人工智能如何重塑决策模式——基于人机权力关系的系统性文献综述

《科学学研究》（Studies in Science of Science）于2025年12月8日网络首发的论文《人工智能如何重塑决策模式——基于人机权力关系的系统性文献综述》由上海交通大学安泰经济与管理学院的赵秉文、余昊与陕西师范大学国际商学院的雷宏振合作完成。该研究聚焦人工智能（Artificial Intelligence, AI）在组织决策领域的范式重构，基于2020-2025年间UTD24管理学期刊的85篇核心文献，首次提出以“人机权力关系”为核心的“交互—支持—影响”分类框架，系统解析了AI重塑决策模式的内在机制与边界条件。

研究背景与目标

全球化与数字化加剧的复杂环境下，传统“有限理性”（bounded rationality）决策理论面临实时高维信息处理的挑战。AI凭借其动态学习与自主适应能力，正从被动工具转变为战略合作者，但现有研究存在三大理论缺口：

理论框架局限：多数研究将AI视为工具，缺乏从权力视角解析人机互动主导权的分析框架；
影响因素片面：集中于微观个体与组织变量，忽视宏观制度文化情境的规制作用；
结果碎片化：未系统整合AI介入引发的多维效应（如绩效提升与伦理风险并存）。

本研究旨在通过系统性文献综述，构建人机协同决策的理论框架，揭示AI如何重构组织决策的底层范式。

核心框架与内容分析

1. “交互—支持—影响”分类框架

研究者基于“决策过程实质参与”与“决策权归属”两个维度，提出三种人机协同模式：

交互模式：AI与人类共同构建决策闭环，权力动态共享（如AI触发人类反思性实践[7]），适用于高复杂度任务；
支持模式：AI承担辅助性任务（如信息处理），决策权归属人类（如医疗诊断中的AI建议[11]），侧重效率提升；
影响模式：AI通过塑造信息环境间接影响决策（如算法偏见[12]），形式上人类保留决策权，但选项空间已被AI预设。

该框架突破传统按自动化程度分类的局限，揭示了不同模式下决策效能、伦理风险及适用情境的系统性差异。例如，交互模式在行业衰退期表现更优（人机协同预测准确率提升20%[20]），而支持模式中高绩效员工可能因地位威胁抵触AI[16]。

2. 多层次影响因素与结果

前因变量：
- 内部因素：个体特质（如算法厌恶[24]）、组织能力（战略惯性[25]）、技术成熟度；
- 外部因素：市场动态性[20]、制度政策（如数据跨境流动限制）。
结果维度：
- 绩效产出：财务表现（AI投资提升企业增长率14%[14]）、决策质量（AI辅助降低群体独特知识贡献10%[10]）；
- 行为演进：认知框架改变（算法转移效应[34]）、组织结构调整（机器人应用减少管理层级[31]）。

3. 研究不足与未来方向

现有文献存在两大局限：

战略整合不足：缺乏对AI作为“管理者”角色的探讨，且宏观情境研究匮乏；
视野狭窄：未充分响应生成式AI（Generative AI）的范式变革机遇。

未来研究应聚焦：

深度整合：动态权责分配模式、地缘政治对AI供应链的影响、跨文化适配；
新视野扩展：AI驱动的平台治理（如算法透明度与权力再分配）、ESG（Environmental, Social, and Governance）战略中AI的悖论效应（如算法偏见加剧社会不公）。

学术价值与实践意义

理论贡献：
- 提出首个基于权力关系的人机决策分类框架，弥补了协同本质解析的理论空白；
- 整合多层次前因与结果变量，为后续研究提供系统性图谱。
实践启示：
- 管理者需依据任务属性（如复杂度）与AI成熟度选择协同模式；
- 组织需建立AI治理体系以平衡效率与伦理风险（如算法审计）。

研究亮点

方法论创新：结合Citespace文献计量与系统性编码，识别UTD24期刊中“决策”“机器学习”等高频聚类；
跨学科整合：融合资源基础观（Resource-Based View）、反思性实践理论（Reflective Practice Theory）等多元理论；
前瞻性议程：提出AI作为“生态系统架构者”的前沿议题，如自适应治理机制设计。

该研究不仅为学术界提供了人机协同决策的理论基石，也为企业构建差异化AI整合策略提供了实践路线图。其提出的动态权责分配框架，尤其适用于金融、医疗等高不确定性行业的战略转型。

文献信息