中国科学基金.
《中国科学基金》是国家自然科学基金委主管主办的综合性学术期刊。主要宣传党和国家科技方针政策、自然科学基金发展战略，报道中国基础研究最新进展，传播优秀创新成果，交流基金管理经验，弘扬科学精神，为基础研究战略决策，推动国家科技自立自强提供保障。
仲为国 北京大学 光华管理学院
贾宁、田轩、梁屹天 清华大学 经济管理学院
倪晨凯、卢向华 复旦大学 管理学院
才凤艳 上海交通大学 安泰经济与管理学院
谢小云、施俊琦 浙江大学 管理学院
贺伟 南京大学 商学院
许年行 中国人民大学 商学院
汪林、秦昕 中山大学 管理学院
何贤杰 上海财经大学 会计学院
焦豪 北京师范大学 经济与工商管理学院
张光磊 武汉理工大学 管理学院
潘煜 上海外国语大学 国际工商管理学院
王益文 福州大学 经济与管理学院
刘作仪 国家自然科学基金委员会 管理科学部
仲为国 北京大学光华管理学院组织与战略管理系副教授，博士生导师，系副主任，北京大学战略研究所所长，研究方向：数字经济、创新战略及国际化战略，获省部级一等奖2项，Emerald/IACMR中国管理研究卓越奖2次，获国家自然科学基金委员会优秀青年科学基金项目资助。
摘 要
依据“基于人工智能技术的工商管理发展”学术研讨会，本文结合相关研究前沿问题和国家重大需求，系统总结了当前工商管理关于人工智能研究的现状、机遇与挑战。总体来看，当前研究主要将人工智能技术作为研究工具、方法或情景，将人工智能作为研究对象构建新创理论的实证研究相对不足，面临理论发展滞后、研究方法不足、研究路径单一、跨学科整合不足以及对相关伦理问题重视度不够等五大挑战。在此基础上，利用Web of Science全面检索并梳理了2022年1月至2024年3月间与人工智能主题直接相关的工商管理期刊论文225篇，归纳了当前工商管理学科各个细分方向研究的主要进展，凝练了面向人工智能的组织结构与设计、组织能力演化、组织行为与人力资源管理变革、人机协同、数字营销、金融财会风险监管、信息系统、管理哲学与文化等八大方面的关键科学问题，指出了我国工商管理学科在人工智能时代的发展目标与研究方向。
关键词：人工智能；工商管理；现状与进展；机遇与挑战；科学问题
随着科技的发展，人工智能已经成为全球经济社会发展最重要和前沿的支撑技术之一。从产业规模来看，2023年全球人工智能产业规模高速增长。2023年的市场收入达5 132亿美元，同比增长20.7%，到2026年市场规模将达8 941亿美元，并呈现出“中美主导”的产业格局。人工智能，特别是生成式人工智能（AI-Generated Content，AIGC）和多模态大模型等技术，给经济社会的各个方面带来巨大变革，同时也给工商管理学科的发展带来了机遇和挑战。
新兴技术的产生往往伴随着对原有知识体系的冲击，人工智能所带来的变革为工商管理的各个学科提供了新的研究方向。例如，人工智能财务机器人的出现、大模型参与金融政策推演等，都体现出了工商管理与人工智能的学科交叉。这些问题亟需管理学科的学者们发挥自身的优势和专业知识，开展跨学科的研究与探索，构建系统性的原创知识与理论体系。通过学术界的研究，为“如何通过人工智能技术促进国内工商管理实践发展”这一议题提供理论支持，同时也为我国在数智化时代紧追时代前沿提供新范式。
2023年12月16日，由国家自然科学基金委员会管理科学部主办、福州外语外贸学院、福州大学联合承办，在福州召开了“基于人工智能技术的工商管理发展”学术研讨会。来自北京大学、清华大学等高校的20余位专家深入探讨了基于人工智能技术的工商管理前沿科学问题，凝练和提出了我国在该研究领域亟需关注和解决的重要基础科学问题以及相应的跨学科资助模式，为科学基金相关领域的资助战略提供基础和参照。与会专家对基于人工智能技术的工商管理研究现状以及未来发展趋势进行了梳理，从金融、财会、创新管理、营销、组织行为、企业管理和信息系统等学科视角，总结了现有的一些研究进展，凝练了未来的一些潜在研究方向。
1 人工智能时代工商管理研究面临的机遇与挑战
1.1 工商管理研究的现状与机遇
近年来，工商管理领域的研究主题丰富且多样化，既包括众多学者一直关注的领导力、团队协作、创新能力、身份认同等方面，也有众多新型主题的出现，例如人工智能、数智化转型、AIGC等话题。众多学者紧密贴合企业管理的实际经验现象，提出了一系列情景化的概念和理论。随着该领域研究的不断发展，也有越来越多的学者采用定性和定量结合的方法开展研究，例如结合使用问卷调查、实验和计算机建模等多种方法。总体而言，工商管理研究正不断演变以适应快速变化的商业环境。研究者们努力深入探讨工商管理面临的挑战，并寻找创新的解决方案，以推动工商管理领域的发展。随着时代的变迁，这些研究方向可能会进一步演变和拓展。
近年来，人工智能技术迅猛发展，尤其是2022年ChatGPT出现所引发的AIGC热潮，对人类生活带来了颠覆性的变革。同时，人工智能技术的持续进步也催生了相关产业服务的迅速崛起，使其成为了当前全球科技和产业发展的重要推动力。显然，开发和使用人工智能技术已成为企业管理未来发展的重要趋势。然而，传统的工商管理理论和经验并不能为人工智能时代的企业带来新的启示。在这一背景下，工商管理学科中不同细分方向的学者尝试拓展人工智能情景下的管理研究。
通过Web of Science检索发现，2022年1月至2024年3月，工商管理学科公认的顶尖期刊UTD-24（The University of Texas at Dallas 24）期刊共发表科研论文3 960篇，其中与人工智能主题直接相关的有225篇，且占比逐年增长。具体来说，2022年占比1.62%，2023年占比5.90%，2024年占比7.87%。对225篇直接相关的文章进行细分方向的编码分析发现，信息系统方向的人工智能相关研究发文量占比高达32.41%，随后依次是营销学（22.07%）、金融学（17.93%）、组织行为与人力资源管理（11.03%）、战略管理（10.35%），会计学发表人工智能相关研究论文占比较少，仅为6.21%，如图1所示。
图1 工商管理学科各方向人工智能相关研究发文比例分布
进一步分析人工智能在当前工商管理研究中起到的不同作用。针对225篇论文，分析与人工智能相关的概念在每个研究的概念模型中的角色，同时结合文献计量方法分析人工智能相关主题词在中不同章节位置的频数分布，结果如图2所示。
图2 人工智能在工商管理研究中的作用分布
首先，工商管理学科大多数关于人工智能的研究目前主要将其作为一种研究方法或工具（占比45.52%），利用人工智能技术来改善概念的测量信度与效度，例如利用机器学习的方法测量投资风险、消费需求、性格特征等；其次是将人工智能作为一种研究对象（占比28.97%），主要探究人工智能在工商管理学科的应用，回答人工智能是什么、演化过程、与工商管理如何结合以及对企业经营管理的影响，偏重于事实描述而非理论讨论；再次是将人工智能作为一种研究情境（占比20.00%），检验工商管理学科中传统理论的边界，通常并不深入人工智能与企业实践内部，而仅将人工智能作为一种新的场景，其主要目的是检验传统工商管理理论在新场景下的有效性，并不一定贡献新的理论发现；最后是从理论构建层面上探讨人工智能（占比5.52%），深入挖掘人工智能影响工商管理的独特性质、作用机制与边界条件，主要目的是发现新的理论，指导人工智能与工商管理结合的新实践。
可以看出，工商管理研究领域基于人工智能的理论创新非常缺乏，亟需在此方向上加大研究力度，这也是中国工商管理学科在此方向上向世界贡献科学知识的宝贵机遇。
1.2 人工智能时代工商管理研究面临的挑战
在人工智能技术的驱动下，工商管理研究正处于新的转折点。以大模型和AIGC为代表的人工智能给人类社会带来了前所未有的改变，不仅重塑了企业内部的关键生产要素和工作环境，也从根本上改变了原有工商管理领域内的相关理论与实践。一方面，人工智能对工商管理实践的土壤产生了颠覆性的改变，使得相关研究不得不顺势而为，探索工商管理与人工智能的交叉领域；另一方面，工商管理学者又必须主动追随时代，探索人工智能情境下的新理论，进而在新的情境下更好地指导实践。在这一过程中，存在着一些不可忽视的挑战，亟待未来研究的突破。
第一，尽管人工智能技术在工商管理各细分领域的研究已取得一定成果，但相应的理论发展却明显滞后于实际应用。人工智能技术发展日新月异，如何将快速变化的技术实践联系到工商管理领域的成熟理论并进一步反哺实践，是一项具有挑战性的任务，这也导致了人工智能技术下的工商管理研究理论相对滞后于实践。以会计和审计领域为例，一些理论开发于近百年前，已经不适用于当前的外部技术环境。同时，企业内部管理的各项职能的决策与运行方式也随着人工智能时代发生了翻天覆地的变化，更需要我们提前为企业应对这些变化做好理论储备。
第二，除了理论发展滞后的问题，当前的工商管理研究还存在明显的方法不足。人工智能的相关研究，需要特别关注如何促进理论、模型、大数据三者的紧密结合，以形成适应新技术环境下的工商管理新理论体系，从而更好地指导和引领企业实践。然而，当前工商管理研究所依赖的方法很难从海量复杂和多模态数据中有效提取有用信息。这主要是由于传统计量经济学方法在应对高维动态大数据和样本外推方面的局限性［1］。未来的研究既要推动交叉领域内理论的不断发展，也要突破传统计量经济学在方法上的桎梏，从而更好地适应新时代的需求，为企业发展提供有力的理论支持。
第三，人工智能作为研究对象的同一性（Commonality）难题也给工商管理研究寻求基于客观真理（Truth）的管理规律带来较大挑战。从本体论来讲，人工智能作为虚拟现实与数字孪生的存在，其客体特征的模糊性与人机交互性增加了工商管理学科的研究难度。一方面，虽然使用人工智能技术时的输入和输出过程是可见的，但数据输入后的操作环节仍面临着“黑箱”难题，即算法如何处理数据存在透明度不足的问题［2］。另一方面，人工智能系统需要大量的数据进行训练，然而不同的行业的数据本身就存在差异，一味追求跨领域的大规模训练数据显然更容易带来偏误。工商管理学科内不同的领域既需要根据特有的学科背景，开发适用的专属人工智能，即垂直领域的人工智能技术；同时也要不断优化和改进人工智能算法，提高其科学性与透明度。因此，立足于学科本身环境和专业知识与人工智能背景的研究将开辟工商管理研究的新路径。
第四，关于人工智能的跨学科研究在当今学术领域日益受到重视，对各学科间的整合提出了更高的要求［3］。工商管理学研究很难再局限于管理学科本身，而是需要扩展至计算机科学、生物学等领域，以满足跨学科研究的迫切需求。例如，探索人工智能对组织管理实践的影响，需要研究者全面了解人工智能及机器学习的特点与作用机制［4］。然而，当前管理科学部（G）的学科交叉程度相对较低，仅包含17组学科交叉对，涉及17个一级学科，学科交叉数量远低于其他学部［5］。如何提升跨学科研究能力，如何加强与其他学科的交叉融合，已然成为人工智能时代的工商管理学科发展亟待解决的问题。
第五，工商管理研究急需回应当前社会关于人工智能技术可能对伦理产生负面影响的担忧［6, 7］。首先，大型人工智能模型的普及使得隐私数据泄露等问题愈发突出，不规范的数据调用过程很可能给用户信息带来安全隐患。其次，由于语料输入的局限，人工智能系统在输出内容时可能出现与社会价值观不符的现象。此外，基于人工智能技术的招聘与选拔可能不自觉地偏爱某一性别，加剧性别歧视甚至导致性别不平等问题进一步恶化，并最终成为制约性别平等实现的障碍［8］。针对诸如此类由人工智能技术衍生的伦理问题，工商管学科的研究者既需要基于社会科学的立场进行深入剖析，也需要在研究的过程中沿用和拓展当前伦理学既有的理论框架。
2 人工智能时代工商管理研究的主要进展
快速发展的人工智能技术对经济和管理的重要性越来越突出，由其带来的一系列工商管理学科领域的新变化也越来越受到学者关注。近段时间，工商管理学科的研究者们结合自身的专业特色，围绕着相关关键问题展开了研究并取得了一定成果，主要集中在金融、财务、会计、创新管理、营销、人机协同、组织行为和战略管理等研究方向。
2.1 人工智能与金融的相关研究
随着人工智能技术的不断发展，大模型和AIGC在金融行业实践中得到了广泛的应用。因此，目前金融领域的一些前沿研究也在关注人工智能与金融行业的深度融合与交叉。从各国的管理实践来看，美国政府发布《人工智能权利法案蓝图》，提出人工智能发展和使用的五项基本原则；中国于2023年8月开始实施《生成式人工智能服务管理暂行办法》，强调促进人工智能创新和维护国家安全并重，并规定了人工智能服务提供方的责任义务［9］。
人工智能给金融领域带来的一系列影响也受到了学者们的广泛关注。通过对国内外现有研究的检索可以发现，人工智能与金融市场的研究在2014—2019年间发展缓慢，但从2019年开始，顶级期刊上的相关研究快速增长。总体来看，这些研究主要聚焦于人工智能技术对金融市场的正向影响。例如，Bok等［10］发现机器学习可以提升经济、金融指标的预测准确性；DeMiguel等［11］的研究表明机器学习可以优化资产定价和投资组合；Brown等［12］发现机器学习可以识别信息披露失真和财务舞弊；Costello等［13］则研究发现机器学习可以更准确地评估信用风险，防止欺诈。基于这些研究，至少可以总结出人工智能技术的三方面积极影响：第一，能够协助处理大量文本信息并自动提取、分析针对投资决策的重要信息。第二，信息分析速度明显优于人类，甚至能够实现金融服务中秒级别的分析，满足高时效性要求。第三，一定程度上可以替代人工客服和投资顾问，应对客户查询、提供投资建议等顾客对接问题。然而，需要注意的是，人工智能给金融行业带来的也并非全是益处。由于数据是AIGC的基础和关键，数据质量和安全直接影响模型的性能和效果，如何获取、处理、存储、使用和保护金融领域数据成了金融领域AIGC发展的重要挑战［14］。
2.2 人工智能与财会的相关研究
财务会计方向的研究也面临着人工智能情境下的新问题。例如，如何运用人工智能优化企业决策过程，从而降低成本并提高效益；如何利用人工智能技术识别借款人，以降低商业银行在信贷市场中的风险；如何应对金融科技和网络风险，进而维护宏观层面的金融安全。总体来说，这些新的研究问题主要集中于人工智能技术对公司决策、证券市场、信贷市场等方面也产生的经济后果。在公司决策方面，Erel等［15］的研究表明，通过机器学习挑选出的董事与实际董事具有较高吻合度，有助于淘汰表现较差的董事等研究都一定程度上利用人工智能优化公司决策。在证券市场中，人工智能技术对资产价格和投资者行为产生影响；在信贷市场中，人工智能技术对借款人和商业银行经营产生影响。此外，人工智能技术在宏观层面也具有重要意义。然而，这些研究仍然存在一些局限性。例如，无法获取大量数据或获取数据有偏差导致推算整体可能存在偏差；人工智能不能从历史的经济危机中学习到新危机的解决方案等。
针对这些新问题，学者们开发了一系列新技术并提出了许多新模型。在预测资产价格方面，研究人员运用机器学习对个股与投资组合收益、债券收益、基金收益以及金融衍生品定价等进行预测，比起传统方法能够更准确地预测资产价格，从而为资本市场带来更大的定价效益。此外，得益于机器学习在处理非结构化数据（例如公司披露信息、市场中介信息、新闻和社交媒体以及图像图标信息等）的突出优势，机器学习还被广泛应用于预测企业风险、企业绩效和决策行为。例如，在公司披露信息方面，研究人员利用机器学习对盈余电话会议、管理层讨论与分析（Management’s Discussion and Analysis，MD&A）以及年报等数据进行处理；在市场中介信息方面，机器学习可以从分析师的研报中提炼出与企业创新相关的关键信息［16］；在新闻和社交媒体信息方面，许多学者从网络媒体和互动平台中抓取投资者的相关信息以构造相关变量。在图像图标信息方面，成为了研究的重要切入点，通过机器学习技术，研究者们利用机器学习处理借款人的表情信息，进而对其借贷行为特征进行更加精准的判断。总体而言，这些以Lasso和Boost回归树等为代表的新技术、新模型能够通过剔除不重要变量提取关键因素，避免传统计量方法在因果推断研究因模型误设而导致的多重共线性问题。
2.3 人工智能与创新管理的相关研究
人工智能技术正在彻底重塑竞争逻辑，企业为了获取持续竞争优势需要从传统的管理模式转变为面向未来的创新管理。在这样的背景下，学者们也顺应时代潮流开展了关于人工智能技术驱动的创新管理的基础理论研究。首先是人工智能技术驱动的资源基础观相关研究。Helfat等［17］探索了人工智能和数字化、分布式组织对利益相关者和可持续性的影响，强调在资源基础观研究中使用文本分析和机器学习等模型的重要性。Krakowski等［18］发现传统的资源基础观定义的企业优势资源和能力是相对静态，而人工智能技术本身具备自适应学习能力，能够在不断适应和响应变化的环境、技术和市场需求中调整算法。通过开展人工智能对资源特性的再定义研究、分析人工智能本身作为重要战略技术资源和数据资产的重要性、实施人工智能对资源管理过程的影响研究，有助于企业掌握独特、有价值、难以模仿和不易被替代的资源和能力，以此形成长期创新优势。其次是人工智能驱动的动态能力理论相关研究。Abou-Foul等［19］提出人工智能能力并将其融入动态能力框架中，发现人工智能不仅优化内部流程还推动服务创新和社会效益。此外，Davenport［20］开展了关于人工智能驱动的知识管理理论的相关研究，而Mohr和Kühl［21］则开展了人工智能驱动的技术接受与扩散管理理论的相关研究。
除了基于资源基础观和动态能力等不同理论视角探讨人工智能技术与创新管理的关系之外，学者们还发现人工智能技术对创新管理领域的具体内容也会产生不同影响。例如，在营销创新方面，Huang和Rust［22］发现人工智能的应用提高了企业计算能力和大数据可用性，机器学习和算法模型的迭代进步也促使人工智能在企业制定市场营销战略中的地位变得越来越重要；Kinkel等［23］的研究表明，人工智能技术可以显著优化产品设计和测试、预测挑战以及开发创新解决方案，进而为企业运营创新做出贡献；Sjödin等［24］的研究表明人工智能在商业模式创新中的作用不仅限于技术层面的改进，还包括推动组织结构和策略转型从而实现更高效的商业运作。随着研究的不断开展，人工智能技术在创新管理研究领域同样也已经形成了众多新方法。首先，计算机辅助文本分析与图像处理作为最简单直接的手段已广泛应用于诸多创新管理研究；其次，深度学习与神经网络技术在创新管理研究中同样具有重要价值，例如，Larbi-Siaw等［25］就利用深度学习技术研究了企业产品生态创新和组织生态创新对环境绩效和经济绩效的影响。此外，支持向量机技术在预测和分类企业创新成果方面也表现出显著优势。总之，人工智能技术为创新管理研究提供了丰富的方法与技术支持。
2.4 人工智能与市场营销的相关研究
人工智能技术的不断发展为市场营销注入了新活力，引领企业市场营销策略迈向智能化。部分企业在市场营销领域成功应用了人工智能技术，取得了显著成果。然而，大部分企业和市场营销人员仍难以明确地认识到人工智能对市场营销及消费者的影响。因此，对人工智能技术在市场营销领域的应用及影响进行系统梳理和深入分析显得尤为重要，这不仅有助于加深企业和市场营销人员对人工智能环境下市场营销的理解，同时有助于为企业在市场营销中更好地应用人工智能提供指导建议。通过对人工智能与市场营销方向已有的文献进行梳理发现，当前研究主要探讨了人工智能技术采纳与应用的前因与后果，涉及智能服务系统、产品软件系统、人工智能助手、人工移情以及销售团队自动化等多个维度的因素。
根据研究关注对象不同，这些研究大致可以分为企业或消费者的人工智能技术采纳与应用。影响企业采纳与应用人工智能技术的前因包括行业层面、组织层面、资源因素和人员因素等，而采纳与应用人工智能技术的后果则可以划分为企业能力、伙伴/客户关系以及企业绩效等方面。决定消费者采纳与应用人工智能技术的前因包括消费者特征和人工智能产品特征等。其中，消费者特征包括权力感知、角色清晰度、能力、努力预期、享乐动机等；人工智能产品特征则包括产品的属性是功能性的还是享乐性的、服务的类型、是否具有拟人化的特征、是否具有足够的自主性、认知属性的强弱等。针对消费者采纳与应用人工智能技术的后果则主要集中于消费者的参与度、购物决策、沟通质量、回购行为以及采纳与应用的时期等。总体来看，无论是关注企业还是消费者，当前的研究重点主要是在探究影响采纳人工智能技术的因素，以及分析采纳人工智能技术后对企业运营和消费者行为的具体影响。
2.5 人工智能与人机协同的相关研究
长期以来，工商管理研究主要的关注对象还是人类员工，人工智能长期以来只是作为一种重要的情景。然而，当前人工智能技术在组织中的角色已经发生了改变，它不再是一种单纯的辅助技术，而是嵌入到了关键的组织过程并逐渐成为了人类员工在组织中的工作伙伴［26］。鉴于人类员工与人工智能之间的协作关系成为了组织行为微观基础，新近研究就二者之间的关系进行了深入研究，主要集中于人工智能+脑科学的脑机协同和混合智能组队情境下人机二元协作。
脑机协同的相关研究主要基于人工智能和神经科学及其交叉的视角，针对当今社会的现实挑战与痛点探索社会科学领域商业计算的前沿研究。这些研究主要以人工智能识别规律［27］、预测行为［28, 29］和模型构建与整合能力［30］为基础，搭建脑机协同商业计算系统，建立社会智能理论体系。例如，研究发现把生物脑与机器人工智能的大脑相结合不仅可以大大提高效率，同时还能对改进算法、提高算法速度、增加黑箱的可解释性有重要作用。此外，将脑机协同运用于商业计算中训练垂域模型，可以显著提升数据分析、预测与优化的精确性。例如，企业通过人力资源、市场营销、战略管理、财务管理、公司金融、组织行为、会计与审计、企业技术与创新等具体的组织职能部门，围绕组织计算、营销计算、财务计算等商业计算应用，可以推动其整体智能化的提升。混合智能组队情境下的人机二元协作研究则发现了AIGC的生产力均衡器效应，人工智能对写作类任务［31］、咨询工作［32］和法务工作［33］等工作者的能力有增强作用，这种作用的效果对低技能员工的绩效增强效果更为明显［34］。也有学者提出了人工智能潜在的生产力悖论问题。例如，Schulman等［35］发现单靠人工智能技术本身并无法缓解医疗健康领域长期存在的医护人员行政负荷过高问题；Wachter等［36］甚至发现医疗健康领域采用一些人工智能技术长期以来不仅没有带来生产力的提高，反而导致了其下降。
2.6 人工智能与组织行为的相关研究
现有研究在既有组织行为科学变量的基础上，将人工智能作为新的参照物来进行研究，推出了“人工智能+”，拓展了现有概念的理论内涵。例如，在Academy of Management、Administrative Science Quarterly、Orthopaedic Surgery、Journal of Applied Psychology等管理学、心理学领域顶级期刊上与人工智能、算法相关的文献中，出现最多的是人工智能与认知变量结合（如AI performance expectancy），其次是人工智能与行为变量的结合（如AI-human collaboration）以及人工智能与情感变量结合（如AI aversion）。
基于这些变量，一方面研究发现人工智补充或增强了人类主体的角色效能，影响工作行为和表现的工具角色，如人工智能语音助手既能作为银行客服员工的补充，处理大量常见的客户问题，也能分析客户的语音语调和情绪状态，增强员工解决复杂问题的能力，提高工作效率和质量［37］；另一方面研究则发现人工智能带来了知识信息的机器学习模式，同时也改变知识信息的共享模式，影响群体行为过程和行为规则［38］，人工智能可以整合学习多方信息，基于推理出结果后赋能处理类似场景，提升协作效率。然而，人工智能技术对组织行为实践存在积极作用的同时，也带来了一些消极影响。例如，大语言模型存在“幻觉”倾向［39］，即模型生成的内容与现实世界事实或用户输入不一致，产生看似合理但实际不准确的输出。
总体来说，研究人工智能与组织行为科学，一方面需要理解人工智能的核心特征、功能以及内在技术逻辑，区别人工智能与一般新技术，及时跟进人工智能技术的新发展。另一方面要找准组织行为科学领域研究问题、理论视角的科学性与独特性。首先，大语言模型带来的人工智能主体化趋势不可避免。人工智能大语言模型具有比较强的泛化能力，即样本外预测能力。人工智能驱动的认知自动化极有可能重构人类原有认知行为的理论范式和价值分布［40］。大模型的泛化能力以及认知自动化不仅影响个体的认知行为，也将对团队、组织及社会层面的认知行为范式产生影响，值得进一步地深入探究。其次，人工智能背后的基础是概率统计而非因果逻辑推理［41］，需要强有力的组织行为科学理论作为指导。最后，未来需要持续探索人工智能的“双刃剑”效应及其内在作用机理与调控机制，这不仅能贡献于理论发展，也能够协助社会各主体构建前瞻性的、科学有效的管控机制，干预和降低人工智能带来的潜在风险和负面影响。
2.7 人工智能与战略管理的相关研究
当前，人工智能与企业战略管理交叉领域的研究呈现出日益深入和紧密的趋势。人工智能技术的引入为企业战略制定和执行提供了新的思考方式和工具。在战略决策的研究方面，聚焦于决策过程的算法厌恶现象（Algorithm aversion phenomenon），即决策者表现出明显的不愿意接受使用基于机器学习进行决策的现象。最新的研究更多地关注于研究人们使用人工智能或机器学习进行决策的条件，并发现决策者能够自由选择是否遵循人工智能的预测、对于决策者没有专业知识或先前经验的任务、以及任务更加客观而非主观时，决策者更有可能采纳人工智能给出的决策建议。在影响战略效果的组织结构方面，人工智能催生了元组织（Meta-organization）的出现。例如，Tajedin等［42］发现由人工智能技术支持的元组织形式是企业规避和挑战传统知识约束的主要方式；Wulf和Blohm［43］针对提供公共应用程序编程接口（Application Programming Interface，API）的数字企业（如Open AI公司）进行研究，将API原型选择与价值创造策略和API的业务目标结合起来提供了新的理论视角。在响应外部环境变化的方面，Lohre等［44］建立了一个基于100万个新闻标题样本训练的大模型Controversy BERT，通过检测日常新闻源中的争议事件报告，可以帮助投资者避免约30%的总体负面影响。Kim等［45］使用通用大型语言模型从用户角度衡量企业信息披露中业务复杂性，用模块化度量方法构建了不同交易类别的复杂性得分，如债务、企业合并和薪酬等。数据驱动的智能决策系统使企业能够更准确地洞察市场动态，通过大数据分析和机器学习，企业还可以更好地理解消费者需求、竞争态势和行业趋势，从而更灵活地调整战略方向。例如Brandtner和Mates［46］的研究指出虽然目前应用于战略预见的人工智能技术还相对有限，但大模型在未来战略规划和风险管理方面的潜力巨大，尤其是在趋势监控和减少战略不确定性方面。
同时，人工智能正在重塑企业的边界。例如，Clough和Wu［47］区分了与API连接的集中式用户数据与企业通过私有化部署获得累计用户数据，认为前者位于企业边界之外而后者才是企业边界之内的可控数据，而作为公司的可控资产的存量数据与集中式用户数据显示出了不同的动态性。大模型也正在不断颠覆产业竞争格局。例如，Ozcan和Hannah［48］通过对2008—2013年全球广告行业的研究发现，人工智能技术创新对广告行业中的企业竞争产生直接影响，并通过供应商传导到了消费品制造商之间，要求后者企业重新配置活动和权力的分布来整合这种来自行业外的技术创新。此外，人工智能在社会和伦理方面引发的问题也影响到企业战略管理的研究。例如，算法偏见、隐私问题和社会公平性等问题可能阻碍了人工智能技术在战略制定中的广泛应用。为了突破各种局限，研究人员不仅需要在未来的研究中利用新的人工智能场景与技术突破既有理论的核心假设，创造人工智能背景下的企业战略管理新理论，还要利用人工智能技术发展新的研究方法和工具。
3 面向人工智能的未来工商管理研究方向
如上文所述，人工智能所带来的社会环境变化以及新兴技术涌现对于管理学研究提出了全新而重大的挑战。对于未来的工商管理研究，要关注到人工智能快速发展的社会情景，从工商管理学科不同的领域，针对人工智能背景下工商管理的重大问题，展开有利于适应和利用人工智能技术的学术研究。根据学科的特色，整合跨学科的研究团队，发挥各学科的优势进行综合性的新理论构建以及发展新的研究范式，推动组织管理研究发展。
本次研讨会与会专家经过深入研讨，凝练了人工智能时代的工商管理研究亟需关注的重大关键科学问题，并建议未来5～10年工商管理应着重围绕以下主要研究领域与方向，通过多学科交叉开展原创性研究。
（1） 面向人工智能的组织结构、治理模式与组织设计。人工智能时代的组织结构面临着人机协同、智能体交互、以及人工智能治理等诸多新问题，引发了分布式组织或“元组织”的兴起，例如基于区块链和基于人工智能的去中心化的自治组织。在这种组织形式中，多个公司通过人工智能系统参与到一个合作体系中，如何设计此类组织促进各成员基于人工智能共同创造和分享价值，如何保证各企业既能利用人工智能技术增强其企业竞争力，又能优化其价值分配策略？同时，还需要进一步研究不同形式的分布式组织的比较优势和挑战，包括其形成过程、对企业的影响以及治理边界的问题。
（2） 面向人工智能的企业组织能力演化机制。此方向的关键研究问题是人工智能与人类能力之间的关系，以及人工智能能力是否补充或替代企业现有的能力。企业如何优化现有能力以充分利用人工智能，以及现有能力在采用人工智能技术方面可能导致组织演化的程度、方向与影响？同时，还需要深入研究企业从人工智能能力中获取价值的机会和挑战，例如拥有人工智能能力的企业与拥有更多传统能力的企业竞争时如何使用其人工智能能力，以及如何使用第三方的人工智能能力等问题。此外，人工智能技术使得追踪企业资源配置与优化的过程成为可能。在资源配置过程中，人工智能技术和相关算法的特殊性如何影响企业资源的配置与优化，如何与现有的资源再配置能力相互作用，如何加强组织的资源再配置能力，如何帮助企业更有效地管理资源配置过程中的代理成本和风险？回答这些问题需要未来的研究更加深入地评估人工智能在此过程中的作用、影响机制与效果。
（3） 面向人工智能的组织行为与人力资源管理变革研究。人工智能最具广泛前景的用途不是取代人，而是让人和人工智能一起工作，通过人机协同的模式完成以前无法完成的认知和体力任务。因此，人工智能技术如何支持任务和工作，如何促进团队之间的协作，人与人工智能如何在工作系统中相互作用？这些都是未来急需解决的关键科学问题。具体而言，未来的研究至少应该关注：如何设计和实施人工智能系统的方法，提高员工的幸福感和满意度，从而以支持员工的福祉和促进其对人工智能的积极态度；如何设计有效的人机协作系统；人工智能技术下的“员工—组织”和“员工—领导”之间的新型交换关系；如何利用人工智能技术提升组织流程和结果的公平性；基于行为数据与人工智能技术的人力资源绩效评价体系；如何实现智能招聘、绩效评估与晋升中算法偏差带来的与公平和法律相关的适当性和预测能力的平衡等问题。
（4） 面向人工智能的人机协同机制。人机协同的商业计算运用虽然显然会带来好处，但并非所有企业都适合运用垂域模型。未来可以探究人工智能垂域模型在不同的企业情景下究竟如何开展的问题；现有研究对人机互动给工作环境中原有网络带来的不利影响缺乏探究，未来需要关注对人机二元互动的依赖及其对人际互动的影响。同时，人工智能在一些工作领域出现了替代人类的现象，但也有研究表明两者是相互促进的关系，未来需要探索人与智能系统实现彼此增强的条件和机制，既要关注影响人们能否适应人机协同并获益的因素，又要探究如何将人类智慧反哺智能系统以实现高水平的智能增强，进而在人际协同过程中达到双主体共赢的结果。
（5） 面向人工智能的市场营销研究。未来研究可以重点关注：影响人工智能技术接受、使用和采用的个体或用户层面特征，特别是与隐私和安全相关的伦理问题；人工智能如何从根本上改变企业营销策略和与客户交互的行为方式，如何影响企业新产品开发以及对产品和服务的持续改进；人工智能从基于规则的专家系统方法转向基于数据的方法，如何重构市场营销方法体系，进而影响企业以及营销人员的营销能力；基于数字足迹和人工智能的营销预测方法；人工智能算法和机器学习如何影响企业定制化和个性化服务；内容营销将在哪些细节运用到人工智能大模型，又该如何评价其有效性；基于人工智能的渠道整合策略；人工智能时代的数字公益以及算法时代下的防沉迷策略等。
（6） 面向人工智能的金融会计研究。已有研究大多集中于人工智能对金融带来的有利和不利的影响、AIGC的具体运用、人工智能导致的安全风险以及政府和市场主体如何监管人工智能等几个方面。未来研究应当更加关注人工智能在金融领域的前因；还可以关注人工智能在金融行业的垂直领域问题，研究如何贴合行业需求的特色人工智能产品落地；如何提高人工智能的可解释性问题和具体应用的探讨。还应该深入研究财务预测模型的优化问题。当前的人工智能技术在处理复杂财务控制和预测问题时仍然具有局限性，尤其是在处理系统复杂性和不确定性方面仍有明显不足，未来研究可以进一步研究人工智能技术在金融和会计领域的可用性和使用情况。此外，人工智能在税务合规和筹划、审计合规领域的应用也是未来研究的一个重要方向，例如探讨如何在全球税收政策多变的环境中提供稳定可靠的人工智能技术，支持并处理与国际税收合规相关的复杂问题。
（7） 面向人工智能的信息系统研究。主要内容包括：机器学习的有效性研究，如何评估机器学习方法的有效性以及探索其在不同研究领域的应用是信息系统领域未来研究的重要课题，可以重点围绕数据挖掘、文本分析、推荐系统、智能决策、网络安全以及人机交互等主题开展深入研究；专家系统（Expert System，ES）融合多模态知识信息的系统研究，将多模态知识信息融合到ES可以有效提高其智能化水平和解决问题的能力，未来研究需要更加综合与准确地评估此种转变的有效性；自然语言处理（Natural Language Processing，NLP）与机器视觉的信息整合研究，聊天机器人和智能代理已经逐渐成为人们生活中不可或缺的一部分，仅依靠自然语言处理技术并不能满足智能代理在视觉领域的需求，未来研究应关注如何改善机器视觉在智能代理中的应用并探索与NLP的整合策略，以使智能代理具备观察和理解现实世界的能力；人工智能在信息系统中的价值实现机制研究，人工智能在组织中的应用为业务流程优化、决策支持、客户体验提升等方面带来了显著的价值，但关于人工智能在信息系统中的价值实现机制的研究尚处于起步阶段，亟待进行更多的理论基础研究探讨人工智能如何在组织中实现价值，以及如何通过理论支持业务价值的生成。
（8） 面向人工智能的管理哲学与文化研究。以上提出七大研究方向主要是基于工商管理当前的实证研究归纳提炼的，在此基础上，一个不容忽视甚至更加重要的研究方向则是探究人工智能技术所引致的新的管理哲学和文化问题。由于对算法和大规模训练数据的依赖，人工智能在企业中的发展和部署很可能破坏当前公司广泛共享的一些管理文化理念、核心价值观以及道德规范。首先，未来需要关注和解决算法治理对组织内部公平文化的潜在危害。当前盛行的员工行为监测和客户算法推荐本质上都是基于人工智能的行为控制，未来可以探究如何寻求被监控者的参与和诉求实现“礼貌监控”，从而尽量消除算法技术对组织内部公平文化的破坏。其次，未来急需解决人工智能技术可能对整个市场的民主制度带来的潜在影响。所有公司都部署一些功能强大的人工智能大模型必然导致当前基于法律制度的市场经济和社会规范向“代码规则”转变，少数占据大模型底层源代码的私人机构从而获得了绕开传统民主机制实现市场控制的机会，未来的工商管理研究在关注企业内部公平治理的文化之外，急需开展关于数字基础设施建设中代码开源和数据中立的相关研究，从而降低企业与公众对私营人工智能模型的过度依赖。最后，未来研究需要化解人工智能技术对隐私保护带来的挑战。例如，人工智能的模型训练必然依赖海量用户的社会经济活动数据，虽然目前征求用户数据的知情同意的法案已经比较健全，然而用户却往往囿于庞杂的隐私通知信息且无法准确判断或决策，未来可以进一步研究人工智能时代的隐私数据搜集和使用问题。此外，个人在面临隐私数据被违规采集和使用时通常因为缺乏群体性权力而处于弱势地位，未来可以进一步探究个体之间隐私权利之间的潜在关联以及侵犯个人隐私可能对用户群体带来的集体损害，思考将人工智能时代的隐私数据监管从个体关注转移到集体治理的必要性和可行性。
4 结 语
人工智能已逐渐成为全球经济竞争的核心焦点，并为我国经济发展和企业创新带来重要机遇。人工智能技术促进了我国新兴产业及新型组织的成长与发展，同时也有力地推动了传统企业的转型升级与组织变革。这些变革所引发的宏观与微观问题，迫切需要工商管理领域研究者提供科学解答。当前，国内外工商管理学科的研究者已针对人工智能与金融、会计、营销、组织行为、人力资源管理、创新管理和战略管理等方面的交叉领域展开相关研究，并取得了显著成果。基于现有研究进展，本文提出了我国工商管理学科在此背景下的发展目标与研究方向。
