北大光华 | 沙龙回顾：张颖婕：1 1>2? 人机合作的挑战与策略

各商学院动态·2022.12.14·阅读 5 分钟

与张颖婕老师一起，浅谈人机合作的挑战与策略。

PKUGSM BUSINESS ANALYTICS

2022年12月11日下午，北京大学光华管理学院2022级商业分析硕士班学术沙龙委员会邀请北京大学光华管理学院市场营销系助理教授张颖婕老师为同学们带来了题为“人机合作的挑战与策略”的学术沙龙。

AI应用的挑战

本次沙龙的开始，张颖婕老师向大家介绍了人机协同在业界的广泛应用场景，指出AI在人机协同中的主要作用是辅助人类进行决策。而人机协同在业界的流行也促使学术界学者越来越多地关注这一领域，以探究人在AI的协助下会产生什么样的行为、决策等变化。

北大光华 | 沙龙回顾：张颖婕：1 1>2? 人机合作的挑战与策略

基于这一问题，张颖婕老师带同学们了解了学术界对不同情境下AI应用的最新研究，介绍了AI技术在业界受到了哪些挑战。一方面，Luo.X等学者（2019）及Sun.J等学者（2021）分别在各自的论文中指出了AI-Aversion现象，即人对AI可能存在一些“抵制”，产生这种抵制的原因可能是由于不信任、低层次工种害怕工作被取代、工人的一些技术问题可能导致AI的建议没法完全实现以及人相比AI可能有更多的信息并做出更好的决策等。另一方面，Fügener.A等学者（2021）在研究中指出了Cyborg Effect现象的存在，这是另一种极端，即给定AI决策建议后人的能动性下降，人更加依赖AI而不愿意主动决策。

北大光华 | 沙龙回顾：张颖婕：1 1>2? 人机合作的挑战与策略

人类的应对策略

在张老师介绍完AI应用的挑战后，同学们对这一主题产生了强烈的好奇心。张老师趁热打铁，介绍了面对这些挑战人类的应对策略：人和机器可以互补。因为机器更擅长大数据、异常数据的处理，而人更擅长非结构化、低频、极端信息的处理，机器与人如果能发挥协同作用，决策的整体效果会更好。

但是，张老师也指出，人工与AI同时工作成本极高——一方面是高昂的数据收集（信息）成本，一方面是AI的研发/训练成本，另一方面是与时俱增的人工成本——那么信息、人工与AI什么时候能达到最优的调和效果呢？

金融科技场景的研究

基于这一问题，张老师介绍了自己目前研究的场景——金融科技领域，小额借贷的情况下进行的Human-AI的实验，并介绍了实验的目的和发现。实验结果显示：在AI与人无合作（分别独自决策）的情况下，AI决策比人工决策结果违约率更低，给AI提供大数据能够显著降低违约率（但数据量对人工决策结果违约率无显著影响）；而在给人工提供AI决策建议且这一建议与人工决策结论产生分歧时，有60%-80%的人会选择接受AI的决策建议改变自己的决策（当提供AI决策依据时这一比例会更高）。

总结来讲，在只有在数据规模较小时，加入人工决策与AI单独决策效果类似，但当给定大数据时，向决策人提供AI决策及依据将极大改进决策效果。基于这一结论，张老师进一步解释了原因——AI的可解释性可以促进人类重新思考（尤其是对性别、年龄、购物量等特征的重思考），通过联想引入更多信息，而人工决策的加入也会解决AI决策中一些隐性的问题（如“性别歧视”）。同时，张老师也提示我们，人工与AI的互补性并非一定可以实现，针对不同的数据，人工与AI的最佳调配也会不同。

北大光华 | 沙龙回顾：张颖婕：1 1>2? 人机合作的挑战与策略