我们正大步迈入一个由人工智能（AI）引领的新时代，这不仅是技术的飞跃，更是工作和社会互动方式的革命。但如何确保AI的融入能够与人类组织和谐共进？本文将介绍算法社会化进程——AI社会化的三个阶段：预期、接触与转型，探讨这场变革如何重塑我们的工作流程、激发创新潜力，并提升决策质量。
一、AI社会化：基于社会技术系统理论
社会技术系统（Socio-Technical Systems，STS）理论是一种组织设计和管理理论，它强调在组织设计和变革过程中，需要同时考虑技术系统和社会系统。这一理论认为，组织不仅仅是技术或机械设备的集合，还包括与之相互作用的人。STS理论的核心观点是，组织中的技术系统和社会系统相互依赖，共同影响组织的效能和效率。
STS理论为AI社会化提供了一个框架，强调了在设计和实施AI系统时，必须同时考虑技术和社会因素，确保两者的最佳结合和相互支持。Makarius等（2020）基于STS理论提出了一个AI社会化的分析框架。AI社会化是指将人工智能技术整合到组织中使其成为组织日常工作的一部分。AI社会化框架的核心在于理解AI作为一种社会技术实体，不仅仅是一项技术，还是一个与人类员工互动、学习并适应的系统。这种互动要求员工对AI有一定的认知和信任，同时也需要组织在结构和文化上做出相应的调整。这个过程需要考虑员工的认知发展、组织结构的调整以及人际关系的构建。
1.AI社会化的三阶段（预期-接触-转变）
①预期阶段。这一阶段是AI引入前的准备期。在这个阶段，STS理论强调了员工的社会需求，如对AI的理解、对工作变化的适应，以及对未来角色的预期。组织需要帮助员工理解AI的基本概念、潜在影响以及它将如何改变工作方式，例如解释AI能做什么、不能做什么，以及它对员工工作的具体影响。组织还需要制定一个详细的AI使用计划，包括实施时间表、目标和为员工提供的支持资源，其目的是减少员工对AI的恐惧和不确定性，为他们提供必要的信息和工具。
②接触阶段。这一阶段发生在AI系统实际投入到组织使用。STS理论指出，员工与AI的互动不仅是技术操作的问题，还涉及到社会互动，如信任建立、角色定义和团队合作。在这个阶段，员工开始直接与AI系统互动，学习如何使用它来完成日常工作。这涉及到明确AI在团队中的角色，确保员工明白AI如何融入现有的工作流程。员工需要掌握操作AI系统的技能，需要学会如何与AI系统协作。组织需要提供持续的支持，帮助员工克服在与AI系统合作过程中可能遇到的挑战。
③转变阶段。这一阶段是AI社会化过程的最后阶段，此时AI已经成为组织文化的一部分，员工已经适应了新的工作方式。在这个阶段，员工可能会经历心理上的积极变化，比如提高了工作满意度和成就感，组织也可能观察到生产率的提升和运营成本的降低。这个阶段的关键是评估AI社会化的效果，并根据反馈进行调整，确保持续的改进和发展。组织需要收集和分析数据，了解AI社会化对员工行为和组织绩效的影响，以便在未来的AI项目中做出更好的决策。这个阶段，STS理论强调了持续的社会支持和学习的重要性，确保员工能够适应新的工作方式，与AI系统有效的合作。
2. AI社会化的核心要素
AI社会化过程是一个复杂而多维的变革过程，它要求组织在引入人工智能技术时，必须考虑到员工的认知发展、组织结构的调整以及人际关系的构建。
①在认知层面，社会化过程着重于提升员工对AI技术的理解能力，确保他们能够掌握与AI系统交互所必需的知识。组织需要投入资源进行培训和教育，帮助员工适应由AI带来的决策支持和任务自动化。员工也需要学会如何评估AI的建议，建立对AI输出的信任，并在必要时进行干预。这一过程要求员工不仅要适应新的技术环境，还要在AI的帮助下提升个人的认知能力和决策质量。
认知在AI社会化的预期阶段尤为重要，因为它涉及到员工对AI的初步理解和知识获取。组织需要提供培训和教育资源，帮助员工建立对AI的基本认知，减少对AI的恐惧和不确定性，增强他们对AI的信任和接受度。
②在结构层面，结构在AI社会化过程中扮演着关键角色。随着AI技术的应用，组织的工作流程、职责分配以及员工的角色都可能发生显著变化。组织结构可能需要调整以适应新的技术环境，如工作流程的优化、新角色的创造以及旧角色的重新定义。在这一过程中，员工需要学习如何在变化后的工作环境中找到自己的位置，理解自己的新职责，并适应新的工作方式。组织需要通过明确的沟通和指导，帮助员工理解这些变化，并为他们提供必要的支持，以确保平稳过渡。
结构在接触过程阶段变得更加明显，员工需要在新的组织结构中找到自己的位置，同时组织也需要调整其结构以更好地支持AI技术的应用。结构在转变结果阶段体现为组织结构和流程的最终调整，来适应AI的长期应用。
③关系是AI社会化过程中的另一个重要维度，它关注于建立和维护员工与AI系统之间的积极互动关系。随着AI系统成为组织中的“新同事”，员工需要学会如何与这些系统建立信任、进行有效沟通并协同工作。组织需要培养一种文化，在这种文化中，AI被视为团队的一部分，与员工共同为实现组织目标而努力。员工不仅要接受AI作为工作伙伴，还要学会如何利用AI的能力来提高团队的整体表现。同时，组织需要通过社会化过程，帮助员工发展与AI系统合作所需的技能，比如如何提供高质量的输入数据、如何解释AI的输出以及如何在必要时与AI系统进行有效的交互。此外，组织还需要关注可能出现的人机冲突，并采取措施来解决这些冲突，比如通过透明的沟通、共同的目标设定以及对AI系统的适当管理。通过这种方式，组织可以确保AI技术的引入不仅能够提高工作效率，还能够促进员工与AI系统之间的和谐合作。
关系在接触过程中达到高潮，员工与AI的互动变得更加频繁和复杂。组织需要培养一种文化，AI被视为团队的一部分，与员工共同为实现组织目标而努力;关系在转变阶段涉及到员工与AI之间的新工作关系的稳定化，员工已经适应了AI作为工作伙伴的角色，并且能够在新的社会技术环境中有效地工作。
3.AI社会化的边界条件
在AI社会化过程中，组织需要特别考虑两个边界条件：员工类型和技术准备情况。这两个条件对于AI的成功整合至关重要。
①员工类型
员工类型涉及员工的角色、职责以及他们与AI系统的互动方式。例如，一线员工与客户直接互动，他们对AI的期望和体验可能与主要从事内部工作的管理者或高层不同。一线员工可能更关注AI如何影响客户服务和个人绩效，而内部员工可能更关注AI在提高效率和决策支持方面的作用。
因此，组织在引入AI时，需要为不同类型员工提供定制化的培训和支持。对于一线员工，重点可能在于如何利用AI提升客户体验和服务质量；而对于内部员工，则可能更注重如何通过AI提高工作流程的自动化和数据分析能力。此外，组织还需要考虑员工的心理反应，如对AI的恐惧、不信任或抵触感，应采取措施来缓解这些负面情绪。
Lu & Zhang（2024）的研究进一步证实了在AI社会化过程中，组织需要重视员工对AI的感知和理解。尽管机器在处理大量信息方面具有优势，但人机协作可以结合机器的计算能力和人类对软信息的理解，从而提高决策质量。当信息量大且提供机器解释时，人机合作能显著提升决策质量。人类决策者在理解了机器决策的关键特征后，能够主动纠正机器的决策偏差，提高决策质量。因此，组织中整合AI技术时，需要考虑信息的复杂性和机器解释的作用。这一意味着，在AI社会化过程中，组织不仅要关注技术的应用，还要关注如何通过提供有效的解释来增强员工对AI的信任和理解。这有助于提高人机协作的效率，确保AI技术的引入能够真正提升组织效能。
②技术准备
技术准备指的是组织在技术基础设施、文化和员工技能方面为采纳和使用AI所做的准备。一个技术准备充分的组织更有可能成功地整合AI，因为它已经具备了必要的条件，如强大的数据管理系统、支持创新的组织文化以及具备数字技能的员工队伍。
组织需要评估其技术准备情况，在必要时进行投资和改进，如升级硬件和软件、改进数据管理和分析能力、培养员工的数字素养和技术能力等。组织还需要建立一种鼓励创新和实验的文化，使员工愿意尝试和采纳AI技术。AI社会化强调将人工智能技术整合到组织中，并使之成为员工日常工作的一部分。在引入机器学习时，组织需要认识到机器学习与人类学习在认知和决策上的根本差异：尽管机器学习在处理速度上具有优势，且不受人类认知限制的束缚，但它缺乏人类的感知学习能力，依赖于正式的统计分析进行决策。这种差异可能会减少组织行为模式、工作方法、决策过程和问题解决策略的多样性和深度，从而加剧学习短视，影响组织学习（Balasubramanian等，2022）。因此，组织需要关注机器学习可能带来的学习短视问题，探索如何通过结合人类学习的独特优势和机器学习的计算能力来克服这一挑战。组织的目标应该是创建一个既能利用机器学习的效率，又能保持组织学习和创新能力的工作环境。
在考虑这两个边界条件时，组织需要采取一种综合的方法：首先，通过调研和分析了解不同员工类型的需求和期望，以及组织当前的技术准备情况。然后，根据这些信息制定AI社会化策略，包括培训计划、技术支持和文化变革措施。例如，对于技术准备不足的组织，可能需要先从基础的数字化改造开始，逐步建立起对AI的信任和能力。而对于技术准备充分的组织，则可以更快速地推进AI的整合，并专注于优化AI的应用和提升员工的协作能力。
二、AI社会化对公共部门AI应用的启示
根据AI社会化视角，AI在公共部门的应用也可以分为三个关键阶段，每个阶段都有其独特的研究重点和理论关注：在预期阶段，研究主要聚焦于公务人员对AI技术的使用意愿和接受程度。这一阶段的研究多借鉴技术接受模型（TAM）和统一技术接受与使用理论（UTAUT），探讨影响公务人员接受AI技术的关键因素，如感知有用性、易用性、组织支持等。同时，也应关注组织成员对AI可能带来的工作变化的预期和担忧，包括对工作替代、隐私安全、决策透明度等问题的认知。进入接触阶段，研究重点转向AI如何实际改变组织的工作流程和人员行为。这一阶段的研究应更多采用实证研究方法，观察和分析AI系统在实际应用中如何重塑决策流程、改变工作方式、影响组织结构。特别需要关注人机协作模式的建立，包括如何明确AI系统和人类在公共决策过程中的各自角色，如何建立有效的工作界面，以及如何培养公务员的新技能以适应AI驱动的工作环境。在转型阶段，研究焦点转向评估AI转型的成效及其影响因素。这个阶段的研究更加系统和全面，不仅关注技术层面的成功，还要考察组织变革的深度和广度。研究议题包括组织学习能力、变革管理策略、跨部门协作机制等如何影响AI转型的成效。同时，也开始关注AI应用的长期影响，包括对组织效能、服务质量、创新能力等方面的影响。
1.预期阶段：关注使用意愿与接受度
在公共部门引入AI之前，预期管理至关重要。这个阶段需要对雇员进行教育和培训，提高他们对AI技术的理解和接受度。一些研究发现，公务员对AI技术的采纳行为受到多种因素的影响，包括感知有用性、感知易用性、社会影响、认知工具过程、组织文化、资源可用性以及对AI伦理原则的感知等。例如，如果公务员认为AI能够提高工作效率和质量，他们更倾向于接受和使用AI技术。公务员个人对AI技术的先前接触和使用经验也会影响他们对AI技术的感知有用性。在公共部门中，组织文化对公务员对AI技术的采纳具有显著影响，领导者的支持和组织内部的创新文化也是推动AI技术接受的关键因素。在公共部门中，如果组织文化更倾向于官僚主义，那么对AI技术的采纳可能会受到限制。此外，确保AI系统的数据安全和遵守相关法规也是影响公务员对AI技术感知的重要因素，例如，公众对数据隐私的担忧可能会影响他们对AI技术的信任和接受度。
2.接触阶段：聚焦AI如何改变组织流程与人员行为
AI技术的引入使得公共部门的行政流程更加高效和透明。例如，通过自动化决策和数据驱动的政策制定，AI能够提高政府服务的质量和效率。此外，AI在处理复杂性和不确定性方面表现出色，有助于简化行政程序。组织结构也随之发生变化，形成了新的跨部门协作模式，特别是在IT部门和业务部门之间建立了更紧密的联系。AI的引入不仅改变了工作流程，还重新定义了公务员的角色。在某些领域，街头级别的官僚已经消失，取而代之的是系统级别的官僚。系统分析师和软件设计师成为这些执行机构中的关键行动者，公务员从决策者转变为AI系统的监督者和解释。
3.转型阶段：探究AI转型成效的影响因素
公共部门AI项目的成功与否受到多种因素的影响，包括技术、组织管理、文化环境、用户接受度、资源可用性、社会和技术接受度、跨机构合作以及创新和变革管理能力。从现有证据来看，技术成熟度和系统稳定性对公共部门AI项目的成功有着直接的影响。例如，提高过程成熟度可以减轻项目风险对项目性能的负面影响，技术成熟度不仅影响系统的初始部署，还影响其长期的运行和维护。领导者在确保AI策略在各个部门的成功实施中发挥着关键作用，公共部门机构在高风险领域（如社会福利）迅速引入新的AI工具时，领导层的支持和参与可以帮助克服知识和权力差异，促进更广泛的利益相关者参与AI设计和采用的决策过程。公共部门领导者还需要全面深入地理解AI应用的范围和影响，确保其组织能够成功地数字化转型。此外，公共与私营部门之间的合作对于AI应用的成功也至关重要，合作不仅有助于克服管理挑战，还能促进创新解决方案的生成，提高公众对AI技术的理解和接受度，同时确保AI应用符合伦理和政策要求。
主要参考文献：
Balasubramanian, N., Ye, Y., & Xu, M. (2022). Substituting human decision-making with machine learning: Implications for organizational learning. Academy of Management Review, 47(3), 448-465.
Lu, T., & Zhang, Y. (2024). 1+ 1> 2? information, humans, and machines. Information Systems Research.
Makarius, E. E., Mukherjee, D., Fox, J. D., & Fox, A. K. (2020). Rising with the machines: A sociotechnical framework for bringing artificial intelligence into the organization. Journal of business research, 120, 262-273.
本文转自 | 治道学术
