类型a：学术研究报告

作者及机构
本研究由Piotr Gaczek、Grzegorz Leszczyński（波兰波兹南经济大学）、Yuling Wei（中国中山大学）和Hao Sun（中国科学技术大学）合作完成，发表于2025年的*Journal of Business Ethics*，标题为《The Bright Side of AI in Marketing Decisions: Collaboration with Algorithms Prevents Managers from Violating Ethical Norms》。

学术背景与研究动机
该研究属于商业伦理与人工智能交叉领域，聚焦人工智能（AI）在管理决策中的伦理影响。研究背景源于AI在营销决策中的广泛应用引发的责任归属困境（responsibility gap），例如剑桥分析事件中AI驱动的微观定向（microtargeting）如何模糊人类决策者的责任。现有研究多关注AI的“工具性”或“代理性”（agency），但缺乏对“人-AI协作形式如何影响伦理决策”的实证检验。因此，本研究旨在探索以下问题：
1. 不同人-AI协作形式（单独使用AI推荐 vs. 与人类团队共同使用AI）如何影响管理者对伦理违规的责任归因（attribution of responsibility）？
2. 伦理违规的严重性（中度 vs. 重度）如何调节上述影响？
3. AI的“利益导向沟通”（benefit-oriented communication）是否会降低管理者的责任感，从而增加不道德行为？

研究设计与方法
研究通过三个情景实验（vignette experiments）展开，共招募587名营销经理（通过Prolific平台筛选，要求具备管理决策经验），采用假设性情境模拟伦理困境。

实验1：责任归因的协作形式差异
- 样本：178名管理者，随机分为两组：一组接受AI单独推荐，另一组接受“人类团队+AI”的联合建议。
- 情境：模拟“对重要客户提价”的中度伦理违规行为，要求参与者评估责任归属（管理者自身 vs. AI/人类团队）。
- 测量：
- 责任归因：采用语义差异量表（1=管理者负责，7=AI/团队负责）和Likert量表（1=完全不同意，7=完全同意）。
- 控制变量：情绪反应、AI预期效能、对AI的控制感等。
- 结果：
- 单独使用AI时，管理者更倾向于自我归责（M=5.79 vs. 人类团队组的M=4.82，p<0.001）。
- 责任扩散效应（responsibility diffusion）在人类团队协作中显著，削弱了个人责任感。

实验2：违规严重性的调节作用
- 样本：237名管理者，采用2（协作形式）×2（违规严重性：价格操纵 vs. 滥用敏感数据）设计。
- 发现：
- 中度违规（提价）时，AI单独推荐组更不愿采纳建议（M=3.11 vs. 人类团队组M=3.52，p=0.032），且责任归因中介此效应（β=-0.17，p=0.023）。
- 重度违规（数据滥用）时，协作形式无显著差异，因道德清晰性（moral clarity）压倒责任分配差异。

实验3：利益导向沟通的伦理风险
- 样本：172名管理者，分为两组：一组仅接收AI的负面后果提示，另一组额外接收“公司利益”框架的沟通。
- 关键结果：
- 利益沟通显著降低责任感（M=4.63 vs. 负面组M=5.17，p=0.038），并增加数据滥用意愿（M=3.48 vs. 2.89，p=0.018）。
- 日常AI依赖度（>21%）强化此效应，高依赖者（>52%）表现最显著的数据滥用倾向。

结论与价值
1. 理论贡献：
- 揭示了“人-AI协作形式”通过责任归因影响伦理决策的机制，填补了AI道德研究中责任动态（responsibility dynamics）的空白。
- 提出“道德清晰性阈值”概念，解释重度违规情境下协作形式差异的消失。
2. 应用价值：
- 为组织设计AI协作流程提供依据：明确责任框架（如避免人类团队过度稀释责任）、限制利益导向的AI沟通。
- 警示AI过度依赖的风险，建议对高频使用AI的管理者加强伦理培训。

研究亮点
1. 方法创新：首次将情景实验与责任归因理论结合，量化AI协作对伦理决策的影响。
2. 跨学科视角：融合商业伦理（Bandura的道德脱离理论）、心理学（Weiner的归因理论）与AI研究（人机协作模型）。
3. 现实针对性：直击营销领域高发的数据滥用与定价伦理问题，为企业治理AI提供实证支持。

其他价值
- 数据公开于Open Science Framework（OSF），支持后续研究验证。
- 提出“AI参与度阈值”（21%和52%）的实践指标，为组织监控AI依赖提供量化参考。