超過了人類。

近幾十年，圍繞人工智能與人類的關系學者們有了更加系統的研究。Sonnentag等(2005)認為，很多人類社會的任務都與機器技術緊密相連；Frohm等(2008)則從分工的角度論述了人類和技術之間的關系，指出很多任務可以由人類全權負責完成，有些任務則可以由機器全權負責；Brock等(2019)的研究則指出，人工智能只有在可以把信息整合、智能團隊、組織靈敏度和領導力結合起來的情境下才適合進行組織決策。

圍繞人工智能決策優勢學者們也取得了許多研究成果。如Chamorro(2016)指出，人工智能決策的原理是神經網絡和深度學習的算法，支撐算法運作的條件是海量的數據；Parry(2016)認為，人工智能技術的發展水平已經可以將其應用到組織決策領域了。人工智能技術在決策過程中具有決策速度快、準確性高、決策成本低廉、具備無偏處理零散數據的能力、無倦怠感、決策不出于一己私利、做決策不情緒化的優點。與此形成對比的是，人類在決策的時候易受到認知能力的限制，也容易被個人利益、地位等主觀因素所影響。神經科學研究表明，當人類面臨復雜的狀況，思維捷徑會讓人類采納迅速而有效的決定，而人類情感中的恐慌、喜悅等情感會影響人類決策的正確性。也就是說，當人類面臨決策選擇的時候，情感會對決策產生重大影響。對比之下，人工智能或許更適合廣泛地應用于組織決策領域。

也有研究認為，人工智能并不適合組織決策。如Kleinberg等(2006)從算法本身對決策的缺陷展開了研究，研究表明由于人工智能根據已經生成的數據通過算法進行決策，因而決策結果在未提供數據更新的情況下是一成不變的，這就降低了組織對動態環境的適應性；Premuzic(2003)從創新的視角反對應用人工智能進行組織決策，他認為由于人工智能是基于現有的數據展開相關的分析，因而其做出的決策缺乏創造性；Fischer等(2018)利用訪談法進行的研究發現，79%的受訪者認為機器不能考慮到個性化因素，因而對智能機器做出的決策會感到不信任；Weizenbaum等(2010)從人工智能和人類能力角度進行的研究發現，由于決策需要利用的核心能力是判斷力，而判斷能力是人類的特質，因而決策這類工作人工智能是不能勝任的；Kaczmarek等(2017)認為，由于組織的目標有長期目標和短期目標等分類，而人工智能沒有辦法像人類一樣兼顧長期和短期目標，并且算法中的閉環會強化一旦做出的錯誤決策；Thomas Bolander等(2019)發現，在社會技能和語言技能兩方面，人工智能的能力水平遠遠落后于人類，而這兩種技能是組織決策中必備的關鍵能力，因而決策不能完全依賴人工智能。

(四)人工智能和人類在決策中扮演的角色和分工

Berente等(2019)的研究發現，人工智能承擔了一些管理者的角色，這些角色有些是人工智能獨立承擔的，有些是與人類管理者共同承擔的。在科技哲學理論中，技術工具理論是一種被廣泛接受的技術觀，因而人與技術的關系應該是技術只是人類從事生產生活活動中的工具。Daniel等(2019)認為，人工智能的角色僅僅是人類的工具：由于人工智能沒有社會權力，更多地會被當成工具而不是團隊中的成員，即技術應是以人類為中心的，操控者(人類)應自始自終處于主導地位。也有研究者認為，人工智能可以被賦予一些社會角色。Wesche等(2019)的研究發現，機器可以代替人類做很多工作，如人機交互(HCI)理論應用在組織中，機器的角色就從“工具”演變成了人類的“伙伴”。Jamieson等(2018)的研究則認為，機器被當作“工具”的時代，在當今人機交互工作越來越盛行的情況下，已經變得不合時宜了，應當倡導把機器當作“隊友”，將人工智能貼上富有情感的標簽，而這類情感可以讓人工智能扮演特定的角色并參與近似人類的社會活動。由此可見，隨著人類和人工智能角色和地位的不斷轉變，人類與人工智能如何在組織中分享信息和參與組織學習是人類需要考慮的問題。埃隆·馬斯克從人工智能的功能角度進一步梳理了人工智能與人類的關系，即人工智能的功能應該應用于如何協助人類工作，而不是與人類展開對抗。

還有研究者對人工智能和人類在組織決策中的分工問題展開研究。如Andreas等(2019)的研究就專注于人工智能在什么情境下可以做相應的決策，什么情境下只能由人類單獨做出決策，人工智能和人類在什么情境下需要共同決策，是當今全球組織需要考慮的問題。Hancock等(2014)的研究提出，人類和智能機器分工的原則是一切能被自動智能化的都應該被自動智能化，人類應該承擔那些不能被自動化、智能化的工作，而且終有一天，人工智能會跟人類一樣聰明，但人工智能和人類的智力各有各的優勢，因而不能就智力水平把人類和人工智能作簡單的比較。Thomas Bolander等(2019)的研究則指出，人工智能擅長解決邊界清晰、具有良好結構性的問題，因而其提出的解決方案也具有標準化的特征，盡管各類研究機構都在從技術角度提升人工智能的能力，但其抽象思維和界定問題的能力依然不如人類，因而應適當的要求人工智能和人類在決策中進行分工。

(五)人工智能在組織決策中的具體應用

從科技哲學的角度看，技術結構與技術功能的關系是技術結構決定技術功能，技術結構和技術功能處于對立統一的關系中。隨著人類對技術結構提出了新需求，技術功能也會相應地跟著發生變化，這一過程交替進行，技術結構由簡單到復雜、由低級向高級發展，相應的，技術功能也越來越復雜，從而不斷地滿足人類的生產生活，人工智能技術結構的變化同樣會賦予人工智能更多功能。

目前，人工智能在組織決策的具體應用較多體現在人工智能的組織招聘。Burke等(2006)的研究指出，技術在組織中扮演著越來越多的角色，組織中的許多工作與技術結合的越來越緊密了。如技術改變了招聘員工的方式，以人工智能為代表的技術改變了組織選拔人才的方式，其主要的招聘技術手段是依靠算法自動識別組織內和組織外多個求職者的信息，針對求職者技能、人格屬性與崗位要求進行匹配。人工智能在組織招聘中的優勢主要體現在招聘決策公正性、隱私以及人工智能和人類在招聘決策中的分工等三個方面。盡管人工智能系統本身是客觀且不存在偏見的，但由于算法工作要依賴人類所提供的數據。因此，如果數據本身對特定群體存在偏見，那么就很難保證招聘結果是絕對公正的。Prasanna Tambe(2019)認為，應用人工智能對應聘者的信息進行篩選將面臨個人隱私問題。不過，Keller等(2019)的研究卻發現，多方參與信息保護、相關法律法規的實施以及分配給人工智能決策權的權重或可能緩解人工智能在招聘決策領域帶來的隱私隱患。

(六)人工智能和人類決策順序

研究表明人工智能的決策順序可分為三步：一是全權由人工智能進行決策；二是先人類后人工智能或者先人工智能再人類的決策順序；三是聚合的人類人工智能決策方案。對此，Yash Raj(2019)分別對決策領域的特殊性、決策過程和結果的可解釋性、可備選的決策范圍、決策速度和決策結果的可復制性等五個方面進行了決策效果分析。他發現這三步決策順序各有各的優勢：先人工智能再人類決策為順序的決策方案會涉及到可行的替代方案被遺棄的風險，因為這種決策方法降低了決策的速度和方案對于其它情境的可復制性；先人類決策再用人工智能篩選評估的決策方法可以充分利用人工智能系統中算法的預測功能，從而在人類備選出的小范圍預選方案中選出最優的決策方案，因而這類方案要求決策事項具有較高的特殊性；聚合的人類人工智能決策方案是分別發揮人類和人工智能在決策領域的各自優勢，再以加權等方法對兩者的決策方案進行分析，這類決策方法常因決策結果的解釋性欠佳等因素，使組織的透明度和可靠性受到挑戰。(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)研究認為，決策情境也是選擇決策順序需要考慮的因素，對情境比較穩定的決策環境，人工智能可以進行重復性決策，當有意外情況發生的時候，人類再進行決策。

(七)人類和人工智能誰應該承擔決策責任

人工智能越加智能化，其使用者就越難以明白其得出決策結論的過程。對于強AI來說，算法本身就是“黑箱”。當人工智能越來越多地參與組織決策時，人工智能當然也應該對自己的所作所為(包括決策)負責，其中倫理道德問題與機器自動化密切相關，而在人工智能決策過程中，這種“黑箱”又表現出“道德倫理黑箱”。因而清楚這種黑箱的工作過程，有利于判斷出人工智能做出特定決策的原因。(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，也有研究者反對讓人工智能承擔決策責任。如Malle等(2016)從道德應用的適宜度角度認為，人類決策所遵守的道德準則不適合拓展到機器人等人工智能上；Bertram等(2019)通過實驗發現，30%-50%參與實驗的受訪者質疑人工智能是否有資格成為決策失誤道德譴責的對象；Shank等(2019)則從人工智能和人類在社會生活中的角色展開研究并強調，由于人類還沒有把人工智能納入到社會結構中去，因而出現決策過失，人工智能不應該承擔和人類相同的責任。

Renda等(2019)認為，為了更好地讓人工智能融入組織決策領域，規范人工智能的規章制度和道德標準應該在其參與組織決策之前被制定出來，以防止有偏見的算法和數據妨礙了正常的決策程序和決策結果，讓組織承受高昂的代價。Anderson等(2004)認為，在人工智能將給組織帶來諸多益處的同時，相應的人工智能使用規范需要提前介入，以確保組織從以人類智力為核心的決策主體，順利過渡到以人工智能為決策核心的組織中。同時，基于倫理道德的文化性特征，人工智能的倫理道德標準要優于人類。首先，機器傾向于基于數據做出精確的決策方案，而人類的決策只是基于人類的判斷，相比數據的決策，人類的決策不夠客觀；其次，人類做決策不會考慮所有的備選方案，可能會對某些特定備選方案有所偏袒，而機器會基于數據對所有備選方案進行評估，因而做出的決策是相對客觀的；再次，機器是沒有情感的，而人類的情感在某些情況下，是做出錯誤決策的重要原因。Daniel等(2019)采用實驗法，研究了運用人工智能決策的道德問題，他們分別對完全由人工智能或是人類來決策，人類和人工智能聯合決策(人類監督人工智能或是人工智能監督人類)的四個決策情境進行分析，得出決策結構對人工智能決策的道德沒有顯著影響的結論。但是，比起全權由人類決策，或是人類接受人工智能的建議，再進行決策的兩種情況，人類監督人工智能決策這種情境，在面臨決策道德問題時，受到的指責會相對較小；比起單獨由人類做出的決策、人類和人工智能聯合所做出的決策等三種情境，全權依靠人工智能做決策，當決策有失誤時，會得到更多的道德寬恕。Young等(2019)實施的三組實驗結果顯示，人類和人工智能到底誰對決策負責任應取決于具體的情境。除此之外，讓人工智能在決策時遵循人類倫理道德的難點在于道德標準本身是隨著社會發展而不斷變化的。Bostrom等(2014)的研究發現，在同一時期，不同的國家和地區的道德標準也不同，因而很難找到讓人工智能遵循的統一道德標準。以上研究表明，隨著人工智能技術的不斷進步，人工智能已漸漸地能與人類開展交流和思考。對此，人類應盡可能多的理解人工智能的思想與意圖，與人工智能建立情感聯系并賦予其一定的責任。

(八)人工智能決策質量的影響因素

1.數據質量。Thomas Bolander等(2019)的研究表明，人工智能決策和人類決策同樣存在質量問題，通過對人工智能和人類決策質量的比較，發現人工智能決策依然存在許多缺點和不足，現有的人工智能技術條件還不能夠保證決策的正確和可解釋性。因而，找到現階段影響組織決策質量的主要因素是保證組織最終得到優質決策的關鍵。盡管人類針對人工智能的技術研究，已經在最大努力地提升人工智能的決策能力，但這個提升過程還是略顯緩慢。短期內提升人工智能的決策質量還是要從數據質量入手。(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)列出了數據管理的具體方法，即剔除錯誤信息數據、把數據錄入機器可以識別的數據類型、把相關的數據整合起來。案例法被用于研究人工智能決策面臨的數據問題，數據中可能存在著少量的缺失數據、大量的缺失數據、有偏誤的數據。因為，數據的質量直接決定了人工智能進行決策的質量，而有問題的數據不能保證決策的透明性、公平性和解釋性。(6)Bolander, T. (2020).“ Correction to: What do we lose when machines take the decisions?”. Journal of Management and Governance, 1-1.最新針對數據與決策質量的研究發現，進一步提高數據的質量，對于現階段人工智能的組織決策質量具有決定性的影響。(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.在人工智能和人類共同決策的情境下，通過計算人工智能和人類在決策意見所占權重并提高數據的質量，是提高整體人工智能決策質量上的有效方法。(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)對人工智能和人類決策質量進行了比較，指出盡管人工智能具有更理性、更智能、信息存儲量比人類大等諸多優勢，但依然不能得出人工智能做出的決策比人類要好的結論。人工智能在數據量不足的情境下，其決策質量必然差于人類的決策質量。

2.算法。組織可以在數據不豐富的時候，研發算法以提升決策能力。(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.特定的某種算法是某一決策情境下對組織決策有積極作用的方法，算法本身確實會影響人工智能對組織的決策質量。(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.當算法過度簡單(忽視了決策環境的復雜性)、算法的模型存在維度的缺失(這些維度是做出正確決策所需要的)、把兩個或者多個因素的相關關系識別成了因果關系；算法能否識別組織本身環境和周圍環境，在決策環境復雜或不確定、信息缺乏或質量低的情況下，通過提高算法本身能力來提高組織的決策，同樣是提升組織決策質量的有利途徑。(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.與人類的學習速度相比，人工智能的學習速度相對緩慢，在這種受限的情況下，人工智能很難做出比人類更準確的決策，因而通過開發與人腦的工作原理相似的算法來提高決策質量，即當可供算法學習的數據較少，人工智能與環境的交互作用又很有限的情況下，應把神經科學與人工智能的算法研究結合起來。(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)的研究則認為，通過提高人工智能在新情境環境中的決策能力，降低人工智能在決策中對受限制環境的依賴，會相應的提高決策質量。

(九)不同觀點對人工智能決策的看法

技術具有二重性，樂觀主義認為人工智能可以替代人類去做乏味、枯燥、重復性的工作，解放人類。因而，技術樂觀主義對技術實踐的社會價值發展持肯定或樂觀態度。技術樂觀主義者認為，人類只要掌握了人工智能技術，就可以把握自己命運并決定人類自身的發展，解決社會問題并創造美好的未來。技術悲觀主義認為，人工智能會造成人類社會的失業，并造成對人類隱私的侵害，造成過渡監管、控制等問題。Perri(2010)的研究發現，等級制度擔心技術會超出管理系統的控制，并要求更多的監管來約束它們。個人主義擔心大規模的新技術，例如人工智能對勞動力有一定的替代作用，因而人工智能技術的發展會破壞個人的創業能力，并呼吁放松管制和以市場為基礎的手段來控制風險；平等主義擔心冷技術將主導或破壞溫暖的道德社區，使原本由于組織團隊協作而溫馨的氛圍被打破，并呼吁從技術發展中解放出神圣空間。相比之下，宿命論者則認為人工智能技術會隨機失效，從而只會加劇已經是流浪漢式社會生活的任意性、隨機性和噪音，而技術失效的時段可能恰恰是組織做出決策的決定性時期。機器人、神經網絡和數字代理在這個永恒的社會恐懼系統中占據了它們的位置，在這個系統中，社會組織的競爭形式試圖讓人、技術和系統對它們的各種基本價值觀負責。

三、研究展望

科技本身是協調當前對未來展望的一個過程，也是“科技管理”的重要任務。技術發展的一個顯著的特點是其動態性，技術發展的另一個特征則是其優化性，這些特性會讓特定的技術在其技術體系中的不同層次、級別、類型的技術產生包容、關聯和連鎖的反應。Suzuki(2020)的研究認為，人工智能仍有許多懸而未決的問題亟待解決，隨著人工智能技術在量變和質變中的不斷發展進步，這項技術可能還會與其它技術相結合，終究會為組織決策領域，甚至為整個組織系統造福。基于人工智能對組織決策的現實影響，我們的思考：人工智能協助甚至替代決策者進行決策，那么決策者應該在組織中扮演一個什么類型的角色?人工智能一定會做出超乎人類意料的決策，如何管理由于人工智能引起的意想之外的決策?社會對技術具有一定的建構作用，特定的技術是否適用于特定的組織是由技術能否適應組織結構決定的，應用人工智能技術進行有效組織決策需要什么類型的組織結構?技術進步對組織氛圍、組織結構的變化和組織內部成員關系有顯著的影響，人工智能已經以一種特殊身份介入了組織的管理決策領域，人工智能對組織中人與人以及人與人工智能的關系會產生什么樣的影響？隨著人工智能技術的不斷進步并廣泛應用到組織的各個方面，有一種觀點認為，終將有一天，人工智能的智慧會超越人類。(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，人工智能終將會對組織中部分的決策角色產生互補甚至完全替代，對此，未來的相關研究應關注人工智能參與決策對組織領導者和員工心理層面的影響研究，此其一。人工智能的不合理使用可能會引發公共危機，(23)Scherer, M. U. (2015). “Regulating artificial intelligence systems: Risks, challenges, competencies, and strategies“. Harv. JL & Tech., 29, 353.對此，未來的相關研究應當聚焦于適合人工智能決策的法律情境，此其二。另外，現有人工智能對組織決策的影響研究多集中于用案例分析、訪談交流等，未來的相關研究應更多的關注應用研究，并借助科技哲學、認知學等相關理論展開更深入的研究。