XiaoMi-AI文件搜索系统
World File Search SystemHaenlein
人工智能对人们日常生活的影响
面对人工智能的替代潜力，McGovern (2018) 断言，拥抱和学习应用人工智能是避免被取代的唯一途径 [29]。Frey 和 Osborne (2017) 建议增强人类的创造性思维和专业技能 [10]。Decker、Fischer 和 Ott (2017) 认为，通过发展与技术变革相结合的技能，人类可以规避潜在的人工智能替代 [7]。Berg、Buffie 和 Zanna (2018) 提出，增强抽象推理能力和扩展独特价值观可以防止人工智能替代 [4]。Atalay、Phongthiengtham、Sotelo 和 Tannenbaum (2018) 认为，通过提高教育水平，人类可以增强非传统分析任务的能力，从而减缓人工智能替代 [2]。Kopytov、Roussanov 和 Taschereau-Dumouchel (2018) 也认为通过获取更高的技能可以减少人工智能替代 [21]。 P. Verma (2018) 认为，只要人类以相同或更快的速度发展能力，就不会被人工智能取代，因为人类的数据可以决定人工智能 [38]。Kaplan 和 Haenlein (2019) 提出，为了适应未来工作灵活性、避免人工智能带来的工作类型变化，员工可以通过终身学习来发展新的专业技能 [20]。Ma 和 Siau (2018) 主张在教育生活中为学生提供培训和获得、发展软技能的机会 [26]。Taddeo 和 Floridi (2018) 强调，在非工作生活中，解决人工智能引起的新问题的关键是对人工智能价值的合理控制和利用 [35]。
全面回顾人工智能......
人工智能（AI）被定义为人工实体为解决复杂问题而表现出的智能，通常被认为是计算机或机器的系统（Kumar等，2012）。随着大数据的出现和计算能力的提升，机器学习、人工神经网络和深度学习（Gao等，2022；Song等，2022；Gao等，2023）近年来发展迅速并不断融合其他学科，在理论和应用上取得了巨大成功（Chaturvedula等，2019；Brown等，2020；Woschank等，2020；Alzubaidi等，2021；Mohsen等，2023）。图1展示了AI与机器学习、人工智能、深度学习等相关概念之间的关系。同时，图1还展示了人工智能在药理学研究中的应用。人工智能的发展可以追溯到20世纪40年代，其历史进程和发展已在之前的许多综述中详细描述（Muggleton，2014；Haenlein and Kaplan，2019）。近几十年来，卷积神经网络（CNN）、循环神经网络（RNN）、图神经网络（GNN）和深度神经网络（DNN）（Gao et al., 2021; Lai et al., 2022）等神经网络的广泛应用，以及 ResNet（He et al., 2015; Zhang et al., 2024）、Attention 和 Transformer（Vaswani et al., 2017; You et al., 2022b）等深度学习算法的发展，推动了神经网络和深度学习的发展，并进一步优化了人工智能算法在各个领域的应用性能（Alzubaidi et al., 2021）。图 2 简要摘录并展示了人工智能发展过程中提出的最重要的算法。
制药行业的案例
机械化。它在1956年夏季正式建立为学术学科时达到了最终。许多科学家聚集在达特茅斯学院的一个研讨会上，由洛克菲勒基金会资助，名为“达特茅斯夏季研究项目人工intel-ligence（DSRPAI）”，目的是创建人工大脑。这就是美国计算机和认知科学家Marvin Minsky和John McCarthy的所在地，创造了“人工智能”一词，并针对创建能够发展人类智能的机器的研究（Kaplan，2022）。随后进行了将近二十年的成功AI开发。大量的新项目导致了该领域的重大进步，1970年，明斯基预测，能够在三到八年之内能够达到人类智能的设备。然而，随后对这种乐观的前景进行了重大批评，1973年，美国和英国政府暂停了对AI研究的支持。这开始了现在被称为第一个AI冬季的东西（Haenlein＆Kaplan，2019年）。在80年代初期，日本政府积极资助其第五代计算机项目，启发了另一个AI繁荣，激发了美国的AI资金，这导致了专家系统和联系主义的进步。尽管如此，1990年代初期的经济衰退对这一领域进行了重大资金削减，创造了第二个AI冬季（Newquist，1994年）。当今的AI繁荣始于2016年，其成立致力于利用生成AI系统。在2022年底，许多各种AI工具和
人工智能在运营管理中的应用
智能技术（Duan 等人 2019；Dubey 等人 2020；Hughes 等人 2019；Ismagilova 等人 2019；Wamba 和 Queiroz 2020）。数字化转型中技术的使用取决于组织对技术的态度、感知有用性和感知易用性（Berlak 等人 2020；Grover 等人 2019c）。组织已积极参与数字化转型（Burton-Jones 等人 2020）。人工智能和大数据共同塑造了经济、社会和政治领域（Duan 等人 2019；Dwivedi 等人 2019；Elish 和 Boyd 2018；Wamba 等人 2015、2017）。人工智能被定义为系统解释和学习数字痕迹的能力（Haenlein 和 Kaplan 2019）。Metcalf 等人（2019）认为人工智能可以增强员工的智力。人工智能通过提供多样化和不同的解决方案帮助员工克服复杂情况（Jarrahi 2018），随后可以在决策过程中提供规范性输入（Bader 和 Kaiser 2019）。员工应该更多地专注于创造性工作，并应该学习如何有效地使用机器完成日常任务（Jarrahi 2018）。Morikawa（2017）指出，拥有高学历员工和全球业务的公司期望人工智能技术将对企业产生积极影响。文献中将 OM 定义为端到端的组织管理活动和服务链（Karmarkar 和 Apte 2007；Subramanian 和 Ramanathan 2012），其包括产品设计、流程设计、商品生产、规划、调度（Zhao 等 2020）、个性化定位、交付、定制、物流、外包等多项活动。本研究的第一个研究空白是 Brock 和 Wangenheim（2019）指出的空白，即管理者对如何在其组织运营中使用 AI 知之甚少。因此，本文介绍了 AI 在 OM 不同要素（如制造、产品开发、服务和供应链）中的使用。本研究确定的第二个研究空白基于 Gunasekaran 和 Ngai（2012）强调的空白，即需要开发 OM 模型来综合信息并将其转换为知识。因此，本研究试图探索利用人工智能对数字化转型计划获得的组织内存储的数据和信息资产进行信息转化为知识的前景。本研究确定的第三个空白是 Haenlein 和 Kaplan (2019) 强调的开放性问题，即人类和人工智能支持的系统如何和平共处。因此，本研究以命题的形式探讨了八种情景，作者认为员工和人工智能驱动的系统应该协同工作并建立共生关系，因为两者相互依赖，而人工智能系统的成功取决于两者的相互理解。文献表明，与其他技术创新相比，人工智能具有许多优势。首先，人工智能可以通过支持感知、抓取和转换的动态能力来降低风险（Matilda 和 Chesbrough 2020）。其次，人工智能扩大了创造性思维的范围（Eriksson 等人，2020）。第三，人工智能系统支持的一些重要特性是情境感知、通信能力、嵌入式知识、推理能力和自组织能力（Romero 等人，2020）。第四，人工智能、机器人和大数据的结合被称为第四次工业革命，因为这些技术将带来巨大的影响。Jarrahi（2018）建议，人工智能系统的设计不应以取代人类贡献为目的，而应以增强人类知识和决策为目的。本研究的重点是探索员工之间的共生关系以及人工智能在 OM 不同要素中用于做出有效决策的使用。本研究探讨的第一个研究问题是，如何在组织环境中将人工智能应用于 OM？为了探索这个研究问题，提出了八个命题（命题
人工智能
https://doi.org/10.55248/gengpi.5.0124.0328 [4] Brynjolfsson，E。，＆McAfee，＆McAfee，A.（2014）。第二个机器时代：在精彩技术时期的工作，进步和繁荣。WW Norton＆Company。 [5] Danaher，J。 （2019）。 自动化和乌托邦：人类在没有工作的世界中繁荣起来。 哈佛大学出版社。 [6] Domingos，P。（2015）。 主算法：对最终学习机器的追求将如何重制我们的世界。 基本书籍。 [7] Venkatapuram，S。S.（2024）。 鲨鱼标记跟踪 - 使用bezier算法推断：增强对迁移模式的理解。 国际研究出版与评论杂志，5（1），4350–4354。 https://doi.org/10.55248/gengpi.5.0124.0327 [8] Etzioni，O。，＆Etzioni，A。 （2017）。 将伦理纳入人工智能。 《道德杂志》，21（4），403-418。 [9] Floridi，L.，Cowls，J.，Beltrametti，M.，Chatila，R.，Chazerand，P.，Dignum，V。，...＆Schafer，B。 （2018）。 AI4PEOPLE-一个良好的人工智能社会的道德框架：机遇，风险，原则和建议。 思维和机器，28（4），689-707。 [10] Jordan，M。I.和Mitchell，T。M.（2015）。 机器学习：趋势，观点和前景。 Science，349（6245），255-260。 [11] Kaplan，J。和Haenlein，M。（2019）。 Siri，Siri，我手中：谁是土地上最公平的？ 关于人工智能的解释，插图和含义。 业务视野，62（1），15-25。WW Norton＆Company。[5] Danaher，J。（2019）。自动化和乌托邦：人类在没有工作的世界中繁荣起来。哈佛大学出版社。 [6] Domingos，P。（2015）。 主算法：对最终学习机器的追求将如何重制我们的世界。 基本书籍。 [7] Venkatapuram，S。S.（2024）。 鲨鱼标记跟踪 - 使用bezier算法推断：增强对迁移模式的理解。 国际研究出版与评论杂志，5（1），4350–4354。 https://doi.org/10.55248/gengpi.5.0124.0327 [8] Etzioni，O。，＆Etzioni，A。 （2017）。 将伦理纳入人工智能。 《道德杂志》，21（4），403-418。 [9] Floridi，L.，Cowls，J.，Beltrametti，M.，Chatila，R.，Chazerand，P.，Dignum，V。，...＆Schafer，B。 （2018）。 AI4PEOPLE-一个良好的人工智能社会的道德框架：机遇，风险，原则和建议。 思维和机器，28（4），689-707。 [10] Jordan，M。I.和Mitchell，T。M.（2015）。 机器学习：趋势，观点和前景。 Science，349（6245），255-260。 [11] Kaplan，J。和Haenlein，M。（2019）。 Siri，Siri，我手中：谁是土地上最公平的？ 关于人工智能的解释，插图和含义。 业务视野，62（1），15-25。哈佛大学出版社。[6] Domingos，P。（2015）。主算法：对最终学习机器的追求将如何重制我们的世界。基本书籍。[7] Venkatapuram，S。S.（2024）。鲨鱼标记跟踪 - 使用bezier算法推断：增强对迁移模式的理解。国际研究出版与评论杂志，5（1），4350–4354。https://doi.org/10.55248/gengpi.5.0124.0327 [8] Etzioni，O。，＆Etzioni，A。（2017）。将伦理纳入人工智能。《道德杂志》，21（4），403-418。[9] Floridi，L.，Cowls，J.，Beltrametti，M.，Chatila，R.，Chazerand，P.，Dignum，V。，...＆Schafer，B。（2018）。AI4PEOPLE-一个良好的人工智能社会的道德框架：机遇，风险，原则和建议。思维和机器，28（4），689-707。[10] Jordan，M。I.和Mitchell，T。M.（2015）。机器学习：趋势，观点和前景。Science，349（6245），255-260。[11] Kaplan，J。和Haenlein，M。（2019）。Siri，Siri，我手中：谁是土地上最公平的？ 关于人工智能的解释，插图和含义。 业务视野，62（1），15-25。Siri，Siri，我手中：谁是土地上最公平的？关于人工智能的解释，插图和含义。业务视野，62（1），15-25。[12] Markoff，J.（2015）。爱心恩典的机器：寻求人类和机器人之间的共同点。哈珀·柯林斯（Harper Collins）。[13] McCarthy，J.，Minsky，M。L.，Rochester，N。，＆Shannon，C。E.（2006）。1955年8月31日，达特茅斯夏季研究项目的提案。AI杂志，27（4），12-12。 [14] ng，A。 （2016）。 人工智能现在可以做什么也不能做什么。 哈佛商业评论，9（11）。 [15] Nilsson，N。J. （2009）。 寻求人工智能。 剑桥大学出版社。 [16] Russell，S。和Norvig，P。（2016）。 人工智能：一种现代方法。 马来西亚；皮尔逊教育有限公司。 [17] Stone，P.，Brooks，R.，Brynjolfsson，E. 2030年的人工智能和生活。 人工智能一百年研究：2015 - 2016年研究小组的报告。 [18] Suleiman，Y。 （2017）。 人工智能的伦理。 下一步：指数寿命。 BBVA开放的心态。 [19] Tegmark，M。（2017）。 生命3.0：在人工智能时代成为人类。 knopf。 [20] Toby Walsh，S。（2017）。 还活着！ 人工智能从逻辑钢琴到杀手机器人。 La Trobe University出版社。AI杂志，27（4），12-12。[14] ng，A。（2016）。人工智能现在可以做什么也不能做什么。哈佛商业评论，9（11）。[15] Nilsson，N。J.（2009）。寻求人工智能。剑桥大学出版社。[16] Russell，S。和Norvig，P。（2016）。人工智能：一种现代方法。马来西亚；皮尔逊教育有限公司。[17] Stone，P.，Brooks，R.，Brynjolfsson，E.2030年的人工智能和生活。人工智能一百年研究：2015 - 2016年研究小组的报告。[18] Suleiman，Y。（2017）。人工智能的伦理。下一步：指数寿命。BBVA开放的心态。[19] Tegmark，M。（2017）。生命3.0：在人工智能时代成为人类。knopf。[20] Toby Walsh，S。（2017）。还活着！人工智能从逻辑钢琴到杀手机器人。La Trobe University出版社。La Trobe University出版社。
引用 Fousiani K、Michelakis G、Minnigh PA 和 De Jonge KMM (2024) 竞争性组织氛围和人工智能 (AI) 接受度：领导者权力建构的调节作用。Front. Psychol. 15:1359164。doi: 10.3389/fpsyg.2024.1359164
人工智能 (AI) 站在第四次工业革命的前沿，各组织正在战略性地整合人工智能作为解决各种日常管理和工作相关挑战的重要工具（Schwab，2017 年；Syam 和 Sharma，2018 年）。人工智能的使用为员工带来了好处，因为人工智能包含机器执行传统上与人类思维相关的认知功能的能力，例如学习、互动、解决问题、创造力和创新（Wamba-Taguimdje 等人，2020 年；Raisch 和 Krakowski，2021 年；De Jonge 等人，即将出版）。最终，人工智能的使用可帮助员工更好地观察、推理和适应不断变化的工作环境（Hughes 等人，2019 年）。重要的是，人工智能似乎可以补充人类智能，从而提高员工整个任务的质量、准确性和精确度（Wilkens，2020 年），并为工作场所创造力提供巨大潜力（De Jonge 等人，即将出版）。人工智能除了为员工带来好处外，还为组织带来了好处，因为它简化了制造流程、增强了决策能力并提高了企业的运营效率 (Wright and Schultz, 2018; Kim and Heo, 2022)。例如，人工智能驱动的医疗机器人可以监测患者的健康状况 (Broadbent et al., 2016)；在零售业，人工智能有助于库存管理，就像亚马逊 (Kaplan and Haenlein, 2019)；在酒店业，人工智能聊天机器人管理客户住宿和常规查询 (Chung et al., 2020) 并增强联络中心的客户服务 (Kirkpatrick, 2017)。在产品开发方面，人工智能软件可以引导新产品和创新产品的生成和开发 (De Jonge et al., 即将出版)。因此，对员工和组织来说，接受人工智能都变得至关重要，因为它能给他们带来竞争优势 (Oliveira and Martins, 2011)。
社论：商业研究的未来之路
长期以来，战略决策在很大程度上依赖于商业研究，商业研究提供的见解会影响经济、部门和政策。然而，随着世界经历社会动荡、技术突破和环境需求带来的前所未有的转变，商业研究的未来必将发生改变。本文探讨了在这种不断变化的环境中影响商业研究发展的主要主题、困难和可能性。数字革命深刻改变了企业和学者处理工作的方式。由于大数据、人工智能 (AI) 和机器学习的增长，研究人员现在可以访问大量数据，并以前所未有的速度和精度对其进行检查。例如，先进的分析技术使得从供应链动态、市场趋势和客户行为中获取有用信息成为可能 (Brynjolfsson & McAfee, 2017)。然而，这种数据量也引发了对数据安全、隐私和道德的严重担忧 (Zuboff, 2019)。由于当今商业问题的复杂性，多学科合作是必要的。例如，了解气候变化需要经济学、组织行为学和环境科学方面的知识。同样，整合技术、社会和管理观点对于理解人工智能如何影响工人动态也是必要的（Kaplan & Haenlein，2020）。除了增强研究成果之外，这种多学科方法还保证了它们在解决实际问题中的适用性。由于对可持续性和企业社会责任 (CSR) 的关注度增加，商业研究目标正在发生变化。研究人员正在研究可持续的商业模式、绿色技术和道德供应链实践，因为组织对其对环境和社会的影响负有越来越多的责任（Elkington，2018）。由于客户希望获得更大的开放性，研究在指导道德决策方面的作用从未如此重要。尽管全球化主导了商业研究多年，但它的性质正在发生变化。COVID-19 大流行、供应链中断和地缘政治问题使全球互联互通的危险凸显出来。研究人员现在必须研究新的全球化模式，以在弹性和效率之间取得平衡，包括本地化制造和区域贸易网络（Baldwin，2022 年）。技术发展使研究工具的使用变得民主化，使新兴经济体和小型企业能够开展高水平的研究。低成本的分析平台、开放获取期刊和云计算创造了公平的竞争环境，鼓励了各个行业和地理区域的创新。此外，这种民主化促进了更广泛的研究观点，从而丰富了全球知识体系。尽管有这些优势，商业研究仍然面临着一些障碍。技术发展的速度往往超出了学者研究其长期影响的能力。政治和社会领域日益两极分化使得寻找客观和有价值的见解变得更加困难。研究界必须高度重视灵活性和包容性，以克服这些
数字化转型、机器人技术、人工智能和创新
随着技术、算法、互联网、互联互通和大数据存储的加速发展，当代商业组织继续拥抱数字化转型 (DT)（Foerster-Metz、Marquardt、Golowko、Kompalla 和 Hell，2018 年；Hanelta、Bohnsack、Marzc 和 Maranteb，2021 年）。数字技术的广泛采用已在组织中引发了广泛的转型，预计这将影响组织的内部运营和流程（Kretschmer 和 Khashabi，2020 年；Magistretti、Pham 和 Dell'Era，2021 年）。尤其是，组织认为数字化将帮助他们从根本上提高组织资源、人员、文化、决策（Devonport，2018 年）和内部教育定制培训（Foerster-Metz 等人，2018 年）的效率和效力，从而获得竞争优势。鉴于 DT 是多维的（Appio、Frattini、Petruzzelli 和 Neirotti，2021 年；Zangiacomi、Pessot、Fornasiero、Bertetti 和 Sacco，2020 年），研究人员对其的定义各不相同（参见 Verhoef、Broekhuizen、Bart、Bhattacharya、Dong、Fabian 和 Haenlein，2021 年；Vial，2019 年）。事实上，Warner 和 Wager (2019) 认为，DT 缺乏关于其确切含义和含义的共同共识 (Wessel、Baiyere、Ologeanu-Taddei、Cha 和 Blegind-Jensen，2021)。然而，人们一致认为，DT 可以被描述为新数字技术与组织结构的新兴融合，这表明需要转变传统的商业模式 (Reier Forradellas 和 Garay Gallastegui，2021)。尤其是，Tang (2021) 认为，DT 受到社交媒体、移动性、物联网 (IoT)、网络安全、大数据和分析、云计算、机器人、自动化、人工智能 (AI，包括机器学习) 等技术趋势的驱动。这些技术趋势为企业提供了全面数字化、转型和发展其组织的能力，涵盖增长和运营改进，并与组织战略更新相关（Kretschmar & Khashabi，2020）。在此背景下，本期（27.5）中的论文集探讨了 DT、机器人、人工智能和创新之间的交集。第一篇论文来自新兴经济体，正面解决了 DT 问题。该研究采用概念方法，重点关注利益相关者对实施数字化过程的投入以及可持续发展目标 4 和 9 等背景因素。这些目标主要针对各级教育的发展、产业合作和改进。在这篇论文“数字化转型：实现尼日利亚可持续发展目标 4 和 9 的概念框架”中，作者 Ufua、Emielu、Olujobi、Lakhani、Borishade、Ibidunni 和 Osabuohien 探讨了数字化转型在实现联合国可持续发展目标 (SDG) 方面的潜力，重点关注尼日利亚的可持续发展目标 4 和 9。文献综述表明，数字化转型有可能提高可持续发展目标 4 和 9 的实现，但这取决于利益相关者的承诺水平和电子政务绩效。作者建议采用多学科方法，通过有效的利益相关者参与和透明的流程，对尼日利亚的可持续发展目标 4 和 9 进行面向发展的数字化转型干预
数字化转型、机器人技术、人工智能和创新
随着技术、算法、互联网、互联互通和大数据存储的加速发展，当代商业组织继续拥抱数字化转型 (DT)（Foerster-Metz、Marquardt、Golowko、Kompalla 和 Hell，2018 年；Hanelta、Bohnsack、Marzc 和 Maranteb，2021 年）。数字技术的广泛采用已在组织中引发了广泛的转型，预计这将影响组织的内部运营和流程（Kretschmer 和 Khashabi，2020 年；Magistretti、Pham 和 Dell'Era，2021 年）。尤其是，组织认为数字化将帮助他们从根本上提高组织资源、人员、文化、决策（Devonport，2018 年）和内部教育定制培训（Foerster-Metz 等人，2018 年）的效率和效力，从而获得竞争优势。鉴于 DT 是多维的（Appio、Frattini、Petruzzelli 和 Neirotti，2021 年；Zangiacomi、Pessot、Fornasiero、Bertetti 和 Sacco，2020 年），研究人员对其的定义各不相同（参见 Verhoef、Broekhuizen、Bart、Bhattacharya、Dong、Fabian 和 Haenlein，2021 年；Vial，2019 年）。事实上，Warner 和 Wager (2019) 认为，DT 缺乏关于其确切含义和含义的共同共识 (Wessel、Baiyere、Ologeanu-Taddei、Cha 和 Blegind-Jensen，2021)。然而，人们一致认为，DT 可以被描述为新数字技术与组织结构的新兴融合，这表明需要转变传统的商业模式 (Reier Forradellas 和 Garay Gallastegui，2021)。尤其是，Tang (2021) 认为，DT 受到社交媒体、移动性、物联网 (IoT)、网络安全、大数据和分析、云计算、机器人、自动化、人工智能 (AI，包括机器学习) 等技术趋势的驱动。这些技术趋势为企业提供了全面数字化、转型和发展其组织的能力，涵盖增长和运营改进，并与组织战略更新相关（Kretschmar & Khashabi，2020）。在此背景下，本期（27.5）中的论文集探讨了 DT、机器人、人工智能和创新之间的交集。第一篇论文来自新兴经济体，正面解决了 DT 问题。该研究采用概念方法，重点关注利益相关者对实施数字化过程的投入以及可持续发展目标 4 和 9 等背景因素。这些目标主要针对各级教育的发展、产业合作和改进。在这篇论文“数字化转型：实现尼日利亚可持续发展目标 4 和 9 的概念框架”中，作者 Ufua、Emielu、Olujobi、Lakhani、Borishade、Ibidunni 和 Osabuohien 探讨了数字化转型在实现联合国可持续发展目标 (SDG) 方面的潜力，重点关注尼日利亚的可持续发展目标 4 和 9。文献综述表明，数字化转型有可能提高可持续发展目标 4 和 9 的实现，但这取决于利益相关者的承诺水平和电子政务绩效。作者建议采用多学科方法，通过有效的利益相关者参与和透明的流程，对尼日利亚的可持续发展目标 4 和 9 进行面向发展的数字化转型干预