人机协作的系统变得更好，组织管理可以做些什么？

该领域的研究尚处于初步阶段，大多数企业也仍在探索，成熟的相关研究较少。就目前笔者所了解的情况而言，人机协同中的组织管理可以归纳为三个主要方面：一是企业任务与人机系统的匹配管理；二是AI员工融入组织后，组织管理方式的调整；三是人和AI在系统中的责任管理。

首先需要考虑的是工作任务与人机合作模式之间的匹配管理。用户的异质性会影响人机协作的效果。而不同任务的性质也会对不同的人机协作模式，提出不同的要求。因此，组织需要根据任务的属性，调整人和AI在具体任务中的比重。

目前，大家普遍认可的任务匹配管理模式，主要包含可计算性、主观性及复杂性三个维度。

从可计算性维度看，如果任务本身需要大量计算，超出了人脑的处理能力，那么让AI来主导可能会更有效。举例来说，规划从地点A到地点B的路线时，人类可能有经验，但只能从几条已知路径中选择最优路线；AI则可以枚举所有可能路径，并从中找出最优解，效果更佳。

从主观性维度看，如果任务具有较强的主观性或需要灵活应变，如医疗服务或餐饮服务，人类可能更适合扮演主导角色。

从复杂性维度看，复杂的决策场景需要考虑更多因素，关系也更加复杂。例如，在外卖快递调度系统或空间模拟计算等复杂任务中，人类很容易忽视相关因素，从而影响决策质量，这时增加AI的比重可能会更有利。
举例来说，最近的一项研究发现，创意评价类任务，相对模糊和主观性更强，即使使用了具有理论支持的可解释性人工智能，机器也无法模仿人类专家的判断，特别是在筛选出特别优秀的创意方面。这样的任务更需要由人类来主导。

然而，如果所有的创意评价都由人类专家完成，可能会导致案例过多，使专家感到枯燥和疲倦，从而影响他们的客观判断能力。

因此，这项研究提出了一个解决方案：可以先让AI筛除那些低质量的创意，减少专家的工作负担和乏味感。这样，专家就可以将更多精力集中在评估和筛选优秀创意上。

复旦大学管理学院一位年轻老师也进行过一个有趣的相关研究。他发现，在任务结果主要依赖于运气时，比如选课、抽卡娱乐、盲盒消费等，人们更倾向于选择由人工智能提供服务。因为人们认为，AI的运气比人类更好，更有可能带来理想的结果。然而，在理财、医疗等需要一定能力完成的任务上，人们更倾向于选择由人类主导的系统来完成。

这一发现在一定程度上证实了，企业需要为不同类型的任务匹配不同的人机协作系统。